• 한국멀티미디어학회논문지
• /
• 제14권1호
• /
• pp.112-120
• /
• 2011

본 연구에서는 상황 적용 시스템을 이용하여 위치 인식 기반의 음식점 추천 서비스를 개발함으로써 이 시스템이 실제 상황 인식 응용 프로그램 개발에도 유용하게 사용될 수 있음을 보일 것이다. 이를 위해 상황 적응 시스템을 기반으로 하여 사용자의 위치 선호도와 검색 히스토리 등의 정보를 이용하는 위치 인식 기반의 맞춤형 음식점 추천 응용 프로그램을 개발하였다. 상황 적용 시스템은 개발자가 작성한 정책 파일의 내용에 따라 변화된 상황에 맞도록 응용 프로그램을 자동적으로 적응시키고, 응용 프로그램은 위치 등과 같은 변화된 상황을 기반으로 음식점 추천 서비스를 제공한다.

• 지능정보연구
• /
• 제12권3호
• /
• pp.111-126
• /
• 2006

상황 인식은 유비쿼터스 컴퓨팅 환경에서 중요한 핵심 기술 중 하나이다. 본 연구에서는 상황 인식 기술을 사례기반 음악추천시스템에 접목시켰다. 본 연구에서 제안하는 시스템은 음악청취의향 인식모듈과 음악추천 모듈로 구성된다. 음악청취의향 인식모듈은 사용자가 음악을 듣고 싶어 하는지 아닌지를 외부상황정보를 이용하여 추론한다. 사용자가 음악을 청취할 의향이 있다고 판단되면, 음악추천 모듈은 사용자와 유사한 성향을 보이는 다른 사용자들이 유사한 상황에서 주로 들었던 노래들을 사용자에게 추천한다. 제안 시스템과 전통적인 방식의 사례기반 음악추천시스템의 성능을 비교한 결과, 제안 시스템이 추천의 정확도에서 약 9% 포인트 높게 나타났다.

• International Journal of Computer Science & Network Security
• /
• 제21권3호
• /
• pp.177-184
• /
• 2021

All over the world, people are affected by many chronic diseases and medical practitioners are working hard to find out the symptoms and remedies for the diseases. Many researchers focus on the feature detection of the disease and trying to get a better health recommendation system. It is necessary to detect the features automatically to provide the most relevant solution for the disease. This research gives the framework of Health Recommendation System (HRS) for identification of relevant and non-redundant features in the dataset for prediction and recommendation of diseases. This system consists of three phases such as Pre-processing, Feature Selection and Performance evaluation. It supports for handling of missing and noisy data using the proposed Imputation of missing data and noise detection based Pre-processing algorithm (IMDNDP). The selection of features from the pre-processed dataset is performed by proposed ensemble-based feature selection using an expert's knowledge (EFS-EK). It is very difficult to detect and monitor the diseases manually and also needs the expertise in the field so that process becomes time consuming. Finally, the prediction and recommendation can be done using Support Vector Machine (SVM) and rule-based approaches.

• Journal of Information Science Theory and Practice
• /
• 제12권2호
• /
• pp.64-78
• /
• 2024

Sentiment analysis is one of the promising approaches for developing a point of interest (POI) recommendation system. It uses natural language processing techniques that deploy expert insights from user-generated content such as reviews and feedback. By applying sentiment polarities (positive, negative, or neutral) associated with each POI, the recommendation system can suggest the most suitable POIs for specific users. The proposed study combines two models for POI recommendation. The first model uses bidirectional long short-term memory (BiLSTM) to predict sentiments and is trained on an election dataset. It is observed that the proposed model outperforms existing models in terms of accuracy (99.52%), precision (99.53%), recall (99.51%), and F1-score (99.52%). Then, this model is used on the Foursquare dataset to predict the class labels. Following this, user and POI embeddings are generated. The next model recommends the top POIs and corresponding coordinates to the user using the LSTM model. Filtered user interest and locations are used to recommend POIs from the Foursquare dataset. The results of our proposed model for the POI recommendation system using sentiment analysis are compared to several state-of-the-art approaches and are found quite affirmative regarding recall (48.5%) and precision (85%). The proposed system can be used for trip advice, group recommendations, and interesting place recommendations to specific users.

• Journal of Information Technology Applications and Management
• /
• 제24권1호
• /
• pp.33-43
• /
• 2017

The content curation service through big data analysis is receiving great attention in various content fields, such as film, game, music, and book. This service recommends personalized contents to the corresponding user based on user's preferences. The existing book curation systems recommended books to users by using bibliographic citation, user profile or user log data. However, these systems are difficult to recommend books related to character names or spatio-temporal information in text contents. Therefore, in this paper, we suggest a personalized book curation system based on integrated mining of a book. The proposed system consists of mining system, recommendation system, and visualization system. The mining system analyzes book text, user information or profile, and SNS data. The recommendation system recommends personalized books for users based on the analysed data in the mining system. This system can recommend related books using based on book keywords even if there is no user information like new customer. The visualization system visualizes book bibliographic information, mining data such as keyword, characters, character relations, and book recommendation results. In addition, this paper also includes the design and implementation of the proposed mining and recommendation module in the system. The proposed system is expected to broaden users' selection of books and encourage balanced consumption of book contents.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권6호
• /
• pp.2310-2332
• /
• 2020

In recent years, deep learning techniques have achieved tremendous successes in natural language processing, speech recognition and image processing. Collaborative filtering(CF) recommendation is one of widely used methods and has significant effects in implementing the new recommendation function, but it also has limitations in dealing with the problem of poor scalability, cold start and data sparsity, etc. Combining the traditional recommendation algorithm with the deep learning model has brought great opportunity for the construction of a new recommender system. In this paper, we propose a novel collaborative recommendation model based on auxiliary stacked denoising autoencoder(ASDAE), the model learns effective the preferences of users from auxiliary information. Firstly, we integrate auxiliary information with rating information. Then, we design a stacked denoising autoencoder based collaborative recommendation model to learn the preferences of users from auxiliary information and rating information. Finally, we conduct comprehensive experiments on three real datasets to compare our proposed model with state-of-the-art methods. Experimental results demonstrate that our proposed model is superior to other recommendation methods.

• Journal of Information Technology Applications and Management
• /
• 제26권6호
• /
• pp.89-101
• /
• 2019

Many researchers have been focused on designing beauty product recommendation system for a long time because of increased need of customers for personalized and customized recommendation in beauty product domain. In addition, as the application of the deep neural network technique becomes active recently, various collaborative filtering techniques based on the deep neural network have been introduced. In this context, this study proposes a deep neural network model suitable for beauty product recommendation by applying Neural Collaborative Filtering and Generalized Matrix Factorization (NCF + GMF) to beauty product recommendation. This study also provides an implementation of web API system to commercialize the proposed recommendation model. The overall performance of the NCF + GMF model was the best when the beauty product recommendation problem was defined as the estimation rating score problem and the binary classification problem. The NCF + GMF model showed also high performance in the top N recommendation.

• 디지털융복합연구
• /
• 제19권5호
• /
• pp.187-196
• /
• 2021

교통약자는 우리 사회의 높은 비율을 차지하고 있는 대표적인 사회 취약계층이다. 최근 기술의 발달로 사회취약 계층을 위한 맞춤형 복지 기술이 연구되고 있으나, 일반인들과 비교하면 상대적으로 부족한 실정이다. 이에 본 연구에서는 교통약자를 위한 맞춤형 식당 추천시스템을 구현하고자 한다. 이를 위해 특별교통수단 승하차 이력(7,153건), 대구 푸드 식당 상세정보(955건)의 자료를 결합하여 하이브리드 추천시스템을 구현하였다. 구현된 추천시스템의 유효성 평가를 위해 예측 오차율, 추천 커버리지로 기존 추천시스템들과 성능 비교를 수행하여 유효성을 검증하였다. 분석 결과 기존 추천시스템보다 높은 성능으로 나타났으며, 교통약자를 위한 맞춤형 식당 추천시스템의 가능성을 확인하였다. 또한 일부 교통약자 유형에서 유사한 식당이 추천되는 상관성을 확인하였다. 본 연구결과는 교통약자들의 만족도 높은 식당 이용에 기여할 것으로 판단되며, 연구의 한계점 또한 제시하였다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제4권9호
• /
• pp.289-296
• /
• 2015

정보의 폭발적인 증가로 사용자들은 원하는 정보를 빠른 시간에 얻는 것이 힘들어졌다. 따라서 이 문제를 해결하기 위한 다양한 방식의 새로운 서비스들이 제공되고 있다. 개인에게 맞는 맞춤 서비스를 제공하는 것이 중요하게 부각되면서 개인화 추천 시스템이 매우 중요하게 되었다. 추천 시스템 중 협업 필터링은 추천 시스템에서 널리 사용되고 있고 개인화 추천 시스템 중에서 가장 성공적인 방법이다. 협업 필터링 방법은 고객들의 프로파일 정보를 기반으로 추천을 하므로 희박성 문제와 cold-start 문제가 있다. 본 논문에서는 개인에게 더 정확하게 추천하기 위해 협업 필터링 기법과 상황기반 기법을 함께 이용하는 방법을 제안한다. 상황기반 기법은 사용자를 둘러싼 시간, 감정, 장소 등과 같은 환경을 고려하여 사용자에게 맞는 아이템을 추천하는 방법으로 상황에 따라 달라지는 사용자의 선호도를 반영할 수 있다. 본 논문에서는 상황기반 기법을 활용하기 위해 상황정보로 감정을 이용하며 이를 위해 개인의 주관적인 정보를 파악하는 데 효과적인 영화 리뷰를 이용한다. 본 논문에서 제안한 방법은 기존의 협업 필터링 방법보다 성능평가 결과, 향상된 성능을 보였다.

• 한국멀티미디어학회논문지
• /
• 제7권4호
• /
• pp.592-600
• /
• 2004

전자 상거래 환경에서 e-CRM의 한 응용분야인 추천 시스템은 사용자 개개인의 요구를 충족하는 개인화된 품 추천 서비스를 제공한다. 일반적으로 기존 추천 시스템들은 응용 영역에 대한 방대한 과거 사용자 정보를 요로 한다. 그러나, 과거 정적인 사용자 정보 기반의 추천 방식은 다양한 사용자를 포함하는 영역 혹은 간에 민감하게 빠르게 변화하는 사용자 요구에 유연하게 대처하는 추천 방법이 필요하다. 또한, 해당영역의 존 사용자로부터 분류될 수 없는 새로운 사용자에 대한 추천을 어렵게 한다. 이러한 한계를 극복하고 유연한 추천 서비스를 위해 본 논문에서는 고객성향분석과 필터관리를 지원하는 CPAR (Customer Preference Analysis Recommender) 시스템을 설계하고 구현한다. 본 시스템의 필터 관리 능력은 기존 시스템의 방대한 초기 사용자 정보 필요 문제를 경감한다. 또한, CPAR 시스템은 플랫폼에 독립적이고 시간과 장소에 구애받지 않는 추천 서비스를 위해 XML 기반 무선 인터넷 환경에서 구현되었다.