• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제15권1호
• /
• pp.45-52
• /
• 2015

Although researchers have proposed various recommendation systems, most recommendation approaches are for single users and there are only a small number of recommendation approaches for groups. However, TV programs or movies are most often viewed by groups rather than by single users. Most recommendation approaches for groups assume that single users' profiles are known and that group profiles consist of the single users' profiles. However, because it is difficult to obtain group profiles, researchers have only used synthetic or limited datasets. In this paper, we report on various group recommendation approaches to a real large-scale dataset in a TV domain, and evaluate the various group recommendation approaches. In addition, we provide some guidelines for group recommendation systems, focusing on home group users in a TV domain.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제9권1호
• /
• pp.446-465
• /
• 2015

In this modern era of technology and information, e-learning approach has become an integral part of teaching and learning using modern technologies. There are different variations or classification of e-learning approaches. One of notable approaches is Personal Learning Environment (PLE). In a PLE system, the contents are presented to the user in a personalized manner (according to the user's needs and wants). The problem arises when a new user enters the system, and due to the lack of information about the new user's needs and wants, the system fails to recommend him/her the personalized e-learning contents accurately. This phenomenon is known as cold-start problem. In order to address this issue, existing researches propose different approaches for recommendation such as preference profile, user ratings and tagging recommendations. In this research paper, the implementation of a novel interaction-based approach is presented. The interaction-based approach improves the recommendation accuracy for the new-user cold-start problem by integrating preferences profile and tagging recommendation and utilizing the interaction among users and system. This research work takes leverage of the interaction of a new user with the PLE system and generates recommendation for the new user, both implicitly and explicitly, thus solving new-user cold-start problem. The result shows the improvement of 31.57% in Precision, 18.29% in Recall and 8.8% in F1-measure.

• 문화기술의 융합
• /
• 제7권1호
• /
• pp.582-587
• /
• 2021

도서 취향을 고려하여 도서를 추천해주는 도서 추천 시스템은 사용자의 독서 경험과 독서에 대한 인식 개선에 효과적이다. 축적된 사용자 평점 기록이 상대적으로 적은 도서의 경우 추천 정확도에 한계가 나타난다. 본 연구에서는 상대적으로 풍부한 사용자 평점 데이터를 가진 영화 평점 정보를 이용하여 사용자에게 맞춤형 도서를 추천하는 추천 시스템을 제안한다. 제안하는 방법을 통해 도서 추천의 정확도를 높이고 보다 다양한 종류의 추천을 수행하는데 효과적임을 보였다. 영화 평점 데이터를 활용한 도서추천 시스템은 도서 분야 외 타 미디어 플랫폼의 데이터를 도서추천에 활용하는 의미 있는 시도가 될 것으로 예상한다.

• 데이타베이스연구회지:데이타베이스연구
• /
• 제34권3호
• /
• pp.86-98
• /
• 2018

장소추천시스템은 시간과 장소가 주어졌을 때, 사용자에게 가장 흥미로운 장소를 추천해주는 시스템을 말한다. 스마트폰과 사물인터넷(IoT), 장소기반 소셜네트워크(LBSN)의 발달에 힘입어 사용자들의 방대한 양의 장소 방문 데이터를 축적하게 되었고, 이를 통해 특정한 시점에 사용자들이 원하는 장소를 적절히 추천해줄 수 있는 장소추천시스템의 중요성이 부각되었다. 장소추천시스템은 사용자의 방문(Check-in) 횟수라는 암시적 피드백(Implicit feedback) 데이터에서 사용자의 시퀀스 선호(Sequential preference)를 이끌어내어 높은 성능을 내기 위한 연구들이 제안되었다. 하지만 시퀀스 선호 정보를 활용하여 모델을 구성하는 경우, 데이터의 밀도가 더욱 희박해지고 이에 따라 적은 수의 데이터에 기반하여 구축되는 모델의 성능이 왜곡될 가능성이 존재한다. 본 연구에서는 신뢰도(Confidence)에 기반하여 방문 주기를 보정하는 방법론을 제안한다. 사용자의 시퀀스 선호 정보로부터 도출된 장소 간 방문 시간전이간격(temporal transition interval)을 활용하여 추천시스템을 구성할 때, 해당 방법론을 통하여 데이터의 왜곡을 보정함으로써 추천시스템의 성능을 향상하였다. 제안하는 방법의 효과를 검증하기 위하여, Foursquare와 Gowalla의 데이터셋을 이용한 비교실험을 통해 제안하는 방법론의 우수성을 보였다.

• 한국산학기술학회:학술대회논문집
• /
• 한국산학기술학회 2003년도 Proceeding
• /
• pp.105-110
• /
• 2003

Collaborative filtering is one of the methodologies that are most widely used for recommendation system. It is based on a data matrix of each customer's preferences of products. There could be a lot of missing values in such preference. data matrix. This incomplete data is one of the reasons to deteriorate the accuracy of recommendation system. Multiple imputation method imputes m values for each missing value. It overcomes flaws of single imputation approaches through considering the uncertainty of missing values.. The objective of this paper is to suggest multiple imputation-based collaborative filtering approach for recommendation system to improve the accuracy in prediction performance. The experimental works show that the proposed approach provides better performance than the traditional Collaborative filtering approach, especially in case that there are a lot of missing values in dataset used for recommendation system.

• Soft Computing and Machine Intelligence
• /
• 제1권1호
• /
• pp.31-35
• /
• 2021

In recent years, due to COVID-19, the process of shopping has become more restricted and difficult for customers. Based on this aspect, customers are more interested in online shopping to keep the Untact rules and stay safe, similarly ordering their product based on their need and interest with most straightforward and fastest ways. In this paper, the reinforcement learning technique is applied in the product recommendation system to improve the recommendation system quality for better and more related suggestions based on click patterns and users' profile information. The dataset used in this system was taken from an online shopping mall in Jeju island, South Korea. We have compared the proposed method with the recent state-of-the-art and research results, which show that reinforcement learning effectiveness is higher than other approaches.

• 한국컴퓨터정보학회논문지
• /
• 제27권5호
• /
• pp.37-45
• /
• 2022

2020년 기준 대표적인 온라인 동영상 플랫폼인 유튜브에는 1분에 약 500시간의 동영상이 업로드되고 있다. 이에 업로드된 다수의 다양한 동영상을 통해 정보를 획득하는 사용자의 수가 늘고 있어 온라인 동영상 플랫폼들은 더 나은 추천 서비스를 제공하기 위해 노력하고 있다. 현재 사용되고 있는 추천 서비스는 사용자의 시청 기록을 기반으로 사용자에게 동영상을 추천하는데 이는 교육용 동영상과 같이 특정 목적 및 관심사를 다루는 동영상 추천에 좋은 방법이 아니다. 최근 추천 시스템은 사용자의 시청 기록뿐만 아니라 아이템의 콘텐츠 특징을 함께 활용한다. 본 논문에서는 유튜브를 기반으로 교육용 동영상 추천을 위한 교육용 동영상의 콘텐츠 특징을 추출하고, 이를 활용하는 추천 시스템을 설계하여 웹 애플리케이션으로 구현한다. 사용자들의 만족도를 조사하여 추천 시스템의 추천 성능의 만족도 85.36%, 편의성 만족도 87.80%를 보인다.

• 패션비즈니스
• /
• 제25권5호
• /
• pp.25-37
• /
• 2021

As the online shopping market grows, channels in the mobile shopping environment have become increasingly diverse as a wide variety of products are introduced every day. This study investigated the effects of the self-construal type, mobile product recommendation system type, and fashion product type on purchase intention. The experimental design of this study was a 2 (self-construal type: independent vs. interdependent) × 2 (product recommendation system: bestseller vs. content-based) × 2 (fashion product type: utilitarian vs. hedonic) 3-way mixed ANOVA. Women (n = 387) in their 20 to 30s residing in Seoul and the Gyeonggi area participated in the study. The data were analyzed with the SPSS 24 program and 3-way ANOVA and simple main effects analyses were conducted. The results were as follows. First, self-construal, product recommendation, and fashion product types had a statistically significant impact on purchase intention. Second, fashion product and consumers' self-construal types had significant interaction effects on purchase intention. Finally, product recommendation and fashion product and self-construal types showed significant 3-way interaction effects on purchase intention. The study confirmed an interaction between the self-construal, type of product recommendation system, and the type of fashion product used in influencing purchase intention.

• Journal of the Korean Data and Information Science Society
• /
• 제22권1호
• /
• pp.19-27
• /
• 2011

온라인 사용자에게 선택의 어려움을 줄여주고 사용의도를 높이기 위해 만들어진 것이 추천시스템이다. 추천시스템은 정보검색과 정보필터링을 용이하게 하고, 정보 과잉의 문제를 해결하는 데에 많은 도움을 주고 있다. 본 연구의 목적은 웹 상점을 이용하는 사용자들의 클릭스트림 데이터를 분석하여 데이터 인접성의 차이를 확인하고, 이를 통해 상품추천을 제안하고자 하는 데에 있다. 본 연구에서 제안하는 추천시스템의 성과를 검증하기 위하여 실험을 통해 알아본 결과, 추천시스템 적용 전보다 적용 후에 사용자들의 구매 의도는 높아졌고 탐색시간은 줄어들었다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제16권12호
• /
• pp.1244-1248
• /
• 2010

기존의 방송 추천 시스템은 사용자 프로파일 정보를 입력하고 이를 기반으로 콘텐츠 메타데이터와 일치되는 콘텐츠를 추천하는 형태로 연구가 진행되었다. 그러나 디지털 TV와 같이 사용자와의 상호동작이 많은 기기에서는 사용자들의 프로파일은 계속 변경이 일어나고 있고, 사용자의 의도와 프로파일을 정확히 파악하는 것이 추천의 정확도와 만족도를 높이는 것이다. 따라서 본 논문에서는 사용자의 리모컨 입력과 방송시청시간을 통해 실시간으로 사용자 프로파일 정보를 추출하고, 이 정보와 콘텐츠 메타데이터와 연관성을 파악하여 사용자에게 최적의 방송 콘텐츠를 추천한다. 또한 임베디드 시스템의 하드웨어 및 컴퓨팅 파워의 제약을 고려하여 네트워크 통신이나 상용 데이터베이스 시스템을 사용하지 않았고, 시청 시간에 따라 사용자가 원하는 콘텐츠의 장르가 다르다는 점을 고려하여 현재시간을 기준으로 콘텐츠를 추천하여 사용자 만족도를 증가시켰다.