• 한국멀티미디어학회논문지
• /
• 제18권9호
• /
• pp.1068-1082
• /
• 2015

Due to the rapid advancement of the mobile technology, smart phones have been widely used in the current society. This lead to an easier way to retrieve video contents using web and mobile services. However, it is not a trivial problem to retrieve particular video contents based on users' specific preferences. The current movie recommendation system is based on the users' preference information. However, this system does not consider any emotional means or perspectives in each movie, which results in the dissatisfaction of user's emotional requirements. In order to address users' preferences and emotional requirements, this research proposes a movie recommendation technology to represent a movie's emotion and its associations. The proposed approach contains the development of emotion ontology by representing the relationship between the emotion and the concepts which cause emotional effects. Based on the current movie metadata ontology, this research also developed movie-emotion ontology based on the representation of the metadata related to the emotion. The proposed movie recommendation method recommends the movie by using movie-emotion ontology based on the emotion knowledge. Using this proposed approach, the user will be able to get the list of movies based on their preferences and emotional requirements.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제9권1호
• /
• pp.446-465
• /
• 2015

In this modern era of technology and information, e-learning approach has become an integral part of teaching and learning using modern technologies. There are different variations or classification of e-learning approaches. One of notable approaches is Personal Learning Environment (PLE). In a PLE system, the contents are presented to the user in a personalized manner (according to the user's needs and wants). The problem arises when a new user enters the system, and due to the lack of information about the new user's needs and wants, the system fails to recommend him/her the personalized e-learning contents accurately. This phenomenon is known as cold-start problem. In order to address this issue, existing researches propose different approaches for recommendation such as preference profile, user ratings and tagging recommendations. In this research paper, the implementation of a novel interaction-based approach is presented. The interaction-based approach improves the recommendation accuracy for the new-user cold-start problem by integrating preferences profile and tagging recommendation and utilizing the interaction among users and system. This research work takes leverage of the interaction of a new user with the PLE system and generates recommendation for the new user, both implicitly and explicitly, thus solving new-user cold-start problem. The result shows the improvement of 31.57% in Precision, 18.29% in Recall and 8.8% in F1-measure.

• 한국콘텐츠학회논문지
• /
• 제21권7호
• /
• pp.134-143
• /
• 2021

최근 모바일 기기 및 소셜 미디어 서비스의 발전으로 인해, 콘텐츠 추천 기법에 대한 연구들이 진행되고 있다. 그러한 콘텐츠 추천 기법들은 일반적으로 취업 큐레이션 시스템에 적용된다. 대부분의 기존 대학 교육 콘텐츠 추천 기법은 해당 학생의 학교, 전공 등을 바탕으로 가장 많이 수강한 과목만을 추천하기 때문에 각 학생이 원하는 취업의 형태나 분야 등이 고려되지 않는다. 본 논문에서는 취업 큐레이션 시스템 기반의 개인 맞춤형 교육 콘텐츠 추천 기법을 제안한다. 제안하는 기법은 사용자가 취업 큐레이션 시스템에서 활동한 내용을 바탕으로 사용자가 원하는 취업 형태와 취업 분야를 분석하여 관심 기업을 도출한다. 제안하는 기법은 도출된 관심 기업을 바탕으로 관심 기업에 취업한 졸업생들의 신뢰도와 유사도를 측정하여 참고할만한 졸업생을 선정하고 협업 필터링을 통해 사용자에게 맞춤형 교과목, 비교과목, 자율 활동 목록을 추천한다.

• 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.

• 한국멀티미디어학회논문지
• /
• 제23권1호
• /
• pp.31-42
• /
• 2020

During the 4th Industrial Revolution, service platforms utilizing diverse contents are emerging, and research on recommended systems that can be customized to users to provide quality service is being conducted. hybrid recommendation systems that provide high accuracy recommendations are being researched in various domains, and various filtering techniques, machine learning, and deep learning are being applied to recommended systems. However, in a recommended service environment where data must be analyzed and processed real time, the accuracy of the recommendation is important, but the computational speed is also very important. Due to high level of model complexity, a hybrid recommendation system or a Deep Learning-based recommendation system takes a long time to calculate. In this paper, a Cascade-hybrid recommended algorithm is proposed that can reduce the computational time while maintaining the accuracy of the recommendation. The proposed algorithm was designed to reduce the complexity of the model and minimize the computational speed while processing sequentially, rather than using existing weights or using a hybrid recommendation technique handled in parallel. Therefore, through the algorithms in this paper, contents can be analyzed and recommended effectively and real time through services such as SNS environments or shared economy platforms.

• 정보처리학회논문지D
• /
• 제15D권3호
• /
• pp.421-428
• /
• 2008

협업여과 기법은 추천 시스템에서 널리 사용되는 기술이지만, 소비자의 참조그룹을 선정하는 방법에 따라 추천의 정확도가 달라지는 특성을 가지고 있다. 이에 본 논문에서는 콘텐츠 추천의 정확도를 높이기 위하여 소비자의 감성과 소비유형을 참조그룹으로 하여 협업여과기반으로 콘텐츠를 추천하는 기법을 제안한다. 소비자의 감성을 기쁨, 슬픔, 혐오, 행복, 이완 다섯 가지로 구분하고, 소비유형을 저실용/저쾌락, 저실용/고쾌락, 고실용/저쾌락, 고실용/고쾌락 네 가지로 구분하여 콘텐츠 추천 기법의 성능을 분석한 결과, 본 논문에서 제안하는 기법으로 콘텐츠를 추천한 경우가 소비자 감성과 소비유형을 고려하지 않은 전체 참조그룹으로 추천한 경우보다 정확도가 향상됨을 확인하였다.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2004년도 추계학술대회
• /
• pp.323-330
• /
• 2004

As mobile market grows more and more fast, the mobile contents market, especially music contents for mobile phones have recorded remarkable growth. In spite of this rapid growth, mobile web users experience high levels of frustration to search the desired music. New musics are very profitable to the content providers, but the existing collaborative filtering (CF) system can't recommend them. To solve these problems, we propose an extended CF system to reflect the user's real preference by representing the characteristics of users and musics in the feature space. We represent the musics using the music contents based acoustic features in multi-dimensional feature space, and then select a neighborhood with the distance based function. Furthermore, this paper suggests a recommendation for procedure for new music by matching new music with other users' preference. The suggested procedure is explained step by step with an illustration example.

• 디지털산업정보학회논문지
• /
• 제6권2호
• /
• pp.1-9
• /
• 2010

The increasing popularity of mobile devices, such as cellular phones, smart phones, and PDAs, has fostered the need to recommend more effective information in ubiquitous environments. We propose the recommendation method for mobile contents service using contexts and prefetching in ubiquitous environment. The proposed method enables to find some relevant information to specific user's contexts and computing system contexts. The prefetching has been applied to recommend to user more effectively. Our proposed method makes more effective information recommendation. The proposed method is conceptually comprised of three main tasks. The first task is to build a prefetching zone based on user's current contexts. The second task is to extract candidate information for each user's contexts. The final task is prefetch the information considering mobile device's resource. We describe a new recommendation.

• 한국멀티미디어학회논문지
• /
• 제23권2호
• /
• pp.343-350
• /
• 2020

In the era of the Fourth Industrial Revolution in the digital revolution is taking place, various attempts have been made to provide various contents in a digital environment. In this paper, agent-recruitment service system based on collaborative deep learning is proposed for the intelligent head hunting service. The service system is improved from previous research [7] using collaborative deep learning for more reliable recommendation results. The Collaborative deep learning is a hybrid recommendation algorithm using "Recurrent Neural Network(RNN)" specialized for exponential calculation, "collaborative filtering" which is traditional recommendation filtering methods, and "KNN-Clustering" for similar user analysis. The proposed service system can expect more reliable recommendation results than previous research and showed high satisfaction in user survey for verification.

• 지식경영연구
• /
• 제21권4호
• /
• pp.175-193
• /
• 2020

정보기술과 스마트기기의 확산으로 콘텐츠를 제작 및 유통할 수 있는 환경이 변화하고 있다. 사람들은 쉽고 빠르게 콘텐츠를 이용할 수 있게 되었으며 콘텐츠 산업은 다른 산업과 융합하여 새로운 부가가치를 창출할 것으로 주목받는다. 이에 기업들은 사람들은 인식하는 콘텐츠의 품질이 어떠한지를 이해하고 이를 전략적으로 활용할 필요성이 있다. 따라서 본 연구는 정보시스템 성공모형을 기반으로 콘텐츠 품질 요인과 사용자만족, 추천의도와의 관계를 실증분석을 통해 살펴보고자 한다. 총 301명의 설문응답을 바탕으로 smartPLS3.0을 사용하여 분석을 진행하였다. 연구결과, 콘텐츠유용성, 시스템접속성, 시스템편의성, 서비스제공자신뢰, 상호작용성은 사용자만족에 유의한 영향을 미치는 것으로 나타났다. 지각된 프라이버시보호는 사용자만족과 추천의도에 유의한 영향을 미쳤다. 마지막으로 사용자만족은 추천의도에 유의한 영향을 미치는 것으로 나타났다. 본 연구의 결과는 콘텐츠 기업들이 이용자들이 인식하는 품질에 대해 이해할 수 있는 유용한 정보를 제공할 것으로 기대한다.