• 스마트미디어저널
• /
• 제12권5호
• /
• pp.9-16
• /
• 2023

In the recommendation system of the credit card company, it is necessary to understand the customer patterns to predict a customer's next merchant based on their histories. The data we want to model is much more complex and there are various patterns that customers choose. In such a situation, it is necessary to use an effective model that not only shows the relevance of the merchants, but also the relevance of the customers relative to these merchants. The proposed model aims to predict the next merchant for the customer. To improve prediction performance, we propose a novel model, called Customer-based Recommendation Model (CRM), to produce a more efficient representation of customers. For the next merchant recommendation system, we use a synthetic credit card usage dataset, BC'17. To demonstrate the applicability of the proposed model, we also apply it to the next item recommendation with another real-world transaction dataset, IJCAI'16.

• 융합정보논문지
• /
• 제9권5호
• /
• pp.1-6
• /
• 2019

모바일 시장의 확장과 함께 멀티모달 미디어 콘텐츠의 제공을 위한 플랫폼이 다양해지고 있다. 멀티모달 미디어 콘텐츠에는 이종데이터들이 복합적으로 포함되어 있어 사용자들이 선호 콘텐츠를 선택하기 위해 시간과 노력이 요구된다. 따라서 본 논문에서는 추천을 위한 키워드 가중치를 이용한 멀티모달 미디어 콘텐츠 분류를 제안한다. 제안하는 방법은 멀티모달 미디어 콘텐츠의 텍스트 데이터에서 키워드 가중치를 통해 콘텐츠를 가장 잘 나타내는 키워드를 추출한다. 추출된 키워드를 기반으로 서브클래스를 갖는 장르 클래스를 생성하고 이에 적절한 멀티모달 미디어 콘텐츠를 분류한다. 또한 개인화된 추천을 위해 사용자의 선호도 평가를 진행하여 사용자의 콘텐츠 선호도 분석 결과를 기반으로 멀티모달 콘텐츠를 추천한다. 성능평가는 추천 결과의 정확도와 만족도를 통해 우수함을 검증한다. 이는 사용자가 선호하는 장르와 키워드를 모두 고려하여 추천하기 때문에 정확도는 74.62%, 만족도는 69.1%로 높게 나타난다.

• 스마트미디어저널
• /
• 제9권1호
• /
• pp.45-50
• /
• 2020

딥 러닝의 발전에 따라 추천시스템에서 딥 러닝 기반의 인공신경망을 활용한 연구가 활발히 진행되고 있다. 특히, RNN(Recurrent Neural Network)기반의 추천시스템은 데이터의 순차적 특성을 고려하기 때문에 추천시스템에서 좋은 성과를 보여주고 있다. 본 연구는 RNN기반의 알고리즘인 GRU(Gated Recurrent Unit)와 세션 기반 병렬 미니배치(Session Parallel mini-batch)기법을 활용한 여행경로 추천 시스템을 제안한다. 본 연구는 top1과 bpr(Bayesian personalized ranking) 오차함수의 앙상블을 통해 추천 성과를 향상시켰다. 또한, 데이터 내에 순차적인 특성을 고려한 RNN기반 추천 시스템은 여행경로에 내재된 여행지의 의미가 반영된 추천이 이루어진다는 것을 확인되었다.

• 문화기술의 융합
• /
• 제7권1호
• /
• pp.582-587
• /
• 2021

도서 취향을 고려하여 도서를 추천해주는 도서 추천 시스템은 사용자의 독서 경험과 독서에 대한 인식 개선에 효과적이다. 축적된 사용자 평점 기록이 상대적으로 적은 도서의 경우 추천 정확도에 한계가 나타난다. 본 연구에서는 상대적으로 풍부한 사용자 평점 데이터를 가진 영화 평점 정보를 이용하여 사용자에게 맞춤형 도서를 추천하는 추천 시스템을 제안한다. 제안하는 방법을 통해 도서 추천의 정확도를 높이고 보다 다양한 종류의 추천을 수행하는데 효과적임을 보였다. 영화 평점 데이터를 활용한 도서추천 시스템은 도서 분야 외 타 미디어 플랫폼의 데이터를 도서추천에 활용하는 의미 있는 시도가 될 것으로 예상한다.

• 지능정보연구
• /
• 제28권4호
• /
• pp.95-117
• /
• 2022

인터넷 기술의 발전으로 인해 다양한 미디어가 등장하면서 광고주들은 기업의 광고 전략에 적합한 미디어를 선택하는데 어려움을 경험하고 있다. 전통적인 광고 마케팅 전략을 바탕으로 광고 미디어를 선택하면 소비자의 상황 정보를 효과적으로 반영하는데 어려움이 존재한다. 이러한 상황에서 소비자의 과거 데이터를 분석하여 소비자가 필요하거나 관심 있는 정보를 바탕으로 광고주에게 맞춤형 미디어를 제공하는 추천 시스템이 필요하다. 전통적인 추천 시스템은 정량적 선호도 정보를 기반으로 추천 서비스를 제공하기 때문에 다양한 상황 정보를 반영하기 어려운 문제점이 존재한다. 본 연구에서는 딥러닝을 이용하여 소비자의 미디어 시청 시간, 거주 지역, 나이, 성별 등 상황 정보를 고려하여 광고주에게 맞춤형 미디어를 추천하는 방법론을 제안한다. 본 연구는 한국방송광고진흥공사에서 제공하는 소비자행태조사 데이터를 사용하여 추천 시스템을 구축하였다. 또한, 기존 연구에서 널리 사용되는 여러 벤치마크 모델과 비교하여 추천 성능을 검증하였다. 실험 결과, 본 연구에서 제안하는 소비자의 상황 정보를 반영한 추천 모델이 기존의 벤치마크 모델보다 높은 정확성을 나타내는 것을 확인하였다. 이 연구는 향후 광고주들이 소비자의 여러 상황 정보를 바탕으로 맞춤형 미디어 선택할 때 효과적인 의사결정을 내릴 수 있도록 도움을 주는데 기여를 할 수 있을 것으로 기대한다

• 인터넷정보학회논문지
• /
• 제23권3호
• /
• pp.77-85
• /
• 2022

유튜브 콘텐츠의 다양성에 주목한 기존 연구와 달리 본 연구는 이용자들의 유튜브 추천 시스템에 대한 만족도에 영향을 미치는 요인을 밝히고자 하였다. 구체적으로 기술수용모델에 이용자들의 인식 변인인 콘텐츠 선호 적합성, 프라이버시 염려를 추가하여 이러한 변인들이 유튜브 AI 추천 시스템의 만족도에 어떠한 영향을 미치는지 실증적으로 분석하였다. 이를 위해 20~30대의 대학생을 대상으로 설문조사를 실시하였으며, 주요 연구결과는 다음과 같다. 첫째, 본 연구의 응답자들에게 있어서 기술수용모델의 주요 변인인 유희성, 유용성은 유튜브 AI 추천 시스템 만족도에 영향을 미치는 유의미한 요인으로 나타난 반면에 용이성의 영향력은 발견되지 않았다. 둘째, 유튜브 콘텐츠의 선호적합성은 AI 추천 시스템 만족도에 영향을 미치는 것으로 나타났지만, 프라이버시 염려는 유튜브 AI 추천 시스템 만족도에 영향을 미치지 않았다. 이러한 연구결과를 바탕으로 연구의 시사점과 후속 연구의 과제를 제언하였다.

• 문화기술의 융합
• /
• 제8권3호
• /
• pp.113-128
• /
• 2022

본 연구의 목적은 급격한 미디어 산업 변화의 중심에 있는 개인 미디어 환경에 관심을 가지고, 특히 어디서든 접속, 시청, 제작 가능한 모바일 미디어 환경을 선도하는 1인 혹은 소수 미디어 크리에이터들의 활동 영역을 탐구하여 크리에이터들과 시청자들 간의 상호 생태계를 면밀히 살피는데 있다. 특히 유튜브가 제공하는 추천서비스, 예를 들면 사용자의 이용 습관 빅데이터 알고리즘을 바탕으로 사용자는 자신의 사용 데이터가 제공될수록 진화된 서비스를 마주하게 된다는 점에 주목하고, 추천서비스가 사용자와 제작자 간의 신뢰 형성, 그리고 사용자의 몰입과 구독의도에 미치는 영향을 살펴보고자 하였으며, 이러한 상호 간의 관계 형성 과정을 구체적 자료를 통해 실증하는 것이 본 연구의 목적이다. 결론 부분에 연구결과를 토대로 유추할 수 있는 시사점과 향후 추가 연구를 위한 제언 등을 제시하였다.

• 한국콘텐츠학회논문지
• /
• 제19권2호
• /
• pp.284-295
• /
• 2019

소셜 미디어 환경에서 여행과 커뮤니티에서 기고한 사진과 관련된 메타 데이터 (태그, 지리적 위치 및 찍은 날짜)에 기반한 개인화 된 여행 경로 추천 기법이 연구되고 있다. 사용자는 소설 미디어를 사용하고 자신의 위치 기록을 여행 경로의 형태로 기록한다. 이러한 여행 경로 정보는 미래의 여행자들에게 새로운 추천 정보를 제공하기 위한 유용한 정보로 활용 될 수 있다. 본 논문에서는 라이프 로그를 기반으로 한 개인화 된 여행 경로 추천 기법을 제안한다. 제안하는 기법은 여행자 및 지역 사회가 제공한 라이프 로그 및 사진 정보를 활용하여 사용자에게 개인화된 추천 서비스를 제공할 수 있을 뿐만 아니라 개별 관심 장소가 아닌 대중적인 여행 경로도 추천 할 수 있다 (POI). 제안하는 개인화된 여행 경로 추천 기법은 POI 가지치기 단계와 여행 경로 생성 단계로 구성된다. POI 가지치기 단계에서는 POI 전체 데이터로부터 사용자에게 추천할 경로를 생성하는데 필요한 POI만을 남기고 가치기를 수행한다. 여행 경로 생성 단계에서는 POI 가지치기 단계를 통해 도출된 POI 사용자 관심도, 비용, 시간, 이벤트 등을 고려하여 후보 경로를 생성한다.

• 방송공학회논문지
• /
• 제18권1호
• /
• pp.98-105
• /
• 2013

최근의 미디어 생성/소비 패턴은 UCC 같은 소비자가 직접 미디어를 생성하고 소비하는 프로세스가 등장하여 일반화되고 있다. 그동안 다양한 콘텐츠 중에서 사용자가 원하는 콘텐츠만을 제공하기 위해 사용자 프로파일을 이용한 콘텐츠 추천 엔진에 대한 연구가 많이 진행되어왔다. 본 연구는 사용자 프로파일 이외에 다종의 멀티미디어 콘텐츠의 소비를 바탕으로 사용자들을 소셜 네트워킹화하고 이를 통해 유사 콘텐츠 선호패턴을 가진 구성원들의 사용자 프로파일을 바탕으로 개인화된 맞춤형 콘텐츠를 추천할 수 있는 추천 에이전트를 개발하였다. 개발한 추천 에이전트는 방송/통신망 상에 존재하는 다양한 콘텐츠 중에 사용자의 선호패턴과 일치하는 콘텐츠들을 추천하고 소셜 네트워크상의 사용자들간의 연관성을 통해 선호도를 갱신하는 시스템이다.

• Journal of Information Processing Systems
• /
• 제17권2호
• /
• pp.426-439
• /
• 2021

To alleviate the cold-start problem and data sparsity in web service recommendation and meet the personalized needs of users, this paper proposes a personalized web service recommendation method based on a hybrid social network and multi-objective immune optimization. The network adds the element of the service provider, which can provide more real information and help alleviate the cold-start problem. Then, according to the proposed service recommendation framework, multi-objective immune optimization is used to fuse multiple attributes and provide personalized web services for users without adjusting any weight coefficients. Experiments were conducted on real data sets, and the results show that the proposed method has high accuracy and a low recall rate, which is helpful to improving personalized recommendation.