• 정보과학회 논문지
• /
• 제44권9호
• /
• pp.908-917
• /
• 2017

웹 서비스 기술이 각광받고 그 사용이 확대됨에 따라, 복잡하고 동적인 서비스 환경에서 사용자에게 적절한 서비스를 추천하는 방법에 대한 연구가 활발히 진행되고 있다. 또한 효과적인 서비스 매쉬업 개발을 위해 서비스를 추천하는 방법이 제안되었으나, 기존의 매쉬업 단위 서비스 추천 방식은 여러 매쉬업 개발자의 성향을 분석하여 그에 맞는 서비스를 추천하지는 못하였다. 이에 본 논문에서는 매쉬업 개발자들이 만든 서비스 매쉬업의 집합들과 추천 대상 개발자의 매쉬업 집합 사이의 유사도를 측정하고 유사한 매쉬업 집합들로부터 서비스를 추천하는 방법을 제안한다. 그리고 ProgrammableWeb에서 수집된 매쉬업 데이터로 실험한 결과를 비교 분석하여 본 연구의 방법이 사용자 기반 협업 필터링 알고리즘보다 높은 정확도와 재현율을 보임을 확인하였다.

• 한국시뮬레이션학회:학술대회논문집
• /
• 한국시뮬레이션학회 2005년도 추계학술대회 및 정기총회
• /
• pp.56-62
• /
• 2005

추천자 시스템은 E-commerce 사이트에서 소비자가 관심을 가지는 상품에 대한 정보를 수집하여 소비자가 구매할 것으로 예상되는 상품을 추천하는 목적으로 개발되었다. 추천자 시스템을 구축하여 성공적으로 활용하기 위해서 해결해야 할 과제로 취급 상품이 대량인 경우에 알고리즘의 효율성 문제라고 볼 수 있는데 본 연구는 문서 검색에서 사용되는 LSI(latent semantic indexing) 분석법을 이용하여 추천자 시스템을 개선하는 방안을 연구하고자 한다. LSI 분석법을 이용하여 고객-상품 구매행렬에서 고객이 상품을 구매하는 경향을 효과적으로 파악할 수 있다면 목표고객에 대한 인접고객군을 생성하는 계산 노력은 현저히 감소되어 추천자 알고리즘이 실시간으로 고객 데이터베이스로부터 많은 인접 고객을 효율적으로 검색할 수 있을 것으로 기대된다. 본 연구는 E-commerce 사이트로부터 얻는 실제적인 고객 자료와 유사한 자료를 시뮬레이션을 통하여 재생하고 이를 바탕으로 LSI에 의한 추천자 시스템의 효율성을 분석하고자 한다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제41권8호
• /
• pp.557-568
• /
• 2014

최근 소프트웨어 규모가 더욱 커지고 복잡해지고 있다. 하루에도 수많은 버그 리포트들이 버그저장소에 전송 되어 개발자들의 업무가 늘어나고 있다. 이러한 버그 리포트들을 적절한 개발자에게 전달하여 빠르고 정확하게 소프트웨어의 결함이 수정되어야 하는데, 많은 버그 리포트들이 적절하지 않는 개발자에게 배정되어 다른 개발자에게 다시 재배정 되는 경우가 빈번하게 일어나고 있다. 이것은 배정자가 전송받은 버그 리포트들을 정확히 이해하지 못했거나, 또는 모든 개발자들의 능력을 바르게 파악하지 못해 발생한다. 이것은 소프트웨어 유지보수에 개발자의 시간과 노력을 많이 필요하게 한다. 이러한 문제를 해결하기 위해 본 연구에서는 버그 리포트와 관련된 토픽을 찾아내고, 토픽 내 개발자들의 소셜 네트워크 관계를 분석해서 적절한 개발자를 추천하는 기법을 제안한다. 그리고 공개 소스 프로젝트를 이용한 개발자 추천에 대한 성능비교 실험을 통하여 본 연구에서 제안한 방법이 효과적이라는 것을 보인다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2014년도 추계학술대회
• /
• pp.241-243
• /
• 2014

본 연구는 학습자 및 교수자의 학습 방법 및 교수방법을 선정하는데 있어서 집단 지성 알고리즘을 적용하여 콘텐츠 추천 시스템을 개발 하여 학습자 및 교수자가 효과적인 학습을 진행하는 것을 목적으로 하고 있다. 이를 위하여 최근 쇼핑몰이나 영화등에 적용되는 추천시스템을 교육에 적용하여 교수학습 주제를 선정시 학습자 수준, 학습환경, 학습자의 상태등에 따른 적절한 학습 방법 및 교수 방법을 제공하여 학습자는 본인에게 알맞은 학습 방법을 찾는데에 더 효율적이여 교수자는 교수학습과정을 설계하는데 시간을 절약할 수 있는 시스템을 개발하였다. 최종적으로 개발된 학습 콘텐츠 추천시스템에 대한 정확성 및 효용성은 교수자 및 학습자들의 지속정인 사용으로 데이터가 쌓인 후 사용자들의 평가를 통하여 검증이 필요 할 것이다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 추계학술발표대회
• /
• pp.466-469
• /
• 2021

최근 자연어 처리에 대한 관심이 증가함에 따라 자연어 처리 기술을 활용한 다양한 추천 시스템이 등장하고 있다. 본 논문에서는 자연어 처리를 이용한 서비스를 개발한다. 본 논문에서 개발한 서비스는 KoNLPy 와 Word2Vec 을 이용하여 크라우드 펀딩 프로젝트 창작자 및 후원자에게 키워드 및 키워드와 유사한 단어가 제목에 포함되는 프로젝트를 추천해준다. 단문 텍스트로서 프로젝트 제목을 사용하여 데이터를 자연어 처리 한 후, 딥러닝 모델에 적용시켜 추출한 데이터를 기반으로 창작자와 후원자에게 추천해주는 방식이다. 따라서 본 서비스는 프로젝트 제목 정보를 통한 추천 시스템의 개발로, 나아가 영화, 도서와 같은 콘텐츠 추천 분야에도 적용할 수 있을 것으로 기대한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제3권12호
• /
• pp.511-522
• /
• 2014

소프트웨어 개발 및 유지보수 과정에서 여러 종류의 버그가 발생된다. 버그는 소프트웨어의 개발 및 유지 보수 시간을 증가시키는 주요원인으로 소프트웨어의 품질 저하를 초래한다. 버그의 발생을 사전에 완벽하게 방지하는 것은 불가능하다. 대신 버그 질라(Bugzilla), 멘티스BT(MantisGBT), 트랙 (Trac), 질라 (JIRA)와 같은 버그 트래킹 시스템을 이용하여 버그를 효과적으로 관리하는 것이 가능하다. 개발자 또는 사용자가 발생된 버그를 버그 트래킹 시스템에 보고하면, 프로젝트 매니저에 의해서 보고된 버그는 버그 해결에 적합한 개발자에게 전달되어 해결될 때까지 버그 트래킹 시스템에 의해서 추척된다. 여기서 프로젝트 매니저가 버그 해결에 적합한 개발자를 선별하는 것을 버그 분류 작업 (Bug triaging)이라고 하며, 대량으로 발생되는 버그 리포트들을 수동으로 분류하는 것은 프로젝트 매니저에게 있어서 매우 어려운 문제가 된다. 본 논문에서는 버그 트래킹 시스템에 저장된 과거에 해결된 버그 리포트에서 개발자 별 버그 해결 유형을 추출하고, 이를 활용한 버그 분류 작업, 즉 개발자 추천 방법을 제안한다. 먼저 버그 트래킹 시스템에서 각 개발자가 해결한 버그 리포트들을 분류한 후, 자연 언어 처리 알고리즘과 TF-IDF (Term frequency-Inverse document frequency)를 활용하여 각 개발자 별 단어 리스트를 생성한다. 그 후, 새로운 버그가 발생되었을 때 코사인 유사도를 통해서 생성된 개발자 별 단어 리스트와 새로운 버그 리포트의 단어 리스트를 비교하여 가장 유사한 단어 리스트를 가지는 개발자를 추천하는 방법이다. 두 오픈 소스 프로젝트인 이클립스 JDT.UI와 CDT.CORE를 대상으로 수행한 개발자 추천 실험에서 기계 학습 모델 기반의 추천 방법보다 제안하는 방법이 더 우수한 결과를 얻은 것을 확인하였다.

• 한국컴퓨터교육학회 학술대회
• /
• 한국컴퓨터교육학회 2017년도 하계학술대회
• /
• pp.221-224
• /
• 2017

본 논문은 사용자 수준에 적합한 맞춤형 학습코스를 추천하여 학습효과를 향상시킬 수 있는 추천모델을 개발하고, 효과분석을 위한 방안을 제시한다. 학습자 개개인의 학습수준이나 학습내용 등에 따라 적합한 학습주제를 선정하여 제공하는 것은 중요하나, 일반적인 추천은 전문가 그룹을 활용한 사람중심의 추천으로 시간이 오래 걸리는 등 자원의 비효율적 한계점[1]을 가지고 있다. 이를 극복하기 위해, TF-IDF를 이용해 단어별 가중치를 계산하여 고빈도 단어를 추출하여 벡터 공간에 배치시키고, Cosine Similarity 기법을 이용해 벡터간의 유사도를 측정하였다. 학습자 프로파일을 분석하고, 학습스킬간의 연관성을 고려하여 맞춤형 학습코스를 추천하기 위해, 워드 임베딩 기법을 적용하였고, 이를 위해 오픈소스 Gensim[2]을 이용하였다. 맞춤형 학습코스 추천 모델의 효과를 분석하기 위한 실험을 설계하고 평가 문항지를 개발하였다.

• 한국융합학회논문지
• /
• 제9권10호
• /
• pp.21-28
• /
• 2018

학습코스 선정에 많은 어려움과 시행착오를 겪고 있는 사용자들에게 수준별 학습코스를 제공하기 위해, ITS(Intelligence Tutoring System)를 위한 동적인 학습자 맞춤형 학습코스 추천 모델을 개발하였다. 이를 위해, 개인화 학습코스 추천모델에서는 먼저 학습자 프로파일을 분석하고, 단어별 가중치를 계산하여 핵심 키워드를 추출한다. 추출된 단어는 Cosine Similarity 기법을 통해 유사도를 측정하고, 최종적으로 유사도가 높은 상위 3개 과정이 학습자에게 추천된다. 추천모델의 효과를 분석하기 위해, 경기도 소재 교육기관에 추천모델을 적용하였고, 만족도 조사를 통하여 설문 항목별 평균, 표준편차, 왜도, 첨도 값을 계산하였다. 실험결과, 정확성, 새로움, 자기참조, 유용성에서 높은 만족도를 보였으며, 추천모델의 실효성을 검증했다. 본 연구는 그동안 국내 외에서 충분히 다뤄지지 않았던 기계학습 중심의 맞춤형 학습코스를 추천했다는 점에서 의미가 있다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2013년도 제48차 하계학술발표논문집 21권2호
• /
• pp.19-20
• /
• 2013

본 논문에서는 앱스토어의 정확한 정보 전달을 위해 집단지성을 이용한 상황인지 시스템을 제안한다. 이 시스템은 개인이 문제 처리 시 발생하는 오류를 집단지성으로 발생하는 집단적인 능력을 이용하여 최소화하고, 앱개발자에게 필요한 API를 추천함으로써 소비자 중심이던 앱스토어를 개발자와 소비자 중심의 앱스토어를 구축 한다. 또한 이 시스템은 소비자의 상황을 온톨로지 기법에 적용하여, 앱스토어 시스템이 소비자의 상황에 적합한 앱을 추천하고, 앱개발자에게 정보를 제공해준다. 이때 앱소비자의 상황정보는 일차 논리 추론기법을 활용함으로써, 소비자 상황을 정확히 추론하여 기존의 앱스토어 보다 한 단계 높은 상황인지 앱스토어 시스템을 제안한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제68차 하계학술대회논문집 31권2호
• /
• pp.5-6
• /
• 2023

본 연구에서는 언텍트 소비가 일반화됨에 따라 소상공인들을 지원하기 위해 캡티브-포털을 활용하여 주문하는 등의 시스템을 구축하고 있으며, 이에 상권 내 방문자들의 주문 정보를 기반으로 개인의 선호나 취향을 고려하고 기존 방문 순서를 고려하여 다음 방문지를 추천할 수 있는 모델을 개발하고자 한다. 모델 개발을 위한 데이터셋으로는 캡티브-포털을 통해 수집되는 변수 항목과 유사한 위치기반 SNS 데이터인 Foursquare 데이터를 활용했다. 본 논문에서는 데이터셋의 변수 중 상호명을 기반으로 22개의 행동 유형 카테고리로 묶어 현재 행동 유형 이후에 다음에 이어질 행동 유형을 예측하는 것을 제안한다. 개인 별 세션 기반의 데이터셋을 LightMove 알고리즘을 활용하여 행동유형 예측을 임베딩 차원의 변경하여 실험한 결과 500차원에서 Top-5가 82.72의 성능을 보임을 확인했다. 향후 국내 상권에 맞는 방문지 추천 시스템이 개발된다면 방문지 추천을 활용하여 다양한 마케팅 전략을 수립이 가능해질 수 있고, 이를 통해 지역 상권이 활성화될 것으로 기대된다.