• 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.

• 지능정보연구
• /
• 제21권1호
• /
• pp.15-28
• /
• 2015

최근 개인 단말기의 보급과 객체간의 네트워크 연결이 확산됨에 따라 방대한 양의 상황 정보들이 수집되고 있지만 역설적으로 사용자들과 서비스 제공자들은 정보의 홍수 속에서 종종 잘못된 의사결정을 내리고 있다. 이러한 정보 과부하 문제를 해결하기 위해 추천 시스템은 좋은 대안이 될 수 있지만 전통적인 추천 시스템은 다양한 형태의 상황 정보 사용에 한계를 보이고 있다. 또한 획득 가능한 상황 정보가 다양해지고 방대해짐에 따라 이를 활용한 추천 시스템은 복잡성의 문제를 해결해야 하며 지속적으로 변화되는 사용자 선호 및 상황에 부합할 수 있도록 실시간 서비스가 가능하도록 설계되어야 한다. 따라서 본 연구에서는 상황 영역의 개념을 기반으로 한 상황 인식 추천 서비스 방법론을 제안하여 추천 시스템에서 상황정보를 활용하는 한편 복잡성 및 실시간 서비스 제공의 문제를 해결하려 한다. 먼저 적절한 해석과 구조로 상황 데이터를 사용자 프로필에 반영할 수 있도록 상황 영역 개념에 기반한 프로파일링을 제안함에 따라 기존의 상황 인식 추천 시스템이 가지고 있던 복잡성의 한계를 해결하고자 한다. 다음으로 목표 사용자의 상황 영역에 기반한 이웃 집단 탐색으로 추천 시스템의 희박성과 신규 사용자 문제를 해결하는 한편 현재의 상황 정보에 대한 해석으로 도출되는 상황 지지 점수를 기반으로 한 추천 목록을 생성하여 실시간 서비스가 가능한 방법론을 제안한다. 결론적으로 본 연구에서 제안하는 방법론은 추천 시스템의 적용 영역을 확장하는 연구가 될 것으로 기대되며 새로운 기술 출현을 고려한 유연한 모델을 제안함에 따라 마케팅 담당자나 서비스 제공자들이 쉽게 본 연구에서 제안하는 방법론을 적용할 수 있으리라 판단된다.

• 정보과학회 논문지
• /
• 제44권12호
• /
• pp.1333-1337
• /
• 2017

추천 시스템이란 사용자가 좋아할만한 개인화된 상품을 사용자에게 제안하는 것이다. 최근 상품 수의 증가로 추천 시스템의 중요성이 날로 커지고 있지만, 데이터 희소성 문제는 여전히 추천 시스템의 대표적인 문제로 남아있다. 데이터 희소성 문제는 사용자가 전체 상품 중 일부의 상품에만 평점을 부여하여, 사용자와 상품 관계를 정확히 이해하기 힘든 것을 말한다. 이를 해결하기 위해 가장 여러 가지 접근법이 있는 그 중 대표적인 것인 데이터 임퓨테이션이다. 데이터 임퓨테이션은 사용자가 평가하지 않은 상품의 평점을 추론해 평점 행렬에 채우는 방법이다. 하지만 기존 데이터 임퓨테이션 방법은 사용자가 평가하지 않은 상품에 대한 몇 가지 특성을 놓치고 있다. 본 논문에서는 기존 방법의 한계점을 정의하고, 이를 개선하는 방안 3가지를 제안한다.

• 한국IT서비스학회지
• /
• 제7권3호
• /
• pp.71-85
• /
• 2008

The rapid growth of blog has caused information overload where bloggers in the virtual community space are no longer able to effectively choose the blogs they are exposed to. Recommender systems have been widely advocated as a way of coping with the problem of information overload in e-business environment. Collaborative Filtering (CF) is the most successful recommendation method to date and used in many of the recommender systems. In this research, we propose a CF-based recommender system for bloggers to find their similar bloggers or preferable virtual community without burdensome search effort. For such a purpose, we apply the "Interest Value" to CF recommender systems. The Interest Value is the quantity value about users' transaction data in virtual community, and can measure the opinion of users accurately. Based on the Interest Value, the neighborhood group is generated, and virtual community list is recommended using the Community Likeness Score (ClS). Our experimental results upon real data of Korean Blog site show that the methodology is capable of dealing with the information overload issue in virtual community space. And Interest Value is proved to have the potential to meet the challenge of recommendation methodologies in virtual community space.

• 지능정보연구
• /
• 제13권4호
• /
• pp.45-63
• /
• 2007

유비쿼터스 환경에 기반한 시장, 즉 U-마켓에서는 고객이 제품을 구매함과 동시에 고객의 정보가 u-마켓 서버시스템에 저장되어 인터넷 쇼핑몰과 같이 다양한 분석과 활용이 가능하게 되었다. 물리적인 공간과 가상 공간이 결합된 유비쿼터스 기반의 시장 환경에서는 고객이 오프라인에서 다양한 매장을 방문하면서 쇼핑을 하게 되는데, 이때 여러 매장에 동일한 제품이 동시에 존재할 수 있으므로 매장의 위치, 매장 분위기, 제품의 품질이나 가격 등에 대한 고객의 선호도를 반영하여 고객 개개인에게 적절한 매장을 추천해야 할 필요성이 제기된다. 본 논문에서는 유비쿼터스 환경에 기반한 시장에서 고객의 쇼핑 상황을 고려하여 고객의 선호를 반영할 수 있는 매장 추천방법을 제안한다. 제안한 매장 추천방법은 협업 필터링과, Apriori 알고리즘을 기반으로 구성되어 있다. 온라인 쇼핑몰과는 다르게 U-마켓에서는 고객 개개인의 구매목록과 고객의 선호도를 반영한 매장 추천이 필요하며, 본 논문에서 제안하고 있는 매장 추천방법은 고객의 쇼핑경험을 극대화 하고 쇼핑 효율성을 제고시킬 뿐 아니라 장기적인 관점에서 매출증대를 통해 U-마켓 활성화에 기여할 수 있을 것으로 기대한다.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2004년도 추계학술대회
• /
• pp.203-210
• /
• 2004

Due to the explosion of e-commerce, recommender systems are rapidly becoming a core tool to accelerate cross-selling and strengthen customer loyalty. There are two prevalent approaches for building recommender systems - content-based recommending and collaborative filtering. Collaborative filtering recommender systems have been very successful in both information filtering domains and e-commerce domains, and many researchers have presented variations of collaborative filtering to increase its performance. However, the current research on recommendation has paid little attention to the use of time related data in the recommendation process. Up to now there has not been any study on collaborative filtering to reflect changes in user interest. This paper proposes dynamic fuzzy clustering algorithm and apply it to collaborative filtering algorithm for dynamic recommendations. The proposed methodology detects changes in customer behavior using the customer data at different periods of time and improves the performance of recommendations using information on changes. The results of the evaluation experiment show the proposed model's improvement in making recommendations.

• Asia pacific journal of information systems
• /
• 제15권3호
• /
• pp.223-241
• /
• 2005

In spite of the rapid growth of mobile multimedia contents market, most of the customers experience inconvenience, lengthy search processes and frustration in searching for the specific multimedia contents they want. These difficulties are attributable to the current mobile Internet service method based on inefficient sequential search. To overcome these difficulties, this paper proposes a MOBIIe COntents Recommender System for Movie(MOBICORS-Movie), which is designed to reduce customers' search efforts in finding desired movies on the mobile Internet. MOBICORS-Movie consists of three agents: CF(Collaborative Filtering), CBIR(Content-Based Information Retrieval) and RF(Relevance Feedback). These agents collaborate each other to support a customer in finding a desired movie by generating personalized recommendations of movies. To verify the performance of MOBICORS-Movie, the simulation-based experiments were conducted. The results from this experiments show that MOBICORS-Movie significantly reduces the customer's search effort and can be a realistic solution for movie recommendation in the mobile Internet environment.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권3호
• /
• pp.775-793
• /
• 2023

Human decision-making is a complex behavior. A replication of human decision making offers a potential to enhance the capacity of intelligent systems by providing additional user assistance in decision making. By reducing the effort and task complexity on behalf of the user, such replication would improve the overall user experience, and affect the degree of intelligence exhibited by the system. This paper explores individuals' decision-making processes when using recommender systems, and its related outcomes. In this study, human decision-making (HDM) refers to the selection of an item from a given set of options that are shown as recommendations to a user. The goal of our study was to identify IS constructs that contribute towards such decision-making, thereby contributing towards creating a mental model of HDM. This was achieved through recording Electroencephalographic (EEG) readings of subjects while they performed a decision-making activity. Readings from 16 righthanded healthy avid readers reflect that reward, theory of mind, risk, calculation, task intention, emotion, sense of touch, ambiguity and decision making are the primary constructs that users employ while deciding from a given set of recommendations in an online bookstore. In all 10 distinct brain areas were identified. These brain areas that lead to their respective constructs were found to be cingulate gyrus, precentral gyrus, inferior parietal lobule, posterior cingulate, medial frontal gyrus, anterior cingulate, postcentral gyrus, superior frontal gyrus, inferior frontal gyrus, and middle frontal gyrus (also referred to as dorsolateral prefrontal gyrus (DLPFC)). The identified constructs would help in developing a design theory for enhancing user assistance, especially in the context of recommender systems.

• 정보처리학회논문지B
• /
• 제19B권3호
• /
• pp.155-164
• /
• 2012

일반적으로 추천시스템의 구성변수가 많아질수록 평가함수 R을 극대화하는 것은 유리하나 계산의 복잡성으로 예측성능과 추천유효성을 저해할 수 있어 구성변수의 증가와 추천 성능을 동시에 해결하는 것이 필요하다. 본 연구는 이러한 과제를 해결하기 위해 음악추천시스템을 대상으로 음악추천 시 평가함수 R을 극대화하기 위한 다차원 구성요소와 이들의 상대적 중요도에 대해 연구하였다. 이를 위해 관련 선행연구를 바탕으로 도출된 수식과 차원들을 이용하여 다차원 최적화 모형을 수립하고 다차원 최적관계를 도출하기 위한 실제 고객의 사용로그 자료를 활용하여 다중회귀분석을 하였다. 그 결과 음악선호평가에 있어 상품차원, 사회관계차원, 사용자차원, 상황차원 순으로 상관관계가 높은 것으로 나타났고 특히 사회관계차원의 구성변수인 인기곡과 상품차원의 구성변수인 음악장르, 최신곡 및 선호아티스트가 음악선호평가와 상관관계가 높은 것으로 나타났다. 한편 도출된 다차원 추천모형은 사용자 상품의 2차원 추천시스템 및 사용자 상품 상황 또는 사용자 상품 사회관계의 3차원 추천시스템과 성능을 비교 평가한 결과 종속변수인 평가함수 R에 대한 투입된 독립변수들인 각 차원들의 설명력이 가장 높고 또한 평가함수 R과 사용자차원, 상품차원, 상황차원 및 사회관계차원의 개별 상관관계도 더 높은 것으로 나타났다.

• 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.