• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제16권5호
• /
• pp.1446-1465
• /
• 2022

Diversified SaaS applications allow users more choices to use, according to their own preferences. However, the diversification of SaaS applications also makes it impossible for users to choose the best one. Furthermore, users can't take advantage of the functionality between SaaS applications. In this paper, we propose a platform that provides an SaaS mashup service, by extracting interoperable service functions from SaaS-based applications that independent vendors deploy and supporting a customized service recommendation function through log data binding in the cloud environment. The proposed SaaS mashup service platform consists of a SaaS aggregation framework and a log data binding framework. Each framework was concreted by using Apache Kafka and rule matrix-based recommendation techniques. We present the theoretical basis of implementing the high-performance message-processing function using Kafka. The SaaS mashup service platform, which provides a new type of mashup service by linking SaaS functions based on the above technology described, allows users to combine the required service functions freely and access the results of a rich service-utilization experience, using the SaaS mashup function. The platform developed through SaaS mashup service technology research will enable various flexible SaaS services, expected to contribute to the development of the smart-contents industry and the open market.

• Journal of Smart Tourism
• /
• 제3권2호
• /
• pp.1-3
• /
• 2023

• 한국콘텐츠학회논문지
• /
• 제17권11호
• /
• pp.183-191
• /
• 2017

본 연구는 과학 학술정보 서비스 플랫폼 이용자의 정보 검색 편의성을 확보하고 적합한 정보의 획득에 소요되는 시간을 절약하기 위하여, 운영 중인 서비스 메뉴와 각 서비스 별 콘텐츠 정보를 제공하는 알고리즘 중 콘텐츠 추천 알고리즘을 최적화하고 그 결과를 비교평가 하는 것이다. 추천 정확도를 높이기 위해 이용자의 '전공' 항목을 기존 알고리즘에 추가하였으며, 기존 알고리즘과 최적화된 알고리즘을 통한 추천 결과의 성능평가를 수행하였다. 성능평가 결과 최적화된 알고리즘을 통해 이용자에게 제공되는 콘텐츠의 적합도가 21.2% 증가함을 파악하였다. 이용자에게 적합한 콘텐츠를 시스템에서 자동 도출하여 각 서비스 메뉴 별로 제공함으로써 정보 획득 시간을 단축하고, 연구정보로서 가치 있는 연구결과물의 생명주기를 연장할 수 있는 방안이라는 데 본 연구의 의의가 있다.

• 한국융합학회논문지
• /
• 제11권11호
• /
• pp.19-24
• /
• 2020

최근, 애완동물의 급격한 증가로 애완동물의 건강상태 체크와 다양하게 수집된 데이터를 활용하여 사료 추천 등 통합적인 애완동물관련 개인화 상품 추천 서비스가 요구된다. 본 논문은 빅 데이터 기술을 활용하여 애완동물관련 데이터 수집, 전처리, 분석, 관리등 다양한 개인화서비스를 할 수 있는 상품 추천시스템을 구현한다. 먼저, 애완동물이 착용하고 있는 센서 정보와 고객의 구매 패턴, SNS 정보를 수집해 데이터베이스에 저장하고 통계적 분석을 활용하여 사료제작, 애완동물 건강관리 등 맞춤형 개인화 추천 서비스가 가능한 플랫폼을 구현한다. 본 플랫폼은 유사도가 분석될 상품과 상품정보에 대한 유사도 상품 정보를 출력하고 최종적으로 추천 분석한 결과를 출력하여 고객에게 정보를 제공 할 수 있다.

• 인터넷정보학회논문지
• /
• 제25권1호
• /
• pp.49-56
• /
• 2024

There have been emerging many use-cases applying recommendation systems especially in online platform. Although the performance of recommendation systems is affected by a variety of factors, selecting appropriate features is difficult since most of recommendation systems have sparse data. Conventional matrix factorization (MF) method is a basic way to handle with problems in the recommendation systems. However, the MF based scheme cannot reflect non-linearity characteristics well. As deep learning technology has been attracted widely, a deep neural network (DNN) framework based collaborative filtering (CF) was introduced to complement the non-linearity issue. However, there is still a problem related to feature embedding for use as input to the DNN. In this paper, we propose an effective method using singular value decomposition (SVD) based feature embedding for improving the DNN performance of recommendation algorithms. We evaluate the performance of recommendation systems using MovieLens dataset and show the proposed scheme outperforms the existing methods. Moreover, we analyze the performance according to the number of latent features in the proposed algorithm. We expect that the proposed scheme can be applied to the generalized recommendation systems.

• 한국인터넷방송통신학회논문지
• /
• 제21권3호
• /
• pp.99-105
• /
• 2021

넥플릭스,유튜브로 대표되는 OTT 동영상 제작 서비스에 인공지능으로 콘텐츠를 개인별 맞춤식 추천 시스템은 보편화 되었다. 유튜브의 개인별 맞춤 추천서비스 시스템은 두 개의 신경망으로 구성되는데 신경망 하나는 추천 후보생성 모델이고 다른 하나는 순위평가 네트워크로 구성된다. Netflix의 동영상 추천 시스템은 두 개 데이터 분류 시스템으로 구성되어 있으며 콘텐츠 기반 필터링과 협업 필터링으로 나누어진다. 코로나 펜데믹으로 온라인 플랫폼 주도의 콘텐츠 제작이 활성화 되면서 인공지능을 활용한 가상 인플루언서 분야가 부각되고 있다. 가상인플루언서는 GAN(Generative Adversarial Networks) 인공지능으로 제작되는데 성격이 다른 두 시스템이 서로 경쟁하는 방식으로 학습이 반복되는 비교사(Unsupervised) 학습 알고리즘이다. 이 연구는 AI 개인별 추천 기반 플랫폼과 가상인플루언서(메타버스)가 향후 OTT의 핵심콘텐츠로의 발전 가능성도 연구해 보았다.

• 디지털융복합연구
• /
• 제20권4호
• /
• pp.1-14
• /
• 2022

본 연구는 웹 기반형(web-based) 플랫폼 노동자의 임금 결정에 관한 연구이다. 이를 위해 2018년 9월 전 세계적 플랫폼 노동시장 중 하나인 Freelancer.com에서 웹 크롤링(web-crawling)한 총 3,575명의 구직자 정보를 사용하였으며, 전통적 노동시장에서 유의하였던 학력, 경력과 더불어 플랫폼 노동시장에서 새롭게 사용 가능해진 이전 고용주에 의한 평가가 플랫폼 노동자의 임금상승에 유의한 영향을 주는지 OLS 및 QR 분석방법을 사용하여 추정하였다. OLS 분석결과 플랫폼 노동자의 임금은 과거 유의하였던 학력, 경력뿐 아니라 이전 고용주에 의한 평가(리뷰 수)에 의해서도 영향을 받는 것으로 나타났다. 다만, QR 분석결과 플랫폼 노동자의 임금수준이 상승함에 따라 교육보다는 경력이 리뷰 수보다는 추천 수가 플랫폼 노동자의 임금상승에 더욱 유의미한 영향을 주는 것으로 나타났다.

• 한국인터넷방송통신학회논문지
• /
• 제14권1호
• /
• pp.101-107
• /
• 2014

본 논문에서는 협업 필터링 알고리즘을 클러스터링 기반으로 분산 환경에서 구현하여, 추천을 위한 수행 시간을 최적화 하는 방법에 대한 제안을 한다. 하둡 기반으로 시스템을 구성하였고, 분산 Min-hash 클러스터링 기반의 협업 필터링 방법을 제안하고, 이를 기반으로 분산 추천 시스템을 구성하였다. 분산 사용자 기반 협업 필터링 기법을 사용하여 무비렌즈 (Movie Lens)의 영화 평점 데이터를 기반으로 각각의 사용자에게 알맞은 영화를 추천해주는 분산추천 시스템을 구현하고 실험을 통하여 성능의 우수성을 검증하였다.

• 한국IT서비스학회지
• /
• 제20권3호
• /
• pp.57-73
• /
• 2021

Recently, online job websites have been activated as unemployment problems have emerged as social problems and demand for job openings has increased. However, while the online job platform market is growing, users have difficulty choosing their jobs. When users apply for a job on online job websites, they check various information such as job contents and recruitment conditions to understand the details of the job. When users choose a job, they focus on various details related to the job rather than simply viewing and supporting the job title. However, existing online job websites usually recommend jobs using only quantitative preference information such as ratings. However, if recommendation services are provided using only quantitative information, the recommendation performance is constantly deteriorating. Therefore, job recommendation services should provide personalized services using various information about the job. This study proposes a recommended methodology that improves recommendation performance by elaborating on qualitative preference information, such as details about the job. To this end, this study performs a topic modeling analysis on the job content of the user profile. Also, we apply LDA techniques to explore topics from job content and extract qualitative preferences. Experiments show that the proposed recommendation methodology has better recommendation performance compared to the traditional recommendation methodology.

• 방송공학회논문지
• /
• 제18권1호
• /
• pp.88-97
• /
• 2013

개인화된 추천을 제공하기 위한 협력 필터링은 추천 시스템에서 성공적으로 활용되어 온 기법이다. 그러나 협력 필터링이 주로 연구 및 적용된 분야들은 사용자로부터의 명시적 피드백이 존재하는 독립된 아이템들을 추천하는 것에 초점을 두고 있다. VOD 서비스 플랫폼에서 개인화된 TV 프로그램을 추천하기 위해서는 해당 도메인의 특성과 제한들을 고려하는 것이 필요하다. 본 논문에서는 TV 프로그램의 시리즈 속성을 이용하여, 선호를 판단하기 힘든 비명시적 피드백인 회별 프로그램 시청기록을 명시적이고 지속적인 프로그램 선호도로 변환하는 방법을 고안하였다. 데이터 수집과 최종 추천은 회별 프로그램 단위로 이루어지면서 협력 필터링 처리 단위는 프로그램으로 변경되어 TV 프로그램 VOD 추천 환경에 가장 적당한 형태로 협력 필터링을 변형 적용하였다. 실험 결과는 고안된 추천 시스템이 단순히 협력 필터링을 적용했을 때보다 높은 정확도와 더 적은 계산량을 가지는 것을 보여준다. 도메인 특화된 이러한 변형은 추천 시스템의 알고리즘 모듈로 구성되어 기존에 알려진 다양한 협력 필터링 기법과 결합하여 사용될 수 있다.