• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제9권5호
• /
• pp.521-529
• /
• 2003

본 논문에서는 추천시스템에서 많이 활용되는 협업 여과 방법의 문제점으로 지적되고 있는 희소성(sparsity)으로 인한 유사도의 부정확한 문제를 개선하기 위하여, 인구 통계 정보를 이용한 기법을 제안하였다. 두 사용자간의 유사도는 같은 항목에 동시에 평가된 점수를 기반으로 결정되며, 두 사용자가 동시에 평가하지 않은 항목은 유사도 계산에서 제외된다. 제안된 기법은 이러한 평가 점수 부족으로 인하여 유사도 계산이 정확치 못한 단점을 보완하기 위하여, 인구 통계 정보를 이용한 가상 평가 점수를 부가하여 유사도 계산을 개선, 예측의 정확도를 향상시킨 방식으로 기존의 피어슨 상관관계를 이용한 협업여과 방식의 확장이다. 실험은 Grouplens의 영화 평가 자료를 활용하였고, 평균절대오차(MAE)와 반응자 작용특성(ROC)값을 이용하여 제안 기법과 피어슨 상관관계를 이용한 협업 여과 방식을 비교하였다. 제안한 기법이 피어슨 상관관계를 이용한 협업 여과 추천 방식에 비하여 평균절대오차는 9%, 반응자 작용 특성의 민감도는 13% 향상되었음을 확인하였다.

• 한국정보과학회논문지:데이타베이스
• /
• 제41권4호
• /
• pp.209-216
• /
• 2014

'실시간성', '사람들 간의 관계정보', '빅 데이터'와 같은 다양한 특성을 갖는 소셜 네트워크 콘텐츠는 개인화 추천 시스템의 성능 향상에 큰 도움이 되고 있다. 그 중 '사람들 간의 관계정보'가 가장 중요한 역할을 하기 때문에, 이를 활용한 다양한 연구가 진행되고 있다. 하지만 기존의 연구에서는 사람들간의 친밀도를 고려하지 않고 있어서 개인의 성향을 반영하기 어렵고 다양한 도메인에서 정확한 추천이 불가능하다. 본 논문은 기존 연구의 문제를 해결하기 위해 사용자간 친밀도를 측정하는 친밀도 알고리즘과 소셜 네트워크의 다양한 특성에 기반한 개인화 추천 알고리즘인 PReAmacy를 제안한다. 실험을 통해 PReAmacy가 기존의 알고리즘에 비해 높은 성능을 가지며 친밀도가 PReAmacy 알고리즘에 큰 비중을 차지한다는 것을 보였다.

• 한국콘텐츠학회논문지
• /
• 제18권1호
• /
• pp.64-75
• /
• 2018

위치 인식 기술의 발전 및 스마트 디바이스 사용의 활성화로 인해 위치 기반 서비스과 소셜 네트워크를 결합하여 사용자에게 정보를 공유하는 위치 기반 소셜 네트워크(LBSN: Location Based Social Network)이 활성화되고 있다. 위치 기반 소셜 네트워크에서 사용자의 체크인 기능을 이용하여 사용자가 가 흥미있어 할 만한 장소를 추천하는 연구가 활발히 이루어지고 있다. 본 논문은 위치기반 소셜 네트워크에서 시간과 사용자 활동을 고려한 장소 추천 기법을 제안한다. 제안하는 기법은 기존 논문에서 고려하지 못한 시간에 따른 사용자의 선호도 변화와 지역의 전문가, 희귀한 장소에 대한 사용자의 관심을 고려한다. 다시 말해, 사용자의 선호도 변화를 고려하기 위해 시간에 따른 체크인 이력을 사용하고 지역의 전문가를 판별하기 위해 사용자 활동 영역을 구분한다. 그리고 사용자가 선호하는 장소에 가중치를 주기 위하여 희귀한 장소를 고려한다. 다양한 성능평가를 통해 제안하는 기법이 기존 기법에 비해 성능이 우수함을 보인다.

• 한국지능시스템학회논문지
• /
• 제25권5호
• /
• pp.431-436
• /
• 2015

오늘날 수많은 TV 프로그램들이 방송됨에 따라 TV 프로그램을 추천해주는 추천 시스템에 관한 연구가 시작되었으며, 추천의 정확도를 더욱 높이기 위한 연구가 현재도 활발히 진행 중이다. 추천 시스템은 장르, 줄거리 등과 같은 메타데이터를 사용하여 TV 프로그램을 추천하거나, TV 프로그램에 대한 시청자의 선호도를 계산하여 TV 프로그램을 추천한다. 본 논문에서는 추천의 정확도를 높이고자 시청비율, 종료시간과의 관계, 최근시청이력 등 시청시간의 여러 패턴을 추가로 사용하여 선호도 계산에 활용하는 협업 필터링 TV 프로그램 추천 시스템을 제안한다. 연구의 효용성을 검증하기 위해 시청시간패턴의 모든 요소를 선호도 계산에 활용한 경우와 단순히 시청자가 가장 많이 시청하는 채널을 추천하는 경우의 협업 필터링 추천 결과를 비교하였다. 실험을 통해 시청시간패턴 모든 요소를 같이 선호도 계산에 활용한 경우의 성능이 증가한 것을 확인할 수 있었다.

• 디지털융복합연구
• /
• 제15권12호
• /
• pp.293-301
• /
• 2017

대부분의 신상품들은 시장에서 급격히 사라질 뿐만 아니라 기존 상품들의 매출감소를 불러온다. 이처럼 수명주기가 짧은 상품으로 인해 소매상들은 과다한 재고를 보유하게 될 뿐만 아니라 소비자들은 자신들의 선호를 맞는 제품들을 발견하는데 어려움을 겪는다. 이런 문제를 해결에 하는데 있어서 추천 시스템은 좋은 해결방법이 될 수 있다. 그러나 대부분의 추천 시스템들은 소비자의 고정된 선호를 이용하기 때문에 변화하는 소비자의 선호를 반영하지 못하는 문제가 있다. 이러한 문제를 해결하기 위하여 본 연구에서는 시간에 따라 변화하는 소비자의 선호를 반영한 추천 방법론을 제안하였다. 제안한 방법론은 소비자의 동적 선호 프로파일 작성, 네이버 형성, 추천 리스트 작성의 3 단계로 구성되어 있으며, 모바일 이미지 거래 데이터를 이용하여 제안된 방법론의 유용성을 검증하였다. 시험결과 제시된 방법론의 추천 정확도가 전통적인 협업필터링의 정확도 보다 높았다. 이러한 결과를 통해, 본 연구에서 제한한 방법론이 짧은 수명주기를 가진 제품을 추천하는데 효과적이라는 결론을 내릴 수 있다. 따라서 향후 제안된 방법론을 현업에 적용하여 실제적 유용성을 검증할 필요가 있다.

• 정보화연구
• /
• 제10권3호
• /
• pp.371-378
• /
• 2013

다양한 형태의 학습 시스템이 생겨나고 있다. 그 중 E-러닝을 통한 동영상 학습에 대한 수요는 지속적으로 증가하고 있다. 하지만, 그렇다고 하여 모든 이가 이러한 시스템을 적합하게 활용할 수 있는 것은 아니다. 학업능력이 떨어지는 학생은 자신의 학습수준보다 높은 동영상을 학습할 경우 학습에 대한 흥미를 잃을 수 있고, 학업능력이 뛰어난 학생의 경우는 수준에 맞지 않는 동영상을 제공할 경우에는 심화 학습의 기회를 잃어버릴 수 있어 학습효율성을 저하하게 된다. 이러한 불편함을 해결하기 위해서는 사용자가 선호할 만한 정보를 예측하고 필터링 된 맞춤형 정보를 제공하는 추천시스템이 필요하다. 본 논문에서는 학생 레벨추천 시스템을 제안한다. 학생그룹과 학생간의 학습정보를 바탕으로 학습동영상과 학생의 레벨을 추론하고, 이를 토대로 동영상에 대한 학생의 상대적 난이도를 제시하고, 적합한 난이도의 동영상을 추천한다. 실험을 통하여 본 연구의 추천 서비스의 유용성을 검증하였다.

• 정보처리학회논문지B
• /
• 제8B권6호
• /
• pp.617-624
• /
• 2001

전자상거래가 활성화됨에 따라 제공되는 상품의 정보와 서비스의 내용이 점차 다양해지고 있다. 따라서 구매자들은 가격 정보뿐만 아니라 다양한 상품 정보들을 검색 추천해주는 에이전트 개발을 요구하고 있다. 본 논문에서는 전자상거래에서 도서 정보 검색과 관련하여 사용자의 선호도를 프로파일 형태로 표현하고, 도서 정보를 검색 및 추출하고 이를 추천하는 멀티 에이전트 시스템을 제안한다. 제안된 멀티 에이전트 시스템은 정보검색, 정보추천, 사용자 인터페이스, 웹 로봇과 같은 여러 개별 에이전트들의 동작들을 조정 에이전트의 설계 및 구현을 통하여 통제하고 관리한다. 본 멀티 에이전트 시스템을 윈도우즈 NT 서버에 구현하였다. 조정 에이전트의 관리 기능으로 중복된 정보 검색을 제거할 수 있었으며, 고객들에게 여러 온라인 도서 사이트의 도서 정보들을 실시간으로 제공할 수 있게 되었다.

• 디지털콘텐츠학회 논문지
• /
• 제18권3호
• /
• pp.535-542
• /
• 2017

유비쿼터스 컴퓨팅은 사용자의 위치, 상태, 행동정보, 주변 상황 등의 컨텍스트를 인식할 수 있게 하였는데 이로 인해 사용자에게 필요한 서비스를 빠르고 정확하게 제공해 줄 수 있게 되었다. 이와 같은 개인화 추천 서비스는 사용자의 컨텍스트 정보를 인식하고 해석하는 추론기술이 필요한데 본 논문에서는 실생활과 가장 밀접한 음식점을 날씨, 시간, 요일, 위치의 모바일 컨텍스트 데이터를 기반으로 행동 패턴을 추론하여 추천하는 모델을 연구한다. 연구를 위해 자사에서 직접 서비스 하고 있는 사용자 평가 기반 음식점 추천 서비스의 장소와 사용자 생성 데이터를 활용하였고, 행동패턴을 추론하기 위해 나이브 베이즈 방정식을 사용했다. 그리고 선호도 예측 알고리즘을 활용하여 추천 장소를 선정하였다. 시스템으로 구현하여 평가 기반의 추천 방식보다 본 논문에서 제시한 연구의 우수성도 입증하였다.

• 디지털융복합연구
• /
• 제11권1호
• /
• pp.249-254
• /
• 2013

디지털 방송 시대가 열리면 채널의 수가 수백 개로 증가하기 때문에 시청자가 원하는 프로그램을 검색하는 일은 매우 어려워지게 된다. 이와 더불어 스마트 디바이스의 등장과 대중화로 인해서 사용자들은 기존에 제공받지 못했던 스마트한 서비스를 제공받기 원하고 있다. 이러한 문제를 해결하기 위한 방법으로 TV 프로그램 추천시스템에 대한 연구가 활발하게 진행 중이다. 그러나 현재 TV 프로그램 추천을 위한 연구들은 대부분 웹 기반에서 연구되었던 연구결과를 TV 방송에 적용한 경우가 대부분이며, 현재 TV를 시청하고 있는 구성원들의 조합에 대해서는 고려하고 있지 않는다. 따라서 본 논문에서는 TV를 시청하고 있는 시청자의 환경 즉 구성원의 조합을 고려한 TV 프로그램 추천 시스템을 제안한다. 구성원의 조합은 얼굴인식기법을 이용하여 해당 사용자의 연령과 성별을 중심으로 그룹을 생성한다.

• 한국음향학회지
• /
• 제39권4호
• /
• pp.286-291
• /
• 2020

본 논문에서는 템포 기반의 음악 분류와 센서 기반의 인간 행동 인식을 통한 음악을 추천하는 시스템을 제안한다. 제안하는 방식은 템포 기반의 음악 분류를 통해 음악 파일을 색인하고, 인식된 행동에 따라 적합한 음악을 추천한다. 정확한 음악 분류를 위해 변조 스펙트럼 기반의 동적 분류기와 멜 스펙트로그램 기반의 시퀀스 분류기가 함께 사용된다. 또한, 간단한 스마트폰 가속도계, 자이로스코프 센서 데이터가 심층 스파이킹 신경망에 적용되어 행동 인식 성능을 향상시킨다. 마지막으로 인식된 행동과 색인된 음악 파일의 관계를 고려한 매핑 테이블을 통해 음악 추천이 수행된다. 실험 결과는 제안된 시스템이 음악 플레이어가 있는 실제 모바일 장치에 사용하기에 적합하다는 것을 보여준다.