• 정보처리학회논문지D
• /
• 제15D권4호
• /
• pp.463-474
• /
• 2008

정보 기술과 인터넷의 발전은 멀티미디어 컨텐츠의 양에 있어서 폭발적인 성장을 가져 왔으며 이러한 멀티미디어 컨텐츠 양의 증가는 이용자의 요구에 맞는 멀티미디어 컨텐츠 추천에 대한 필요성을 더 증가 시켰다. 현재까지 일반상품과 멀티미디어 컨텐츠 추천을 위한 기법에는 협업필터링 (CF: Collaborative Filtering)이 있다. 하지만 기존의 CF 기법은 이미지가 갖고 있는 시각적 특징을 제대로 표현하지 못하고 있으며, 입력 데이터의 희박성 (Sparsity) 문제와 신상품 추천 문제 그리고 선호도의 동적인 변화 문제를 포함하고 있기 때문에 이미지 컨텐츠 추천에는 적합하지 않다. 이와 같은 기존의 CF기법의 단점을 해결하기 위해서 본 논문에서는 새로운 이미지 추천 방법으로 FBCF (Feature Based Collaborative Filtering) 기법을 제안한다. FBCF 기법은 시각적 특징을 선호도에 따라 군집화한 새로운 사용자 프로파일 구성방법을 제시하며, 선호도 피드백을 통하여 구매자의 현재 성향을 추천에 반영할 수 있다. 실제 모바일 이미지 데이터를 사용한 실험에서 FBCF 기법이 기존의 CF 기법보다 400% 향상된 성능을 보임을 확인할 수 있다.

• 한국컴퓨터정보학회논문지
• /
• 제18권2호
• /
• pp.107-116
• /
• 2013

본 연구에서는 소셜 음악 사이트에서 사용자들이 음악 아이템을 청취한 횟수와 생성한 태그 정보를 혼합하여 음악을 추천하는 시스템을 제안한다. 현재, 상용화된 음악 추천 시스템들은 주로 사용자의 청취 습관과 외부적인 선호도 입력값을 기반으로 음악을 추천하고 있다. 그러나 이 방식은 아직 음악을 청취한 사용자가 많지 않은 새로운 음악이나 청취 정보가 없는 새로운 사용자의 경우 추천하는 데 어려움이 있다. 이 문제를 해결하기 위해서 본 논문에서는 사용자가 선정한 키워드를 아이템에 부여하는 협업 태깅으로 생성된 태그 정보를 활용하였다. 태그의 의미를 파악하여 감정 표현의 정도에 따라 가중치를 부여한 뒤, 태그 점수와 청취 횟수를 혼합하여 음악 아이템의 선호도를 산출하였다. 이를 기반으로 사용자 프로파일을 생성하고 협업 필터링 알고리즘을 수행하였다. 제안하는 추천 방법의 효율성을 평가하기 위해서, 청취 습관 기반 추천, 태그 점수 기반 추천, 하이브리드 추천 방법의 세 가지 추천 방법에 대해서 정확도, 재현율, 그리고 F-measure를 계산하였다. 실험 결과에 대해 통계적 검증을 시행한 결과, 하이브리드 추천 방법이 다른 두 가지 방식보다 통계적으로 유의한 차이를 보여 성능이 우수한 것으로 나타났다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권1호
• /
• pp.109-134
• /
• 2018

Collaborative Filtering (CF) is widely used in recommendation field, which can be divided into rating-based CF and learning-to-rank based CF. Although many methods have been proposed based on these two kinds of CF, there still be room for improvement. Firstly, the data sparsity problem still remains a big challenge for CF algorithms. Secondly, the malicious rating given by some illegal users may affect the recommendation accuracy. Existing CF algorithms seldom took both of the two observations into consideration. In this paper, we propose a recommendation method based on listwise learning-to-rank by incorporating users' social information. By taking both ratings and order of items into consideration, the Plackett-Luce model is presented to find more accurate similar users. In order to alleviate the data sparsity problem, the improved matrix factorization model by integrating the influence of similar users is proposed to predict the rating. On the basis of exploring the trust relationship between users according to their social information, a listwise learning-to-rank algorithm is proposed to learn an optimal ranking model, which can output the recommendation list more consistent with the user preference. Comprehensive experiments conducted on two public real-world datasets show that our approach not only achieves high recommendation accuracy in relatively short runtime, but also is able to reduce the impact of malicious ratings.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권5호
• /
• pp.1708-1727
• /
• 2021

In the advent of the twenty-first century, human beings began to closely interact with technology. Today, technology is developing, and as a result, the world wide web (www) has a very important place on the Internet and the significant task is fulfilled by Web services. A lot of Web services are available on the Internet and, therefore, it is difficult to find matching Web services among the available Web services. The recommendation systems can help in fixing this problem. In this paper, our observation was based on the recommended method such as the collaborative filtering (CF) technique which faces some failure from the data sparsity and the cold-start problems. To overcome these problems, we first applied an ontology-based clustering and then the k-nearest neighbor (KNN) algorithm for each separate cluster group that effectively increased the data density using the past user interests. Then, user ratings were predicted based on the model-based approach, such as singular value decomposition (SVD) and the predictions used for the recommendation. The evaluation results showed that our proposed approach has a less prediction error rate with high accuracy after analyzing the existing recommendation methods.

• 컴퓨터교육학회논문지
• /
• 제9권1호
• /
• pp.71-80
• /
• 2006

전자상거래가 급속도로 발전함에 따라 고객들의 행동 패턴을 어떻게 발견하느냐와 웹 마이닝 기술을 사용하는 것에 의해 어떻게 상거래를 지능화 할 것인가에 대한 연구가 진행되고 있다. 현재까지 개인화와 상품 추천 시스템을 만들기 위해 가장 성공적이고 가장 넓게 사용되는 기술은 협업필터링 방법이다. 그러나 협업 필터링 방법은 특정 수 이상의 아이템에 대한 평가가 필요하다는 문제를 가지고 있다. 또한, 기존의 연관 규칙 기법은 개인별 사용자의 성향을 반영하지 못하는 단점을 가지고 있다. 본 논문에서는 개선된 Apriori 알고리즘을 이용하고, 아이템들 간에 상호 관계를 가진 협업 필터링 방법을 사용하여 사용자 성향이 반영된 상품 추천 시스템을 개발하였다.

• 한국정보통신학회논문지
• /
• 제15권7호
• /
• pp.1487-1494
• /
• 2011

본 논문은 음악 추천을 위한 새로운 장르 분류 알고리즘을 제안하였다. 특히, 장르 분류 알고리즘에 사용되는 특정 벡터 중 octave-based spectral contrast (OSC)의 성능 개선을 위해서 심리청각 모델과 악기별 사용 octave 범위에 근거하여 새로운 band-pass filter를 설계하였다. 10개 장르별 음악을 포함하고 있는 GTZAN database에 대해서 10-fold cross validation 실험 결과, 다중 옥타브 밴드 OSC에 대해서 기존 OSC에 비해 2.26% 향상된 인식율을 얻을 수 있었다. 또한, 기존의 mel-frequency cepstral coefficient (MFCC)와 복합 특징 벡터를 구성하여 실험한 결과, 향상된 인식율을 얻을 수 있었다.

• 한국컴퓨터정보학회논문지
• /
• 제17권4호
• /
• pp.83-90
• /
• 2012

대규모의 상품을 다루는 전자상거래 시스템에서 개인화된 추천은 필수적인 기능이 되고 있다. 대표적 추천 알고리즘인 협업필터링은 내용기반 추천에 비하여 뛰어난 추천성능을 제공해 주고 있으나, 희박성, 신규 아이템 문제(Cold-start), 확장성 등의 근본적인 한계를 갖고 있다. 본 연구에서는 추가적으로 협업필터링이 목표 대상자에 따라 비일관된 예측 능력의 차이를 보이는 추천 성능의 편차 문제를 제기하고자 한다. 추천성능의 편차는 기존의 Mean Absolute Error(MAE)에 의해서는 측정되기 어려우며 또한 정확도, 재현율 지표와도 독립적으로 평가되고 있다. 협업알고리즘의 정확한 성능평가를 위해서 본 연구에서는 MAE, MAE 편차, 정확도, 재현율을 포괄적으로 평가할 수 있는 확장 성능평가모델을 제안하고 이를 클러스터링 기반 협업필터링에 적용하여 성능을 비교 분석한다.

• 한국인터넷방송통신학회논문지
• /
• 제10권3호
• /
• pp.51-59
• /
• 2010

Collaborative Filtering(CF) 기법에 기반을 둔 다양한 영화 추천 방법들이 제안 되어 왔다. CF는 영화를 본 사람들이 직접 영화에 대해 평가한 점수를 기반으로 같은 성향을 가진 이웃 그룹을 결정하고, 새로운 영화에 대해 그 영화를 이미 본 이웃의 점수를 기반으로 사용자의 새로운 영화에 대한 선호도 값을 예측하는 방법이다. 본 논문에서는 사용자에 따라 영화 장르에 대한 선호도 정보를 CF의 예측 값에 반영하는 새로운 방법을 제안한다. 이 방법은 CF를 기반으로 하는 모든 종류의 추천 방법에 결합하여 사용할 수 있다. 본 논문에서는 기존의 CF알고리즘에 장르기반 알고리즘을 결합한 CF-Genre의 성능과 기존의 CF 알고리즘의 성능을 측정 비교하였다. 성능 평가의 결과 CF-Genre가 기존 CF의 예측 성능을 3.3% 정도 개선하였다.

• 스마트미디어저널
• /
• 제5권2호
• /
• pp.84-89
• /
• 2016

스마트폰이나 태블릿 PC와 같이 GPS를 탑재한 모바일 기기 보급으로 위치 기반 정보는 모바일 생활의 필수 요소로 자리잡았다. 이제 사용자들은 더 나아가 개인별 성향에 따른 맞춤형 정보를 원하고 있다. 개인 맞춤형 추천을 위해서는 사용자의 행동을 이해하는 것이 필요한데 실생활에 많은 부분을 차지하고 있는 음식점 방문도 맞춤형 추천 서비스를 제공해 줄 수 있다. 본 논문에서는 음식점 방문에 대한 비슷한 태도를 보인 사용자를 추출한 후 방문했던 장소를 비교하여 추천하는 사용자 행동기반 다속성 태도 모델 기반의 장소 추천 모델을 연구한다. 다속성 태도점수를 산출하기 위해 피쉬바인(Fishbein) 방정식을 활용하고 피어슨 상관계수를 이용하여 사용자들이 방문했던 장소의 중 유사한 속성을 가진 장소를 추출했다. 그리고 그룹렌즈의 선호도 예측 알고리즘을 활용하여 추천 대상 장소를 선정하고 유클라디안 거리법으로 사용자에게 거리기반 장소를 추천하였다. 또한 실제 데이터를 이용한 실험을 통해 본 논문에서 제시한 시스템의 우수성도 입증하였다.

• 융합보안논문지
• /
• 제19권2호
• /
• pp.73-81
• /
• 2019

본 논문은 시간 가중치 기반의 중간지점 탐색 알고리즘과 사용자 선호 기반 장소 추천 알고리즘을 이용한 사용자 중심의 중간지점 탐색 시스템을 제안한다. 제안된 시스템은 중간지점 탐색을 위하여 사용자간의 출발지점을 기준으로 각 사용자의 시간 가중치를 적용하여 중간 지점을 산출하는 중간지점 탐색 모듈과 각 사용자와 산출된 중간지점까지의 경로 탐색을 제공하기 위한 지점 탐색 제공 모듈로 구성된다. 또한, 중간지점 탐색 결과를 기반으로 사용자의 선호도 중심의 1장소 추천 기능을 포함하여 사용자의 이용률을 증대할 수 있도록 한다. 실험 결과, 제안된 시스템은 사용자 중심의 중간지점 및 장소 추천 기능을 통해 이용의 효율성을 증대시킬 수 있음을 확인하였다.