• Journal of KIISE:Computing Practices and Letters
• /
• v.9 no.6
• /
• pp.683-692
• /
• 2003

The rapid increase of the number of channels makes it hard to find wanted programs from TV. In recent years, the number of channels come up to hundreds with the digital TV arrival. So, it will drive us to the new way of watching TV. In this paper, we introduce a recommendation system for TV programs to overcome this difficulty. We model user profiles and design each module of the system, considering TV environment. Our system gathers basic information from people manually and then updates user profiles automatically by tracking viewing and usage history. As a result, our system recommends daily TV programs based on the changing interest of users. In this paper, we address the problems and solutions by describing our system and the experiment.

• Journal of Digital Convergence
• /
• v.11 no.1
• /
• pp.249-254
• /
• 2013

The number of channels are increased into several hundreds of channels when coming out the digital broadcasting era. In this environment, viewers searching for programs will be very difficult to do. In addition, recent popularization of smart devices are receiving the services that they previously had not been given to. A TV program recommended a system that has been studied as a way to solve these problems. However, most studies have been studied in most web-based research results when applied to broadcast TV for TV program recommendations. In particular, the combination of the current members who watch TV are not considered. In this paper, the environment and TV viewers are considering a combination of the members of the TV program's recommended system proposal. In order to make a group deal successful, we employ the face recognition.

• Annual Conference on Human and Language Technology
• /
• 2009.10a
• /
• pp.116-120
• /
• 2009

최근 IPTV 상용화와 디지털 방송 본격화는 사용자에게 다양한 방송 프로그램을 제공한다는 장점도 있지만, 동시에 수많은 프로그램을 탐색하여 선별해야 하는 부담을 주고 있다. 이러한 불편함을 해소하고자 최근에는 사용자 선호도와 방송 프로그램 정보를 이용하여 사용자 취향에 맞는 프로그램을 자동으로 추천하는 서비스의 요구가 증대되고 있다. 또한 궁극적으로 방송 서비스가 '개인화'와 '개방화'의 형태로 진행되고 있다는 점을 감안하면, 추천 서비스는 TV 프로그램 뿐만 아니라 광고도 포함해야 하며, 다중 언어를 지원하는 형태로 발전되어야 한다. 본 논문에서는 다중 언어를 지원하는 개인화된 TV 프로그램 및 광고 추천 서비스를 위한 하나의 시스템을 제안한다. 우리는 먼저 사용자 시나리오를 작성하고, 기능 요구사항들을 분석하여 시스템 구조를 설계한다. 그리고 다중 언어를 지원하는 시스템에서의 한글 처리 방법도 간단히 설명한다. 본 연구는 현재 유럽 공동기술 개발 사업 과제의 일환으로 진행되고 있어, 여기에서는 현 시점의 결과물인 시나리오, 시스템 구조 설계, 한글 처리까지 소개하고 있다.

• 한국HCI학회:학술대회논문집
• /
• 2009.02a
• /
• pp.105-110
• /
• 2009

Conventional TV viewing environment had provided limited numbers of channels and contents so that accessibility of contents was made user's manual change of TV channels and by manual selection of TV program contents. However, with advent of IPTV and various contents and channels available to users’ terminals, excessive numbers of TV contents become available to users’ terminals, thus leading to totally different TV viewing environments. In this TV environment, users are required to make much effort to choose their preferred TV channels or program contents, which becomes much cumbersome to the users. Therefore, in this paper, we will propose TV contents schedule recommendation by making reasoning on users’ TV viewing patterns from TV viewing history data using sequential pattern mining so that so that it increases accessibility of users to many TV program contents which may be or may not be aware of the users.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.11b
• /
• pp.214-216
• /
• 2005

디지털 방송이 시작되면서 시청자가 선택할 수 있는 채널은 200여 개로 늘어났다. 지금처럼 리모컨으로 채널을 돌려가며 보거나 원하는 TV 프로그램을 찾기란 거의 불가능해진 것이다. 이러한 다채널 다매체 시대에 원하는 프로그램 시청을 도와줄 수 있는 프로그램 가이드 시스템의 필요성이 증가하게 되었고, 더 나아가 TV를 시청하는 각 개인의 선호도를 반영하는 것이 요구되었다. 본 논문에서는 r-order Markov Model을 이용한 개인화된 전자 TV 프로그램 추천 시스템을 제안한다. Markov Model은 시간이 지남에 따라 시청하는 프로그램의 변화를 모델링하기 위한 방법으로 사용하였다. 이 시스템은 시청자의 선호 프로그램을 예측하기 위해서 r-order Markov Model을 제안하는 것뿐만 아니라 TV 시청자의 프로그램 선호를 예측하기 위한 모델들을 적용하였다. 실험 결과는 Markov Model이 추천에 대한 높은 정확성을 제공할 수 있다는 것을 보여준다.

• Proceedings of the KIEE Conference
• /
• 2007.07a
• /
• pp.331-332
• /
• 2007

최근 디지털 TV방송서비스의 보급으로 채널의 수와 그에 따른 프로그램의 수가 많아짐에 따라 시청자는 모든 프로그램의 정보를 미리 알고 있는 것이 힘들어 졌다. 모든 채널과 방송 프로그램을 탐색하고 자신의 취향에 맞는 프로그램을 찾아 보기 어려워진 문제를 해결하고자 영화, 상품 등의 분야에 국한 되었던 추천연구 분야도 TV채널 까지 확대할 필요가 있다. 본 논문에서는 사용자의 TV시청 기록을 분석하여 사용자 프로파일 테이블을 구성하고, 베이시안 네트워크와 시계열 분석 이론을 접목하여 추천엔진을 구현하는 TV채널 추천 엔진을 제안한다.

• 한국HCI학회:학술대회논문집
• /
• 2006.02a
• /
• pp.299-304
• /
• 2006

기존에 개발된 사용자 선호 정보를 이용한 TV 추천 시스템은 대부분 사용자의 명시적인 요구에 따라 방송 프로그램을 추천하는 데 중점을 두고 개발되었다. 하지만, 유비쿼터스 환경이 도래함에 따라서 사용자의 요구에 따라 반응하는 수동적인 서비스 보다는 상황정보(Context)를 활용하여 능동적인 서비스를 지원할 수 있는 기술이 필요하다. 따라서 본 논문에서는 CAMUS(Context-Aware Middleware for URC Systems) 상황인식 미들웨어를 이용하여 사용자 위치 상황정보에 따라 능동적으로 추천할 수 있는 TV 추천 서비스 에이전트를 제안한다. 제안된 시스템은 CAMUS 기반 서비스 에이전트와 태스크를 구현함으로써, 상황정보에 따라 능동적으로 다채널에서 방송되는 프로그램 및 사용자의 선호도 정보를 분석하여 사용자가 원하는 프로그램을 추천한다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2015.07a
• /
• pp.195-198
• /
• 2015

최근 TV 서비스의 가입자 및 TV 프로그램 콘텐츠의 급격한 증가에 따라 빅데이터 처리에 적합한 추천 시스템의 필요성이 증가하고 있다. 본 논문은 사용자들의 간접 평가 데이터 기반의 추천 시스템 디자인 시, 누적된 사용자의 과거 이용내역 데이터를 저장하지 않고 새로 생성된 사용자 이용내역 데이터를 학습하는 효율적인 알고리즘이면서, 시간 흐름에 따라 사용자들의 선호도 변화 및 TV 프로그램 스케줄 변화의 추적이 가능한 토픽 모델링 기반의 알고리즘을 제안한다. 빅데이터 처리를 위해서는 분산처리 형태의 알고리즘을 피할 수 없는데, 기존의 연구들 중 토픽 모델링 기반의 추론 알고리즘의 병렬분산처리 과정 중에 핵심이 되는 부분은 많은 데이터를 여러 대의 기계에 나누어 병렬분산 학습하면서 전역변수 데이터를 동기화하는 부분이다. 그런데, 이러한 전역데이터 동기화 기술에 있어, 여러 대의 컴퓨터를 병렬분산처리하기위한 하둡 기반의 시스템 및 서버-클라이언트간의 중재, 고장 감내 시스템 등을 모두 고려한 알고리즘들이 제안되어 왔으나, 네트워크 대역폭 한계로 인해 데이터 증가에 따른 동기화 시간 지연은 피할 수 없는 부분이다. 이에, 본 논문에서는 빅데이터 처리를 위해 사용자들을 클러스터링하고, 클러스터별 제안 알고리즘으로 전역데이터 동기화를 수행한 것과 지역 데이터를 활용하여 추론 연산한 결과, 클러스터별 지역별 TV프로그램 시청 토큰 별 은닉토픽 할당 테이블을 유지할 때 추천 성능이 더욱 향상되어 나오는 결과를 확인하여, 제안된 구조의 추천 시스템 디자인의 효율성과 합리성을 확인할 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.11a
• /
• pp.801-804
• /
• 2004

2001년 하반기 이후 디지털 TV 시대가 열리면서 채널의 수와 그에 따른 프로그램의 수가 폭발적으로 증가했다. 그리하여 기존의 방법으로는 시청자가 원하는 프로그램을 선택하는 것이 어려운 일이 되었다. 이 문제를 해결하는 방안으로서 pEPG(personalized Electronic Program Guide)가 많이 연구되어 왔으며 본 논문에서는 pEPG를 위한 추천 방법에 대해 연구하고자 한다. 기존의 추천 방법은 내용기반추천과 협업추천이 대표적인데, 이들은 어느 한족이 우월하다기 보다 각각의 단점을 상호보완해주는 관계에 있다. 각 추천 방법이 TV환경의 pEPG에 적용될 때는 어떤 장단점이 있는지 살펴보고, 이에 인구통계학적추천을 혼합한 기법을 제안한다.

• 한국HCI학회:학술대회논문집
• /
• 2006.02a
• /
• pp.333-338
• /
• 2006

최근 사용자에 대한 많은 정보를 얻는 것이 가능해지면서, 데이터마이닝 기법이나 Contents 추천 기법을 이용한 맞춤형 서비스가 가능하게 되었다. 특히, 대부분의 사람들에게 TV 프로그램 시청은 여가생활시간에서 가장 높은 비중을 차지 하고 있다. 따라서, 보다 지능적인 TV 프로그램 서비스를 제공하는 기술에 대하여 관심이 고조되고 있다. 본 논문에서는 TV-Anytime을 이용하여 개인화된 Electronic Program Guide (EPG)를 생성하고, 개인화된 EPG 정보를 활용하여 시청자에게 맞춤형 TV 프로그램 서비스를 제공하는 시스템에 대한 연구 결과를 제시한다. 또한 시청자의 시청패턴과 TV 프로그램 선호도를 바탕으로 시청자가 원하는 프로그램을 추천하는 TV Program Recommender Agent와 방송 및 TV 프로그램에 대한 대화를 담당하는 TV Program Helper Agent, 시스템 조정 및 메시지 전달을 담당하는 Coordinator Agent로 이루어진 멀티에이전트 기반 시스템 구조를 제시한다.