• 한국ITS학회 논문지
• /
• 제10권3호
• /
• pp.95-100
• /
• 2011

정보통신 기술의 급속한 성장 및 발전에 따라 유비쿼터스 네트워크 컴퓨팅 및 이용자 맞춤 서비스에 대한 관심이 증폭되고 있다. 또한 최근 스마트폰(Smartphone)을 매개체로 모바일 관련 기술들이 급속도로 발전하며 큰 각광을 받고 있다. 이러한 환경 및 인프라의 발전에 따라 최근 모바일에서 각 종 정보 및 서비스를 제공하는 다양한 응용소프트웨어들이 출시되고 있는 추세이나 그 대부분이 공급자 위주의 정보시스템으로 단순히 다량의 정보들을 불특정 다수의 이용자들에게 제공하는데 목적을 두고 있으며 이용자 개개인에 대한 맞춤화 혹은 개인화된 정보 및 서비스의 제공은 거의 이루어지지 않고 있다. 이에 따라 본 연구에서는 모바일환경에서 개인화 및 맞춤화를 위한 추천시스템을 설계 및 구현 한다. 각 종 정보필터링 기법의 장점만을 결합한 하이브리드 필터링(Hybrid Filtering)을 이용하여 추천 시스템을 구성하며 추천의 질을 향상시키기 위해 정보 필터링 단계에 앞서 사용자의 목적행위, 위치의 상황정보(Context-information)를 이용하여 추천대상 아이템의 범위를 결정함으로써 이용자 상황에 따른 효과적인 정보의 추천을 가능하도록 한다.

• 한국정보통신학회논문지
• /
• 제22권1호
• /
• pp.17-25
• /
• 2018

최근 ICT기술의 발전과 스마트 기기의 급격한 보급으로 엄청난 양의 정보가 생성되고 있다. 추천 시스템은 과도한 정보제공(information overload)으로부터 정보 수용자의 적절한 판단을 도와주고, 정보 제공자에게는 기업의 이윤과 업체홍보 효과를 증대 시킬 수 있는 해결책으로 등장하였다. 추천 시스템은 다양한 접근법으로 구현이 가능하지만, 소셜 네트워크 정보로 성능을 향상시킬 수 있는 방법으로 제시되었다. 그러나 추천 시스템 내의 사용자간에 형성되는 신뢰 클러스터의 정보를 활용하는 방안은 연구되지 못하였다. 본 논문에서는 온라인 리뷰에서 생성되는 클러스터에서 클러스터 내부 객체 간 영향성과 트러스터-트러스티 간 정보를 이용하여 추천 시스템의 성능을 향상시키는 방식을 제안하였다. 제안하는 방식을 구현하고 실제 데이터를 활용하여 실험한 결과 기존의 방식들보다 예측 정확도가 향상됨을 확인하였다.

• 정보보호학회논문지
• /
• 제27권6호
• /
• pp.1499-1506
• /
• 2017

스마트폰의 사용 및 다양한 앱 들의 출시 등이 기하급수적으로 증가되면서 악성 앱 또한 동시에 증가됐다. 기존의 앱 추천 시스템들은 온라인상에서 보이는 다른 사용자들의 평점, 댓글 및 인기 카테고리 등의 정적인 정보 분석을 기반으로만 동작한다는 한계가 있었다. 본 논문에서는 처음으로 스마트폰에서 실제로 사용되는 앱의 동적인 정보들을 현실적으로 사용하여 정적인 정보와 동적인 정보를 동시에 고려하는 견고한 앱 추천 시스템을 제안한다. 즉, 본 논문에서는 앱의 사용되는 시간, 앱의 사용 빈도수 및 앱과 앱 간의 상호 작용과 안드로이드 커널과의 접촉 횟수 등을 측정 가능한 수준에서 부분적으로 반영하여 견고한 안드로이드 앱 추천 시스템을 제안한다. 성능평가 결과 제안하는 기법이 견고하고 효율적인 앱 추천 시스템임을 증명했다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제16권9호
• /
• pp.927-935
• /
• 2010

웹 2.0 시대에는 웹 상의 사용자들이 수많은 멀티미디어 컨텐츠를 생성함에 따라서 멀티미디어 검색이 더욱 중요하게 되었다. URL, 사진, 동영상과 같은 웹 컨텐츠를 설명하는 간단한 키워드인 태그는, 웹 컨텐츠의 메타데이터 역할을 하고 있다. 태그가 달린 데이터의 양이 많아지면 훨씬 풍부한 메타데이터를 포함한 웹 컨텐츠를 대상으로 검색이 가능하기 때문에 태그를 이용한 검색으로 사용자가 원하는 결과를 찾을 수 있는 가능성이 높아지게 된다. 하지만 실제로 태그를 사용하는 사용자의 수는 많지 않다. 태그를 입력하는 과정이 번거롭기 때문이거나 어떠한 태그를 입력하는 것이 다른 사용자들로부터의 접근성을 높일 수 있는지 모르기 때문이다. 이러한 문제를 해결하기 위해서, 사용자의 태그 입력 과정을 도와주는 기법인 태그 추천이 연구되었다. 사용자가 어떠한 웹 컨텐츠를 게재하려고 할 때, 태그 추천 시스템이 해당 웹 컨텐츠에 적절한 태그를 추천하면, 사용자는 적절한 태그를 선택하는 것으로 태그 입력이 이루어진다. 본 연구에서는 이러한 태깅 시스템에서의 다양한 태그 추천 방법론을 분석하고, 분류하였다.

• 한국인터넷방송통신학회논문지
• /
• 제23권3호
• /
• pp.193-198
• /
• 2023

딥러닝을 이용한 학습자 맞춤 강의 추천 프로젝트를 연구한다. 추천시스템은 웹과 앱에서 쉽게 발견할 수 있으며 이 특성을 이용한 예제는 사용자 클릭으로 특성 영상 추천과 SNS에서 평소 사용자가 관심 있던 분야의 아이템을 광고하는 것이 있다. 본 연구에서는 문장 유사도인 Word2Vec를 주로 이용하여 2번의 필터링을 거쳤으며 Surprise 라이브러리를 통해 강좌 추천을 하였다. 이러한 시스템으로 사용자에게 간편하고 편리하게 원하는 분류의 강좌 데이터를 제공한다. Surprise 라이브러리는 Python scikit-learn 기반의 라이브러리이며 추천시스템에 편리하게 사용된다. 데이터를 분석하여 시스템을 빠른 속도로 구현하고 딥러닝을 사용하여 강좌 단계를 거쳐 보다 더 정밀한 결과를 구현해낸다. 사용자가 관심 있는 키워드를 입력하면 해당 키워드와 강좌 제목과의 유사도를 실행하고 추출된 영상 데이터로 또 음성 텍스트와의 유사도를 실행하여 추출된 데이터로 Surprise 라이브러리를 통해 가장 높은 순위의 영상 데이터를 추천한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권11호
• /
• pp.447-454
• /
• 2022

4차 산업혁명 시대를 맞아 우리는 정보의 홍수 속에 살고 있다. 이런 환경에서 우리에게 필요한 정보를 찾기란 매우 어렵고 복잡하다. 따라서 정보의 홍수 속에서 추천 시스템은 필수적이다. 이러한 추천 시스템 중 영화, 음악, 음식, 의류의 각각에 대한 추천 시스템들은 많은 연구가 진행되어 왔다. 현재까지 대부분의 개인화 추천 시스템들은 개인의 성향인 나이, 장르, 지역, 성별 등을 체크해서 옷들을 추천한다던가, 책들을 추천한다던가, 영화들을 추천해왔다. 미래 세대에서는 나이, 장르, 지역, 성별 등을 체크해서 옷, 책, 영화들을 한꺼번에 추천 받기를 원할 것이다. 본 논문에서는 사용자의 감정과 날씨에 따라 개인 맞춤형 옷과 음식을 한꺼번에 추천하는 추천 시스템을 제안한다. 소셜미디어인 트위터에서 사용자의 데이터를 얻었고, 트윗을 기반으로 감정 분석을 해서 Paul Eckman 이론에 따라 사람의 6 가지의 기본 감정으로 분류했다. 이렇게 얻어진 기본 감정을 Hayashi의 Quantification Method III를 적용하여 색깔로 변환하였으며, 이러한 색깔은 추천하는 옷의 색상으로 표현하였다. 또한, visualcrossing.com API의 날씨 정보를 이용하여 의류의 종류를 추천한다. 그리고 감정에 따른 컴포트 푸드의 내용에 따라 다양한 음식을 추천한다.

• 한국경영정보학회:학술대회논문집
• /
• 한국경영정보학회 2007년도 추계학술대회
• /
• pp.591-596
• /
• 2007

본 연구에서는 상황 추론의 기능을 추천 시스템에 접목하였다. 연구의 대상 영역은 음악 추천 분야인데, 본 연구에서 제안하는 시스템은 세 개의 모듈, 즉 Intention Module, Mood Module 그리고 Recommendation Module로 구성되어 있다. Intention Module은 사용자가 음악을 청취할 의향이 있는지 없는지를 외부 환경의 상황 데이터를 이용하여 추론한다. Mood Module은 사용자의 상황에 적합한 음악의 장르를 추론한다. 마지막으로 Recommendation Module은 사용자에게 선정된 장르의 음악을 추천한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2020년도 제62차 하계학술대회논문집 28권2호
• /
• pp.385-386
• /
• 2020

In this paper, we propose a collaborative filtering recommendation algorithm based on the LDA2Vec topic model. By extracting and analyzing the article's content, calculate their semantic similarity then combine the traditional collaborative filtering algorithm to recommend. This approach may promote the system's recommend accuracy.

• 지능정보연구
• /
• 제17권1호
• /
• pp.139-152
• /
• 2011

1990년대 중반에 협업 필터링의 출현으로 인하여 추천시스템에 관련된 연구가 늘어나게 되었다. 협업 필터링의 출현 이후 내용 기반 필터링, 협업 필터링과 내용 기반 필터링이 혼합된 하이브리드 필터링 등 새로운 기법들이 출현함으로써 2000년대에는 추천시스템의 연구가 눈에 띄게 증가하였다. 하지만 현재까지 추천시스템에 관련된 문헌들에 대한 리뷰와 분류가 체계적으로 되어있지 않다. 이와 같은 문제에 대한 해결방안으로써, 본 연구에서는 2001년부터 2010년도까지의 추천시스템에 관련된 문헌들 중 MIS Journal Ranking의 125개의 저널에서 추천시스템(Recommender system, Recommendation system), 협업 필터링(Collaborative Filtering), 내용 기반 필터링(Content based Filtering), 개인화 시스템(Personalized system) 등의 5가지 키워드로 제한하여 조사하였다. 총 37개의 저널에서 논문을 검색하였으며, 검색되어진 논문을 분석한 결과 추천시스템과 관련이 없는 논문을 제외한 총 187개의 논문을 선정하여 분석하였다. 이 연구에서는 그러나 컨퍼런스 논문, 석사, 박사학위 논문, 영어로 작성되지 않은 논문, 완성되지 않은 논문 등은 제외하였다. 본 연구에서는 187개의 논문을 분석하여 2001년부터 2010년까지의 각각의 년도 별 추천시스템의 연구에 대한 동향 분석, Journal별 추천시스템의 게재 분류, 추천시스템 어플리케이션의 사용 분야(책, 문서, 이미지, 영화, 음악, 쇼핑, TV 프로그램, 기타)별 분류 및 분석, 추천시스템에 사용된 데이터마이닝 기술(연관 규칙, 군집화, 의사 결정나무, 최근접 이웃 기법, 링크 분석 기법, 신경망, 회귀분석, 휴리스틱 기법)별 분류 및 분석을 수행하였다. 따라서 본 연구에서 제안한 각각의 분류 및 분석 결과들을 통하여 현재까지 추천시스템의 연구에 대한 연구 동향을 파악 할 수 있었으며, 분석결과를 통해 추천시스템에 관심이 있는 연구자와 전문가에게 미래의 추천시스템의 연구에 대한 가이드라인을 제시 할 수 있을 것이라고 기대한다.

• 한국콘텐츠학회논문지
• /
• 제6권4호
• /
• pp.55-62
• /
• 2006

유비쿼터스 시대가 시작되면서 유비쿼터스 환경을 어떻게 제시할 것인지와 어떤 서비스와 이용 방법을 사용자에게 제공할 것인지가 중요해지고 있다. 본 논문에서는 모바일 환경에서 지능형 멀티 에이전트를 통해 사용자에게 도움되는 정보를 능동적으로 제공할 수 있는 시스템을 제안한다. 프로파일 모듀르 규칙 생성 모듈, 필터링 모듈, 서비스 모듈 구조로 구성된다. 추천 에이전트를 이용하여 미리 등록한 사용자의 정보를 기반으로 지능적인 사용자의 요구 파악을 가능하게 구성하였다. 이것을 응용하여 구현하고 실험을 통해 확인하였다.