정보관리학회지 (Journal of the Korean Society for information Management)

  • 제23권3호
  • /
  • Pages.91-125
  • /
  • 2006
  • /
  • 1013-0799(pISSN)
  • /
  • 2586-2073(eISSN)
한국정보관리학회 (Korean Society for Information Management)
권호 표지
DOI QR코드

DOI QR Code

멀티미디어 콘텐츠를 위한 이용빈도 기반 하이브리드 추천시스템에 관한 연구

A Study on Hybrid Recommendation System Based on Usage frequency for Multimedia Contents

  • 발행 : 2006.09.29
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

정보기술과 인터넷의 발전에 따른 정보의 폭발적인 증가로 인하여 정보과잉에 따른 적절한 정보의 선택이 필요하게 되었다. 이를 위하여 이용자가 정보를 효율적으로 이용할 수 있도록 검색 또는 여과하는 일을 수행하기 위하여 정보검색 및 정보여과 시스템이 등장하게 되었다. 이러한 일련의 정보환경의 변화에 대한 보다 적극적인 대응방법으로서 도서관 및 정보센터에서는 이용자가 원하는 정보를 정확하고 효율적으로 제공하기 위한 노력의 일환으로서 이용자에게 맞춤화된 정보 추천서비스 제공이 요구된다. 본 연구에서는 도서관 및 정보센터에서 적극적인 정보서비스를 위한 방법으로 이용자에게 맞춤화된 정보를 제공할 수 있는 개인화 추천시스템을 구축하기 위한 방안을 제안하였다. 이를 위하여 기존의 추천방법에 대한 장단점을 분석하고 기존 추천방법에 대한 문제점을 해결하기 위한 방법으로서 대용량 콘텐츠 및 이용자 환경에서 이용자의 콘텐츠 이용빈도를 기준으로 멀티미디어 콘텐츠를 위한 개인화된 하이브리드 추천방법을 제안하였다. 이를 위하여 이용빈도에 있어서 상위 이용자 및 콘텐츠를 분리하고 적절한 추천방법에 적용하기 위한 새로운 형태의 추천방법 및 대용량 추천시스템에 적합한 연관규칙과 협업여과방법에 대한 조합방법을 제안하였다.

Recent advancements in information technology and the Internet have caused an explosive increase in the information available and the means to distribute it. However, such information overflow has made the efficient and accurate search of information a difficulty for most users. To solve this problem, an information retrieval and filtering system was developed as an important tool for users. Libraries and information centers have been in the forefront to provide customized services to satisfy the user's information needs under the changing information environment of today. The aim of this study is to propose an efficient information service for libraries and information centers to provide a personalized recommendation system to the user. The proposed method overcomes the weaknesses of existing systems, by providing a personalized hybrid recommendation method for multimedia contents that works in a large-scaled data and user environment. The system based on the proposed hybrid method uses an effective framework to combine Association Rule with Collaborative Filtering Method.

키워드

참고문헌

  1. 김병만 외. 2004. 추천시스템을 위한 내용 기반 펼터링과 협력필터링의 새로운 결합기법 '한국정보과학회논문지 : 소프트웨어 및 응용', 31(3) : 332-342
  2. 김현희, 구내영. 2002. 춤정보서비스를 위한 MyCyberLibrary 모형설계와 펑가에 관한 연구 '한국정보관리학회지', 19(2) : 132-157
  3. 박우창 외. 2003. '데이터 마이닝 개념 및 기법'. 서울 : 지유아카데미(주)
  4. 하단심, 황부현, 2000. 데이터의 상대 지지도를 이용한 다단계 연관규칙탐사기법 '한국정보과학회 추계 학술발표 논문집', 27(2) : 195-197
  5. Balabanovic, M. and Y. Shoham. 1997. colla 'Fab : Content-based borative recommendation.' Communications of the ACM, 40(3) : 66-72 https://doi.org/10.1145/245108.245124
  6. Basu, C., H. Hirsh and W. Cohen. 1998. 'Recommendation as classification using social and content-based information in recommendation.' Proc. of the Fifteenth International Conference on Artificial Intelligence (AAAI-98), 714-720
  7. Billsus. D. and M. Pazzani. 1998. 'Learning collaborative information filters.' Proc. of the International conference on Machine Learning, 46-54
  8. Billsus, D. and M. Pazzani. 2000. 'User modeling for adaptive news access.' User Modeling and User Adaptive Interaction, 10(2-3) : 147-180 https://doi.org/10.1023/A:1026501525781
  9. Burke, R. 2002. 'Hybrid Recommender Systems: Survey and Experiments.' User Modeling and User Adapted Interaction, 12(4) : 331-370 https://doi.org/10.1023/A:1021240730564
  10. Claypool, M. Gokhale, Miranda. T. Murnikov, P. Netes. D, and M. Sartin. 1999. 'Combining content-based and collaborative filters in an online newspaper.' Proc. of ACM SIGIR Workshop on Recommender Systems
  11. Goldberg, D., D. Nichols, B. M. Oki, and D. Terry 1992. 'TAPESTRY: using collaborative filtering to weave an information.' Communications of the ACM, 35(12) : 61-70 https://doi.org/10.1145/138859.138867
  12. Good, N., J. Schafer, J. Konstan, A. Borchers, B. Sarwar, J. Herlocker, AND J. Riedl 1999. 'Combining collaborative filtering with personal agent for better recommendation.' Proc. of the AAAI Conference, 439-446
  13. Gupta, D., M. Digiovanni, H. Narita, and K. Goldberg 1999. 'Jester 2.0 : A new linear-time colla borative filtering algorithm applied to jokes.' Proc. of ACM SIGIR Workshop on Recommender Systems : Algorithms and Evaluation
  14. Hill, W., L. Stead, M. Rosenstein, and G. Furnas 1995. 'Recommending and evaluating choices in a virtual community of use.' Proc. of CHI'95 Conference on Human Factors in Computing Systems, 194-201
  15. Lang, K. 1995. 'Newsweeder : Learning to filter netnews.' Proc. of the 12th International Conference on Machine Learning, 331-339
  16. Lewis, D and Gale W. A.. 1994. 'A sequential algorithm for training text classifiers.' Proc. of the 17th Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, 3-12
  17. Popescul, A. et al. 2001. 'Probabilistic models for unified collaborative and content-based recommendation in Sparse-Data Environments.' Proc. of the 17th Conference on Uncertainty in Artificial Intelligence, 437-444
  18. Rensnick, P. et al. 1994. 'GroupLens : An open architecture for collaborative filtering of netnews.' Proc. of the 1994
  19. ComputerSupported Cooperative Work conference, 175-186
  20. Shardanand, U. and P. Maes. 1995. 'Social information filtering : Algorithms for automating 'word of mouth'.' Proc. of ACM CHI' 95 Conference on Human Factors in Computing Systems, 210-217
  21. Wasfi, A. M.. 1999. 'Collecting user access patterns for building user profiles and collaborative filtering.' Proc. of International Conference on Intelligent User Interfaces, 57-64

피인용 문헌

  1. Scalable Collaborative Filtering Technique based on Adaptive Clustering vol.20, pp.2, 2014, https://doi.org/10.13088/jiis.2014.20.2.073
  2. A Method for Recommending Learning Contents Using Similarity and Difficulty vol.16, pp.7, 2011, https://doi.org/10.9708/jksci.2011.16.7.127
  3. An Ontology-Based Method for Calculating the Difficulty of a Learning Content vol.16, pp.2, 2011, https://doi.org/10.9708/jksci.2011.16.2.083