• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2012.07a
• /
• pp.117-120
• /
• 2012

본 논문에서는 토픽 모델링 기반 TV 프로그램 유사 시청 사용자 그룹핑 및 이를 이용한 TV 프로그램 콘텐츠 추천 알고리듬을 제안하였다. 제안 기술은 토픽 모델링 기법 중 Latent Dirichlet Allocation(LDA) 방법을 이용하여 TV프로그램 시청 기록 내에서 은닉된 유사 사용자들을 그룹핑하고 이러한 유사 시청 사용자 그룹 정보를 이용하여 사용자에게 선호 TV 프로그램 콘텐츠를 자동으로 추천하는 알고리듬이다. 제안된 자동 추천 알고리듬의 성능평가를 위해 실제 TV 시청기록 데이터를 이용하여 훈련 기간과 검증 기간을 나누어 훈련 기간 동안 제안한 알고리듬을 이용하여 사용자 개인에 대한 추천 TV 프로그램 콘텐츠 목록을 생성하여 검증 기간 동안에 실제 추천된 TV프로그램을 얼마나 시청했는지를 측정하여 추천 정확도를 검증하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2015.01a
• /
• pp.47-50
• /
• 2015

TV는 타 도메인과 달리, 사전에 정해진 시간에 콘텐츠가 방영된다. 그러므로 TV 프로그램 추천 시스템은 시청자의 현재 시각(time-context)을 고려해야 한다. 시간 기반의 TV 프로그램 추천 방법이 다수 연구되었지만, 대부분의 기존 연구는 특정 시간대(timeslot)에서의 시청자의 선호도를 계산하는 데에만 집중되어 있고, 시청 내역 전체기간에서의 선호도를 고려하지 않은 문제점이 있다. 이러한 문제를 해결하기 위해, 시청자의 지역 선호도와 전역 선호도를 모두 고려한 시간 기반의 TV 프로그램 추천기법을 제안한다. 이를 위해 제안 방법에서는 시간대의 길이에 따라 여러 가지 선호도 모델을 사용한다. 여러 개의 선호도 모델로부터 산출된 선호도를 병합하여 가장 선호도가 높은 TV 프로그램을 추천한다. 실 데이터를 이용한 실험을 통해 기준방식과 비교함으로써, 제안 방법의 효용성을 검증하였다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.25 no.5
• /
• pp.431-436
• /
• 2015

As a number of TV programs broadcast today, researches about TV program recommender system have been studied and many researchers have been studying recommender system to produce recommendation with high accuracy. Recommender system recommends TV program to user by using metadata like genre, plot or calculating users' preferences about TV programs. In this paper, we propose a new TV program Collaborative Filtering Recommender System that exploits viewing time pattern like viewing ratio, relation with finish time and recently viewing history to calculate preference for high-quality of recommendation. To verify usefulness of our research, we also compare our method which utilizes viewing time patterns and baseline which simply recommends TV program of user's most frequently watched channel. Through this experiments, we show that our method very effectively works and recommendation performance increases.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.05a
• /
• pp.272-274
• /
• 2013

최근 TV 시청자들의 콘텐츠 소비량이 증가함에 따라 방송사에서 제공하는 TV 프로그램들의 수량이 방대해지고 장르 또한 다양해지고 있기 때문에 시청자가 TV 프로그램을 선택하는 것이 점점 더 어려워지고 있다. 이러한 문제를 해결하기 위해 TV 프로그램 추천이라는 연구가 활발하게 이루어지고 있다. 기존의 연구에서는 시청자를 기반으로 하는 협업 필터링 추천 방법과 아이템을 기반으로 하는 협업 필터링 추천 방법이 제안되었지만 시청자의 시청 의도를 고려하는 연구는 사례는 적다. 이에 본 논문에서는 LDA 모델링을 이용하여 사용자의 시청 의도를 고려한 TV 프로그램 추천 기법을 제안한다. 실험을 통해 시청자의 시청 의도가 반영된 TV 프로그램 추천이 가능하다는 것을 검증했다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2015.01a
• /
• pp.51-54
• /
• 2015

추천 시스템의 대표적인 연구 중 하나인 콘텐츠 기반 추천 시스템 연구는 TV 프로그램이나 영화의 줄거리, 장르, 리뷰 등의 콘텐츠의 메타데이터를 이용한다. 그러나 이러한 연구들은 콘텐츠 관련 정보에만 의존할 뿐, 시청자의 프로파일과 콘텐츠의 정보를 함께 고려하지 않는다. 본 논문에서는 시청자의 프로파일 중 연령과 콘텐츠의 정보인 프로그램의 줄거리를 활용한 TV 프로그램 추천 시스템을 제안한다. 본 추천 시스템은 시청자를 연령에 따라 분류한 후, LDA 알고리즘을 이용하여 시청자의 시청 TV 프로그램의 줄거리를 분류된 나이에 따라 각각의 줄거리 토픽 모델로 생성한다. 이를 기준으로 시청자가 원하는 시간대에 방송되는 프로그램들의 줄거리 토픽벡터와 시청자의 선호도 토픽벡터의 유사도를 비교해 가장 유사도가 높은 TV 프로그램을 시청자에게 추천하는 방식이다. 본 논문에서는 연구의 효용성을 검증하기 위해 줄거리만을 사용한 경우와 줄거리와 연령을 동시에 활용한 경우를 비교 실험하였다. 실험을 통해 프로그램의 줄거리만을 사용한 경우보다 연령을 동시에 활용한 경우의 추천 시스템 성능이 개선된 것을 확인할 수 있었다.

• Journal of Broadcast Engineering
• /
• v.18 no.1
• /
• pp.88-97
• /
• 2013

Collaborative filtering(CF) for the personalized recommendation is a successful and popular method in recommender systems. But the mainly researched and implemented cases focus on dealing with independent items with explicit feedback by users. For the domain of TV program recommendation in VOD service platform, we need to consider the unique characteristic and constraints of the domain. In this paper, we studied on the way to convert the viewing history of each TV program episodes to the TV program preference by considering the series structure of TV program. The former is implicit for personalized preference, but the latter tells quite explicitly about the persistent preference. Collaborative filtering is done by the unit of series while data gathering and final recommendation is done by the unit of episodes. As a result, we modified CF to make it more suitable for the domain of TV program VOD recommendation. Our experimental study shows that it is more precise in performance, yet more compact in calculation compared to the plain CF approaches. It can be combined with other existing CF techniques as an algorithm module.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04a
• /
• pp.797-799
• /
• 2003

다양한 분야를 대상으로 추천기법에 관한 연구 및 적용이 이루어지고 있다. 전자 상거래 분야에서 소비자가 선호할만한 상품을 추천하거나 영화 관련 사이트에서 볼만한 영화를 추천해주는 것들이 대표적인 예이다. TV 프로그램 또한 채널의 수가 수 백개 이상으로 늘어남에 따라 추천의 필요성이 제기되고 있다. 본 연구에서는 TV 프로그램들을 대상으로 하는 추천 시스템을 구현하였다. 추천 기법은 내용 기반 방식으로 이루어져 있으며 실험을 통해 내용기반 방식이 TV환경에서 가지는 효용성을 알아보고 적용 가능성을 타진해 보았다.

• Journal of Broadcast Engineering
• /
• v.17 no.2
• /
• pp.270-283
• /
• 2012

With the advent of multi-channel TV, IPTV and smart TV services, excessive amounts of TV program contents become available at users' sides, which makes it very difficult for TV viewers to easily find and consume their preferred TV programs. Therefore, the service of automatic TV recommendation is an important issue for TV users for future intelligent TV services, which allows to improve access to their preferred TV contents. In this paper, we present a recommendation model based on statistical machine learning using a collaborative filtering concept by taking in account both public and personal preferences on TV program contents. For this, users' preference on TV programs is modeled as a latent topic variable using LDA (Latent Dirichlet Allocation) which is recently applied in various application domains. To apply LDA for TV recommendation appropriately, TV viewers's interested topics is regarded as latent topics in LDA, and asymmetric Dirichlet distribution is applied on the LDA which can reveal the diversity of the TV viewers' interests on topics based on the analysis of the real TV usage history data. The experimental results show that the proposed LDA based TV recommendation method yields average 66.5% with top 5 ranked TV programs in weekly recommendation, average 77.9% precision in bimonthly recommendation with top 5 ranked TV programs for the TV usage history data of similar taste user groups.

• Journal of Broadcast Engineering
• /
• v.14 no.2
• /
• pp.238-252
• /
• 2009

Due to the rapid increase of available contents via the convergence of broadcasting and internet, the efficient access to personally preferred contents has become an important issue. In this paper, for recommendation scheme for TV programs using a collaborative filtering technique is studied. For recommendation of user preferred TV programs, our proposed recommendation scheme consists of offline and online computation. About offline computation, we propose reasoning implicitly each user's preference in TV programs in terms of program contents, genres and channels, and propose clustering users based on each user's preferences in terms of genres and channels by dynamic fuzzy clustering method. After an active user logs in, to recommend TV programs to the user with high accuracy, the online computation includes pulling similar users to an active user by similarity measure based on the standard preference list of active user and filtering-out of the watched TV programs of the similar users, which do not exist in EPG and ranking of the remaining TV programs by proposed rank model. Especially, in this paper, the BM (Best Match) algorithm is extended to make the recommended TV programs be ranked by taking into account user's preferences. The experimental results show that the proposed scheme with the extended BM model yields 62.1% of prediction accuracy in top five recommendations for the TV watching history of 2,441 people.

• Journal of Broadcast Engineering
• /
• v.14 no.5
• /
• pp.625-637
• /
• 2009

With advent of TV environment and increasing of variety of program contents, users are able to experience more various and complex environment for watching TV contents. According to the change of content watching environment, users have to make more efforts to choose his/her interested TV program contents or TV channels than before. Also, the users usually watch the TV program contents with their own regular way. So, in this paper, we suggests personalized TV program schedule recommendation system based on the analyzing users' TV watching history data. And we extract the users' watched program patterns using the sequential pattern mining method. Also, we proposed a new sequential pattern mining which is suitable for TV watching environment and verify our proposed method have better performance than existing sequential pattern mining method in our application area. In the future, we will consider a VoD characteristic for extending to IPTV program schedule recommendation system.