• 대한인간공학회지
• /
• 제27권3호
• /
• pp.1-6
• /
• 2008

Individual finger/total grip forces, and subjective preferences for various individual finger grip spans (i.e., four fingers had identical grip spans or different grip spans) were evaluated by using an "Adjustable Multi-Finger Force Measurement (MFFM) System". In this study, three grip spans were defined as follows: a 'favorite grip span' which is the span with the highest subjective preference; a 'maximum grip span' which is the span with the highest total grip force; a 'maximum finger grip span' which is a set of four grip spans that had maximum finger grip forces associated with the index, middle, ring, and little fingers, respectively. Ten males were recruited from university population for this study. In experiment I, each participant tested the maximum grip force with five grip spans (45 to 65mm) to investigate grip forces and subjective preferences for three types of grip spans. Results showed that subjective preferences for grip spans were not coincidence with the performance of total grip forces. It was noted that the 'favorite grip span' represented the lowest total grip force, whereas the 'maximum finger grip span' showed the lowest subjective preferences. The individual finger forces and the average percentage contribution to the total finger force were also investigated in this study. The findings of this study might be valuable information for designing ergonomics hand-tools to reduce finger/hand stress as well as to improve tool users' preferences and performance.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제16권12호
• /
• pp.3798-3814
• /
• 2022

Social recommendation algorithm can alleviate data sparsity and cold start problems in recommendation system by integrated social information. Among them, matrix-based decomposition algorithms are the most widely used and studied. Such algorithms use dot product operations to calculate the similarity between users and items, which ignores user's potential preferences, reduces algorithms' recommendation accuracy. This deficiency can be avoided by a metric learning-based social recommendation algorithm, which learns the distance between user embedding vectors and item embedding vectors instead of vector dot-product operations. However, previous works provide no theoretical explanation for its plausibility. Moreover, most works focus on the indirect impact of social friends on user's preferences, ignoring the direct impact on user's rating preferences, which is the influence of user rating preferences. To solve these problems, this study proposes a user bias drift social recommendation algorithm based on metric learning (BDML). The main work of this paper is as follows: (1) the process of introducing metric learning in the social recommendation scenario is introduced in the form of equations, and explained the reason why metric learning can replace the click operation; (2) a new user bias is constructed to simultaneously model the impact of social relationships on user's ratings preferences and user's preferences; Experimental results on two datasets show that the BDML algorithm proposed in this study has better recommendation accuracy compared with other comparison algorithms, and will be able to guarantee the recommendation effect in a more sparse dataset.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제37권3호
• /
• pp.185-193
• /
• 2010

최근 유비쿼터스 시대의 도래와 함께 개인화된 서비스를 제공하기 위한 다양한 서비스 모델들이 제안되어 왔으며, 특히, 사용자에게 개인화된 서비스를 선응적으로 제공하기 위한 다양한 추천 서비스 기법들이 고안되었다. 그러나, 기존의 기법들은 수 많은 데이터를 여과 과정 없이 분석함으로써 추천의 효율성이 떨어지며, 한정된 상황 인지 정보만용 추천 요소로 고려하기 때문에 사용자에게 개인화된 서비스를 제공하기에 적합하지 않다. 본 논문에서는 유비쿼터스 환경에서 사용자의 현재 상황에 가장 적합한 서비스를 제공하는 적응형 추천 서비스 기법을 제안한다. 본 기법은 사용자의 선호도 예측을 위해 누적된 사용자와 장치 간의 상호작용 상황 정보들을 이용하며, 군집 및 협업 필터링 기법을 이용하여 사용자에게 현재 상황에 적응적인 서비스를 추천한다. 군집 기법을 통해 사용자의 현재 위치에 근접한 데이터만을 분석함으로써, 추천의 효율성을 높이며, 협업 필터링을 이용하여 누적된 정보들이 충분하지 않은 상황에서도 정확한 추천을 보장한다. 끝으로, 시뮬레이션을 통해 본 기법의 성능 및 신뢰성을 평가한다.

• 기술혁신학회지
• /
• 제9권1호
• /
• pp.52-83
• /
• 2006

본 논문은 지상파DMB와 위성DMB 두 서비스 간의 비교 분석을 통해 소비자 수용도에 있어서 어떠한 차이가 있는지 알아보고자 하였다. 이를 위해 소비자 설문조사를 실시하였고, 소비자들을 지상파DMB와 위성DMB 선호유형에 따라 비선호집단, 지상파DMB선호집단, 위성DMB선호집단, 듀얼형 선호집단 등 네 가지 유형으로 분류하여 이들 세분집단별로 소비자 특성에 있어서 어떠한 차이가 있는지 분석하였다. 분석결과 첫째, 집단별 비율에 있어서 비선호집단(60.4%)이 가장 높게 나타났으며, 그 다음으로는 듀얼형 선호집단(18.5%)이었는데 이러한 사실은 양쪽 서비스 모두를 함께 이용할 수 있는 듀얼형 서비스의 필요성을 제기하고 있다. 둘째, 인구통계학적 특성에 있어서는 특히 소득이 높을수록 위성DMB를, 중산층일수록 지상파DMB를 선호하고, 저소득층은 DMB에 대한 관심이 낮은 것으로 분석되었다. 셋째, DMB 선호유형별 기존 통신방송 이용에 있어서의 차이를 알아본 결과 케이블TV 이용자는 지상파DMB를 선호하고 위성TV 이용자는 위성DMB를 상대적으로 더 선호하는 것으로 나타났다. 넷째, DMB 선호유형별 라이프스타일 특성을 알아본 결과 대체로 위성DMB는 혁신형 고객이 선호하고 지상파DMB는 실속형 고객이 선호하는 것으로 나타났다. 마지막으로, DMB 선호유형별로 DMB에 대한 태도를 알아본 결과 대체로 위성DMB 선호자들이 DMB에 대해 가장 긍정적인 태도를 갖고 있는 것으로 분석되었다.

• 한국HCI학회논문지
• /
• 제5권2호
• /
• pp.25-31
• /
• 2010

본 논문은 전시장의 다수 방문자를 위한 혼합형 그룹 경로 생성 시스템을 제안한다. 제안하는 혼합형 그룹 경로 생성 시스템은 다수 방문자들이 조화롭게 자신들의 방문 경로를 설정할 수 있도록 있도록 그룹 내 각 사용자의 프로파일을 합병하고, 자동 선택과 사용자 참여를 혼합하여 적절한 방문지를 선택하고 경로를 생성 한다. 사용자 프로파일 합병에서는 전시장에 대한 개별 사용자 프로파일을 곱하기 효용 함수를 적용하여 그룹 프로파일로 합병한다. 그리고 합병된 사용자 프로파일과 개별 사용자의 선호도를 차이가 적은 경우에는 자동으로 경로를 설정하고, 사용자의 선호도와 융합된 프로파일과 차이가 큰 경우에는 방문 가능한 곳을 추천하여 사용자들이 경로를 설정하도록 한다. 제안하는 혼합형 그룹 방문 경로 생성 시스템의 유용함을 보이기 위해 11명의 사용자를 모집하여 여러 가지 전시관 시나리오에 적용하여 경로 생성 기법을 검증하였다. 실험 결과 시스템의 자동 선택과 사용자의 선택적인 참여가 융합된 제안하는 방법이 그룹 사용자의 경로 설정에 효과적임을 알 수 있었다.

• 디지털콘텐츠학회 논문지
• /
• 제12권3호
• /
• pp.263-270
• /
• 2011

국내에서 스마트폰의 사용자 증가로 인하여 모바일 웹에서 효율적인 정보 전달에 관한 중요성이 증대되고 있다. 본 연구에서는 모바일 기기와 모바일 웹의 특성을 파악하고 국내 포털 모바일 웹 디자인에 관한 분석을 실시한 후, 설문조사와 인터뷰를 통하여 사용자들이 선호하는 모바일 웹 디자인을 파악하였다. 작은 화면에 압축된 정보를 제공하기 위해서는 중요한 콘텐츠는 스크롤이 되지 않은 상태에서 나타나는 것이 이상적이다. 사용자들은 모바일 웹에서 간결하고 깔끔한 디자인과 손가락 터치가 쉬운 아이콘으로 제작된 메뉴를 선호하였으며 정보를 전달받을 때 텍스트 뿐 아니라 사진이미지를 텍스트와 함께 제공하는 것을 더 선호하였다. 향후, 본 논문의 결과와 함께 사용성 평가와 선호도 조사가 함께 이루어진다면 이후 후속 연구에서 모바일 웹에서 효율적인 정보전달을 가능하게 하는 모바일 웹 디자인 가이드라인이 제시될 수 있다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제31권4호
• /
• pp.457-466
• /
• 2004

추천은 과다하게 제공되는 정보로부터 사용자 개인의 취향에 알맞은 정보만을 제공하는 서비스이다. 최근 이러한 서비스는 정보제공자와 인터넷 사용자들이 많은 관심을 가지고 있다. 또한, 서비스를 위해 가장 널리 사용되는 방법은 협력적 여과방법이다. 협력적 여과방법은 특정 사용자와 관련 있는 사용자들에 대한 목표 항목의 선호도를 이용하거나 목표 항목과 관련 있는 항목들에 대한 특정 사용자의 선호도를 이용하여 특정 사용자에게 목표 항목을 추천하는 방법이다. 본 논문에서는 신경망 기반 협력적 여과 방법을 제안한다. 제안한 방법은 신경망을 이용하여 사용자 흑은 항목들 간의 선호 상관관계를 학습시킴으로써 모델을 생성하고 생성된 모델을 사용하여 추천할 목표 항목의 선호도를 추정하는 방법이다. 특히, 본 논문에서는 희소성 문제를 해결하기 위해 다양한 정보를 융합하는 방법과 보다 성능을 향상시키기 위해 목표 항목과 관련 있는 항목들 또는 특정 사용자와 관련 있는 사용자들을 선택하는 것에 대해 제시한다. 마지막으로 EachMovie 데이타를 이용한 실험들을 통해 제안한 방법이 기존 방법들 보다 우수한 성능을 보이는 것을 확인할 수 있다.

• 정보과학회 논문지
• /
• 제43권7호
• /
• pp.786-794
• /
• 2016

여러 사물 인터넷 기기들을 조합, 활용하여 다양한 서비스를 제공할 수 있게 된 환경에서 추천 시스템은 사용자가 원하는 서비스를 선택하는 데 있어 도움을 줄 수 있다. 기존의 추천 시스템에 대한 많은 연구는 주로 개인 사용자 대상의 추천에 집중되어 있으나 사물 인터넷 환경에서는 개인과 그룹 모두 사용자가 될 수 있으므로 그룹에 대한 추천 방법이 필요로 하다. 본 연구는 사물 인터넷 환경에서 그룹 사용자들의 서비스 선호도를 분석하고, 이를 바탕으로 특정 장소에서 서비스를 이용한 적이 없는 새로운 그룹 사용자에게 서비스를 추천할 수 있는 방법을 개발하였다. 본 연구에서는 그룹의 구성 정보를 기반으로 그룹들 간의 유사도를 측정하여 사용자 기반 협업 필터링을 적용하였다. 실험에서는 실제 사물 인터넷 테스트 베드 환경에서 수집된 데이터를 사용하였으며 실험 결과를 통해 제안한 서비스 추천 방법이 효과적임을 확인할 수 있었다.

• 한국컴퓨터정보학회논문지
• /
• 제27권9호
• /
• pp.59-68
• /
• 2022

추천시스템은 소비자를 대신하여 소비자가 선호할 만한 아이템이나 서비스를 검색하여 구매할 수 있도록 한다. 추천시스템의 추천은 사용자들이 경험하지 않은 아이템들에 대한 선호 예측이기 때문에 완전하게 맞는 답이 도출되는 것은 불가능하다. 따라서 예측에 대한 평가가 수행되어야만 비로소 추천시스템이 정확한지 아닌지를 판단할 수 있다. 그러나 사용자 선호에 대한 예측 정확성만을 높이는 추천은 오히려 사용자의 만족도를 하락시킬 수 있는데 이는 사용자의 취향만을 반영한 편중된 결과로 사용자는 다양한 아이템들로 구성된 추천 결과를 받을 수 없는 필터버블 현상이 야기되기 때문이다. 품질 측정 지표의 다각화가 필요한 이유이고 대표적으로 다양성 지표가 사용된다. 본 논문에서는 추천 결과의 다양성 증대를 위한 3가지 기본 접근방법인 bin packing, weighted random choice, greedy re-ranking을 실제 e-커머스 데이터인 패션 쇼핑몰 데이터에 적용하여 도출된 결과와 F1 score에 기반을 둔 차이를 분석한다.

• Journal of Information Technology Applications and Management
• /
• 제12권4호
• /
• pp.45-57
• /
• 2005

In order to provide personalized knowledge recommendation services, most web portals for organizational knowledge management use category or keyword information that portal users explicitly express interests in. However, it is usually difficult to collect correct preference data for all users with this approach, and, moreover, users' preferences may easily change over time, which results In outdated user profiles and impaired recommendation qualify. In order to address this problem, this paper suggests knowledge recommendation methods for portals using user profiles that are automatically constructed from users' activities such as posting or uploading of articles and documents. The result of our experiment shows that the Proposed method can provide equivalent performance with the manual category or keyword selection method.