• 한국경영과학회지
• /
• 제32권4호
• /
• pp.61-75
• /
• 2007

In ubiquitous computing, shared environments are required to adapt to people intelligently. Based on information about user preferences, the shared environments should be adjusted so that all users in a group are satisfied as possible. Although many group recommender systems have been proposed to obtain this purpose, they only consider average and misery. However, a broad range of philosophical approaches suggest that high inequality reduces social agreeability, and consequently causes users' dissatisfactions. In this paper, we propose social welfare functions, which consider inequalities in users' preferences, as alternative aggregation functions to achieve a social agreeability. Using an example in a previous work[7], we demonstrate the effectiveness of proposed welfare functions as socially agreeable aggregate functions in group recommender systems.

• 지능정보연구
• /
• 제11권1호
• /
• pp.191-205
• /
• 2005

전자상거래의 확산에 따라 인터넷 쇼핑몰에서의 구매활동은 일반적인 현상이 되었다 그 결과, 유사한 업종이나 업태의 인터넷 쇼핑몰이 범람하게 되었고 업체들 간의 경쟁도 심화되어 차별화 된 서비스를 제공하지 않는 업체는 도태되기 쉬운 상황이다. 본 연구에서는 치열한 경쟁환경 하에서 인터넷 쇼핑몰들의 차별화 된 마케팅 서비스의 수단으로써 이용되고 있는 상품추천시스템의 개선된 모형을 제시하고자 한다. 본 연구에서 제안하는 모형은 전역 최적화 기법 중의 하나인 유전자 알고리즘을 데이터 마이닝의 도구로 활용한 인터넷 쇼핑몰에서의 개인화 된 상품추천시스템 모형이다. 유전자 알고리즘은 추출하기가 어려운 소비자의 성향을 데이터를 통해 추출하고 이에 맞는 상품군을 선택할 수 있도록 해 주는 최적화 기법으로 상품추천시스템의 추천엔진으로써 유용할 것으로 기대된다 본 연구에서는 제안하는 유전자 알고리즘에 기반한 추천규칙들이 장착된 웹 기반의 개인화 된 상품추천시스템의 프로토타입을 개발하고 이에 대한 실제 사용자들의 이용 만족도를 확인함으로써 렬 연구에서 제안한 방법론의 유용성을 확인하고자 한다.

• 방송공학회논문지
• /
• 제16권2호
• /
• pp.237-246
• /
• 2011

다양한 UCC를 제작하기 위해서는 UCC 소비자들을 위한 추천 서비스와는 차별화된 UCC 제작자의 저작권과 제작 목적 등을 고려한 추천서비스가 필요하다. 본 논문에서 설계되어진 추천 시스템은, UCC 제작자의 UCC 뷰 히스토리와 제작 목록 등을 기반으로, UCC 제작자가 활용한 UCC와 유사도가 높은 UCC를 맞춤형으로 추천하여 제작할 때 사용가능 하도록 한다. 추천 시스템은 크게 선호태그 기반 필터링, 선호 UCC를 제작할 때 사용한 UCC 필터링, 피어슨 공식을 이용한 추천 UCC 생성과정으로 나눠진다. 본 논문의 추천시스템은 UCC를 제작할 때 활용한 UCC들의 정보가 필요하다. 이를 위해 기존의 메타데이터에 UCC를 제작할 때 활용한 UCC의 정보를 기재할 수 있도록 레퍼런스(Reference) 요소를 추가하였다. 본 논문에서 제안하는 추천시스템을 활용한다면, UCC 제작에 있어 보다 효율적이고 편이성 높은 제작자 맞춤형 UCC 추천 서비스를 제공할 수 있을 것이다.

• 한국지능시스템학회논문지
• /
• 제25권5호
• /
• pp.431-436
• /
• 2015

오늘날 수많은 TV 프로그램들이 방송됨에 따라 TV 프로그램을 추천해주는 추천 시스템에 관한 연구가 시작되었으며, 추천의 정확도를 더욱 높이기 위한 연구가 현재도 활발히 진행 중이다. 추천 시스템은 장르, 줄거리 등과 같은 메타데이터를 사용하여 TV 프로그램을 추천하거나, TV 프로그램에 대한 시청자의 선호도를 계산하여 TV 프로그램을 추천한다. 본 논문에서는 추천의 정확도를 높이고자 시청비율, 종료시간과의 관계, 최근시청이력 등 시청시간의 여러 패턴을 추가로 사용하여 선호도 계산에 활용하는 협업 필터링 TV 프로그램 추천 시스템을 제안한다. 연구의 효용성을 검증하기 위해 시청시간패턴의 모든 요소를 선호도 계산에 활용한 경우와 단순히 시청자가 가장 많이 시청하는 채널을 추천하는 경우의 협업 필터링 추천 결과를 비교하였다. 실험을 통해 시청시간패턴 모든 요소를 같이 선호도 계산에 활용한 경우의 성능이 증가한 것을 확인할 수 있었다.

• 방송공학회논문지
• /
• 제17권1호
• /
• pp.129-139
• /
• 2012

본 논문은 방송 콘텐츠를 소비한 사용자의 소비이력 정보를 바탕으로 추천해 주는 시스템을 소개한다. 방송 콘텐츠는 도서, 음반, 영화 등의 콘텐츠와는 다른 구조로 구성되어 있으며, 크게 시리즈물과 에피소드물로 나뉜다. 시리즈물은 여러 개의 방송 콘텐츠가 하나의 프로그램을 구성하고 하나의 주제나 스토리를 다룬다. 반면에 에피소드물은 여러 개의 방송 콘텐츠가 하나의 프로그램을 구성하지만 각각의 콘텐츠 별로 다른 주제나 스토리를 다룬다. 시리즈물인 경우에는 프로그램 단위로 추천이 가능하고, 에피소드물인 경우에는 하나의 프로그램을 구성하는 콘텐츠들이 독립된 콘텐츠로서 추천이 가능하다. 이와 같은 방송콘텐츠의 특징에 따라, 본 논문에서는 시리즈물과 에피소드물로 추천단위를 달리하여 콘텐츠를 추천한다. 콘텐츠 추천은 사용자의 방송 콘텐츠 소비이력 정보를 활용하여 방송 콘텐츠간의 유사도를 도출하고 이를 토대로 추천을 제공한다. 방송 콘텐츠간의 유사도는 협업 필터링 알고리즘을 사용하여 계산한다. 추천 시스템은 희소 배열 자료구조를 사용하며, 메모리 기반의 연산을 수행하여 추천 콘텐츠를 색인 구조로 저장한다. 저장된 색인은 추천 시스템에서 제공하는 오픈 API를 통해 서비스되며, 오픈 API는 HTTP 프로토콜을 기반으로 구현되었다. 마지막으로 추천 시스템 구현과 실험을 위한 웹 데모를 소개한다.

• 디자인학연구
• /
• 제16권2호
• /
• pp.23-34
• /
• 2003

웹사이트에서의 개인화 디자인에 대한 요구는 갈수록 증대되고 있다. 현재 많이 활용되고 있는 개인화 디자인 방법은 구축비용과 시간이 적게 든다는 장점을 가지고 있어 웹사이트에 손쉽게 적용될 수 있다. 그러나 사용자의 데이터가 축적되지 않으므로 보다 세련된 개인화가 어렵다는 단점을 가지고 있다. 본 연구에서는 웹사이트 디자인의 개인화를 위한 보다 발전된 방법으로서의 추천 시스템을 연구하였다. 그 결과로 현재 활용되고 있는 추천 시스템들의 내용과 특징에 대해서 정리하였으며 이를 바탕으로 협동적 필터링 기법을 적용한 디자인 추천 시스템을 구성하였고 그 세부적인 과정과 절차를 제안하였다.

• Journal of Information Technology Applications and Management
• /
• 제12권3호
• /
• pp.41-56
• /
• 2005

Product recommender system is one of the most popular techniques for customer relationship management. In addition, collaborative filtering (CF) has been known to be one of the most successful recommendation techniques in product recommender systems. However, CF has some limitations such as sparsity and scalability problems. This study proposes hybrid cluster analysis and case-based reasoning (CBR) to address these problems. CBR may relieve the sparsity problem because it recommends products using customer profile and transaction data, but it may still give rise to scalability problem. Thus, this study uses cluster analysis to reduce search space prior to CBR for scalability Problem. For cluster analysis, this study employs hybrid genetic and K-Means algorithms to avoid possibility of convergence in local minima of typical cluster analyses. This study also develops a Web-based prototype system to test the superiority of the proposed model.

• 한국전자거래학회지
• /
• 제13권4호
• /
• pp.173-191
• /
• 2008

오늘날 인터넷의 전반적인 보급 및 전자상거래의 확산으로 인하여 정보의 홍수를 이루게 되었고, 고객들은 자신이 원하는 제품이나 서비스를 선택하기 위해서 정보를 탐색하는 작업이 더욱 어려워지게 되었다. 이러한 고객들에게 좀 더 편리하게 자신이 원하는 제품이나 서비스를 선택하도록 도와주는 것이 추천 시스템으로서, 고객 관계 관리의 중요한 부분으로 자리 잡게 되었다. 본 연구에서는, 인터넷 서점을 이용하는 고객에게 그가 관심을 가질만한 서적을 추천하여 줌으로써 구입할 서적의 선택을 도와주는 서적 추천 시스템을 개발하였다. 기존의 서적 추천 시스템 개발에 협업 필터링 기법이 주로 활용되어 왔다. 하지만 협업 필터링 기법을 적용하기 위해서는 각 서적에 대한 구매자들의 평가치가 수집되어야 하는데, 이러한 평가치들은 시스템 개발 이전에 오랜 기간에 걸쳐 정교한 계획 하에서 수집되어야 한다. 더욱이 구매자들이 평가치 제공에 협조하지 않을 경우에는 추천 시스템 자체의 작동이 불가능하게 된다. 그러므로 본 연구에서는 고객들의 구매기록만으로 서적 추천을 수행할 수 있도록 사례기반추론 기법을 활용하여 시스템을 개발 하였는데, 서적의 소분류 코드를 예측하는 상황에서 약 40% 수준의 적중률을 보였다.

• 한국콘텐츠학회논문지
• /
• 제10권11호
• /
• pp.10-19
• /
• 2010

컴퓨터와 웹의 발달은 사람들이 이용할 수 있는 정보의 양을 급격히 늘렸으며, 이로 인해 추천시스템에 대한 수요가 증가하고 있다. 전자도서관에서도 다른 분야와 마찬가지로 개인화 및 추천시스템에 대한 연구가 중요한데, 연구논문 추천시스템에 대한 연구는 극히 제한적으로 이뤄지고 있고, 국내에서는 거의 찾아보기 어려울 정도이다. 본 논문에서는 국내외에서 수행된 추천시스템에 대한 연구를 조사분석하고, 이를 토대로 전자도서관 연구논문 추천시스템 구축방안을 KISTI NDSL을 중심으로 제안한다. 현재 NDSL에서 제공하는 알리미서비스를 암묵적 방식으로 바꾸어서 이용자의 프로파일을 구축할 것과 이용자 및 메모리 기반의 협업 필터링을 병행하여 내용기반의 필터링이 가지는 연구논문 추천에서 신규성이 부족한 단점을 보완할 것을 제안한다. 또한 두 기법을 함께 사용하는 방식과 온톨로지와 분할방식에 의한 필터링을 이용하여 추천 만족도를 높이는 방식에 대해서도 제안한다.

• Journal of Computing Science and Engineering
• /
• 제7권1호
• /
• pp.21-29
• /
• 2013

The introduction of recommender systems to existing online services is now practically inevitable, with the increasing number of items and users on online services. Popular recommender systems have successfully implemented satisfactory systems, which are usually based on collaborative filtering. However, collaborative filtering-based recommenders suffer from well-known problems, such as popularity bias, and the cold-start problem. In this paper, we propose an innovative collaborative-filtering based recommender system, which uses the concepts of Experts and Novices to create fine-grained recommendations that focus on being novel, while being kept relevant. Experts and Novices are defined using pre-made clusters of similar items, and the distribution of users' ratings among these clusters. Thus, in order to generate recommendations, the experts are found dynamically depending on the seed items of the novice. The proposed recommender system was built using the MovieLens 1 M dataset, and evaluated with novelty metrics. Results show that the proposed system outperforms matrix factorization methods according to discovery-based novelty metrics, and can be a solution to popularity bias and the cold-start problem, while still retaining collaborative filtering.