• 대한안전경영과학회지
• /
• 제13권2호
• /
• pp.169-177
• /
• 2011

In this paper, the author devised new decision recommendation ordering method of items attributed by age to improve accuracy of recommender system. In conventional recommendation system, recommendation order is decided by high order of preference prediction. However, in this paper, recommendation accuracy is improved by decision recommendation order method that reflect age attribute of target customer and neighborhood in preference prediction. By applying decision recommendation order method to recommender system, recommendation accuracy is improved more than conventional ordering method of recommendation.

• 한국컴퓨터정보학회논문지
• /
• 제20권11호
• /
• pp.89-95
• /
• 2015

In this paper, we propose the method and development of custom-made golf insole recommender system to optimize the foot balance during golf swing. This system development procedures are as follows : (1) Using the measured data of the golf swing, the analysis of the individual golf hitting and balance will be done. (2) Based on the analysis results, the system will recommend the golf custom-made insole to optimize the individual balance using recommender algorithm. (3) After the golf custom-made insole is recommended, the modeling and design of the recommended insole is processed. Golf custom-made insole will be possible to reduce the excessive shaking and increase the lower-body supporting force. Therefore, we have expected that the recommended insole will improve the swing results through the optimization of golf swing balance. In the future, it is necessary to secure the higher validity and reliability through the more diverse experiments and research.

• International Journal of Contents
• /
• 제13권1호
• /
• pp.53-61
• /
• 2017

Recently, the Social Internet of Things (IoT), the follow-up of the IoT, has been studied to expand the existing IoT services, by integrating devices into the social network of people. In the Social IoT environment, humans, devices and digital contents are connected with social relationships, to guarantee the network navigability and establish levels of trustworthiness. However, this environment handles massive data, including social data of humans (e.g., profile, interest and relationship), profiles of IoT devices, and digital contents. Hence, users and service providers in the Social IoT are exposed to arbitrary data when searching for specific information. A study about the recommender system for the Social IoT environment is therefore needed, to provide the required information only. In this paper, we propose the Social correlation group based Recommender System (SRS). The SRS generates a target group, depending on the social correlation of the service requirement. To generate the target group, we have designed an architecture, and proposed a procedure of the SRS based on features of social interest similarity and principles of the Collaborative Filtering and the Content-based Recommender System. With simulation results of the target scenario, we present the possibility of the SRS to be adapted to various Social IoT services.

• Journal of the Korean Data and Information Science Society
• /
• 제17권4호
• /
• pp.1129-1139
• /
• 2006

Pearson's correlation coefficient and vector similarity are generally applied to The users' similarity weight of user based recommender system. This study is needed to find that the correlation coefficient of similarity weight is effected by the number of pair response and significance probability. From the classified correlation coefficient by the significance probability test on the correlation coefficient and pair of response, the change of MAE is studied by comparing the predicted precision of the two. The results are experimentally related with the change of MAE from the significant correlation coefficient and the number of pair response.

• 지능정보연구
• /
• 제25권4호
• /
• pp.89-103
• /
• 2019

최근 추천시스템의 품질평가 관점에서 이에 대한 다양한 연구들이 진행되고 있다. 추천시스템은 기본적으로 사용자들에게 특정 아이템에 대한 개인화된 추천을 제공하는데 목적이 있으며, 대부분의 추천시스템은 항상 사용자 또는 아이템과 가장 관련 있는 아이템을 추천한다. 그리고 이러한 추천시스템의 성과는 전통적으로 다양한 예측정확도 등에 초점을 두어 왔다. 그러나, 추천시스템은 예측가능성 차원에서 정확해야 할 뿐만 아니라 사용자들에게 유용해야 한다. 특히 최근의 추천시스템에 대한 연구로서, 추천시스템의 평가기준에 속하는, 추천시스템에 대한 사용자 만족도(품질)는 추천시스템이 얼마나 정확하게 추천하느냐 뿐만 아니라 사용자의 의사결정에 얼마나 충분히 도움이 되는지와 관계가 깊다. 예를 들어, 특히 높은 수준의 세렌디티피한 추천은 사용자들이 뜻밖의 아이템이면서 흥미로운 아이템을 찾는데 도움이 된다. 여기서, 세렌디피티란 추천 아이템이 사용자에게 매력적인 동시에 뜻밖의(비기대성의) 아이템인 정도를 의미한다. 본 연구는 추천시스템의 성과를 나타내는 세렌디피티 지표를 추천시스템에 적용하여 추천시스템의 품질을 평가하는 것을 목표로 한다. 본 연구에서는 세렌디피티 지표는 관련성(매력)이 있는 동시에 뜻밖인(비기대성의) 아이템을 추천하는 정도로 정의하고, 이 세렌디피티 지표를 측정하기 위해, 추천시스템이 사용자들에게 예상치 못한 유용한 아이템을 찾을 수(또는 추천할 수) 있는 정도를 평가하였다. 본 연구의 주요 실증분석결과로는, 아이템기반 협력 필터링 기법이 사용자기반 협력 필터링 기법보다 더 높은 세렌디피티값을 가지며, 따라서, 추천시스템의 품질평가 차원에서 아이템기반 협력 필터링 기법은 사용자기반 협력 필터링 기법보다는 더 좋은 추천 품질을 갖고 있음을 보여 주었다.

• Journal of the Korean Data and Information Science Society
• /
• 제19권3호
• /
• pp.819-830
• /
• 2008

Web recommender system was suggested in order to solve the problem which is cause by overflow of information. Collaborative filtering is the technique which predicts and recommends the suitable goods to the user with collection of preference information based on the history which user was interested in. However, there is a difficulty of recommendation by lack of information of goods which have less popularity. In this paper, it has been researched the way to select the sparsity of goods and the preference in order to solve the problem of recommender system's sparsity which is occurred by lack of information, as well as it has been described the solution which develops the quality of recommender system by selection of customers who were interested in.

• 디지털산업정보학회논문지
• /
• 제5권2호
• /
• pp.13-20
• /
• 2009

The most of navigation services these days, are designed in order to just provide a shortest path from current position to destination for a user. Several navigation services provides not only the path but some fragmentary information about its point, but, the data tends to be highly restricted because it's quality and quantity totally depends on service provider's providing policy. In this paper, we describe the folksonomy POI(Point of interest) recommender system using mashup in order to provide the information that is more useful to the user. The POI recommender system mashes-up the user's folksonomy data that stacked by user with using external folksonomy service(like Flickr) with others' in order to provide more useful information for the user. POI recommender system recommends others' tag data that is evaluated with the user folksonomy similarity. Using folksonomy mahup makes the services can provide more information that is applied the users' karma. By this, we show how to deal with the data's restrictions of quality and quantity.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제21권10호
• /
• pp.670-679
• /
• 2015

최근 인터넷의 급 성장과 함께 사용자들은 물건이나 영화, 음악 등을 구매 할 때 여러 가지 추천 사이트를 활용한다. 하지만 이러한 추천 사이트에는 악의적으로 아이템의 평점을 높이거나 낮추려는 악의적인 사용자(Sybil)들이 존재할 수 있으며, 추천시스템에 영향을 끼쳐 일반 사용자들에게 부정확한 결과를 추천할 수 있다. 본 논문에서는 사용자들이 생성하는 평점들을 일반적인 평점과 일반적이지 않은 평점으로 구분하고, 상태 정보를 재정립 및 활용하여 악의적 사용자의 영향력을 최소화 하는 추천 알고리즘을 제안한다. 특히, 현재 추천시스템에서의 문제가 되고 있는 3가지 공격모델의 개별 특성을 고려하여 시빌 유형에 견고한 추천 시스템을 처음으로 제안한다. 제안하는 기법의 성능을 입증하기 위해 실제 데이터를 직접 수집(crawling)하여 성능분석결과 제안하는 기법의 성능이 기존 알고리즘과는 다르게 공격 크기 및 종류에 상관 없이 좋은 성능을 보이는 것을 확인 하였다.

• 산학경영연구
• /
• 제20권2호
• /
• pp.105-118
• /
• 2007

추천시스템은 인터넷을 기반으로 하는 전자상거래 기업에서 고객의 구매율을 높이기 위한 도구로써 이용되고 있다. 추천시스템은 전자상거래에서 거래되는 상품들에 대한 고객의 선호도를 예측하고 예측 결과를 이용하여 고객들이 원하는 상품목록을 자동적으로 제시할 수 있기 때문에 고객의 정보탐색 비용을 줄여주며 동시에 고객의 구매 특성을 파악하여 마케팅 전략의 중요 자료를 제공할 수 있다. 그러나 전자상거래에서 거래되는 상품과 고객이 증가함에 따라 추천시스템은 규모의 확장성이라는 문제점을 안고 있으며 신뢰도가 낮은 추천시스템을 이용하여 고객에게 상품을 추천할 경우 추천시스템에 대한 고객의 충성도가 떨어지게 된다. 본 연구는 추천시스템에서 고객의 선호도를 예측하기 이전에 고객이 과거에 상품들에 대해 평가한 사전정보를 이용하여 예측성과에 대한 사전평가 기준을 제시하고 이를 통해 선별된 고객들의 특성에 대하여 연구하였다.

• 인터넷정보학회논문지
• /
• 제17권5호
• /
• pp.75-87
• /
• 2016

전자 학술 정보 유통의 확대에 따라 날로 증가되는 학술 콘텐츠 서비스 수요에 부응하기 위하여 보다 효과적인 학술 콘텐츠 추천 시스템 개발이 요구된다. 학술 콘텐츠 추천 시스템은 정보 소비자의 과거 이용 내역을 기반으로 각 소비자 선호(preference)에 맞는 학술 콘텐츠를 제공함으로써 콘텐츠 이용성을 보다 효과적으로 향상 시킬 수 있다. 본 논문에서는 특정 기관에 소속된 사용자의 선호에 더욱 부합하는 학술 콘텐츠를 제공하기 위하여 기관의 전자 저널 구독 정보 및 웹 이용 로그를 활용한 저널 추천 기법을 제안한다. 제안하는 추천 기법에서는 기관 사용자의 저널 선호도를 효과적으로 예측하기 위하여 기관 유사도(Institution similarity), 그리고 참고문헌의 인용 관계 데이터를 기반으로 저널 유사도(Journal similarity) 및 저널 중요도(Journal importance)를 산출하여 최종적으로 기관 맞춤형 저널 추천 항목을 구성하게 된다. 또한, 제안하는 추천기법이 적용된 기관 맞춤형 저널 추천 시스템 프로토타입을 개발한다. 개발된 저널 추천 시스템은 각 기관의 저널 선호도 예측을 위하여 활용되는 웹 이용로그를 효과적으로 수집하고 이를 추천 기법에 활용하기 용이한 데이터로 가공 처리 하여 별도의 데이터베이스에 저장하여 추천 기법의 저널 선호도 예측을 위한 기반 데이터로 활용한다. 마지막으로 우리는 기존 추천 기법들과의 비교 성능 평가를 통해 제안 기법의 차별성과 우수성을 보인다.