• 지능정보연구
• /
• 제18권3호
• /
• pp.119-135
• /
• 2012

본 연구는 추천의 정확도 및 다양성을 향상시키기 위해, 가장 널리 사용되는 추천 알고리즘의 하나인 이웃 기반의 협업 필터링(Neighborhood-based Collaborative Filtering) 시스템의 개선방안 제시를 목적으로 한다. 이를 위해서 추천 시스템 사용자의 성향을 파악하고 이와 유사한 성향을 가진 이웃 사용자들 중에서 비교 가능한 선호도 정보가 많을수록 높은 가중치를 부여함으로써 최적의 이웃을 선택할 수 있도록 하였다. 영화 데이터를 이용하여 분석한 결과, 대부분의 경우 기존 시스템보다 더 정확하고 다양한 추천 결과를 얻을 수 있었다. 또한 사용자의 선호도를 여러 항목으로 평가할 경우, 사용자의 선호도 정보가 증가하여 추천 결과의 추가적인 향상을 가져왔다. 마지막으로, 추천의 정확도 및 다양성의 요소를 통합적으로 평가할 수 있는 방안을 제시하였다.

• Journal of Information Processing Systems
• /
• 제13권4호
• /
• pp.653-667
• /
• 2017

The significant advances in information and communication technologies are changing the process of how information is accessed. The internet is a very important source of information and it influences the development of other media. Furthermore, the growth of digital content is a big problem for academic digital libraries, so that similar tools can be applied in this scope to provide users with access to the information. Given the importance of this, we have reviewed and analyzed several proposals that improve the processes of disseminating information in these university digital libraries and that promote access to information of interest. These proposals manage to adapt a user's access to information according to his or her needs and preferences. As seen in the literature one of the techniques with the best results, is the application of recommender systems. These are tools whose objective is to evaluate and filter the vast amount of digital information that is accessible online in order to help users in their processes of accessing information. In particular, we are focused on the analysis of the fuzzy linguistic recommender systems (i.e., recommender systems that use fuzzy linguistic modeling tools to manage the user's preferences and the uncertainty of the system in a qualitative way). Thus, in this work, we analyzed some proposals based on fuzzy linguistic recommender systems to help researchers, students, and teachers access resources of interest and thus, improve and complement the services provided by academic digital libraries.

• 한국컴퓨터정보학회논문지
• /
• 제27권9호
• /
• pp.59-68
• /
• 2022

추천시스템은 소비자를 대신하여 소비자가 선호할 만한 아이템이나 서비스를 검색하여 구매할 수 있도록 한다. 추천시스템의 추천은 사용자들이 경험하지 않은 아이템들에 대한 선호 예측이기 때문에 완전하게 맞는 답이 도출되는 것은 불가능하다. 따라서 예측에 대한 평가가 수행되어야만 비로소 추천시스템이 정확한지 아닌지를 판단할 수 있다. 그러나 사용자 선호에 대한 예측 정확성만을 높이는 추천은 오히려 사용자의 만족도를 하락시킬 수 있는데 이는 사용자의 취향만을 반영한 편중된 결과로 사용자는 다양한 아이템들로 구성된 추천 결과를 받을 수 없는 필터버블 현상이 야기되기 때문이다. 품질 측정 지표의 다각화가 필요한 이유이고 대표적으로 다양성 지표가 사용된다. 본 논문에서는 추천 결과의 다양성 증대를 위한 3가지 기본 접근방법인 bin packing, weighted random choice, greedy re-ranking을 실제 e-커머스 데이터인 패션 쇼핑몰 데이터에 적용하여 도출된 결과와 F1 score에 기반을 둔 차이를 분석한다.

• 정보관리학회지
• /
• 제39권3호
• /
• pp.23-50
• /
• 2022

본 연구는 도서관 상주작가 지원사업 문화프로그램 운영현황을 파악하고 프로그램에 대한 이용자의 인식과 선호, 사서의 인식을 조사하여 도서관 상주작가 문화프로그램의 운영개선 및 활성화 방안을 제시하는데 있다. 이를 위한 연구방법은 이론적 연구와 상주작가 문화프로그램 운영 현황조사, 도서관 이용자의 인식 및 선호에 대한 설문조사, 사서의 인식에 대한 인터뷰조사를 통한 실증적 연구를 병행하였다. 현황조사·설문조사·인터뷰조사는 2021년 5월부터 11월까지의 상주작가 지원사업 문화프로그램을 실시하고 있는 도서관을 대상으로 하였다. 문화프로그램의 어려움은 상주작가의 역량과 코로나로 인한 휴·재개관의 반복과 비대면 수업으로 나타났다. 프로그램 개선방안으로 상주작가와 다른 분야의 문인 초청과 문학프로그램 운영, 온라인 홍보에서 오프라인 홍보의 강화, 문화프로그램 운영의 사전교육, 사업 시작 시기 조정, 작가의 특성을 위한 교육, 이용자 연령을 고려한 진행방식, 이용자 선호프로그램, 프로그램 운영시간, 정기문화프로그램 운영, 지역특성과 프로그램의 다양성 등을 고려해야 할 것이다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 춘계학술발표대회
• /
• pp.357-359
• /
• 2023

This paper proposes a hybrid recommendation system (RS) model that overcomes the limitations of traditional approaches such as data sparsity, cold start, and scalability by combining collaborative filtering and context-aware techniques. The objective of this model is to enhance the accuracy of recommendations and provide personalized suggestions by leveraging the strengths of collaborative filtering and incorporating user context features to capture their preferences and behavior more effectively. The approach utilizes a novel method that combines contextual attributes with the original user-item rating matrix of CF-based algorithms. Furthermore, we integrate k-mean++ clustering to group users with similar preferences and finally recommend items that have highly rated by other users in the same cluster. The process of partitioning is the use of the rating matrix into clusters based on contextual information offers several advantages. First, it bypasses of the computations over the entire data, reducing runtime and improving scalability. Second, the partitioned clusters hold similar ratings, which can produce greater impacts on each other, leading to more accurate recommendations and providing flexibility in the clustering process. keywords: Context-aware Recommendation, Collaborative Filtering, Kmean++ Clustering.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제15권3호
• /
• pp.189-199
• /
• 2009

최근 인터넷 상에 정보가 방대해지면서 사용자의 요구에 맞는 정보 필터링과 개인화 서비스가 매우 중요해지고 있다. 특히 전자상거래 분야에서 상거래를 활성화시키고 정보 제공자에 대한 만족도와 충성도를 높이기 위해, 사용자의 취향을 기반으로 한 정보 추천은 필수적인 요소가 되었다. 기존 추천 시스템은 사용자의 관심 정보를 기술한 사용자 프로파일을 대부분 정보 제공자 측에서 각각 개별적으로 수집하고 이를 기초로 추천 서비스를 제공한다. 따라서 사용자의 정보는 각 정보 제공자 측에 분산되어 존재하며, 사용자 정보가 부족한 서버에서는 초기에 추천 전략을 세우기 어렵다는 문제가 있다. 또한 사용자정보를 가지고 있는 서버의 경우에도 사용자가 해당 서버를 주기적으로 방문하지 않았다면, 사용자의 동적인 취향 변화를 반영하기 어렵다. 따라서 본 논문에서는 사용자의 행동을 통합적이고, 지속적으로 관찰할 수 있는 사용자 기기에서, 사용자가 이용한 웹 문서 분석을 통해 사용자의 관심 분야를 추론하고, 이를 다른 정보 제공자가 이용하는 새로운 구조의 추천 시스템을 제안한다. 또한 제안 시스템은 보다 효율적인 프로파일 생성을 위해, 웹 페이지에서 식별된 정보 블록에서 관심 단어를 추출하고, 앵커 태그를 분석하여 사용자의 이동 경로를 추적하는 특징을 포함하고 있다. 이러한 제안 시스템의 특징을 통해, 사용자 정보가 부족한 상점에서도 초기에 개인화 서비스 제공이 가능해지며, 사용자가 평소에 이용하는 웹 문서로부터 프로파일을 생성함으로써, 사용자의 동적인 취향 변화를 반영할 수 있다. 또한 정보 블록에서 취향 정보를 추출하는 알고리즘을 통해 보다 빠르고 정확한 프로파일 생성이 가능해진다. 본 논문에서는 최근 구매 활동이 있었던 사용자들의 웹 검색 히스토리와 구매 데이터를 이용하여 제안 시스템의 추천 정확도와 프로파일 분석에 소요되는 시간 측면의 이득을 실험하였으며, 그 결과를 통해 시스템의 유효성을 확인하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제6권11호
• /
• pp.2849-2865
• /
• 2012

In order to block mobile junk messages automatically, many studies on spam filters have applied machine learning algorithms. Most previous research focused only on the accuracy rate of spam filters from the view point of the algorithm used, not on individual user's preferences. In terms of individual taste, the spam filters implemented on a mobile device have the advantage over spam filters on a network node, because it deals with only incoming messages on the users' phone and generates no additional traffic during the filtering process. However, a spam filter on a mobile phone has to consider the consumption of resources, because energy, memory and computing ability are limited. Moreover, as time passes an increasing number of feature words are likely to exhaust mobile resources. In this paper we propose a spam filter model distributed between a users' computer and smart phone. We expect the model to follow personal decision boundaries and use the uniform resources of smart phones. An authorized user's computer takes on the more complex and time consuming jobs, such as feature selection and training, while the smart phone performs only the minimum amount of work for filtering and utilizes the results of the information calculated on the desktop. Our experiments show that the accuracy of our method is more than 95% with Na$\ddot{i}$ve Bayes and Support Vector Machine, and our model that uses uniform memory does not affect other applications that run on the smart phone.

• 한국컴퓨터산업학회논문지
• /
• 제2권11호
• /
• pp.1365-1372
• /
• 2001

이 연구는 사용자의 브라우징 행위에 따라 자동적으로 하이퍼텍스트 네트워크를 재구성하는 세 가지 학습 규칙을 제안하고, 실험적 시스템을 구현하였다. 시스템은 링크 가중치를 하이퍼링크 네트워크에 부여하고 학습 규칙에 따라 가중치를 변경한다. 학습 규칙은 하이퍼링크가 얼마나 자주 이용되고 있는지에 따라 해당 하이퍼링크의 가중치만 변경되며, 다른 하이퍼링크에는 영향을 미치지 않는다. 네트워크 구조의 변경은 링크 가중치의 내림차순에 따라 동적으로 링크가 배열되어 사용자에게 제시된다. 이것은 협력 필터링 기술의 장점과 탐색 지원 접근 방식을 혼합한 것이다. 실험을 위해 임의적인 하이퍼텍스트 네트워크를 만들고 사용자의 브라우징 선호에 따라 네트워크 구조가 변화되는 과정을 관찰한다.

• 한국경영과학회:학술대회논문집
• /
• 대한산업공학회/한국경영과학회 2002년도 춘계공동학술대회
• /
• pp.863-870
• /
• 2002

The current class scheduling has difficulties in reflecting students' preferences for the classes that they want to take and forecasting the demands of classes. Also, it is usually a repetitive and tedious work to allocate classes to limited time and cesourres Although many research studios in task allocation and meeting scheduling intend to solve similar problems, they have limitations to be directly applied to the class-scheduling problem. In this paper. a class scheduling system using multi agents-based negotiation is suggested. This system consists of student agents, professor agents and negotiation agents each agent arts in accordance with its respective human user's preference and performs the repetitive and tedious process instead of the user The suggested system utilizes negotiation cost concept to derive coalition in the agent's negotiation. The negotiation cost is derived from users' bidding prices on classes, where each biding price represents a user's preference on a selected class. The experiments were performed to verify the negotiation model in the scheduling system. The result of the experiment showed that it could produce a feasible scheduling solution minimizing the negotiation cost and reflecting the users' performance. The performance of the experiments was evaluated by a class success ratio.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권11호
• /
• pp.5344-5356
• /
• 2018

Nowadays with the help of Location-Based Social Networks (LBSNs), users of Point-of-Interest (POI) recommendation service in LBSNs are able to publish their geo-tagged information and physical locations in the form of sign-ups and share their experiences with friends on POI, which can help users to explore new areas and discover new points-of-interest, and promote advertisers to push mobile ads to target users. POI recommendation service in LBSNs is attracting more and more attention from all over the world. Due to the sparsity of users' activity history data set and the aggregation characteristics of sign-in area, conventional recommendation algorithms usually suffer from low accuracy. To address this problem, this paper proposes a new recommendation algorithm based on a novel Preference-Content-Region Model (PCRM). In this new algorithm, three kinds of information, that is, user's preferences, content of the Point-of-Interest and region of the user's activity are considered, helping users obtain ideal recommendation service everywhere. We demonstrate that our algorithm is more effective than existing algorithms through extensive experiments based on an open Eventbrite data set.