• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2008년도 학술대회 논문집 정보 및 제어부문
• /
• pp.231-232
• /
• 2008

본 논문은 협업 필터링(Collaborative Filtering)기반의 추천시스템에 필요한 알고리즘을 제안한다. 제안한 알고리즘은 사용자의 선호도를 Implicit Feedback을 통해 예측하는 Implicit Rating과 사용자 선호도와 컨텐츠의 정보를 바탕으로 사용자의 프로파일을 형성하는 Tag 기반의 사용자 프로파일과 P2P망 내에서 자신과 유사한 사용자 그룹을 형성하는 알고리즘으로 구성되어 있다. 제안한 알고리즘을 적용하여 Web Text 기반의 CF기반의 개인화 추천시스템을 구현하였으며 구현된 프로그램을 실제 사용자에게 배포하여 Feasibility를 검증하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2013년도 제48차 하계학술발표논문집 21권2호
• /
• pp.75-76
• /
• 2013

본본 논문에서는 Space Syntax 이론에 기반하여 여성의 안전한 여가활동 경로를 추천하는 어플리케이션을 제안한다. 이 어플리케이션은 접근성, 지역 간 상호관계 등을 바탕으로 한 계산을 통해 추천경로를 만든다. 이는 일반적인 네비게이션이 가지는 최단시간, 최단거리 탐색과는 차별성을 가지며, 안전을 최우선으로 한 경로를 탐색한다. 오늘날 늘어난 여가시간에 따라 사람들의 레저 활동이 많아지며, 따라서 여성의 경우도 참여율에 높아진다. 이 때 여성의 경우 안전적 문제에 있어 레저 활동 장소까지의 경로를 추천하고자 한다. 본 논문에서는 제안하는 레저활동과 여성안전에 관련한 어플리케이션은 다양한 위험요소를 염두에 두어 계산을 통해 안전한 경로를 제공하는 알고리듬으로 주관적 선택사항을 적용하여, 자기맞춤형 경로를 선택 가능하게 한다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2012년도 하계학술대회
• /
• pp.343-346
• /
• 2012

추천 엔진의 지속적인 성능 향상을 위해서는 객관적 성능 평가가 이루어져야 하지만, 콘텐츠 추천 기술은 평가 데이터 구축이 어렵고 평가를 위한 심도 깊은 연구가 이루어지지 못하여 많은 어려움을 가지고 있다. 본 논문은 콘텐츠 추천 시스템의 객관적인 평가를 시스템 구축에 대한 연구이다. 추천 알고리즘의 효율적이고 객관적인 성능 평가를 위하여 기존 연구들을 분석하여 대표적인 성능평가 양식들을 구현하였다. 통계적인 평가를 위한 사용자 데이터를 수집하였으며 데이터 크기, 평가방식, 추천 알고리즘의 모듈 별 성능 추이를 쉽게 변경하고 관찰할 수 있도록 인터페이스를 설계하였다. 이러한 평가 시스템의 도입으로 콘텐츠 추천 알고리즘의 지속적인 성능 보완을 기대 할 수 있을 것이다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2014년도 추계학술발표대회
• /
• pp.1195-1198
• /
• 2014

이 논문은 실시간으로 취득되는 뇌파를 기반으로 자동으로 음악을 추천하는 음악추천 기능의 시스템인 MyMusicShuffler 를 소개한다. 이 시스템은 뇌파 분석을 통한 사용자의 감성을 자동으로 분류하는 방식으로 멀티태스킹 환경에 익숙한 사용자들의 음악 청취를 위한 소모적인 상호작용을 없애는 새로운 방식의 인터페이스 환경을 실험하였다. 뇌파의 분석을 통하여 실시간으로 사용자의 감성 관련 반응을 반영하여 음악을 선택하여 제공하는 시스템이다. 이 논문은 개인의 감성적 반응에 의하여 상호작용하는 음악 추천 서비스인 MyMusicShuffler 시스템의 구현 내용을 설명할 것이다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2011년도 춘계학술발표대회
• /
• pp.1112-1115
• /
• 2011

웹 2.0 시대의 웹에는 UCC 같은 소비자가 직접 미디어를 생성하고 소비하는 프로세스가 등장하여 일반화되고 있다. 본 연구는 이러한 인터넷 사용의 트렌드에 발맞추어 다종의 멀티미디어 콘텐츠를 포함하는 개인화된 맞춤형 콘텐츠 추천 에이전트를 개발하였다. 웹 상에 존재하는 다양한 콘텐츠 중에 사용자의 선호패턴과 일치하는 콘텐츠들을 추천하여 서비스하는 본 시스템은 유무선 환경을 망라하는 다기종의 디바이스들을 위한 플랫폼들을 지원하고 있다. 또한, 사용자들이 웹 상에서 콘텐츠들을 등록하고 생성하여 각 사용자들의 그룹과 친구와의 공유가 가능하다.

• 스마트미디어저널
• /
• 제10권1호
• /
• pp.116-123
• /
• 2021

온라인 패션 시장의 빠른 성장과 이로 인한 온라인 선택의 확대로 인해 소비자들은 더욱 개인화된 추천 서비스에 대해 요구가 커지고 있음에도 불구하고 판매자는 수많은 소비자를 개별적으로 직접 대응할 수 없다는 문제점이 있다. 소비자의 이러한 개인화 니즈를 충족시키는 방안으로 이미지에 대한 태깅이 이루어지고 있으나 사람이 태깅하는 경우 사람마다 태깅이 매우 주관적으로 이뤄지고 있고 인공지능 태깅은 단어가 매우 제한적으로 사용자의 니즈를 충족시켜주지 못하고 있다. 이러한 문제를 해결하기 위해 인공지능으로 이미지에 포함된 제품의 형태, 속성, 감성 정보를 인식하고 이러한 정보를 코드화하고 코드의 조합으로 그 이미지가 가지고 있는 모든 정보를 나타낼 수 있는 알고리즘을 설계하였다. 이 알고리즘을 통해서 지금까지 획득이 불가능했던 패션 이미지의 감성, 패션 이미지가 표현하는 TPO 정보 등 이미지가 가지고 있는 다양한 정보를 실시간으로 획득하는 것이 가능하게 되었다. 이러한 정보를 기반으로 소비자의 취향을 분석하는 단계에서 넘어가 소비자의 취향에 당시의 유행, TPO 정보까지 결합하는 초개인화된 의류 추천이 가능해진다.

• 방송공학회논문지
• /
• 제18권1호
• /
• pp.88-97
• /
• 2013

개인화된 추천을 제공하기 위한 협력 필터링은 추천 시스템에서 성공적으로 활용되어 온 기법이다. 그러나 협력 필터링이 주로 연구 및 적용된 분야들은 사용자로부터의 명시적 피드백이 존재하는 독립된 아이템들을 추천하는 것에 초점을 두고 있다. VOD 서비스 플랫폼에서 개인화된 TV 프로그램을 추천하기 위해서는 해당 도메인의 특성과 제한들을 고려하는 것이 필요하다. 본 논문에서는 TV 프로그램의 시리즈 속성을 이용하여, 선호를 판단하기 힘든 비명시적 피드백인 회별 프로그램 시청기록을 명시적이고 지속적인 프로그램 선호도로 변환하는 방법을 고안하였다. 데이터 수집과 최종 추천은 회별 프로그램 단위로 이루어지면서 협력 필터링 처리 단위는 프로그램으로 변경되어 TV 프로그램 VOD 추천 환경에 가장 적당한 형태로 협력 필터링을 변형 적용하였다. 실험 결과는 고안된 추천 시스템이 단순히 협력 필터링을 적용했을 때보다 높은 정확도와 더 적은 계산량을 가지는 것을 보여준다. 도메인 특화된 이러한 변형은 추천 시스템의 알고리즘 모듈로 구성되어 기존에 알려진 다양한 협력 필터링 기법과 결합하여 사용될 수 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 추계학술발표대회
• /
• pp.377-379
• /
• 2022

POI refers to the point of Interest in Location-Based Social Networks (LBSNs). With the rapid development of mobile devices, GPS, and the Web (web2.0 and 3.0), LBSNs have attracted many users to share their information, physical location (real-time location), and interesting places. The tremendous demand of the user in LBSNs leads the recommendation systems (RSs) to become more widespread attention. Recommendation systems assist users in discovering interesting local attractions or facilities and help social network service (SNS) providers based on user locations. Therefore, it plays a vital role in LBSNs, namely POI recommendation system. In the machine learning model, most of the training data are stored in the centralized data storage, so information that belongs to the user will store in the centralized storage, and users may face privacy issues. Moreover, sharing the information may have safety concerns because of uploading or sharing their real-time location with others through social network media. According to the privacy concern issue, the paper proposes a recommendation model to prevent user privacy and eliminate traditional RS problems such as cold-start and data sparsity.

• 한국콘텐츠학회논문지
• /
• 제22권5호
• /
• pp.56-66
• /
• 2022

최근 소셜미디어로 접하는 정보 증가로 알고리즘 기반 추천 형식은 사용자 정보에 기반하여 선별적으로 정보를 제공하는데, 이러한 알고리즘은 자주 에코챔버(Echo Chamber)에 의한 필터버블(FilterBuble) 효과를 일으킨다. 에코챔버는 밀폐된 시스템 안에서만 이루어지는 의사소통으로 인해 신념이 증폭되거나 강화되는 현상을 의미하고 필터버블은 정보 제공자가 이용자의 관심사에 맞춰 맞춤형 정보를 제공하여 이용자는 필터링된 정보만 접하게 되는 현상을 의미한다. 본 연구의 목적은 이러한 에코챔버에 의한 필터버블 현상을 개선하는 방안으로 정보를 효율적으로 선별하는 방법을 제시하는 것이다. 연구 진행 방법은 유튜브, 페이스북, 그리고 아마존에서 사용되는 추천 알고리즘을 분석하였다. 본 연구에서는 추천 알고리즘으로 생기는 문제점에 대해서 소셜미디어 사용자의 비판적 사고능력 훈련이나 자기보존법칙에 따른 객관적 윤리 기준 강화 등의 인문학적 해결 방안과 모델 기반 협력 필터링이나 교차적 추천 방식의 기술적 해결 방안을 제시하였다. 결과적으로 추천 알고리즘은 지속적 기술 보완과 새로운 기법 개발을 위한 노력이 이루어져야 하며, 소셜미디어를 대하는 사용자는 비판적 사고 훈련과 정치적 의사소통 교육을 통해 인지부조화를 이겨내고 확증편향에 빠지지 않도록 하는 인문학적 노력이 병행되어야 한다.

• 한국정보통신학회논문지
• /
• 제18권7호
• /
• pp.1628-1633
• /
• 2014

본 연구는 스마트폰환경에서 사용자의 관심주제와 읽기습관을 분석하여 읽기 습관을 분석하여 관심 있는 뉴스기사를 추천 시스템을 제안하였다. 사용자가 직접 관심영역의 가중치를 정함으로서 관심주제의 기사를 우선적으로 보여 주어 사용자가 쉽게 관심기사를 읽을 수 있도록 하였다. 또한 사용자가 사회적으로 이슈가 되는 기사에 관심을 갖는 경우 이를 반영하기 위해서 단순히 기사를 클릭하고 읽지 않은 경우는 가중치를 낮게 설정하였으며, 기사를 끝까지 스크롤을 하고 기사를 끝까지 읽은 경우는 가중치를 높게 설정하였다. 특정 분야의 기사를 자주 읽은 경우는 XML의 구조정보를 사용하여 관심주제영역의 가중치를 높게 설정함으로써 관련분야의 기사를 우선적으로 볼 수 있도록 하였다.