• 경영정보학연구
• /
• 제18권3호
• /
• pp.155-183
• /
• 2016

방대한 콘텐츠가 생산되고 소비되면서 빅데이터를 활용한 개인 추천 서비스가 최근 주목 받고 있다. 개인 추천 서비스를 위하여 개인 정보나 콘텐츠 평가 정보를 수집하는 것은 서비스 제공자 입장에서 중요해지고 있다. 기존 연구들은 적은 평점 정보로 더 나은 추천을 제공할 수 있는 알고리즘을 제안하거나, 평점의 양을 늘리기 위한 서비스 디자인을 제시하였다. 그러나 추천서비스 사용자가 어떤 동기로 평점을 입력하고, 서비스를 지속적으로 사용하는지에 대한 연구는 거의 없었다. 본 논문에서는 추천 서비스를 사용하고 있는 사용자들을 심층 인터뷰하여 평점 입력의 동기와 평점의 의미에 대하여 탐구하였다. 그 결과, 서비스를 경험 하면서 평점의 의미와 활용 정도가 달라짐을 알 수 있었다. 초기 평점을 입력할 때에는 과거 경험에 대한 데이터베이스를 구축하는 의미로 활용하였고, 초기 평점 단계를 지나면 현재의 느낌과 생각을 반영하는 도구로 활용하였다. 이 과정에서 자신의 평점 체계를 정교하게 다듬으며 자신만의 의미를 부여하는 모습을 보였다. 마지막 단계에서는 자신의 평점 체계뿐만 아니라 다른 사람의 평점 체계나 평점의 의미를 읽어내고 적극적으로 활용하는 모습을 보인다. 서비스에서 제공하는 알고리즘의 한계를 파악하고 있기 때문에 서비스의 추천을 불신하기도 하였다. 연구 결과를 바탕으로 추천 서비스에 대한 실무적 시사점을 도출하였다.

• 정보관리학회지
• /
• 제26권1호
• /
• pp.81-105
• /
• 2009

본 연구에서는 웹, IPTV 등의 콘텐츠 유통망에서의 개인화 추천서비스를 위하여 이용자의 콘텐츠 이용행위와 콘텐츠의 위치정보를 활용한 추천방법을 제안하고 있다. 추천방법의 성능향상을 위하여 이용자 및 콘텐츠 프로파일 생성방법과 함께, 이용자의 콘텐츠 이용행위를 암묵적 이용자 피드백으로서 학습과정에 적용하여 이용자 선호도를 분석하였다. 학습과정에서의 이용자 선호도 분석을 위하여 협업여과추천방법 및 내용기반추천 방법을 적용하였다. 또한 보다 정확한 추천을 위한 최종 콘텐츠 추천을 위하여 웹사이트 상의 콘텐츠에 대한 위치정보를 활용한 추천방법을 제안하고 있다. 이를 통하여 보다 효율적이고 정확한 추천 서비스의 제공이 가능할 수 있다.

• 감성과학
• /
• 제10권1호
• /
• pp.1-11
• /
• 2007

노인의 일상생활을 편안하고 즐겁게 지낼 수 있도록 도와주는 동반자 로봇의 기능 중 부정적인 감정/정서상태 개선을 위한 Infotainment Service를 소개한다. 노인의 일상생활 중에서 부정적인 감정/정서상태를 정의하고, 이들의 정서상태를 개선할 수 있는 방법들을 모색한다. 인지행동치료에서의 배경지식을 기반으로 노인의 부정적인 정서상태를 개선할 수 있는 애니메이션 클립들을 제작, 편집하여 검증해 보기로 한다. 또한, 검증된 애니메이션 클립들을 이용하여 바람직한 감정상태로의 전이를 위한 감성 컨텐츠를 제공하는 기능을 도출한다. 구체적으로 일련의 실험적 접근방법을 토대로 제작, 편집한 애니메이션 클립을 이용하여 영화의 감정요소를 분석할 수 있는 도구를 설계하고, 기존의 선호도를 고려한 영화추천 시스템을 확장한 감정요소를 고려한 영화 추천시스템을 제안한다.

• 한국멀티미디어학회논문지
• /
• 제24권12호
• /
• pp.1673-1681
• /
• 2021

Item cold start is a well studied problem in the research field of recommender systems. Still, many existing collaborative filters cannot recommend items accurately when only a few user-item interaction data are available for newly introduced items (Cold items). We propose a interaction feature prediction method to mitigate item cold start problem. The proposed method predicts the interaction features that collaborative filters can calculate for the cold items. For prediction, in addition to content features of the cold-items used by state-of-the-art methods, our method exploits the interaction features of k-nearest content neighbors of the cold-items. An attention network is adopted to extract appropriate information from the interaction features of the neighbors by examining the contents feature similarity between the cold-item and its neighbors. Our evaluation on a real dataset CiteULike shows that the proposed method outperforms state-of-the-art methods 0.027 in Recall@20 metric and 0.023 in NDCG@20 metric.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2022년도 제65차 동계학술대회논문집 30권1호
• /
• pp.35-38
• /
• 2022

콘텐츠 기반 추천 시스템은 대표적인 추천 모델 방법 중 하나이다. 하지만 콘텐츠 기반 추천 시스템은 사용자 관련 메타데이터를 고려하기보다 내용 관련 메타데이터에만 의존하는 경향이 있다. 본 논문에서는 영화의 특징을 담고 있는 메타데이터를 이용해 추천 시스템을 간단히 구현하고, 추천한 영화와 사용자의 영화 평점을 이용해 추천 시스템의 정확도를 측정하였다. 영화 메타데이터 keywords, genres, cast의 개수를 늘려가며 정확도가 변화하는지 알아보았다. 메타데이터 각각의 개수가 증가하면 정확도도 향상할 것이라고 기대했으나 큰 차이가 나타나지 않았다. 모델 평가 결과, 미세한 차이지만 영화 메타데이터를 상위 3개씩 추출해 영화를 추천했을 때의 정확도가 1.2100318041248186으로 가장 높았다.

• 지능정보연구
• /
• 제29권1호
• /
• pp.41-63
• /
• 2023

전자상거래 시장의 꾸준한 성장으로 인해 추천 시스템의 필요성은 점차 강조되고 있으며, 최근에는 추천 성능의 향상을 목적으로 리뷰 텍스트를 사용하는 연구가 활발히 진행되고 있다. 특히 많은 연구들은 리뷰 텍스트의 감성 점수를 활용하여 제안되고 있는데, 감성 점수만을 사용하는 방법론은 리뷰 텍스트에 존재하는 구체적인 선호도 정보의 활용 측면에 한계를 가지며 이는 결과적으로 성능 향상에 제약으로 작용하게 된다. 이를 개선하기 위해 본 연구는 딥러닝 기반 추천 모델에 온라인 리뷰 내 다양한 언어학적 요소들을 활용하여 고객의 선호도를 정교하게 학습할 수 있는 새로운 추천 방법론을 제안하였다. 이를 위해 먼저 고객과 상품 간 복잡한 상호작용을 고려할 수 있도록 딥러닝 모델을 통해 상호작용 관계를 비선형으로 학습하였다. 그리고 리뷰 텍스트를 효과적으로 활용할 수 있도록 언어학적 요소 중 고객의 구매 의사결정에 중요한 영향을 미치는 인지적 요인, 정서적 요인 그리고 언어 스타일 매칭을 사용하였다. 실험은 Amazon.com에서 수집한 온라인 리뷰 데이터를 사용하여 진행하였고, 실험 결과 제안 모델의 우수함을 검증할 수 있었다. 본 연구는 추천 시스템에서 리뷰 텍스트 내 고객 선호도에 대한 정보를 효과적으로 활용하는 방법론을 제안하여 연구의 이론적 및 방법론 측면에 기여하였다.

• 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.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2018년도 춘계학술발표대회
• /
• pp.418-419
• /
• 2018

본 논문에서는 사용자의 상품에 대한 평점 정보와 상품의 컨텐츠 정보를 모두 이용하는 하이브리드 추천 모델에 대해서 논의한다. 기존 논문들과는 다르게, 본 논문은 추천의 정확도를 높이기 위해 사용자가 상품의 컨텐츠 (예를 들면, 영화의 장르 또는 상품의 카테고리 등) 에 가질 수 있는 선호도를 예측하고, 이를 추가적으로 활용할 수 있는 딥러닝 기반의 추천 모델을 제안한다. 실세계의 데이터를 이용해서 제안하는 방법의 우수성을 보인다.

• 지능정보연구
• /
• 제18권4호
• /
• pp.19-42
• /
• 2012

고객이 상품을 구매하는 패턴이 빠르게 변화하고 있다. 오프라인에서 고객이 직접 상품을 보고, 체험한 후 구매하던 패턴이 TV홈쇼핑, 인터넷 쇼핑 등 고객이 편리한 장소에서 자유롭게 구매하는 방법으로 확산되었다. 이처럼 구매 가능한 상품의 범위는 점점 더 다양해지고 있지만 이로 인하여 고객이 상품을 구매할 때 생기는 번거로움은 더욱 커지고 있다. 오프라인에서는 물건을 직접보고 구매하기 때문에 반품율이 낮은 반면에 온라인 구매 물품은 배송과 환불 등에서 복잡한 일들이 많이 발생한다. 온라인을 통해서 물건을 구매할 때 상품에 대한 사전 정보는 매우 한정적이며 실제로 물건을 구매했을 경우 고객이 생각했던 것과 다를 수 있다. 이러한 결과는 결국 고객의 불만족 및 구매취소로 이어진다. 또한 TV홈쇼핑이나 인터넷 쇼핑 등을 통해서 물건을 구매할 때 고객들은 이미 상품을 구매한 고객의 리뷰에도 관심을 기울이고 있다. 좋은 평가를 받은 상품은 더 많은 매출로 이어질 수 있기 때문에 기업은 이에 관심을 기울일 필요가 있다. 고객의 욕구를 만족시킬 수 있는 적절한 상품을 추천해 주고 이를 구매로 연결시키는 것은 기업의 이윤 창출과 직결되기 때문에 그 중요성이 강조된다. 고객을 위한 추천방법은 베스트셀러기반 추천방법, 인구통계 정보기반 추천방법, 최소질의대상 상품결정방법, 내용필터링기법, 협력필터링기법 등이 존재하며, 이에 대한 많은 연구가 활발하게 진행되고 있다. 그러나 위의 방법들을 신규고객에게 적용하는 것에는 문제가 발생할 수 있다. 신규고객은 상품에 대한 과거 구매이력이 존재하지 않기 때문이다. 이를 해결하기 위한 방안으로 가입 시, 고객의 인구통계적 정보나 선호도에 대한 응답을 유도하는 방법을 활용할 수 있다. 그러나 고객이 이에 대한 번거로움을 느낄 수도 있으며, 불완전한 답변을 하게 되면 추천의 정확도는 감소한다. 최근 이미 상품을 구매한 고객의 리뷰 및 기업에서 추천하는 제품에 의존하는 고객들이 증가하면서 이를 악용하는 사례도 자주 등장한다. 결국 추천에 대한 고객들의 신뢰는 감소하게 될 것이다. 따라서 좀 더 명확한 방식의 추천시스템이 절실하며, 이것이 개선된다면 는 곧 고객들의 신뢰 증가로 이어질 것이다. 본 연구에서는 협력필터링기법과 사회연결망기법의 중심성을 결합한 분석을 시도하였다. 중심성은 신규고객의 선호도를 기존고객들의 데이터를 통하여 유추하기 위하여 활용되는 정보이다. 기존 연구들에서는 기존고객들의 구매 가운데 구매성향이 유사한 고객들의 정보에 초점을 맞추고 있으며 구매성향이 다른 고객들의 정보에 대한 분석은 이루어지고 있지 않다. 그러나 이처럼 구매성향이 서로 다른 고객들의 정보를 활용한다면 추천의 정확성이 더 향상되지 않을까 하는 점을 기반으로 데이터들을 다양한 방식으로 분석하였다. 연구에 사용된 데이터는 미네소타대학의 GroupLens Research Project팀이 협력필터링기법을 통하여 영화를 추천하기 위해 만든 MovieLens의 데이터이다. 이는 1,684편의 영화에 대한 선호도를 943명이 응답한 정보로 총 100,000개의 데이터가 있다. 이를 시간 순으로 구분하여 초기 50,000개의 데이터를 기존고객의 데이터로, 후기 50,000개의 데이터를 신규고객의 데이터로 사용하였다. 이 때, 신규고객과 기존고객은 연구자가 임의로 구분한 것이다. 따라서 신규고객이라고 표현되는 고객의 데이터는 실제로 추천시스템을 통해 정보를 제공받은 고객이라고는 볼 수 없다. 그러나 현실적으로 실제 신규고객의 데이터를 수집하는 것이 쉽지 않기 때문에 전체 고객의 정보를 시간 순으로 구분하고 신규고객으로 분류한 것임을 밝혀둔다. 제시된 추천시스템은 [+]집단 추천시스템, [-]집단 추천시스템, 통합 추천시스템으로 총 3가지이다. [+]집단 추천시스템은 기존의 연구들과 유사한 방식으로 유사도가 높은 고객들을 신규고객의 이웃고객으로 분석하였다. 유사도가 높다는 것은 다른 고객들과 상품 구매에 대한 성향이 유사한 것을 의미한다. 또한 [-]집단 추천시스템은 유사도가 낮고 다른 고객들과 상품의 구매패턴이 반대에 가까운 고객들의 데이터를 활용하였으며, 통합 추천시스템은 [+]집단 추천시스템과 [-]집단 추천시스템을 결합한 방식이다. [+]집단 추천시스템과 [-]집단 추천시스템에서 각각 추천된 영화 가운데 중복되는 영화만을 신규고객에게 추천하는 방식이다. 다양한 방법의 시도를 통하여 적절한 추천시스템을 찾고, 추천시스템의 정확도를 향상시키는데 그 목적이 있다. 활용된 데이터의 분석 결과는 통합 추천시스템이 정확도가 가장 높았으며 [-]집단 추천시스템, [+]집단 추천시스템의 순인 것으로 나타났다. 이는 통합 추천시스템이 가장 효율적일 것이라는 연구자의 추측과 일치하는 결과이다. 각각의 추천시스템은 정확도의 변화를 쉽게 비교할 수 있도록 등고선지도 및 그래프를 이용하여 나타냈다. 연구의 한계점으로는 연구자가 제시한 통합 추천시스템과 [-]집단 추천시스템에 대한 정확도는 향상되었지만 이는 임의로 구분한 기준을 바탕으로 분석하였다는 점이다. 실제 추천된 영화를 바탕으로 신규고객이 영화를 선택 한 것이 아니라 기존고객의 데이터를 임의로 분류하였기 때문이다. 따라서 이는 추천 영화가 실제 고객에 미친 영향이 아니라는 한계가 존재한다. 또한 영화가 아닌 다른 상품에 대해서 이 추천시스템을 적용하였을 경우 추천 정확도에는 차이가 있을 수 있다. 따라서 추천시스템을 적용할 때에는 각 상품 및 고객집단의 특성에 적합한 적용이 필요하다.

• 정보화연구
• /
• 제9권1호
• /
• pp.57-66
• /
• 2012

최근 모바일 콘텐츠 시장이 급속도로 성장하면서 다양한 모바일 기반의 애플리케이션들이 출시되고 있다. 하지만 모바일 기기들은 일반 컴퓨터와 비교하였을 때 화면의 크기 및 입력 방법 등과 같은 제약으로 최종 이용하고자 하는 콘텐츠까지 도달하는데 많은 노력과 시간이 소요된다. 이러한 불편함을 해결하기 위해서는 사용자가 선호할 만한 정보를 예측하고 필터링 되어진 맞춤형 정보를 제공 하는 추천시스템이 필요하다. 본 연구에서는 스마트폰 기반의 사용자 정보추천 시스템을 제안한다. 정보의 필터링은 사용자 기반 협업 필터링을 이용하여 개인이 선호할 것이라 판단되는 정보를 예측하고 추천하였다. 이때 사용자 기반 협업필터링 과정에서 사용되는 유사도는 피어슨 상관계수를 가중치로 이용한 유클리디안 거리 기법의 유사도를 사용하였다. 성능 평가를 위해 음식점 추천 시나리오를 이용하였으며 이를 통해 제안 추천 시스템의 유용성을 보였다. 실험을 통하여 본 연구의 추천 서비스의 유용성을 검증하였다.