• Proceedings of the KIEE Conference
• /
• 2008.10b
• /
• 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.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2013.07a
• /
• 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.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2012.07a
• /
• 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.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2014.11a
• /
• 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.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2011.04a
• /
• 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.

• Smart Media Journal
• /
• v.10 no.1
• /
• pp.116-123
• /
• 2021

Due to the rapid growth of the online fashion market and the resulting expansion of online choices, there is a problem that the seller cannot directly respond to a large number of consumers individually, although consumers are increasingly demanding for more personalized recommendation services. Images are being tagged as a way to meet consumer's personalization needs, but when people tagging, tagging is very subjective for each person, and artificial intelligence tagging has very limited words and does not meet the needs of users. To solve this problem, we designed an algorithm that recognizes the shape, attribute, and emotional information of the product included in the image with AI, and codes this information to represent all the information that the image has with a combination of codes. Through this algorithm, it became possible by acquiring a variety of information possessed by the image in real time, such as the sensibility of the fashion image and the TPO information expressed by the fashion image, which was not possible until now. Based on this information, it is possible to go beyond the stage of analyzing the tastes of consumers and make hyper-personalized clothing recommendations that combine the tastes of consumers with information about trends and TPOs.

• Journal of Broadcast Engineering
• /
• v.18 no.1
• /
• pp.88-97
• /
• 2013

Collaborative filtering(CF) for the personalized recommendation is a successful and popular method in recommender systems. But the mainly researched and implemented cases focus on dealing with independent items with explicit feedback by users. For the domain of TV program recommendation in VOD service platform, we need to consider the unique characteristic and constraints of the domain. In this paper, we studied on the way to convert the viewing history of each TV program episodes to the TV program preference by considering the series structure of TV program. The former is implicit for personalized preference, but the latter tells quite explicitly about the persistent preference. Collaborative filtering is done by the unit of series while data gathering and final recommendation is done by the unit of episodes. As a result, we modified CF to make it more suitable for the domain of TV program VOD recommendation. Our experimental study shows that it is more precise in performance, yet more compact in calculation compared to the plain CF approaches. It can be combined with other existing CF techniques as an algorithm module.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• 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.

• The Journal of the Korea Contents Association
• /
• v.22 no.5
• /
• pp.56-66
• /
• 2022

Due to the recent increase in information encountered on social media, algorithm-based recommendation formats selectively provide information based on user information, which often causes a filter bubble effect by an Echo Chamber. Eco-chamber refers to a phenomenon in which beliefs are amplified or strengthened by communication only in an enclosed system, and filter bubbles refer to a phenomenon in which information providers provide customized information according to users' interests, and users encounter only filtered information. The purpose of this study is to propose a method of efficiently selecting information as a way to improve the filter bubble phenomenon by such an echo chamber. The research progress method analyzed recommended algorithms used on YouTube, Facebook and Amazon. In this study, humanities solutions such as training critical thinking skills of social media users and strengthening objective ethical standards according to self-preservation laws, and technical solutions of model-based cooperative filtering or cross-recommendation methods were presented. As a result, recommended algorithms should continue to supplement technology and develop new techniques, and humanities should make efforts to overcome cognitive dissonance and prevent users from falling into confirmation bias through critical thinking training and political communication education.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.18 no.7
• /
• pp.1628-1633
• /
• 2014

In this paper, we propose a news article recommendation system that reflects users' areas of interest and reading habits. Users can select interesting subject then our proposed system displays interesting articles above the other articles. Also the proposed system reflects users' dynamic interests using analyse of user's reading habits. The method of dynamic interest applies the different weight values from users simply clicking and reading entire articles. When users read articles from specific areas, the prosed system increases the weight of these specific areas using XML structure information. Hence users can read their articles of interest with ease.