• 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.

• 한국인터넷방송통신학회논문지
• /
• 제22권5호
• /
• pp.171-176
• /
• 2022

최근 딥러닝 기술의 발전과 함께 추천 시스템의 영역도 다양해졌다. 본 논문은 학습률 향상을 위한 알고리즘을 연구하였으며 Word2Vec 모델의 성능 특징과 비교를 통해 단어에 따른 유의어 결과를 연구하였다. 문제 추천 알고리즘은 Word2Vec 모델의 특징인 텍스트 간 의미 반영 및 유사성 테스트를 통해 표현된 값으로 구현됐다. Word2Vec 의 학습 결과를 통해 텍스트 유사도 값을 이용해 문제 추천을 진행하였으며 유사도가 높은 문제를 추천할 수 있다. 실험 과정에서 정량적인 데이터양으로는 정확성이 낮아지는 결과를 보았으며 데이터 셋의 데이터양이 방대할수록 정확성을 높일 수 있음을 확인하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.207-209
• /
• 2022

IoT환경에서 스마트 디바이스로부터 사람의 신체 활동을 인식하여 생활 패턴 데이터를 수집할 수 있게 되었다. 본 논문에서는 제안된 모델은 예측단계와 추천단계로 구성한다. 예측 단계는 생활 패턴 데이터로부터 수집된 데이터셋을 기계학습을 통해 로지스틱 회귀와 k-최근접 이웃 알고리즘을 활용하여 불안과 우울의 척도를 예측한다. 추천 단계는 불안과 우울 증상으로 분류된 경우 이를 호전시킬 수 있는 음식과 가벼운 운동을 추천하기 위해 주성분 분석 알고리즘을 적용한다. 제안한 불안·우울 예측과 음식·운동 추천은 개인의 삶의 품질 개선에 파급효과가 있을 것으로 기대한다.

• 한국전자거래학회지
• /
• 제20권2호
• /
• pp.155-166
• /
• 2015

랜덤워크는 그래프 기반의 랭킹 기법들에서 빈번히 사용되지만, 그래프 간선에 음수 가중치를 가지는 부호 그래프는 고려하지 않는다. 이 논문에서는 하이더의 균형 이론을 적용하여 랜덤워크수행 시 음수 가중치를 처리하는 기법을 제안한다. 제안 기법은 추천 시스템에 적용되었으며, 사용자가 선호하지 않는 아이템을 걸러내는 데 효과가 있음을 실험을 통해 보인다. 제안한 모델의 성능을 위해 기존의 Top-k 랜덤워크 계산 기법인 BCA를 확장한 Bicolor-BCA 알고리즘을 제안한다. 제안 알고리즘은 임계값이 필요한데, 실험을 통해 임계값에 따른 정확도와 성능의 변화를 살펴본다.

• 한국멀티미디어학회논문지
• /
• 제22권9호
• /
• pp.1108-1121
• /
• 2019

As the quality and level of life rise, many people are doing search for various pieces of information about tourism. In addition, users prefer the search methods reflecting individual opinions such as SNS and blogs to the official websites of tourist destination. Many of previous studies focused on a recommendation system for tourist courses based on the GPS information and past travel records of users, but such a system was not capable of recommending the latest tourist trends. This study thus set out to collect and analyze the latest SNS data to recommend tourist destination of high interest among users. It also aimed to propose an altered TSP algorithm to recommend the optimal routes to the recommended destination within an area and a system to recommend the optimal tourist courses by applying the Elasticsearch engine. The altered TSP algorithm proposed in the study used the location information of users instead of Dijkstra's algorithm technique used in previous studies to select a certain tourist destination and allowed users to check the recommended courses for the entire tourist destination within an area, thus offering more diverse tourist destination recommendations than previous studies.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2001년도 하계종합학술대회 논문집(2)
• /
• pp.305-308
• /
• 2001

This paper describes the design of elliptic curve cryptographic (ECC) coprocessor over binary fields for the If card. This coprocessor is implemented by the shift-and-add algorithm for the field multiplication algorithm. And the modified almost inverse algorithm(MAIA) is selected for the inverse multiplication algorithm. These two algorithms is merged to minimize the hardware size. Scalar multiplication is performed by the binary Non Adjacent Format(NAF) method. The ECC we have implemented is defined over the field GF(2$^{163}$), which is a SEC-2 recommendation［7］..

• 인터넷정보학회논문지
• /
• 제8권5호
• /
• pp.81-89
• /
• 2007

유비쿼터스 기술의 성장으로 사용자의 상황을 자동으로 인지하여 유용한 서비스를 제공해주는 상황 인식 추천 서비스가 요구되기 시작하였다. 그러나 기존의 상황 인식 추천 서비스는 상황에 따른 추천 정보를 개념 수준의 변화 없이 일관된 개념 수준의 정보만을 제공하였다. 그러므로 추천된 정보가 사용자의 현재 상황에서 처리하기 어려운 수준의 정보로 제공되어 사용자가 원하는 정보를 찾고 목적을 달성하기 위해서는 상당한 노력과 시간을 소요하게 되었다. 본 논문에서는 온톨로지의 개념 계층 모델을 이용하여 사용자의 상황에 맞는 정보의 수준을 결정하고 정보를 추천하는 상황 인식 추천 시스템(OCARCH)을 제안한다. 그리고 기존의 상황 인식 추천 서비스와의 비교 실험을 통해 본 논문에서 제시한 개념 계층 모델을 이용한 상황 인식 추천 시스템이 더 뛰어난 성능을 보임을 증명한다.

• 방송공학회논문지
• /
• 제24권6호
• /
• pp.1013-1023
• /
• 2019

수많은 채널과 VoD 콘텐츠, 웹 콘텐츠들이 존재하는 콘텐츠 소비 환경에서의 추천은 이제 선택이 아닌 필수가 되었다. 현재 OTT서비스나 IPTV서비스에서도 많은 사람들이 선호하는 콘텐츠를 추천하거나 사용자가 시청한 콘텐츠와 유사한 콘텐츠들을 추천하는 등, 다양한 종류의 추천 서비스들이 제공되고 있다. 하지만 TV, IPTV와 같이 대체로 한 가구당 하나의 가입정보와 하나의 TV, 셋탑박스를 공유하는 TV를 통한 콘텐츠 시청환경의 경우, 하나의 가입정보에 1명 이상의 사용 이력이 쌓여 특정 사용자에 대한 추천을 제공하기에 어려움이 존재한다. 본 논문에서는 이러한 문제를 해결하기 위해 가족의 개념을 {사용자, 시간}으로 해석하여, 기존의 {사용자, 콘텐츠}로 정의하는 추천 관계를 {사용자, 시간, 콘텐츠}으로 확장하고 이를 딥러닝 기반으로 해결하는 방법을 제안한다. 제안한 방법을 통해 추천 성능을 정성적 정량적으로 평가하였으며, 기존의 시간대를 고려하지 않은 방법과 비교하여 추천 정확도가 향상됨을 확인할 수 있었다.