• 한국산학기술학회논문지
• /
• 제12권4호
• /
• pp.1703-1710
• /
• 2011

목적 : 성인병관리 및 개인건강관리를 위해 개인건강기록(PHR)은 매우 중요하다. 현재 노인 또는 장년층과 미래 노인, 장년층과의 차이를 비교해 보기 위해 젊은층(대학생)과 성인을 대상으로 조사하였다. 방법: 두 연령집단의 면대면 설문조사를 성인(131명)과 대학생(398명)을 2009년 5월 11일부터 22일까지 실시하였다. 설문지는 18개 문항으로 구성되었다. 결과 및 결론: 젊은층보다는 성인층에서 PHR을 사용하겠다는 의지(대학생그룹3.3, 성인그룹3.7)와 지인들에게 PHR을 추천하겠다는 의지(대학생그룹3.1, 성인그룹3.8)가 비교적 높게 나타났다. 반면, 성인그룹은 종이형 PHR(63.2%)을 선호하였으며 대학생그룹은 ePHR(71.1%)을 더 선호하였고, PHR에 담겨져 있는 정보유출에 대한 우려가 성인그룹(3.7)보다 대학생그룹(4.5)이 높은 것으로 나타났다. PHR에 대한 교육 시기는 고등학교와 대학교로 응답하였다. 따라서 젊은층의 PHR활성화를 위해서는 ePHR에 대한 조기교육과 사용이 편리한 PHR개발이 이루어져야 할 것으로 사료된다.

• 지능정보연구
• /
• 제23권4호
• /
• pp.77-110
• /
• 2017

최근 인터넷 기반의 웹 및 모바일 기기를 통한 소비 패턴의 다양화와 개성화가 급진전됨에 따라 전통적 유통채널인 오프라인 매장의 효율적 운영이 더욱 중요해졌다. 매장의 매출과 수익 모두를 제고하기 위해 매장은 소비자에게 가장 매력적인 상품을 적시에 공급-판매 해야 하는데 많은 상품들 중에서 어떤 SKU를 취급하는 것이 판매 확률을 높이고 재고 비용을 낮출 수 있는지에 대한 연구가 부족한 실정이다. 특히, 여러 지역에 걸쳐 다수의 오프라인 매장을 통해 상품을 판매하는 기업의 경우 고객에게 매력적인 적절한 SKU를 추천 받아 취급할 수 있다면 매장의 매출 및 수익률 제고에 도움이 될 것이다. 본 연구에서는 개인화 추천에 이용되어 왔던 협업 필터링과 하이브리드 필터링 등의 추천 시스템(Recommender System)을 국가별, 지역별로 복수의 판매 매장을 통해 동종 브랜드를 취급하는 유통 기업의 매장 단위 취급 SKU 추천 방식을 제안하였다. 각 매장의 취급 품목별 구매 데이터를 활용하여 각 매장 별 유사성(Similarity)을 계산하고 각 매장의 SKU별 판매 이력에 따라 협업 필터링을 하여 최종적으로 매장에 개별 SKU를 추천하였다. 또한 매장 프로파일 데이터를 활용하여 주변수 분석 (PCA : Principal Component Analysis) 및 군집 분석(Clustering)을 통하여 매장을 4개의 군집으로 분류한 뒤 각 군집 내에서 협업 필터링을 적용한 하이브리드 필터링 방식으로 추천 시스템을 구현하고 실제 판매 데이터를 바탕으로 두 방식의 성능을 측정하였다. 현존하는 대부분의 추천 시스템은 사용자에게 영화, 음악 등의 아이템을 추천하는 방식으로 연구가 진행되어 왔고 실제로 산업계에서의 적용 또한 개인화 추천 시스템이 주류를 이루고 있다. 그 동안 개인화 서비스 영역에서 주로 다루어져 왔던 이러한 추천 시스템을 동종 브랜드를 취급하는 유통 기업의 매장 단위에 적용하여 각 매장의 취급 SKU를 추천하는 방식에 대한 연구는 거의 이루어지지 않고 있는 실정이다. 기존 추천 방법론의 추천 적용 대상이 '개인의 영역이었다면 본 연구에서는 국가별, 지역별로 복수의 판매 매장을 통해 개인의 영역을 넘어 매장의 영역으로 확대하여 동종 브랜드를 취급하는 유통 기업의 매장 단위 취급 SKU 추천 방식을 제안하고 있다. 또한 기존의 추천시스템은 온라인에 한정되었다면 이를 오프라인으로 활용 범위를 넓히고, 기존 개인을 기반으로 분석을 하는 것보다 매장영역으로 확대 적용하기에 적합한 알고리즘을 개발하기 위해 데이터마이닝 기법을 적용하여 추천 방법을 제안한다. 본 연구의 결과가 갖는 의의는 개인화 추천 알고리즘을 동일 브랜드를 취급하는 복수의 판매 매장에 적용하여 의미 있는 결과를 도출하고 실제 기업을 대상으로 시스템으로 구축하여 활용할 수 있는 구체적 방법론을 제시했다는 데에 있다. 개인화 영역을 위주로 이루어졌던 기존의 추천 시스템과 관련한 학계의 연구 영역을 동종 브랜드를 취급하는 기업의 판매 매장으로 확장시킨 첫 시도라는 데에도 의미가 있다. 2014년 03주차 ~ 05주차 전(全) 매장 판매 수량 실적 Top 100개 SKU로 추천의 대상을 한정하여 협업 필터링과 하이브리드 필터링 방식으로 52개 매장 별로 취급 SKU를 추천하고, 추천 받은 SKU에 대한 2014년 06주차 매장별 판매 실적을 집계하여 두 추천 방식의 성과를 비교하였다. 두 추천 방식을 비교한 이유는 본 연구의 추천 방법이 기존 추천 방식 보다 높은 성과를 입증하기 위해 단순히 오프라인에 협업필터링을 적용한 것을 기준 모델로 정의하였다. 이 기준 모델에 오프라인 매장 관점의 특성을 잘 반영한 본 연구 모델인 하이브리드 필터링 방법과 비교 함으로써 성과를 입증한다. 연구에서 제안한 방식은 기존 추천 방식보다 높은 성과를 나타냈으며, 이는 국내 대기업 의류업체의 실제 판매데이터를 활용하여 입증하였다. 본 연구는 개인 수준의 추천시스템을 그룹수준으로 확장하여 효율적으로 접근하는 방법을 이론적인 프레임 워크를 만들었을 뿐 아니라 실제 데이터를 기반으로 분석하여 봄으로써 실제 기업들이 적용해 볼 수 있다는 점에서 연구의 가치가 크다.

• 정보관리학회지
• /
• 제39권3호
• /
• pp.311-336
• /
• 2022

본 연구는 도서관 정보서비스 환경에서 도서 이용자의 도서추천에 영향을 미치는 선호요인을 파악하기 위해 전 세계 도서 이용자의 참여로 이루어지는 사회적 목록 서비스인 Goodreads 리뷰 데이터를 대상으로 내용분석하였다. 이용자 선호의 내용을 보다 세부적인 관점에서 파악하기 위해 샘플 선정 과정에서 평점 그룹별, 도서별, 이용자별 하위 데이터 집합을 구성하였으며, 다양한 토픽을 고루 반영하기 위해 리뷰 텍스트의 토픽모델링 결과에 기반하여 층화 샘플링을 수행하였다. 그 결과, '내용', '캐릭터', '글쓰기', '읽기', '작가', '스토리', '형식'의 7개 범주에 속하는 총 90개 선호요인 관련 개념을 식별하는 한편, 평점에 따라 드러나는 일반적인 선호요인은 물론 호불호가 분명한 도서와 이용자에서 드러나는 선호요인의 양상을 파악하였다. 본 연구의 결과는 이용자 선호요인의 구체적 양상을 파악하여 향후 추천시스템 등에서 보다 정교한 추천에 기여할 수 있을 것으로 보인다.

• 영재교육연구
• /
• 제25권6호
• /
• pp.817-836
• /
• 2015

본 연구는 현재 전국의 모든 영재교육 기관에서 영재 학생을 선발할 때 적용하고 있는 관찰 추천 방법에 활용 가능한 영재 행동 특성 체크리스트를 개발하는 것을 목적으로 하고 있다. 기존 영재 행동 특성 체크리스트들은 제시한 문항들이 학교생활을 통해 관찰이 불가능하거나 애매한 항목들을 다수 포함하고 있거나, 영재 행동 특성으로서 그 중요도가 떨어지거나, 유사한 특성들이 반복되거나 혹은 다수의 문항으로 인해 실제 관찰 추천에서 활용도가 떨어지는 등의 문제점들이 지속적으로 제기되어 왔다. 이에 본 척도는 기존 연구에서 제시하고 있는 영재 행동 특성 요인들을 바탕으로 학교 현장에서 학생들을 직접 지도하고 있는 영재 교사들에 의해 '실제로' 관찰 가능성이 높은 영재 행동 특성과 각 특성들의 '중요도'를 반영했다는 데 의의가 있다. 본 척도는 현장의 영재 지도교사들을 대상으로 영재 행동 특성 요인과 구체적인 행동 양상에 대한 개방형 설문을 받고, 이를 전문가 그룹의 검토와 예비 검사, 본 검사, 확인적 요인 분석의 과정을 통해 개발하였다. 관찰 가능성과 중요도란 기준 적용으로 개발된 체크리스트는 일부 요인들을 제거하여 최종적으로 10개의 하위요인(논리적 사고, 높은 성취도, 독창성, 완벽주의, 창의적문제해결력, 호기심, 과제집착력, 의사소통 능력, 창의성, 활동성(열정))으로 구성되었으며, 각 요인별로 2~4개 문항이 제시되어 총 32개의 행동 특성 문항으로 개발되었다. 최종 32문항에 대한 내적합치도(${\alpha}$)와 문항-총점 상관을 분석한 결과 모두 양호한 값을 보여 영재 행동 특성 척도의 각 문항이 해당 구인을 일관성 있게 측정하는 것으로 분석되었다. 또한 영재 행동 특성 체크리스트에 대한 확인적 요인 분석 결과 모든 문항들이 각 하위 요인에 높게 부하되어 영재 행동 특성을 측정하는 체크리스트로 적합하며, 현장에서 초등학교 영재 학생들을 관찰 추천할 때 활용할 수 있음을 시사하고 있다.

• 벤처창업연구
• /
• 제14권5호
• /
• pp.159-173
• /
• 2019

본 연구는 은행의 서비스 품질이 고객만족, 추천의향에 미치는 영향에 대해 실증적인 분석을 통해 검정하고자 하였다. 특히 PB고객 군과 일반고객 군 간의 차이에 초점을 두었다. 연구를 위해 이들 두 그룹을 대상으로 설문조사를 수행하였으며 유효한 428부를 분석 대상으로 삼았다. AMOS 23.0을 활용한 구조방정식모형으로 가설을 검정하였다. 연구 결과 은행 서비스품질 중 공감성, 신뢰성, 유형성이 고객만족에 정(+)의 유의한 영향을 미치는 것으로 나타난 반면, 반응성과 확신성은 통계적으로 유의성이 검정되지 않았다. 한편, 고객만족은 추천의향에 정(+)의 영향을 미치는 것으로 분석되었다. 이를 PB고객 군과 일반고객 군 두 집단으로 구분하여 비교 분석을 하였는데 그 결과 유의한 경로계수 상의 차이를 발견했다. PB고객 군은 유형성만이 고객만족에 정(+)의 유의한 영향을 미친 반면, 일반고객 군에서는 공감성과 신뢰성이 고객만족에 정(+)의 영향을 미치는 것으로 나타났으며, 두 집단 모두 고객만족이 추천의향에 정(+)의 영향 관계가 있는 것으로 분석되었다. 특히, 이 중 공감성과 신뢰성이 고객만족에 미치는 영향과 고객만족이 추천의향에 미치는 영향에 있어서 PB고객 군과 일반고객 군 간의 경로계수가 통계적으로 유의한 차이가 있는 것을 발견하였다. 이러한 연구 결과는 학술적으로는 SERVQUAL 요인을 활용하여 PB고객 군과 일반고객 군 간에 차이가 있음을 밝혔다는데 의의가 있으며. 실무적으로는 향후 은행에서 고객 집단별 세분화된 관리를 위해 필요한 단초를 제공하였다는 점에서 의의가 있었다.

• 대한토목학회논문집
• /
• 제13권4호
• /
• pp.259-268
• /
• 1993

이론적 해석과 수치 해석을 통하여 단독말뚝과 군말뚝에서 발생하는 downdrag 하중을 연구 검토하였다. 본 연구의 목적은 그룹 안에서 개개 말뚝들의 downdrag 하중 크기와 분포 정도를 파악하는데 있다. 따라서 단독말뚝과 군말뚝에서 발생하는 downdrag을 수치 해석하였으며 단독말뚝의 경우에 있어서는 비교적 정확한 downdrag 해석법을 제시하였다. 연구결과 그룹안의 개개 말뚝들은 단독말뚝의 경우에서 발생하는 downdrag하중보다 훨씬 작은 하중을 받는 것을 알 수 있었다. 또한 군말뚝의 간격: 직경의 비가 2.5에서 5.0까지 변하는 9-25개 군말뚝의 downdrag 하중을 고려한 설계시 추천할 수 있는 방법을 제시 하였다.

• 지능정보연구
• /
• 제19권1호
• /
• pp.57-77
• /
• 2013

소셜 미디어는 모바일 어플리케이션과 웹에서 가장 많이 사용되는 미디어 중 하나이다. Nielsen사의 보고서에 따르면 소셜 네트워크 서비스와 블로그가 온라인 사용자의 주 활동 공간으로 사용되고 있으며, 미국인 중에서 온라인 활동이 왕성한 5명의 사용자중 4명은 매일 소셜 네트워크 서비스와 블로그를 방문하고 온라인 활동 시간의 23%를 소비한다고 집계하고 있다. 미국의 인터넷 사용자들은 야후, 구글, AOL 미디어 네트워크, 트위터, 링크드인 등과 같은 소셜 네트워크 서비스중 페이스북에서 가장 많은 시간을 소비한다. 최근에는 대부분의 회사들이 자신의 특정 상품에 대하여 "페이스북 페이지(Facebook Page)"를 생성하고 상품에 대한 프로모션을 진행한다. 페이스북에서 제공되는 "좋아요" 옵션은 페이스북 페이지를 통해 자신이 관심을 가지는 상품(아이템)을 표시하고 그 상품을 지지할 수 있도록 한다. 많은 영화를 제작하는 영화 제작사들도 페이스북 페이지와 "좋아요" 옵션을 이용하여 영화 프로모션과 마케팅에 이용한다. 일반적으로 다수의 스트리밍 서비스 제공업들도 영화와 TV 프로그램을 즐기며 볼 수 있는 서비스를 사용자들에게 제공한다. 이 서비스는 일반 컴퓨터와 TV 등의 단말기에서인터넷을 통해 영화와 TV 프로그램을 즉각적으로 제공할 수 있다. 스트리밍 서비스의 선두 주자인 넷플릭스는 미국, 라틴 아메리카, 영국 그리고 북유럽 국가 등에 3천만 명 이상의 스트리밍 사용자가 가입되어 있다. 또한 넥플릭스는 다양한 장르로 구성된 수백만 개의 영화와 TV 프로그램을 보유하고 있다. 하지만 수많은 콘텐츠로 인해 사용자들은 자신이 선호하는 장르에 관련된 영화와 TV 프로그램을 찾기 위해 많은 시간을 소비해야 된다. 많은 연구자들이 이러한 사용자의 불편함을 줄이기 위해 아이템에 대한 사용자가 보지 않은 아이템에 대한 선호도를 예측하고 높은 예측값을 갖는 아이템을 사용자에게 제공하기 위한 추천 시스템을 적용하였다. 협업적 여과 방법은 추천 시스템을 구축하기 위해 가장 많이 사용되는 방법이다. 협업적 여과 시스템은 사용자들이 평가한 아이템을 기반으로 각 사용자 간의 유사도를 측정하고 목적 사용자와 유사한 성향을 가진 사용자 그룹을 결정한다. 군집된 그룹은 이웃 사용자 집단으로 불리며 이를 이용하여 특정 아이템에 대한 선호도를 예측하고, 예측 값이 높은 아이템을 목적 사용자에게 추천해 준다. 협업적 여과 방법이 적용되는 분야는 서적, 음악, 영화, 뉴스 및 비디오 등 다양하지만 논문에서는 영화에 초점을 맞춘다. 이 협업적 여과 방법이 추천 시스템 내에서 유용하게 활용되고 있지만 아직 "희박성 문제"와 "콜드 스타트 문제" 등 해결해야 할 과제가 남아있다. 희박성 문제는 아이템의 수가 증가할수록 아이템에 대한 사용자의 로그 밀도가 감소하는 것이다. 즉, 전체 아이템 수에 비해 사용자가 아이템에 대해 평가한 정보가 충분하지 않기 때문에 사용자의 성향을 파악하기 어렵고, 이로 인해 사용자가 아직 평가하지 않은 아이템에 대해서 선호도를 추측하기 어려운 것을 말한다. 이 희박성 문제가 포함된 경우 적합한 이웃 사용자 집단을 형성하는데 어려움을 겪게 되고 사용자들에게 제공되는 아이템 추천의 질이 떨어지게 된다. 콜드 스타트 문제는 시스템 내에 새로 들어온 사용자 또는 아이템으로 지금까지 한 번도 평가를 하지 않은 경우에 발생한다. 즉, 사용자가 평가한 아이템에 대한 정보가 전혀 포함되어 있지 않거나 매우 적기 때문에 이러한 경우 또한 적합한 이웃 사용자 집단을 형성하는데 어려움을 겪게 되고 사용자가 평가하지 않은 아이템에 대한 선호도 예측의 정확성이 감소되게 된다. 본 논문에서는 영화 추천 시스템에서 발생될 수 있는 초기 사용자 문제를 해결하기 위하여 사용자가 평가한 영화와 소셜 네트워크 서비스로부터 추출된 사용자 선호 장르를 활용하여 사용자 군집을 형성하고 이를 활용하는 방법을 제안한다. 소셜 네트워크 서비스로부터 사용자가 선호하는 영화 장르를 추출하기 위해 페이스북 페이지의 '좋아요' 옵션을 이용하며, 이 '좋아요' 정보를 분석하여 사용자의 영화 장르 관심사를 추출한다. 페이스북의 영화 페이지는 각 영화를 위한 페이스북 페이지로 구성되고 있으며, 사용자는 자신의 선호도에 따라서 "좋아요" 옵션을 선택할 수 있다. 사용자의 페이스북 정보는 페이스북 그래프 API를 활용하여 추출되고 이로부터 사용자 선호 영화를 알 수 있게 된다. 시스템에서 활용되는 영화 정보는 인터넷 영화 데이터베이스인 IMDb로부터 획득한다. IMDb는 수많은 영화와 TV 프로그램을 보유하고 있으며, 각 영화에 관련된 배우 정보, 장르 및 부가 정보들을 포함한다. 논문에서는 사용자가 "좋아요" 표시를 한 영화 페이지를 이용하여 IMDb로부터 영화 장르 정보를 가져온다. 그리고 추출된 영화 장르 선호도와 본 시스템에서 제안하는 영화 평가 항목을 이용하여 유사한 이웃 사용자 집단을 구성한 후, 사용자가 평가하지 않은 아이템에 대한 선호도를 예측하고, 높은 예측 값을 갖는 아이템을 사용자에게 추천한다. 본 논문에서 제안한 사용자의 선호 장르 기반의 사용자 군집 기법을 이용한 시스템을 평가하기 위해서 IMDb 데이터 집합을 이용하여 사용자 영화 평가 시스템을 구축하였고 참가자들의 영화 평가 정보를 획득하였다. 페이스북 영화 페이지 정보는 참가자들의 페이스북 계정과 페이스북 그래프 API를 통해 획득하였다. 사용자 영화 평가 시스템을 통해 획득된 사용자 데이터를 제안하는 방법에 적용하였고 추천 성능, 품질 및 초기 사용자 문제를 벤치마크 알고리즘과 비교하여 평가하였다. 실험 평가의 결과 제안하는 방법을 적용한 추천 시스템을 통해 추천의 품질을 10% 향상시킬 수 있었고, 초기 사용자 문제에 대해서 15% 완화시킬 수 있음을 볼 수 있었다.

• 열린충남
• /
• 통권57호
• /
• pp.46-57
• /
• 2012

중국은 최근 급속히 진행되는 도시화와 소득 증대 철도 도로 항공 등 교통 인프라 개선에 따라 중국 여행업이 빠르게 발전하고 있다. 중국 사회과학원이 최근 발표한 <2011년 중국 관광 그린북>에 따르면 중국 여행객 수는 연평균 11.7% 증가하여 21억 명을 돌파했고, 관광 수입도 연평균 18.9% 증가해 1조 2,600억 위안에 달하고 있다. 세계경제포럼에서 발표한 세계 관광국 경쟁력 순위에서 중국은 2007년 71위에서 2010년에 39위로 성장하였고, UN 세계관광기구의 보고서에 따르면 중국은 세계 4대 해외관광시장이자 아시아 최대 해외관광 자원국이 되었다. 그리고 미국 보스턴컨설팅그룹이 발표한 보고서에 따르면 2013년 중국은 일본을 제치고 '세계 2 대 관광시장'으로 부상하여 세계 관광시장의 8%를 점유하고, 2020년에는 세계시장 점유율이 14%에 달할 것으로 전망하고 있다(대한상공회의소, 2011). 이러한 중국의 여행지 중에서 중국의 전문여행서적에서 추천하고 있는 중국외 관광명소 중 20대 명승지에 속하는 광서 계림, 호남 장가계, 안휘 황산, 절강 항주, 북경, 내몽고 호화 호특, 백두산 등을 배낭여행을 떠나 구석구석 살펴보았다.

• TTA 저널
• /
• 통권177호
• /
• pp.116-119
• /
• 2018

2007년 화승그룹, R&A에서 분사한 (주)화승엑스윌은 컨베이어 벨트, 산업용 유압 호스, 특수물, 시트 등의 산업용 고무제품과 철도 장비 등을 제조 도매한다. 특히 해양 방현재의 설계 및 제작 기술도 보유하고 있다. 국내에서는 포스코, 한국수력원자력, 한국전력공사, 해양수산부 등을 해외에서는 SUMITOMO, TEXCEL, TRELLEBORG 등을 주요 거래처로 하는 중견기업이다. (주)화승엑스윌은 세계적 대세를 따라 기존의 컨베이어용 벨트를 IoT 융합형 스마트 컨베이어로 업그레이드하고자 했고, 개발 기술의 표준화도 염두에 두었다. 그러나 제조업 기반 기업으로서 표준 IoT 관련 전문성은 외부에서 구할 수밖에 없었다. 주변의 추천으로 TTA 자문서비스를 신청한 (주)화승엑스윌은 현재 IoT 표준 제품의 개발 네트워크를 구축하고 정부 과제 참여를 검토 중이다.

• 한국IT서비스학회지
• /
• 제6권2호
• /
• pp.113-123
• /
• 2007

In ubiquitous computing environment such as ubiquitous marketplace (u-market), there is a need of providing context-based personalization service while considering the nomadic user preference and corresponding requirements. To do so, the recommendation systems should deal with the tremendous amount of context data. Hence, the purpose of this paper is to propose a novel recommendation method which provides the products-group list of the customers in u-market based on the shopping intention and preferences. We have developed FREPIRS(FREquent Purchased Item-sets Recommendation Service), which makes recommendation listof product-group, not individual product. Collaborative filtering and apriori algorithm are adopted in FREPIRS to build product-group.