• Asia pacific journal of information systems
• /
• 제16권3호
• /
• pp.159-176
• /
• 2006

Collaborative filtering is one of the popular techniques for personalized recommendation in e-commerce. In collaborative filtering, user profiles are usually managed per product category in order to reduce data sparsity. Product diversification of Internet storefronts and multiple product category sales of e-commerce portals require cross-product category usage of user profiles in order to overcome the cold start problem of collaborative filtering. In this paper, we study the feasibility of cross-product category usage of user profiles, and suggest a method to improve recommendation performance of cross-product category user profiling. First, we investigate whether user profiles on a product category can be used to recommend products in other product categories. Furthermore, a way of utilizing user profiles selectively is suggested to increase recommendation performance of cross-product category user profiling. The feasibility of cross-product category user profiling and the usefulness of the proposed method are tested with real click stream data of an Internet storefront which sells multiple product categories including books, music CDs, and DVDs. The experiment results show that user profiles on a product category can be used to recommend products in other product categories. Also, the selective usage of user profiles based on correlations between subcategories of two product categories provides better performance than the whole usage of user profiles.

• 한국소프트웨어감정평가학회 논문지
• /
• 제17권2호
• /
• pp.143-150
• /
• 2021

산업 현장에서 발생하는 다양한 안전사고의 원인이 되는 위험 요소를 분석하여 사용자에게 발생하는 안전사고를 줄일 수 있는 지능형 기술 개발에 대한 필요성이 커지고 있다. 본 논문에서는 산업 현장에서 발생하는 안전사고와 관련된 사용자 정보를 특정하고 모델링하여 사용자에게 일어나는 안전 사고를 미리 예방할 수 있는 사용자 안전 프로파일링에 대한 기술을 제안하였다. 사용자 프로파일링은 사용자의 혈압, 맥박, 움직임 등의 정보로부터 사용자의 생체, 작업 패턴, 작업 유형에 대한 안전 상태를 정(positive)과 부(negative)로 특정 및 모델링하고 딥러닝 인공지능 분석기술을 이용하여 사용자의 안전 상태를 정상과 비정상 상태로 분류할 수 있도록 하였다. 제안된 기술의 타당성을 검증하기 위하여 산업 현장에서 근무하는 사용자 5명을 대상으로 10종 이상의 사용자 정보를 리빙랩에서 획득하여 지능형 분석 시스템을 학습한 후 5개의 테스트 셋을 이용하여 정확도 시험을 반복 시행하여 93.6%의 사용자 안전 프로파일링 시스템의 정확도를 얻을 수 있었다.

• 한국정보통신학회논문지
• /
• 제7권3호
• /
• pp.544-551
• /
• 2003

인터넷이 일반화되면서, 컴퓨터 시스템을 침입으로부터 효과적이면서 종합적으로 보호하기 위해 침입탐지 시스템이 필요하게 되었다. 본 연구에서는 이상행위 탐지를 기반으로 한 침입 탐지 시스템을 위한, 정상행위 프로파일링 기준을 제시한다. 프로파일링 과정에서 내재하고 있는 과탐지의 원인을 제시하고 이를 제어할 수 있는 침입 탐지 방안을 제안한다. 마지막으로, 사용자의 행위 패턴에 대해 정상행위 패턴 데이터베이스로부터 이상행위 여부를 판단할 수 있는 유사도 함수를 제안한다.

• 정보처리학회논문지B
• /
• 제9B권4호
• /
• pp.399-406
• /
• 2002

본 연구는 웹 서핑 지원을 위한 적응형 사용자 에이전트의 설계를 위해 사용자 데이터 수집, 데이터 처리를 통한 사용자 프로파일 구축 및 개선, 그리고 사용자 프로파일의 적용을 통한 적응 등 세 가지 이슈를 집중 연구하였다. 그 결과 웹 상에서 작동하는 적응형 사용자 에이전트를 위한 기능 정의 및 주요 구성 요소들을 설계하고 세부 모형을 구현하였다. 내부적으로는 두 개의 독립된 에이전트의 협동 체제에 의해 작업 목표를 성취한다. 이들은 각각 IIA(Interactive Interface Agent) 및 UPA(User Profiling Agent)이다. 사용자 인터페이스를 관장하는 IIA는 사용자에게 현재 웹 문서의 대강을 파악하고 나아가서 검색 질의어를 선택할 수 있게 하는 키워드 색인(Keyword Index)과, 계층 구조 방식의 사용자 검색 과정을 나타내는 제안 링크(Suggest Link)를 제공함으로서 사용자 친숙한 인터페이스 환경을 제시한다. UPA는 사용자에 관한 정적 정보와 브라우징 행위에서 나타나는 동적 정보를 사용자 프로파일에 반영한다. 특히, 사용자 관심을 반영하는 관심 벡터(Interest Vector)의 개념을 정립하고 근접도(similarity) 평가에 의해 이들을 갱신하고 추가함으로써 사용자 관심을 동적으로 프로파일링하는 체계를 제시하였다.

• 한국인터넷방송통신학회논문지
• /
• 제23권4호
• /
• pp.149-155
• /
• 2023

프로파일링 기반 추천 서비스는 이용자 측면에서는 개인에게 특화된 콘텐츠를 쉽게 접근하는 편의를 제공하고, 기업 측면에서는 중요한 수익모델을 제공하고 있다. 이러한 추천 서비스의 효용에도 불구하고, 개인정보 침해 문제, 소비자 선택권 제한 등의 이슈가 대두되고 있어, 프로파일링 추천 서비스에 대한 일정한 규제 움직임이 활발하게 진행되고 있다. 하지만 규제 실효성 및 부작용에 대한 면밀한 검토 없이 규제를 도입할 경우, 글로벌 시장에서 국내 기업의 경쟁력 약화라는 우려가 확산되고 있다. 본 연구는 프로파일링 기반 추천 서비스를 제공하는 기업들이 규제 움직임을 어떻게 인식하고 있는지를 조사하여 체계적으로 분석하였다.

• 정보과학회 논문지
• /
• 제41권12호
• /
• pp.1117-1125
• /
• 2014

최근 폭소노미라고 불리는 데이터들이 사용자의 의도 파악 및 흥미를 분석하는 데에 매우 유용하게 쓰이고 있다. 본 논문은 폭소노미 데이터를 이용한 개인화 검색에서, 기존의 벡터 기반 프로파일링 및 유사도 계산 모델의 한계점을 지적하고, 이러한 한계를 극복하기 위한 방법으로 그래프 기반의 프로파일링 및 유사도 계산법을 제안한다. 최종적으로 그래프 기반의 개인화 검색 모델에 추가적으로 질의어간의 근접성까지 고려한 보다 발전된 개인화 검색 기법을 제안하였다. 본 연구에서는 복수의 데이터셋을 사용한 객관적인 성능 평가 실험을 통해 제안한 모델이 기존의 벡터 스페이스 모델에 기반한 프로파일링 기법 및 프로파일 간의 유사도 계산 기법보다 더 뛰어난 개인화 검색 결과를 제공함을 확인하였다. 또한 추가적인 파라미터 실험을 통하여, 제안하는 모델은 어떠한 형태의 데이터셋에도 쉽게 적용가능함을 보였다.

• 방송공학회논문지
• /
• 제15권5호
• /
• pp.632-641
• /
• 2010

본 논문은 양방향 개인 맞춤형 방송 시스템 구축에 관한 연구이다. 맞춤형 방송이란 사용자가 원하는 방송 프로그램만을 사용자가 원하는 시간에 볼 수 있게 하는 서비스를 말한다. 양방향 방송 서비스는 사용자의 방송단말과 방송 서버 사이의 양방향 데이터 전송을 허용하여 만족도 높고 개인화된 방송 서비스를 제공하는 것을 목표로 한다. 본 연구는 양방향 맞춤형 방송 서비스를 위한 사용자 프로파일 시스템을 개발하였다. 이 시스템은 맞춤형 방송 서비스를 위한 표준인 TV-Anytime에서 제안하고 있는 메타데이터를 기반으로 사용자 프로파일과 콘텐츠 데이터 및 맞춤형 광고 서비스를 포함한 맞춤형 방송의 다양한 기능을 포함하여 양방향 데이터 전송까지 지원하고 있다. 구축된 양방향 맞춤형 방송 시스템은 사용자 프로파일을 통하여 개인 별로 선호하는 방송 콘텐츠 및 광고를 추천 및 지원하여 사용자의 시청 만족도를 높였으며, 기존의 방송과 차별화된 지능적인 방송 서비스의 지원으로 사용자의 만족도를 증가시켰다.

• 정보보호학회논문지
• /
• 제13권4호
• /
• pp.151-159
• /
• 2003

인터넷이 일반화되면서, 컴퓨터 시스템을 침입으로부터 효과적이면서 종합적으로 보호하기 위해 침입 탐지 시스템이 필요하게 되었다. 본 연구에서는 이상행위 탐지 기법을 이용한 침입 탐지 시스템을 구축할 때, 수행하는 정상행위 프로파일링 과정에서 발생하는 자기설명모순이 존재함을 제시하고 이를 제어할 수 있는 침입 탐지 방안을 제안하였다. 또한, 연관규칙을 적용한 프로파일링 과정의 결과는, 많은 정상행위 패턴이 생성될 수 있기 때문에, 이를 위해 군집화를 통한 효과적인 적용방안을 제시한다. 마지막으로, 사용자의 행위 패턴에 대해 군집화된 정상행위 패턴 데이터베이스로부터 이상행위 여부를 판단할 수 있는 유사도 함수를 제안하였다.

• Journal of Information Processing Systems
• /
• 제8권2호
• /
• pp.191-212
• /
• 2012

Since a social network by definition is so diverse, the problem of estimating the preferences of its users is becoming increasingly essential for personalized applications, which range from service recommender systems to the targeted advertising of services. However, unlike traditional estimation problems where the underlying target distribution is stationary; estimating a user's interests typically involves non-stationary distributions. The consequent time varying nature of the distribution to be tracked imposes stringent constraints on the "unlearning" capabilities of the estimator used. Therefore, resorting to strong estimators that converge with a probability of 1 is inefficient since they rely on the assumption that the distribution of the user's preferences is stationary. In this vein, we propose to use a family of stochastic-learning based Weak estimators for learning and tracking a user's time varying interests. Experimental results demonstrate that our proposed paradigm outperforms some of the traditional legacy approaches that represent the state-of-the-art technology.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제16권12호
• /
• pp.1244-1248
• /
• 2010

기존의 방송 추천 시스템은 사용자 프로파일 정보를 입력하고 이를 기반으로 콘텐츠 메타데이터와 일치되는 콘텐츠를 추천하는 형태로 연구가 진행되었다. 그러나 디지털 TV와 같이 사용자와의 상호동작이 많은 기기에서는 사용자들의 프로파일은 계속 변경이 일어나고 있고, 사용자의 의도와 프로파일을 정확히 파악하는 것이 추천의 정확도와 만족도를 높이는 것이다. 따라서 본 논문에서는 사용자의 리모컨 입력과 방송시청시간을 통해 실시간으로 사용자 프로파일 정보를 추출하고, 이 정보와 콘텐츠 메타데이터와 연관성을 파악하여 사용자에게 최적의 방송 콘텐츠를 추천한다. 또한 임베디드 시스템의 하드웨어 및 컴퓨팅 파워의 제약을 고려하여 네트워크 통신이나 상용 데이터베이스 시스템을 사용하지 않았고, 시청 시간에 따라 사용자가 원하는 콘텐츠의 장르가 다르다는 점을 고려하여 현재시간을 기준으로 콘텐츠를 추천하여 사용자 만족도를 증가시켰다.