• 한국정보통신학회논문지
• /
• 제25권4호
• /
• pp.537-542
• /
• 2021

스마트 TV는 인터넷을 기반으로 기존의 TV에 비해 다양한 서비스와 정보를 제공하고 있다. 보다 개인화된 서비스나 정보를 제공하기 위해서는 사용자의 시청 패턴을 분석하고 이를 기반으로 맞춤형 서비스나 정보를 제공해야한다. 제안하는 시스템은 사용자의 TV 시청 패턴을 입력받고 이를 분석하여 사용자에게 맞춤형 정보로써 TV 프로그램이나 영화를 추천한다. 이를 위해 전처리기와 딥러닝(deep learning) 모델로 시스템을 구성하였다. 전처리기는 사용자가 시청한 TV 프로그램의 이름과 해당 TV 프로그램을 시청한 날짜, 시청한 시간 등을 입력하면 이를 정제한다. 그리고 정제된 데이터를 다중속성 LSTM 모델이 학습하고 예측을 수행하게 된다. 제안하는 시스템은 사용자에게 맞춤형 정보를 제공하는 시스템으로써 기존의 IoT 기술과 딥러닝 기술을 융합한 디지털 컨버전스(convergence)의 선도 기술이 될 것으로 사료된다.

• 디지털콘텐츠학회 논문지
• /
• 제13권2호
• /
• pp.197-203
• /
• 2012

디지털 방송 기술에 의해 방송 네트워크 사업자가 시청자들에게 수많은 방송프로그램을 송출할 수 있는 초다(超多) 채널 방송 환경이 열리게 되었는데 이런 환경은 시청자에게 다양하고 풍부한 시청 경험을 제공하는 동시에 복잡한 방송프로그램 편성에서 자신이 원하는 방송프로그램을 탐색해야 하는 어려움을 주고 있다. 이 문제를 해결하기 위해서 시청자의 시청 패턴 (선호하는 방송 채널, 방송프로그램 장르, 시청 시간대 등)을 분석하여 시청자가 채널을 변경할 때 특정 방송 채널 또는 방송프로그램을 우선적으로 추천해주는 연구가 진행되어 왔는데, 한 방송프로그램이 여러 방송 채널에서 재방송되고, 같은 장르의 방송프로그램들이 같은 시간대에 편성되고, 한 방송 채널에 다양한 장르의 방송프로그램이 방영되는 환경 때문에 시청자 입장에서 만족할 만한 추천 성능을 보여주지 못하고 오히려 채널 변경 기능의 불확실성을 높이는 결과를 가져왔다. 이 에, 본 논문은 시청자가 시청 중인 방송프로그램을 바로 선호하는 방송프로그램을 등록하고 그 등록된 방송프로그램에 대해서 방송 스케줄 열람, 바로보기 (열람 시 방송 중일 때), 녹화 예약, 시청 예약 등의 관리 기능을 지원하는 데이터 서비스를 제안한다. 이 서비스는 국제 데이터 서비스 표준인 MHP를 기반으로 하며 핵심 기능인 방송프로그램 구별과 탐색을 위해서 DVB-SI (Service Information)의 EIT (Event Information Table)를 활용하였다.

• 한국멀티미디어학회논문지
• /
• 제10권1호
• /
• pp.128-138
• /
• 2007

기존 아날로그식 방송에서 디지털 양방향 방송이 본격화됨에 따라, 시청자에게 제공되어지는 콘텐츠와 채널의 수가 기하급수적으로 늘어나고 있다. 이러한 다채널 다매체 시대에 국내 디지털 방송의 표준인 유럽의 DVB-MHP 표준안을 준수한 EPG(Electronic Program Guide : 전자 프로그램 가이드)는 시청자에게 TV 시청을 편리하게 제공할 수 있는 서비스이자 필수 요소이다. 그러나 방대한 TV 콘텐츠와 그에 따른 채널수에 인해 단순한 리모콘의 동작만으로 채널을 탐색하기에는 어려움이 있다. 이에 본 논문에서는 시청자가 선호하는 DiTV용 콘텐츠를 제공하기 위해 MHP 기반의 Java Xlet 어플리케이션을 이용하여 시청자의 콘텐츠선호도와 비슷한 선호도집단 내에서 서로 추천해주는 협업필터링 알고리즘을 적용한 콘텐츠 추천 EPG를 설계 및 구현하였으며, OpenMHP 에뮬레이터를 통해 결과를 확인하였다.

• 지능정보연구
• /
• 제19권1호
• /
• pp.57-77
• /
• 2013

소셜 미디어는 모바일 어플리케이션과 웹에서 가장 많이 사용되는 미디어 중 하나이다. Nielsen사의 보고서에 따르면 소셜 네트워크 서비스와 블로그가 온라인 사용자의 주 활동 공간으로 사용되고 있으며, 미국인 중에서 온라인 활동이 왕성한 5명의 사용자중 4명은 매일 소셜 네트워크 서비스와 블로그를 방문하고 온라인 활동 시간의 23%를 소비한다고 집계하고 있다. 미국의 인터넷 사용자들은 야후, 구글, AOL 미디어 네트워크, 트위터, 링크드인 등과 같은 소셜 네트워크 서비스중 페이스북에서 가장 많은 시간을 소비한다. 최근에는 대부분의 회사들이 자신의 특정 상품에 대하여 "페이스북 페이지(Facebook Page)"를 생성하고 상품에 대한 프로모션을 진행한다. 페이스북에서 제공되는 "좋아요" 옵션은 페이스북 페이지를 통해 자신이 관심을 가지는 상품(아이템)을 표시하고 그 상품을 지지할 수 있도록 한다. 많은 영화를 제작하는 영화 제작사들도 페이스북 페이지와 "좋아요" 옵션을 이용하여 영화 프로모션과 마케팅에 이용한다. 일반적으로 다수의 스트리밍 서비스 제공업들도 영화와 TV 프로그램을 즐기며 볼 수 있는 서비스를 사용자들에게 제공한다. 이 서비스는 일반 컴퓨터와 TV 등의 단말기에서인터넷을 통해 영화와 TV 프로그램을 즉각적으로 제공할 수 있다. 스트리밍 서비스의 선두 주자인 넷플릭스는 미국, 라틴 아메리카, 영국 그리고 북유럽 국가 등에 3천만 명 이상의 스트리밍 사용자가 가입되어 있다. 또한 넥플릭스는 다양한 장르로 구성된 수백만 개의 영화와 TV 프로그램을 보유하고 있다. 하지만 수많은 콘텐츠로 인해 사용자들은 자신이 선호하는 장르에 관련된 영화와 TV 프로그램을 찾기 위해 많은 시간을 소비해야 된다. 많은 연구자들이 이러한 사용자의 불편함을 줄이기 위해 아이템에 대한 사용자가 보지 않은 아이템에 대한 선호도를 예측하고 높은 예측값을 갖는 아이템을 사용자에게 제공하기 위한 추천 시스템을 적용하였다. 협업적 여과 방법은 추천 시스템을 구축하기 위해 가장 많이 사용되는 방법이다. 협업적 여과 시스템은 사용자들이 평가한 아이템을 기반으로 각 사용자 간의 유사도를 측정하고 목적 사용자와 유사한 성향을 가진 사용자 그룹을 결정한다. 군집된 그룹은 이웃 사용자 집단으로 불리며 이를 이용하여 특정 아이템에 대한 선호도를 예측하고, 예측 값이 높은 아이템을 목적 사용자에게 추천해 준다. 협업적 여과 방법이 적용되는 분야는 서적, 음악, 영화, 뉴스 및 비디오 등 다양하지만 논문에서는 영화에 초점을 맞춘다. 이 협업적 여과 방법이 추천 시스템 내에서 유용하게 활용되고 있지만 아직 "희박성 문제"와 "콜드 스타트 문제" 등 해결해야 할 과제가 남아있다. 희박성 문제는 아이템의 수가 증가할수록 아이템에 대한 사용자의 로그 밀도가 감소하는 것이다. 즉, 전체 아이템 수에 비해 사용자가 아이템에 대해 평가한 정보가 충분하지 않기 때문에 사용자의 성향을 파악하기 어렵고, 이로 인해 사용자가 아직 평가하지 않은 아이템에 대해서 선호도를 추측하기 어려운 것을 말한다. 이 희박성 문제가 포함된 경우 적합한 이웃 사용자 집단을 형성하는데 어려움을 겪게 되고 사용자들에게 제공되는 아이템 추천의 질이 떨어지게 된다. 콜드 스타트 문제는 시스템 내에 새로 들어온 사용자 또는 아이템으로 지금까지 한 번도 평가를 하지 않은 경우에 발생한다. 즉, 사용자가 평가한 아이템에 대한 정보가 전혀 포함되어 있지 않거나 매우 적기 때문에 이러한 경우 또한 적합한 이웃 사용자 집단을 형성하는데 어려움을 겪게 되고 사용자가 평가하지 않은 아이템에 대한 선호도 예측의 정확성이 감소되게 된다. 본 논문에서는 영화 추천 시스템에서 발생될 수 있는 초기 사용자 문제를 해결하기 위하여 사용자가 평가한 영화와 소셜 네트워크 서비스로부터 추출된 사용자 선호 장르를 활용하여 사용자 군집을 형성하고 이를 활용하는 방법을 제안한다. 소셜 네트워크 서비스로부터 사용자가 선호하는 영화 장르를 추출하기 위해 페이스북 페이지의 '좋아요' 옵션을 이용하며, 이 '좋아요' 정보를 분석하여 사용자의 영화 장르 관심사를 추출한다. 페이스북의 영화 페이지는 각 영화를 위한 페이스북 페이지로 구성되고 있으며, 사용자는 자신의 선호도에 따라서 "좋아요" 옵션을 선택할 수 있다. 사용자의 페이스북 정보는 페이스북 그래프 API를 활용하여 추출되고 이로부터 사용자 선호 영화를 알 수 있게 된다. 시스템에서 활용되는 영화 정보는 인터넷 영화 데이터베이스인 IMDb로부터 획득한다. IMDb는 수많은 영화와 TV 프로그램을 보유하고 있으며, 각 영화에 관련된 배우 정보, 장르 및 부가 정보들을 포함한다. 논문에서는 사용자가 "좋아요" 표시를 한 영화 페이지를 이용하여 IMDb로부터 영화 장르 정보를 가져온다. 그리고 추출된 영화 장르 선호도와 본 시스템에서 제안하는 영화 평가 항목을 이용하여 유사한 이웃 사용자 집단을 구성한 후, 사용자가 평가하지 않은 아이템에 대한 선호도를 예측하고, 높은 예측 값을 갖는 아이템을 사용자에게 추천한다. 본 논문에서 제안한 사용자의 선호 장르 기반의 사용자 군집 기법을 이용한 시스템을 평가하기 위해서 IMDb 데이터 집합을 이용하여 사용자 영화 평가 시스템을 구축하였고 참가자들의 영화 평가 정보를 획득하였다. 페이스북 영화 페이지 정보는 참가자들의 페이스북 계정과 페이스북 그래프 API를 통해 획득하였다. 사용자 영화 평가 시스템을 통해 획득된 사용자 데이터를 제안하는 방법에 적용하였고 추천 성능, 품질 및 초기 사용자 문제를 벤치마크 알고리즘과 비교하여 평가하였다. 실험 평가의 결과 제안하는 방법을 적용한 추천 시스템을 통해 추천의 품질을 10% 향상시킬 수 있었고, 초기 사용자 문제에 대해서 15% 완화시킬 수 있음을 볼 수 있었다.

• 프린팅코리아
• /
• 통권7호
• /
• pp.72-73
• /
• 2003

2002년 출판계의 화제는 '출판및인쇄진흥법' 제정, MBC-TV '!느낌표' 프로그램 추천도서의 베스트셀러 독식으로 상징되는 이른바 '매스컴셀러' 현상, 월드컵 기간 중의 종로서적 부도, 권위와 전통의 서평지 <출판저널> 휴간, 교양.오락.실용.아동 등 단행본 출판 전반의 매출 향상 등으로 집약된다.

• 한국멀티미디어학회논문지
• /
• 제12권2호
• /
• pp.219-230
• /
• 2009

최근 디지털 데이터 방송이 본격화됨에 따라, 인터랙티브한 서비스 제공을 위한 콘텐츠 및 채널의 수가 기하급수적으로 증가하고 있다. 이러한 다채널 시대에 시청자의 선호도를 반영한 EPG(Electronic Program Guide : 전자 프로그램 가이드)는 TV의 포탈서비스이자 필수 요구 사항이며, 또한 국내 디지털 방송의 표준이 유럽의 DVB-MHP 표준안을 따르고 있는 만큼 EPG서비스도 그에 발맞추어 연구 및 개발이 요구되어진다. 이에 본 논문에서는 상기 제시된 요구 사항을 충족하기 위해 시청자와 시청자들 간의 시청정보 및 프로파일을 이용한 1 2차에 걸친 협업 필터링기법을 제안한다. 이를 위해 시청자와 선호도가 비슷한 선호도집단 내에서 서로 콘텐츠를 추천하는 협업 EPG시스템을 Java Xlet 응용프로그램으로 설계 및 구현하였으며, DVB-MHP 표준을 준수한 EPG 임을 확인하기 위해 DVB-MHP 표준안을 지원하는 OpenMHP 10.4를 통해 결과를 검증하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2004년도 춘계학술발표대회
• /
• pp.1489-1492
• /
• 2004

본 논문은 디지털 방송을 수신하고 TV 를 통한 인터넷의 연결이 가능한 IP STB(Set Top Box)가 디지털 방송을 통해 전송되는 프로그램의 서비스 정보(Service Information)을 자동으로 분석하여, 시청자의 휴대 정보 단말 기기로 전송해 줌으로써, 시청자는 개인 휴대 정보 단말 기기를 통해 여러 매체을 통해 전송되는 프로그램의 시간표와 가이드를 볼 수 있으며, 해당 프로그램으로의 채널 변경을 휴대 정보 단말 기기를 통해 수행할 수 있다. 또한 본 논문은 시청자 개개인의 방송 시청 성향을 STB에서 분석하여, 개별 사용자가 전자 프로그램 가이드를 보기 위해 휴대 정보 단말 기기를 통해 STB에 연결되었을 때, 시청자의 성향분석에 기반을 한 추천 프로그램 목록을 제시함으로써, 다채널 다매체의 방송 환경에서 시청자가 원하는 프로그램을 놓치지 않고 시청 할 수 있도록 하며, 집 밖에서도 집안의 STB에 접속하여 자신이 원하는 프로그램을 휴대 정보 단말기기를 통해 예약 시청 또는 녹화가 가능하게 한다.

• 지능정보연구
• /
• 제17권1호
• /
• pp.139-152
• /
• 2011

1990년대 중반에 협업 필터링의 출현으로 인하여 추천시스템에 관련된 연구가 늘어나게 되었다. 협업 필터링의 출현 이후 내용 기반 필터링, 협업 필터링과 내용 기반 필터링이 혼합된 하이브리드 필터링 등 새로운 기법들이 출현함으로써 2000년대에는 추천시스템의 연구가 눈에 띄게 증가하였다. 하지만 현재까지 추천시스템에 관련된 문헌들에 대한 리뷰와 분류가 체계적으로 되어있지 않다. 이와 같은 문제에 대한 해결방안으로써, 본 연구에서는 2001년부터 2010년도까지의 추천시스템에 관련된 문헌들 중 MIS Journal Ranking의 125개의 저널에서 추천시스템(Recommender system, Recommendation system), 협업 필터링(Collaborative Filtering), 내용 기반 필터링(Content based Filtering), 개인화 시스템(Personalized system) 등의 5가지 키워드로 제한하여 조사하였다. 총 37개의 저널에서 논문을 검색하였으며, 검색되어진 논문을 분석한 결과 추천시스템과 관련이 없는 논문을 제외한 총 187개의 논문을 선정하여 분석하였다. 이 연구에서는 그러나 컨퍼런스 논문, 석사, 박사학위 논문, 영어로 작성되지 않은 논문, 완성되지 않은 논문 등은 제외하였다. 본 연구에서는 187개의 논문을 분석하여 2001년부터 2010년까지의 각각의 년도 별 추천시스템의 연구에 대한 동향 분석, Journal별 추천시스템의 게재 분류, 추천시스템 어플리케이션의 사용 분야(책, 문서, 이미지, 영화, 음악, 쇼핑, TV 프로그램, 기타)별 분류 및 분석, 추천시스템에 사용된 데이터마이닝 기술(연관 규칙, 군집화, 의사 결정나무, 최근접 이웃 기법, 링크 분석 기법, 신경망, 회귀분석, 휴리스틱 기법)별 분류 및 분석을 수행하였다. 따라서 본 연구에서 제안한 각각의 분류 및 분석 결과들을 통하여 현재까지 추천시스템의 연구에 대한 연구 동향을 파악 할 수 있었으며, 분석결과를 통해 추천시스템에 관심이 있는 연구자와 전문가에게 미래의 추천시스템의 연구에 대한 가이드라인을 제시 할 수 있을 것이라고 기대한다.

• 한국정보통신학회논문지
• /
• 제18권7호
• /
• pp.1643-1651
• /
• 2014

소셜네트워크서비스(SNS)는 사용자들이 자신들의 정보를 가족, 친구, 그리고 소속단체원들과 공유하는 것을 가능케 해 준다. SNS 상의 정보의 양은 기하급수적으로 증가하고 있는 추세다. 특히 페이스북은 연예오락(영화, 음악, TV쇼 등)과 관련된 흥미로운 기능을 채택해 오고 있다. 그러나 페이스북은 사용자들에게 관심 아이템을 추천할 때 필요한 사용자들의 시간, 장소, 소셜 상황 등 상황적 정보는 고려하지 않고 있다. 따라서 이 논문에서 사용자들이 언제, 어디서, 누구와 영화를 보는지 등에 대한 다양한 상황적 정보의 통합에 기반을 둔 영화 추천 접근법을 제안 하고자 한다. 또한 두 명이 함께 영화를 관람하러 갔을 때 동시에 만족할만한 영화 추천 방법을 제안한다. 실험을 위해 사용자들의 영화관람 내용을 기록하고 이에 기반을 두어 적절한 추천 영화를 소개해 줄 수 있는 'MyMovieHistory'라는 페이스북 응용프로그램을 개발하였다.

• 한국컴퓨터정보학회논문지
• /
• 제16권2호
• /
• pp.207-215
• /
• 2011

디지털 방송이 본격화되고 디지털 텔레비젼의 보급이 일반화되면서 시청자가 선택할 수 있는 채널의 수와 프로그램의 수는 기존 텔레비젼 환경과 비교하여 시청자가 이용할 수 있는 프로그램 리소스들이 큰 폭으로 증가되고 있다. 이러한 변화로 수백 개의 채널에서 시청자가자신이 선호하는 프로그램 채널을 찾기 위해서 리모컨이나 방송 편성표를 통해 검색하는 것은 많은 시간과 노력이 필요하다. 따라서, 본 논문에서는 up-down 채널 리모컨를 이용해 선호하는 프로그램 채널을 선택하는 시청자들을 위해, 현재 시청하는 채널을 기준으로 선호 프로그램 채널을 동적으로 배치함으로써 채널의 탐색 거리를 줄이는 방법을 제안한다. 그리고, 실험을 통해 그 성능을 평가한다.