• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권11호
• /
• pp.5344-5356
• /
• 2018

Nowadays with the help of Location-Based Social Networks (LBSNs), users of Point-of-Interest (POI) recommendation service in LBSNs are able to publish their geo-tagged information and physical locations in the form of sign-ups and share their experiences with friends on POI, which can help users to explore new areas and discover new points-of-interest, and promote advertisers to push mobile ads to target users. POI recommendation service in LBSNs is attracting more and more attention from all over the world. Due to the sparsity of users' activity history data set and the aggregation characteristics of sign-in area, conventional recommendation algorithms usually suffer from low accuracy. To address this problem, this paper proposes a new recommendation algorithm based on a novel Preference-Content-Region Model (PCRM). In this new algorithm, three kinds of information, that is, user's preferences, content of the Point-of-Interest and region of the user's activity are considered, helping users obtain ideal recommendation service everywhere. We demonstrate that our algorithm is more effective than existing algorithms through extensive experiments based on an open Eventbrite data set.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권1호
• /
• pp.109-134
• /
• 2018

Collaborative Filtering (CF) is widely used in recommendation field, which can be divided into rating-based CF and learning-to-rank based CF. Although many methods have been proposed based on these two kinds of CF, there still be room for improvement. Firstly, the data sparsity problem still remains a big challenge for CF algorithms. Secondly, the malicious rating given by some illegal users may affect the recommendation accuracy. Existing CF algorithms seldom took both of the two observations into consideration. In this paper, we propose a recommendation method based on listwise learning-to-rank by incorporating users' social information. By taking both ratings and order of items into consideration, the Plackett-Luce model is presented to find more accurate similar users. In order to alleviate the data sparsity problem, the improved matrix factorization model by integrating the influence of similar users is proposed to predict the rating. On the basis of exploring the trust relationship between users according to their social information, a listwise learning-to-rank algorithm is proposed to learn an optimal ranking model, which can output the recommendation list more consistent with the user preference. Comprehensive experiments conducted on two public real-world datasets show that our approach not only achieves high recommendation accuracy in relatively short runtime, but also is able to reduce the impact of malicious ratings.

• 경영과정보연구
• /
• 제35권3호
• /
• pp.115-130
• /
• 2016

본 연구는 어떤 소셜정보가 추천신뢰에 유의한 영향을 미치는지와 이들 간의 영향관계가 제품 관여도 수준에 따라 어떻게 달라지는지를 실증적으로 살펴보는 것을 목표로 하고 있다. 관련 선행연구에 대한 검토 결과를 토대로 추천신뢰에 유의한 영향을 미칠 것으로 예상되는 소셜정보의 구성요소로써 친밀감, 유사성, 성실성, 명성 등 네 가지 요소를 도출하였으며, 이들 소셜정보와 추천신뢰 간의 영향관계에 관한 연구모형 구축 및 가설검정을 실시하였다. 더불어 소셜정보와 추천신뢰 간의 관계에 있어 제품 관여도가 유의한 조절효과를 가지는지 분석해 보았다. Google Docs 사용자들을 대상으로 온라인 설문조사를 수행한 결과, 총 55명의 응답자로부터 205개의 신뢰 관계(링크)에 관한 자료를 수집하여 가설검정을 실시한 결과는 다음과 같다. 첫째, 소셜정보의 네 가지 차원인 친밀성, 유사성, 성실성, 명성은 모두 추천신뢰에 긍정적인 영향을 미치는 것으로 밝혀졌다. 둘째, 소셜정보 중 친밀성 및 명성과 추천신뢰 간의 관계에 있어 제품 관여도가 유의한 조절효과를 가지는 것으로 나타났다. 연구결과를 토대로 관련 분야에 대한 학문적, 관리적 차원의 시사점을 도출하였으며, 향후 연구방향을 제시하였다.

• 한국콘텐츠학회논문지
• /
• 제13권11호
• /
• pp.11-20
• /
• 2013

최근 SNS(Social Network Service)의 사용이 급격히 증가함에 따라 추천 기법에 대한 연구가 활발히 진행되고 있다. 추천 기법은 사용자들이 좋아하거나 필요할만한 다양한 서비스들을 실시간으로 제공하는 기법이다. 그 중 그룹 추천은 사용자의 성향 정보를 기반으로 적합한 그룹을 제공해 주는 기법이다. 본 논문에서는 소셜 네트워크 환경에서 사용자 프로필 및 협업 필터링을 이용한 그룹 추천 기법을 제안한다. 제안하는 기법은 사용자의 최근 그룹 활동 정보를 수집하여 프로필 정보를 갱신하기 때문에 기존의 정적프로필 기반의 그룹 추천 기법의 최근 사용자의 성향을 고려하지 못하는 문제점을 해결한다. 또한, 협업 필터링을 통해 그룹 내 자신의 성향과 비슷한 사용자들의 프로필 데이터를 활용하여 그룹을 추천함으로써 사용자에게 좀 더 다양한 그룹을 제공한다. 성능 평가 결과 제안하는 기법이 기존 기법에 비해 사용자의 변화하는 성향이 충분히 반영된 다양한 그룹 추천이 이루어지는 것을 확인 할 수 있었다.

• 한국인터넷방송통신학회논문지
• /
• 제12권2호
• /
• pp.95-101
• /
• 2012

사회 전반에 걸쳐 소셜네트워크 서비스의 영향력이 매우 커짐에 따라 국내의 많은 기관들에서도 소셜네트워크 서비스의 도입을 통해 이용자와 소통하려는 노력을 하고 있다. 본 논문에서는 기존에 제안한 맞춤형 콘텐츠 추천 서비스에 소셜네트워크 서비스 개념을 접목한 신뢰성 있는 전시물 관련 콘텐츠 추천 서비스를 제안한다. 기존의 콘텐츠추천 방법에 비해 제안하는 서비스는 그 이용자들의 소셜네트워크 상의 관계를 활용하여 전시물 관련 콘텐츠를 효과적이고 신뢰적으로 추천해줄 수 있다.

• 정보과학회 논문지
• /
• 제42권5호
• /
• pp.664-670
• /
• 2015

인터넷과 스마트폰의 발전과 함께 소셜 미디어 공유 사이트인 유튜브도 크게 성장하여 수많은 동영상을 공유하는 사이트가 됐다. 사용자들이 유튜브를 통해 동영상을 공유하면서 소셜 데이터를 만들어내고, 많은 동영상들 중에서 본인의 관심사가 반영된 동영상 추천을 원하게 된다. 본 논문에서는 유튜브 데이터를 이용하여 사용자의 사회적 관계와 유튜브의 특징이 반영된 소셜 카테고리 분류 목록을 기반으로 사용자의 소셜 카테고리를 추출한다. 우리는 좀 더 정확하고 의미있는 추천을 위해 추출된 사용자 소셜 카테고리를 이용한 유튜브 동영상을 추천하는 알고리즘을 제안하였다. 또한 실험을 통해 그 유효성을 검증하였다.

• 정보과학회 논문지
• /
• 제43권11호
• /
• pp.1188-1200
• /
• 2016

추천 시스템은 개인에게 고도로 개인화된 아이템을 제공함으로써 아이템의 선택과 소비과정에서 발생하는 과부하를 줄여주고 효율성을 증대시키는 중요한 역할을 한다. 본 연구에서는 전통적인 추천 기법인 Content-Based(CB)기법과 최근 대두되는 Social Network-based(SN)기법을 접목하여 새로운 복합방식의 정보 추천 알고리즘을 제시한다. CB기법의 대표적인 한계점인 cold start problem과 SN기법에서 부족할 수 있는 추천 아이템의 전문성 문제를 상호 보완하는 형태가 되며, 특히 최근 소셜 네트워크의 특징인 비신뢰(non-trust) 기반의 영향력 있는 정보 확산자가 존재하는 환경에서 기법을 적용할 수 있도록 하였다. 또한 대부분 사람 추천 중심인 기존의 SN기법들과는 달리 사람에게 제공할 정보를 추천하는데 초점을 두며, 정보의 선정과정에서 개인의 소셜 네트워크와 실세계(real world)에서의 사회활동 정보를 모두 활용하여 더욱 더 개인화된 가치정보를 제공하고자 한다.

• 방송공학회논문지
• /
• 제18권1호
• /
• pp.98-105
• /
• 2013

최근의 미디어 생성/소비 패턴은 UCC 같은 소비자가 직접 미디어를 생성하고 소비하는 프로세스가 등장하여 일반화되고 있다. 그동안 다양한 콘텐츠 중에서 사용자가 원하는 콘텐츠만을 제공하기 위해 사용자 프로파일을 이용한 콘텐츠 추천 엔진에 대한 연구가 많이 진행되어왔다. 본 연구는 사용자 프로파일 이외에 다종의 멀티미디어 콘텐츠의 소비를 바탕으로 사용자들을 소셜 네트워킹화하고 이를 통해 유사 콘텐츠 선호패턴을 가진 구성원들의 사용자 프로파일을 바탕으로 개인화된 맞춤형 콘텐츠를 추천할 수 있는 추천 에이전트를 개발하였다. 개발한 추천 에이전트는 방송/통신망 상에 존재하는 다양한 콘텐츠 중에 사용자의 선호패턴과 일치하는 콘텐츠들을 추천하고 소셜 네트워크상의 사용자들간의 연관성을 통해 선호도를 갱신하는 시스템이다.

• 디지털산업정보학회논문지
• /
• 제10권1호
• /
• pp.61-71
• /
• 2014

Social networking services have changed the way people communicate. Rapid growth of information generated by social networking services requires effective search methods to give useful results. Over the last decade, social search methods have rapidly evolved. Traditional techniques become unqualified because they ignore social relation data. Existing social recommendation approaches consider social network structure, but social context has not been fully considered. Especially, the friend recommendation is an important feature of SNSs. People tend to trust the opinions of friends they know rather than the opinions of strangers. In this paper, we propose a levelized data processing method for social search in ubiquitous environment. We study previous researches about social search methods in ubiquitous environment. Our method is a new paradigm of levelelized data processing method which can utilize information in social networks, using location and friendship weight. Several experiments are performed and the results verify that the proposed method's performance is better than other existing method.

• International Journal of Internet, Broadcasting and Communication
• /
• 제12권2호
• /
• pp.113-119
• /
• 2020

Numerous tourist-related data produced on the Internet contain not only simple tourist information but also diverse ideas and opinions from users. In order to derive meaningful information about tourist sites from such big data, the social network analysis of tourist keywords can identify the frequency of keywords and the relationship between keywords. Thus, it is possible to make recommendations more suitable for users by utilizing the clear recommendation criteria of tourist attractions and the relationship between tourist attractions. In this paper, a recommendation system was designed based on tourist site information through big data social network analysis. Based on user personality information, the types of tourism suitable for users are classified through deep learning and the network analysis among tourist keywords is conducted to identify the relationship between tourist attractions belonging to the type of tourism. Tour information for related tourist attractions shown on SNS and blogs will be recommended through tagging.