• 한국정보과학회논문지:정보통신
• /
• 제36권1호
• /
• pp.50-56
• /
• 2009

본 논문에서는 P2P 네트워크 환경에서 유사한 특성을 가진 다른 노드(node)를 찾아 추천자(recommender) 그룹을 형성하고 유지하는 새로운 알고리즘을 제안한다. 두 노드의 유사한 특성을 비교하기 위해 본 논문에서는 두 노드의 특성값(characteristic value. 이하 CV)을 이용한 적합도 검사(fitness evaluation)를 사용하여 유사도(similarity)를 확인한다. 유사도의 크기가 작을수록 두 노드는 매우 유사한 특성을 가지게 된다. 또한, 본 논문에서 제안하는 GORGFM(Globally Optimal Recommender Group Formation and Maintenance) 알고리즘은 최단 기간 내에 최적의 추천자 그룹을 형성하고 사용자의 선호도 변화에 대응할 수 있는 알고리즘이다. GORGFM 알고리즘을 평가하기 위해 본 논문에서는 매칭율(matching rate)과 얼마나 빠르고 정확하게 추천자 그룹을 형성하는가에 대해 시뮬레이션 한다. GORGFM 알고리즘은 네트워크에서뿐만 아니라 인터넷상에서 컨텐츠(contents) 검색 등과 같이 적합도 함수(fitness function)를 이용할 수 있는 모든 시스템에 적용할 수 있다.

• 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.

• 인터넷정보학회논문지
• /
• 제11권6호
• /
• pp.1-11
• /
• 2010

특정 기능을 중심으로 연구 개발되었던 LBS는 GPS 기능이 탑재된 스마트폰의 급속한 보급에 의해 개인을 위한 솔루션으로 점차 변모하고 있다. 이에 본 논문에서는 협업 필터링 기술에 기반한 추천 시스템을 개인용 LBS에 적용하여 위치기반 콘텐츠 제공 시스템의 개인화 방안을 제안하고자 한다. 제안하는 개인화 LBS 시스템은 사용자의 현재 위치를 중심으로 사용자가 설정한 반경 거리 안에 공유된 위치기반 콘텐츠의 선호도를 예측하여 사용자가 관심을 보일 것이라 예상되는 콘텐츠를 추천한다. 제안하는 시스템의 성능을 평가하기 위해 실지 구현한 프로토타입을 바탕으로 다양한 조건에서 선호도 예측 정확도를 관찰한 결과, 협업 필터링 기술과 LBS의 융합이 LBS의 개인화를 위한 측면에서 유효함을 확인할 수 있었다.

• 한국콘텐츠학회논문지
• /
• 제8권2호
• /
• pp.1-8
• /
• 2008

사용자가 정보를 효율적으로 이용할 수 있도록 제어하고 필터링하는 일을 도와주는 정보 시스템이 등장하였다. 내용 기반 필터링은 아이템의 특징을 기술하는 정보와 사용자의 기호를 가지고 있는 프로파일을 비교하여 사용자에게 필요한 정보를 추천하는 방법이다. 이는 학습 방법에 따른 정확도가 변한다는 문제점이 있다. 본 논문에서는 내용 기반 필터링을 위한 프로파일 학습에 의한 선호도 발견을 제안하였다. 문제점을 개선하기 위해서 6단계로 평가한 선호도에 따른 추정치를 부여하여 프로파일 학습을 함으로써 추천의 정확도를 향상시켰다. 제안한 방법을 MovieLens 데이터에 적용하여 실험 및 평가를 실시하였는데, 기존 연구와 비교 실험을 통해 성능을 평가하였다.

• 한국콘텐츠학회논문지
• /
• 제11권2호
• /
• pp.101-112
• /
• 2011

사회가 점점 고도화 되면서 스트레스는 중요한 사회적 이슈로 부각되고 있다. 본 논문에서는 스트레스의 완화를 위한 맞춤형 콘텐츠 서비스 시스템을 설계하고 구현한다. 본 제안 시스템에서는 생체신호 및 심리정보를 기반으로 스트레스 증상 및 지수를 계산하고 선호도 등의 사용자 정보를 기반으로 영상, 음향, 향기 및 조명 콘텐츠 조합을 추천하고 추천된 콘텐츠 서비스를 제공한다. 이를 위하여 본 논문에서는 스트레스 증상을 분류하고, 심리정보 측정을 위한 자가평가도구 문항을 정의하였다. 정의된 스트레스 증상에 맞게 영상, 음향, 향기 및 조명 콘텐츠를 분류하였으며, 3단계 사용자 맞춤형 콘텐츠 추천 모델을 제안하였다. 또한 사용자 맞춤형 콘텐츠 서비스 모델을 제안하였으며, 이에 따라 서비스 시스템을 설계 및 구현하였다. 본 시스템은 기존의 시스템들과는 달리 사용자 맞춤형이며 다양한 콘텐츠 조합을 서비스할 수 있는 특징이 있다.

• 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.

• 한국산업정보학회논문지
• /
• 제18권4호
• /
• pp.73-79
• /
• 2013

최근 스마트 TV는 빠른 속도로 확산되고 있으나 스마트 폰이나 스마트 패드에 비하여 입력장치의 사용이 매우 불편하며 많은 양의 콘텐츠 중 자신에게 적합한 콘텐츠를 빠르게 찾기 어렵다는 한계로 인하여 스마트 기기 중 그 기능의 사용빈도가 낮다는 문제점이 있다. 본 연구에서는 이러한 문제점을 개선하고 스마트 TV 상에서 사용자가 원하는 콘텐츠를 보다 쉽게 찾을 수 있는 개인화된 지능형 추천 시스템을 제안하고 구축하고자 한다. 사용자 선호정보를 이용한 프로파일 분석, TV 시청에 대한 패턴 분석, 애플리케이션에 대한 사용통계 분석 등 사용자에 대한 여러 가지 정보를 다차원적으로 고려하여 사용자에게 가장 적합한 콘텐츠를 추천할 수 있는 개인화된 지능형 시스템을 설계 및 구축하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제31권3호
• /
• pp.332-342
• /
• 2004

엄청난 속도로 증가하고 있는 정보의 홍수 시대에서는 정보들을 선별하기 위하여 정보 필터링기법이 필요하다. 정보 필터링은 내용 기반 방법과 협력에 의한 방법으로 분류할 수 있다. 내용 기반 기법에서는 내용에 기반을 두어 정보를 추출하는 반면 협력 기법은 다른 사람들의 의견을 이용하게 된다. 본 논문에서는 기존 협력 필터링 방법의 문제점을 해결하기 위한 방법의 일환으로 내용 기반 기법과 협력 기법을 보다 유기적으로 결합시키는 연구를 수행하였다. 이를 위해 협력 필터링 틀을 그대로 유지하면서 사용자 프로파일을 효과적으로 이용하는 방법을 제안하였다. 또한, 본 논문에서 제시한 기법을 실험적으로 분석하고 기존의 필터링 기법과 비교하였다. 실험 결과, 본 방법이 예측 질 면에서 상당한 성능 향상이 있었고 새로운 사용자에게도 보다 나은 추천을 할 수 있음을 알 수 있었다.

• 한국콘텐츠학회논문지
• /
• 제8권3호
• /
• pp.1-7
• /
• 2008

유비쿼터스 컴퓨팅의 발달로 인하여 다양하고 폭넓은 정보가 디지털 형태로 빠르게 생산 및 배포되고 있다. 사용자가 이러한 정보과잉 속에서 자신이 원하는 정보를 단시간 내에 검색하는 것은 그리 쉬운 일이 아니다. 본 논문에서는 이미지 기반 필터링을 이용한 개인화 아이템 추천 기법을 제안한다. 피상적인 내용분석이라는 단점을 개선하기 위하여 사용자가 관심을 가지는 이미지 데이터로부터 특징을 추출하는 이미지 기반 필터링을 사용하였다. 제안한 방법에 대해 MovieLens 데이터에서 내용 기반 필터링과 협력적 필터링과의 비교 실험을 통해 성능을 평가하였다. 실험 결과, 제안한 방법이 기존의 다른 방법보다 우수함을 확인하였다.

• 지능정보연구
• /
• 제14권2호
• /
• pp.157-177
• /
• 2008

최근 웹 2.0의 영향으로 태깅을 지원하는 인터넷 서비스들이 많아졌다. 태깅의 원래 목적은 컨텐츠를 분류하고 재검색을 용이하게 하는 것이지만, 컨텐츠에 태깅되어 있는 태그들을 분석하여 컨텐츠의 특성을 파악할 수 있다. 본 논문에서는 내용 파악이 힘든 컨텐츠들이 증가함에 따라 이러한 컨텐츠들의 효과적인 추천을 위해, 여러 사용자들에 의해 협업적으로 태깅된 정보를 이용한 여과 기법을 제시한다. 제안하는 방법은 사용자가 태깅한 정보들을 바탕으로 사용자의 관심을 파악하는 부분과 파악된 관심에 맞는 컨텐츠를 선별하는 부분으로 나뉘어진다. 사용자의 관심을 파악하는 부분은 사용자가 태깅한 정보들을 협업적 여과를 이용하고, 컨텐츠 선별은 확률적인 방법인 나이브 베이지안 분류자를 이용한다. 이를 통해 협업적 여과 방법의 문제점인 희박성 문제(sparsity problem)와 초기 사용자 문제(cold-start user probleam) 대해 기존의 방법들과 비교하여 그 효과를 보인다.