• 지역과문화
• /
• 제8권2호
• /
• pp.1-20
• /
• 2021

본 연구는 지역콘텐츠 제작지원 사업에 대한 지각된 서비스 품질이 정책 수혜자의 이용 만족에 미치는 영향과 사업 종료 후 재이용 의도 및 추천 의도에 미치는 영향을 분석하였다. 이를 위해 SERVPERF 모형에 근거한 지역콘텐츠 제작지원 사업에 적합한 품질기준을 구성하였다. 첫째, 지역콘텐츠 제작지원 사업의 서비스 품질평가 기준으로 신뢰성, 대응성, 적정성을 확인하였다. 둘째, 품질평가 기준은 모두 이용 만족에 유의미한 영향을 미쳤다. 셋째, 재이용 의도에 대응성이, 추천 의도에 대응성과 신뢰성이 유의미한 영향을 미쳤다. 넷째, 이용 만족은 재이용 의도와 추천 의도에 유의미한 영향을 미쳤다. 이에 본 연구는 실증 분석으로 지역콘텐츠 제작지원 사업의 품질평가에 대한 이론적 모형을 처음으로 제시하고, 해당 사업의 개선을 위한 정책적 방향성을 제시했다는 의의를 지닌다.

• 한국빅데이터학회지
• /
• 제2권1호
• /
• pp.41-48
• /
• 2017

최근 추천 시스템의 인기와 함께 추천 시스템의 알고리즘의 성능에 대한 평가가 중요해 졌다. 본 연구는 영화 데이터에서 다양한 알고리즘 중 어떤 알고리즘의 효과적인지 판단하기 위하여 모델링과 RMSE를 통한 모델 검증을 하였다. 본 연구의 데이터는 무비렌즈의 평가 데이터 10만건을 활용하여 피어슨 상관계수를 활용한 사용자 기반 협업 필터링, 코사인 상관계수를 활용한 아이템 기반 협업 필터링 그리고 특이 값분해를 활용한 아이템 기반 협업 필터링 모델을 만들었다. 세가지 추천 모델로 평점을 예측한 결과 사용자 기반 협업 필터링보다 아이템 기반 협업 필터링의 정확도가 월등히 높은 것을 확인했고, 행렬 분해를 사용했을 때 더 정확한 추천을 할 수 있었다.

• Journal of Information Processing Systems
• /
• 제17권2호
• /
• pp.369-384
• /
• 2021

In a personalized product recommendation system, when the amount of log data is large or sparse, the accuracy of model recommendation will be greatly affected. To solve this problem, a personalized product recommendation method using deep factorization machine (DeepFM) to analyze user behavior is proposed. Firstly, the K-means clustering algorithm is used to cluster the original log data from the perspective of similarity to reduce the data dimension. Then, through the DeepFM parameter sharing strategy, the relationship between low- and high-order feature combinations is learned from log data, and the click rate prediction model is constructed. Finally, based on the predicted click-through rate, products are recommended to users in sequence and fed back. The area under the curve (AUC) and Logloss of the proposed method are 0.8834 and 0.0253, respectively, on the Criteo dataset, and 0.7836 and 0.0348 on the KDD2012 Cup dataset, respectively. Compared with other newer recommendation methods, the proposed method can achieve better recommendation effect.

• 디지털산업정보학회논문지
• /
• 제15권3호
• /
• pp.129-137
• /
• 2019

Recommendation systems help users by suggesting items such as products, services, and information. However, most research on recommendation systems has not considered people's moods although the appropriate contents recommended to people would be changed by people's moods. In this paper, we propose a situation-based recommendation system which exploits people's mood. The proposed scheme is based on the fact that the mood of a user is changed frequently by the surrounding environments such as time, weather, and anniversaries. The environments are defined as feature identifications, and the rating values on items are stored as feature identifications at a database. Then, people can be recommended diverse items according to their environments. Our proposed scheme has some advantages such as no problem of cold start, low processing overhead, and serendipitous recommendation. The proposed scheme can be also a good option as of assistance to other recommendation systems.

• 한국IT서비스학회지
• /
• 제20권3호
• /
• pp.57-73
• /
• 2021

Recently, online job websites have been activated as unemployment problems have emerged as social problems and demand for job openings has increased. However, while the online job platform market is growing, users have difficulty choosing their jobs. When users apply for a job on online job websites, they check various information such as job contents and recruitment conditions to understand the details of the job. When users choose a job, they focus on various details related to the job rather than simply viewing and supporting the job title. However, existing online job websites usually recommend jobs using only quantitative preference information such as ratings. However, if recommendation services are provided using only quantitative information, the recommendation performance is constantly deteriorating. Therefore, job recommendation services should provide personalized services using various information about the job. This study proposes a recommended methodology that improves recommendation performance by elaborating on qualitative preference information, such as details about the job. To this end, this study performs a topic modeling analysis on the job content of the user profile. Also, we apply LDA techniques to explore topics from job content and extract qualitative preferences. Experiments show that the proposed recommendation methodology has better recommendation performance compared to the traditional recommendation methodology.

• 한국경영과학회:학술대회논문집
• /
• 한국경영과학회 2003년도 추계학술대회 및 정기총회
• /
• pp.191-194
• /
• 2003

As internet commerce grows, many company has begun to use a CF (Collaborative Filtering) as a Recommender System. To achieve an accuracy of CF, we need to obtain sufficient account of voting scores from customers. Moreover, those scores may not be consistent. To overcome this problem, we propose a new recommendation scheme using binary user-item matrix, which represents whether a user purchases a product instead of using the voting scores. Through the experiment regarding this new scheme, a better accuracy is demonstrated.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제22권10호
• /
• pp.504-512
• /
• 2016

본 논문에서는 협업 필터링을 통한 개인 맞춤형 이벤트 추천 기법을 제안한다. 제안하는 기법은 사용자의 행위 및 관계성 분석, 협업 필터링을 통해 사용자의 평가되지 못한 속성 값을 예측한다. 또한, 사용자의 성향을 보다 정확하게 파악하기 위해 사용자의 최근 방문 기록이나 상황 정보를 고려하여 사용자의 최신 성향을 관리한다. 이를 통해 새로운 이벤트가 발생하였을 때 참여할 확률이 높을 것으로 예상되는 사용자에게만 이벤트를 추천하여 무분별한 추천을 방지한다. 제안하는 이벤트 추천 기법의 우수성을 보이기 위해 다양한 성능 평가를 수행한다.

• 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
• /
• 제12권1호
• /
• pp.257-264
• /
• 2012

모바일 디바이스의 발전으로 인해 사람들에 대한 정보와 자원의 교환 및 공유를 보다 손쉽게 하였으며, 컴퓨팅 기술과의 결합으로 모바일 컴퓨팅을 이용한 서비스에 대한 관심이 증가되고 있다. 또한 이에 관한 많은 연구들이 진행 중에 있으며 특히 사용자 개개인의 성향과 상황에 맞는 추천 서비스의 필요성은 더욱 더 필요한 실정이다. 본 논문에서는 개개인의 성향과 적절한 추천 서비스를 제공하기 위해서 사용자의 현재 상황을 인식한 뒤 각각의 사용자에 따른 능동적 추천 서비스를 위해 각 개인의 프로파일을 분석하여 추론 및 분석을 통해 서비스를 도출할 수 있는 상황인식 프로토타입을 제안하였다.

• 정보처리학회논문지D
• /
• 제16D권2호
• /
• pp.273-280
• /
• 2009

오늘날 컴퓨팅 환경의 진보와 웹의 이용이 활발해짐에 따라 오프라인에서 이루어졌던 있었던 많은 서비스들과 상품의 제공이 웹에서 이루어지고 있다. 이러한 웹 기반 서비스 및 상품은 개인에 적합하게 취사선택되어 제공되는 추세이다. 이렇듯 개인에 적합한 서비스 및 상품의 선택과 제공을 위한 패러다임을 개인화(personalization)라 한다. 개인화된 서비스 및 상품의 제공을 위한 분야로서 연구된 것이 추천(recommendation)이다. 그러나 이러한 추천 기법들은 신규 사용자에게 적합한 추천을 제공하지 못하는 문제와 사용자의 상품에 대한 평점에만 의존하여 추천을 생성한다는 계산 공간에서의 제약 사항을 가지고 있다. 두 문제 모두 추천 분야에서 지속적인 관심을 보이는 분야로서 신규사용자 추천 문제의 경우는 신규 사용자의 평점이 없기 때문에 유사 사용자들을 분류할 수 없음에 기인한다. 그리고 추천 공간 제약에 따른 문제는 추천 차원의 추가에 따른 처리 비용이 급격히 증가한다는 문제를 가지고 있기 때문에 쉽게 접근하기 어렵다. 따라서 본 논문에서는 신규사용자 추천 향상을 위한 기법과 평점 예측 시 예측에 대한 가중치를 적용하는 기법을 제안한다.