• 한국IT서비스학회지
• /
• 제21권2호
• /
• pp.109-126
• /
• 2022

The number and variety of products and services offered by companies have increased dramatically, providing customers with more choices to meet their needs. As a solution to this information overload problem, the provision of tailored services to individuals has become increasingly important, and the personalized recommender systems have been widely studied and used in both academia and industry. Existing recommender systems face important problems in practical applications. The most important problem is that it cannot clearly explain why it recommends these products. In recent years, some researchers have found that the explanation of recommender systems may be very useful. As a result, users are generally increasing conversion rates, satisfaction, and trust in the recommender system if it is explained why those particular items are recommended. Therefore, this study presents a methodology of providing an explanatory function of a recommender system using a review text left by a user. The basic idea is not to use all of the user's reviews, but to provide them in a summarized form using only reviews left by similar users or neighbors involved in recommending the item as an explanation when providing the recommended item to the user. To achieve this research goal, this study aims to provide a product recommendation list using user-based collaborative filtering techniques, combine reviews left by neighboring users with each product to build a model that combines text summary methods among deep learning-based natural language processing methods. Using the IMDb movie database, text reviews of all target user neighbors' movies are collected and summarized to present descriptions of recommended movies. There are several text summary methods, but this study aims to evaluate whether the review summary is well performed by training the Sequence-to-sequence+attention model, which is a representative generation summary method, and the BertSum model, which is an extraction summary model.

• 전자공학회논문지CI
• /
• 제46권3호
• /
• pp.15-23
• /
• 2009

유비쿼터스 환경은 보이지 않는 수많은 장치들과 소프트웨어들이 서로 연결되어 각각의 사용자들에게 편리한 서비스를 제공한다. 이러한 환경에서 사용자는 자신이 소유한 개인용 모바일 단말 만을 이용하여 다양한 맞춤형 서비스를 얻기를 원한다. 그러나 개인용 단말이 소형화되면서 제한된 장치를 갖는 것이 현실이다. 그러므로 이러한 장치의 제한성을 해결하기 위한 방법으로 장치 공유와 이를 효과적으로 처리하는 것은 새로운 연구 주제들 가운데 하나이다. 본 논문에서는 장치 공유 환경에서 사용자가 요청한 서비스를 구성하기 위한 장치들을 주변에서 찾고 사용자에게 추천하기 위한 장치 추천 시스템을 제안한다. 장치 추천 시스템은 주변 환경 상황을 고려하여 사용자가 요청한 서비스에 따른 장치를 추론한다. 그러나 사용자가 동일한 공간에서 동일한 서비스를 요청한다 할지라도 각 사용자를 위한 맞춤형 장치라고 볼 수는 없다. 그러므로 논문에서는 사용자의 선호도를 기반으로 장치를 추천한다. 논문에서 제안하고 있는 장치 추천 시스템은 실제 유비쿼터스 환경의 모바일 단말에서 구현하고 테스트하였으므로 실제 환경에서 충분히 사용가능함을 보인다.

• 한국콘텐츠학회논문지
• /
• 제20권3호
• /
• pp.254-266
• /
• 2020

상품 추천 서비스는 범람하는 온라인 정보 속에서 소비자의 정보탐색 시간을 절약해 준다. 본 연구에서는 프라이버시 계산 모델을 적용하여 추천 서비스 유형에 따른 소비자의 반응을 비교하였으며 인지된 개인화의 조절효과를 검증하였다. 연구 결과, 인지된 유용성과 클릭의도는 하이브리드 필터링 추천, 베스트셀러 추천, 지인기반 추천 순으로 높게 나타났고, 프라이버시 염려는 지인기반 추천, 하이브리드 필터링 추천, 베스트셀러 추천 순으로 높았다. 인지된 개인화는 인지된 유용성에 있어서 추천 서비스 유형과 상호작용효과가 존재하는 것으로 나타났다. 인지된 유용성은 클릭의도에 긍정적인 영향을 주었으나 프라이버시 염려는 클릭의도에 부정적인 영향을 주는 것을 확인했다. 본 연구는 추천 서비스 유형에 따른 소비자 반응을 비교하고 행동의도에 미치는 영향력을 검증했다는 데 의의가 있으며 추천 서비스를 제공하는 기업이나 알고리즘을 개발하는 실무자들에게 의미 있는 시사점을 제시할 수 있을 것으로 기대한다.

• 한국컴퓨터정보학회논문지
• /
• 제11권1호
• /
• pp.293-300
• /
• 2006

추천 시스템은 사용자들에게 관심 품목을 찾거나 평가하는데 도움을 준다. 이런 시스템은 전자 상거래를 비롯하여 전자 도서관 같은 여러 영역에서 강력한 도구가 되었다. 소비자의 인구통계학적 및 과거 구매 행동에 대한 분석을 바탕으로 미래의 구매 행동을 예측하여 판매자가 고객에게 상품을 추천할 수 있다. 본 논문에서는 고객의 패턴이나 성향에 가장 적절한 상품을 탐색하여 고객의 만족도를 높여줄 수 있는 개인화 추천시스템의 설계 및 개발에 관하여 기술한다. 제안된 시스템은 데이터 마이닝의 연관규칙을 적용하여 고객의 구매를 예측할 수 있는 실시간 분석서비스를 제공할 수 있다.

• 대한임베디드공학회논문지
• /
• 제4권3호
• /
• pp.139-147
• /
• 2009

This paper proposed the context awareness reasoning system to provide the personalized services dynamically in a ubiquitous mobile environments. The proposed system is designed to provide the personalized services to mobile users and consists of the context aggregator and the knowledge manager. The context aggregator can collect information from networks through Open API Gateway as well as sensors in a various ubiquitous environment. And it can also extract the place types through the geocoding and the social address domain ontology. The knowledge manager is the core component to provide the personalized services, and consists of activity reasoner, user pattern learner and service recommender to provide the services predict by extracting the optimized service from user situations. Activity reasoner uses the ontology reasoning and user pattern learner learns with previous service usage history and contexts. And to design service recommender easy to flexibly apply in dynamic environments, service recommender recommends service in the only use of current accessible contexts. Finally, we evaluate the learner and recommender of proposed system by simulation.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2017년도 춘계학술발표대회
• /
• pp.914-915
• /
• 2017

Importance and usage of the recommender system increases with the increase of information. The accuracy of the system recommendation primarily depends on the data. There is a problem in recommender systems, known as cold start problem. The lack of data about new products and users causes the cold start problem, and the system will not be able to give correct recommendation. This paper deals with cold start problem by comparing product specification and the review of the resembled products. The user, who likes the resembled product of the new one has more probability of taking interest in the new product as well. However, if a user disagreed with resembled product due to some reasons which the user mentioned in the reviews. The new product overcomes that issue, so the user will greatly accept the new product. Therefore, the system needs to recommend new product to those users as well, in this way the cold start problem will get resolved.

• Journal of Information Technology Applications and Management
• /
• 제23권1호
• /
• pp.33-43
• /
• 2016

Along with the spread of digital music and recent growth in the digital music industry, the demands for music recommender are increasing. These days, listeners have increasingly preferred to digital real-time streamlining and downloading to listen to music because it is convenient and affordable for the listeners to do that. We use Bayesian learning through weight of listener's prefered music site such as Melon, Billboard, Bugs Music, Soribada, and Gini. We reflect most popular current songs across all genres and styles for music recommender system using user profile. It is necessary for us to make the task of preprocessing of clustering the preference with weight of listener's preferred music site with popular music charts. We evaluated the proposed system on the data set of music sites to measure its performance. We reported some of the experimental result, which is better performance than the previous system.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2006년도 춘계학술대회
• /
• pp.344-353
• /
• 2006

Nowadays many people participate in online communities for information sharing. But most recommender systems are designed for personalization of individual user, so it is necessary to develop a recommendation procedure for group users, such as participants in online communities. This paper proposes a group recommender system to recommend books for group users in online communities. For such a purpose, we suggest a group recommendation procedure consisting of two phases. The first phase is to generate recommendation list for 'big user' using collaborative filtering, and the second phase is to remove irrelevant books among previous list reflecting the preference of each individual user. The procedure is explained step by step with an illustrative example. And this procedure can potentially be applied to other domains, such as music, movies and etc.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제4권2호
• /
• pp.174-190
• /
• 2010

In ubiquitous computing, invisible devices and software are connected to one another to provide convenient services to users [1][2]. Users hope to obtain a personalized service which is composed of customized devices among sharable devices in a ubiquitous smart space (which is called USS in this paper). However, the situations of each user are different and user preferences also are various. Although users request the same service in the same USS, the most suitable devices for composing the service are different for each user. For these user requirements, this paper proposes a device recommender system which infers and recommends customized devices for composing a user required service. The objective of this paper is the development of the systems for recommending devices through context-aware inference in peer-to-peer environments. For this goal, this paper considers the context and user preference. Also I implement a prototype system and test performance on the real ubiquitous mobile object (UMO).

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.550-552
• /
• 2022

비디오 월 컨트롤러는 여러 개의 모니터를 연속적으로 배치하여 하나의 큰 스크린으로 표출하는 특수한 형태의 멀티 모니터를 가진다. 멀티스크린에 여러 영상을 동시에 표출하고자 하는 경우, 운영자는 표출할 영상과 모니터를 미리 매핑하여 저장한다. 멀티스크린의 모니터 개수가 많지 않은 소규모의 시스템에서는 영상과 모니터의 매핑 작업이 단순하지만, 모니터의 개수가 늘어날수록 매핑의 경우의 수가 늘어나므로 업무효율이 저하된다. 이에 본 논문에서는 연관 규칙 기반의 학습을 이용하여 영상을 표출할 모니터를 추천하여 매핑 작업의 효율성을 향상시키는 모델을 제안한다.