• 한국콘텐츠학회논문지
• /
• 제6권1호
• /
• pp.64-71
• /
• 2006

전자우편은 인터넷을 이용하는 사용자들에게 중요한 커뮤니케이션의 역할을 담당하고 있다. 하지만, 원하지 않는 광고가 많은 스팸 메일, 악의를 가진 폭탄메일 등 대부분이 불필요한 자료들로 인해 전자우편이 가지는 본연의 의미와는 무색하게 사용되어지고 있다 본 논문에서는 이러한 불필요한 정보와 자료들을 최대한 방지하고 보다 깨끗한 환경에서 이용할 수 있는 전자우편을 만들기 위해 사용자 패턴을 이용한 지능형 전자우편 조정 관리 시스템에 대한 연구이다. 사용자가 전자우편을 이용하는 형태, 즉 수신된 전자우편에 대해 사용자의 행동 패턴에 대한 집중적인 분석으로 불필요한 정보와 필요한 정보를 자동으로 분류하여 스팸 메일을 빠르게 처리할 수 있도록 하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제34권6호
• /
• pp.539-548
• /
• 2007

모바일 콘텐츠 적응화는 데스크탑 PC 용으로 제작되고 표현된 웹 콘텐츠를 크기와 정보량이 제한된 사용자의 무선 모바일 디바이스 환경에 맞게 변환하여 표현해주는 적응화 기술을 말한다. 기존의 웹 콘텐츠 적응화 방법은 대부분 장치 의존적인 접근 방법을 취했다. 또한 소형 장치에 맞게 콘텐츠를 변환하는 작업이 대부분 수동으로 이루어졌고 콘텐츠와 연관된 문맥 정보가 제공되지 않았다. 이 외에도 사용자의 선호도를 반영하지 못하여 모든 사용자에게 동일한 정보를 제공하였다. 이와 같이 기존의 모바일 콘텐츠 적응화 방법은 범용성, 확장성, 사용자 적응성에 문제가 있었고, 그 결과 사용자는 방대한 양의 콘텐츠 중에서 자신이 원하는 정보를 선택하는데 어려움을 겪을 수밖에 없었다. 이러한 문제점을 해결하기 위해 본 논문에서는 모바일 디바이스에 대한 새로운 웹 콘텐츠 적응화 기법을 제시한다. 제안하는 기법의 특징은 모바일 디바이스 적응화와 사용자 적응화를 동시에 적용하는 자동화된 콘텐츠 적응화를 시도하였다는 것이다. 이를 위해 웹 콘텐츠 적응화 과정을 블록 필터링, 블록 제목 추출, 블록 콘텐츠 요약, 학습을 통한 개인화 등의 4 단계로 구성하였다. 이러한 과정을 통해 웹페이지를 블록 단위로 나눠서 불필요한 블록을 제거하고 사용자가 필요로 하는 콘텐츠 블록만을 선별하여 모바일 디바이스에 나타내며, 학습을 통해 사용자가 관심을 가지는 정보를 정보목록의 상위에 놓음으로써 사용자가 선호정보를 편리하게 사용할 수 있도록 하였다. 온라인 뉴스사이트를 서점을 대상으로 한 일련의 실험을 통해 제안하는 모바일 웹 콘텐츠 적응화의 성능을 평가하였으며 디바이스 적응화와 사용자 적응화 모두 만족한 결과를 얻을 수 있었다.

• 한국전자거래학회지
• /
• 제20권3호
• /
• pp.79-87
• /
• 2015

최근 웹 2.0의 도래와 더불어 멀티미디어 콘텐츠 제작 과정에서 사용자의 참여를 장려하기 시작했다. 이에 따라서 멀티미디어 콘텐츠 관련 연구들은 사용자 참여형 환경에 맞추어 맞춤형정보를 제공하는데 연구의 초점을 맞추기 시작했다. 이에 본 연구는 사용자의 요구사항과 개인별 맞춤정보를 제공하기 위한 방법론을 정리하고 분석함으로써 적용 방안을 사용자가 적극적으로 웹 콘텐츠 제작 과정에 참여하여 해당 콘텐츠의 카테고리 및 정의를 설정할 수 있는 환경을 마련하여 사용자의 선택의 폭을 확장하며, 콘텐츠 제작에 참여할 수 있는 환경을 마련해줄 수 있을 것으로 기대된다.

• 반도체디스플레이기술학회지
• /
• 제23권2호
• /
• pp.33-37
• /
• 2024

Recently, wearable virtual reality devices are widely used. These instruments include a 3-axis accelerometer. User's heart rate information in virtual reality contents can be useful for measuring user experience. In this paper, we propose a method to measure the heart rate through a 3-axis accelerometer based on the principle of ballistocardiography without additional sensors. The angular velocity was successively measured in a time series by the 3-axis accelerometer mounted to the head. The frequency of the maximum magnitude is determined as the heart rate through frequency transform and band pass filtering of the time series signal. For verification, the heart rate calculated from photoplethysmography sensors acquired at the same time was compared as ground-truth. In the virtual reality, the user's heart rate information can be extracted without additional heart rate sensor, and the emotional state and fatigue can be measured.

• 지능정보연구
• /
• 제29권3호
• /
• pp.1-17
• /
• 2023

정보통신기술의 발전과 디지털 기기의 대중화로 인해, 온라인 시장의 규모가 커지고 있다. 그 결과 고객들은 상품을 선택하는데 많은 시간과 비용이 소요되는 정보 과부하(Information Overload) 문제에 직면하고 있다. 따라서 고객이 선호할만한 상품을 추천해 주는 추천 시스템은 필수적인 도구가 되었으며 협업 필터링(Collaborative Filtering) 기법은 가장 널리 쓰이는 추천 방법이다. 전통적인 추천 시스템은 평점과 같은 정량적인 데이터만을 사용하기 때문에 추천의 정확도는 높지 않다. 이와 같은 문제를 해결하기 위해 요즘에는 사용자 리뷰와 같은 정성적 데이터를 반영하는 연구가 활발히 진행되고 있다. 협업 필터링의 일반적인 절차는 사용자-상품 행렬 생성, 이웃 집단 탐색, 추천 목록 생성 3단계로 구성되며 코사인 같은 사용자 유사도를 사용하여 목표 고객의 이웃을 탐색하며, 추천 상품 목록을 생성한다. 본 연구에서는 이웃 집단 탐색 및 추천 목록 생성 단계에서 사용하는 사용자 간의 유사도를 기존의 사용자 평점을 이용한 유사도에 고객의 리뷰 데이터를 사용하는 확장된 사용자 유사도를 제시한다. 리뷰를 정량화 하기 위해 본 연구에서는 텍스트 마이닝을 활용한다. 즉, 리뷰 데이터에 TF-IDF, Word2Vec, 그리고 Doc2Vec 기법을 사용하여 두 사용자 간의 리뷰 유사도를 구한 후 사용자 평점을 사용한 유사도와 리뷰 유사도를 결합한 확장된 유사도를 생성하는 것이다. 이를 검증하기 위해 전자상거래 사이트인 Amazon의 'Health and Personal Care'의 사용자 평점과 리뷰 데이터를 사용하였다. 실험 결과, 사용자 간 유사도를 산출할 때 기존의 평점에 기반한 유사도만을 사용하는 것보다, 사용자 리뷰의 유사도를 추가로 반영한 확장된 유사도를 사용하면 추천의 정확도가 높아진다는 것을 확인했다. 또한, 여러 텍스트 마이닝 기법 중에서 TF-IDF 기법을 사용한 확장된 유사도를 이웃 집단 탐색 및 추천 목록 생성단계에서 사용할 때의 성능이 가장 좋게 나타났다.

• Journal of Information Technology Applications and Management
• /
• 제20권3_spc호
• /
• pp.219-230
• /
• 2013

Real time accessiblity and agility in Ubiquitous-commerce is required under ubiquitous computing environment. The Research has been actively processed in e-commerce so as to improve the accuracy of recommendation. Existing Collaborative filtering (CF) can not reflect contents of the items and has the problem of the process of selection in the neighborhood user group and the problems of sparsity and scalability as well. Although a system has been practically used to improve these defects, it still does not reflect attributes of the item. In this paper, to solve this problem, We can use a implicit method which is used by customer's data and purchase history data. We propose a new clustering method of weighted preference for customer using k-means clustering and Bayesian network in order to improve the accuracy of recommendation. To verify improved performance of the proposed system, we make experiments with dataset collected in a cosmetic internet shopping mall.

• 컴퓨터교육학회논문지
• /
• 제13권1호
• /
• pp.45-52
• /
• 2010

웹 문서 수의 급증으로 인해 인터넷을 검색할 때마다 발생하는 정보의 과부하 문제가 심각하게 부각되었다. 웹 검색 결과를 개선하기 위하여 개발된 기존의 알고리즘들은 주로 사용자의 질의어 및 선호어와 문서의 링크수를 이용하였다. 본 연구에서는 실험을 통하여 이 두가지 요소들을 이용한 검색 결과의 성능을 알아보고 이들 요소들 외에 선호하는 웹문서의 선택 기준을 조사 분석하였다. 실험 결과 질의어 및 선호어를 이용한 개인화된 검색 결과는 현 검색 엔진에 비해 최대 약 1.7배의 성능 향상을 가져 왔으며, 링크수를 이용한 검색 결과는 최대 약 1.3배의 향상을 보였다. 사용자가 웹문서를 선호하는 기준은 문서 내용이 최우선이었으나, 가독성과 문서가 포함한 이미지도 큰 비중을 차지하였다. 따라서 질의어 및 선호어 개수 이외에 각 사용자의 성향에 부합하는 객관적 데이터를 추가적으로 활용한다면 웹 검색 개인화 알고리즘의 성능이 크게 향상될 수 있을 것이다.

• 한국컴퓨터정보학회논문지
• /
• 제14권8호
• /
• pp.81-88
• /
• 2009

멀티미디어 콘텐츠 서비스 산업의 경쟁이 치열해 지면서 고객만족을 위한 다양한 정책들이 제시되고 있다. 이러한 정책 중에는 서비스를 이용하는 고객들을 분류하여 등급을 산정하고 등급에 따라 미디어 서버의 자원을 고정적으로 할당하는 정책도 있다. 이 정책의 문제점은 값비싼 미디어 서버의 자원을 효율적으로 사용하지 못할 수도 있다는 점이다. 본 논문에서는 이러한 문제점을 해결하기 위하여 ACRFA(Adaptive Client Request Filtering Algorithm)를 제안하고자 한다. 이것은 고객들의 등급을 차등화하고 유연성있는 자원할당 방법을 적용하기 위한 것이다. 높은 등급의 고객에게 더 많은 자원을 할당하게 하여 고객의 만족도를 높이면서 동시에 미디어 서버의 자원의 일부는 등급별로 고정할당하고 나머지 일부는 공용자원으로 활용하게 하는 방안을 제안하고자 한다.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 2005년도 추계학술대회 논문집
• /
• pp.440-443
• /
• 2005

The wide spread of internet business recently necessitates recommendation systems which can recommend the most suitable product fur customer demands. Currently the recommendation systems use content-based filtering and/or collaborative filtering methods, which are unable both to explain the reason for the recommendation and to reflect constantly changing requirements of the users. These methods guarantee good efficiency only if there is a lot of information about users. This paper proposes an algorithm called 'demand articulate & integration' which can perceive user's continuously varying intents and recommend proper contents. A method of knowledge classification which can be applicable to this algorithm is also developed in order to disassemble knowledge into basic units and articulate indices. The algorithm provides recommendation outputs that are close to expert's opinion through the tracing of articulate index. As a case study, a knowledge base for heritage information is constructed with the expert guide's knowledge. An intelligent recommendation system that can guide heritage tour as good as the expert guider is developed.

• 디지털콘텐츠학회 논문지
• /
• 제18권4호
• /
• pp.707-712
• /
• 2017

데이터의 양이 기하급수적으로 증가함에 따라 추천 시스템(recommender system)은 영화, 도서, 음악 등 다양한 산업에서 관심을 받고 있고 연구 대상이 되고 있다. 추천시스템은 사용자들의 과거 선호도 및 클릭스트림(click stream)을 바탕으로 사용자에게 적절한 아이템을 제안하는 것을 목적으로 한다. 대표적인 예로 넷플릭스의 영화 추천 시스템, 아마존의 도서 추천 시스템 등이 있다. 기존의 선행 연구는 협업적 여과, 내용 기반 추천, 혼합 방식의 3가지 방식으로 크게 분류할 수 있다. 하지만 기존의 추천 시스템은 희소성(sparsity), 콜드스타트(cold start), 확장성(scalability) 문제 등의 단점들이 있다. 이러한 단점들을 개선하고 보다 정확도가 높은 추천 시스템을 개발하기 위해 실제 온라인 기업의 상품구매 데이터를 이용해 factorization machine으로 추천시스템을 설계했다.