• Journal of the Korean BIBLIA Society for library and Information Science
• /
• v.28 no.4
• /
• pp.501-518
• /
• 2017

Reducing the time it takes for researchers to acquire knowledge and introduce them into research activities can be regarded as an indispensable factor in improving the productivity of research. The purpose of this research is to cluster the information usage patterns of KOSEN users and to suggest optimization method of personalized recommendation service algorithm for grouped users. Based on user research activities and usage information, after identifying appropriate services and contents, we applied a Spark based big data analysis technology to derive a personal recommendation algorithm. Individual recommendation algorithms can save time to search for user information and can help to find appropriate information.

• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 2004.06a
• /
• pp.67-72
• /
• 2004

않은 양의 유즈넷 뉴스 중에서 사용자가 찾고자 하는 정확한 정보를 빠른 시간 안에 검색하고, 원하는 정보만 필터링 하는 것은 중요하다. 그러나 뉴스 문서는 이메일과 달라서 미리 자신에게 맞는 뉴스그룹을 등록해 주어야만 정보를 얻을 수 있다. 본 연구에서는 다양한 뉴스그룹들 중에서 사용자의 취향과 유사한 뉴스그룹들을 코호넨 신경망을 이용하여 추천해주는 방법을 제시한다. 신경망을 학습시키기 위한 뉴스 문서의 키워드들을 선택하기 위해 예제 문서들로부터 후보 용어들을 추출하고 퍼지 추론을 적용하여 대표 용어들을 선택한다. 하지만 신경망의 학습 패턴을 관찰해 보면, 많은 부분이 비어있는 희소성 문제를 발견할 수 있다. 이에 본 연구에서는 통계적인 결정계수를 도입하여 불필요한 차원을 제거한 후 신경망을 학습시키는 새로운 방법을 제안한다. 제안된 방법은 모든 차원을 활용할 때 보다 클러스터내 거리와 클러스터간 거리의 척도를 이용한 클러스터 중첩도 면에서 우수한 분류 성능을 보여줌을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.11a
• /
• pp.1431-1434
• /
• 2013

최근 소셜 네트워크 서비스 사용자의 폭발적인 증가 추세와 더불어 사용자 기반의 정보 공유 패러다임이 확산됨에 따라 효과적인 정보 공유를 위한 검색 방법 및 정보 분류의 필요성이 대두되고 있다. 소셜 네트워크 서비스는 관계도 탐색, 유사한 관심사의 사람들과 정보 공유, 추천시스템 등의 주요 서비스를 사용자 기반으로 구축하는 방향으로 연구가 진행되고 있으나 낮은 정보의 신뢰성으로 인해 지능적인 검색 및 정보 분류에 한계가 있었다. 본 논문에서는 대표적인 소셜 네트워크 서비스인 Facebook 을 기반으로, 낮은 정보의 신뢰성을 높이고 사용자의 소셜 검색 만족도를 높일 수 있는 사용자 그룹 분류 기법을 제안한다. 이를 위해 Facebook 사용자의 메타데이터를 수집하고 관계로 맺어진 사용자들간의 친밀도를 메타데이터 기반으로 계산하며 유사한 관심 정보에 따라 분류하고 효과적으로 사용자들을 그룹화한다. 마지막으로 실험을 통해 관계로 이루어진 사용자 친밀도와 그룹 분류가 효과적으로 수행되었음을 보인다.

• Journal of Korea Multimedia Society
• /
• v.11 no.9
• /
• pp.1213-1226
• /
• 2008

A recommender system supports people in making recommendations finding a set of people who are likely to provide good recommendations for a given person, or deriving recommendations from implicit behavior such as browsing activity, buying patterns, and time on task. We proposed new recommender system which combined SOM(Self-Organizing Map) neural networks with the Collaborative filtering which most recommender systems hat applied First, we segmented user groups according to demographic characteristics and then we trained the SOM with people's preferences as ito inputs. Finally we applied the classic collaborative filtering to the clustering with similarity in which an recommendation seeker belonged to, and therefore we didn't have to apply the collaborative filtering to the whose data set. Experiments were run for EachMovies data set. The results indicated that the predictive accuracy was increased in terms of MAE(Mean-Absolute-Error).

• Journal of the Korean Society for information Management
• /
• v.38 no.2
• /
• pp.113-127
• /
• 2021

The purpose of this study is to propose a personalized book recommendation system to promote the use of university libraries. In particular, unlike many recommended services that are based on existing users' preferences, this study proposes a method that derive evaluation metrics using individual users' book rental history and tendencies, which can be an effective alternative when users' preferences are not available. This study suggests models using two matrix decomposition methods: Singular Value Decomposition(SVD) and Stochastic Gradient Descent(SGD) that recommend books to users in a way that yields an expected preference score for books that have not yet been read by them. In addition, the model was implemented using a user-based collaborative filtering algorithm by referring to book rental history of other users that have high similarities with the target user. Finally, user evaluation was conducted for the three models using the derived evaluation metrics. Each of the three models recommended five books to users who can either accept or reject the recommendations as the way to evaluate the models.

• Journal of KIISE:Software and Applications
• /
• v.36 no.10
• /
• pp.777-785
• /
• 2009

Collaborative filtering is a technique used to predict whether a particular user will like a particular item. User-based or item-based collaborative techniques have been used extensively in many commercial recommender systems. In this paper, a hybrid collaborative filtering method that combines user-based and item-based methods using a low-dimensional linear model is proposed. The proposed method solves the problems of sparsity and a large database by using NMF among the low-dimensional linear models. In collaborative filtering systems the methods using the NMF are useful in expressing users as semantic relations. However, they are model-based methods and the process of computation is complex, so they can not recommend items dynamically. In order to complement the shortcomings, the proposed method clusters users into groups by using NMF and selects features of groups by using TF-IDF. Mutual information is then used to compute similarities between items. The proposed method clusters users into groups and extracts features of groups on offline and determines the most suitable group for an active user using the features of groups on online. Finally, the proposed method reduces the time required to classify an active user into a group and outperforms previous methods by combining user-based and item-based collaborative filtering methods.

• Proceedings of the KIEE Conference
• /
• 2008.10b
• /
• pp.231-232
• /
• 2008

본 논문은 협업 필터링(Collaborative Filtering)기반의 추천시스템에 필요한 알고리즘을 제안한다. 제안한 알고리즘은 사용자의 선호도를 Implicit Feedback을 통해 예측하는 Implicit Rating과 사용자 선호도와 컨텐츠의 정보를 바탕으로 사용자의 프로파일을 형성하는 Tag 기반의 사용자 프로파일과 P2P망 내에서 자신과 유사한 사용자 그룹을 형성하는 알고리즘으로 구성되어 있다. 제안한 알고리즘을 적용하여 Web Text 기반의 CF기반의 개인화 추천시스템을 구현하였으며 구현된 프로그램을 실제 사용자에게 배포하여 Feasibility를 검증하였다.

• Proceedings of the KAIS Fall Conference
• /
• 2009.12a
• /
• pp.601-604
• /
• 2009

본 논문은 동영상의 프레임 정보와 고객의 프로파일을 이용하여 선호상품을 추천하는 시스템의 설계이다. 특정한 목적을 위해 제작된 동영상의 프레임에 재생되는 영상의 상품을 추출하고 선택된 프레임에 등록되어있는 상품목록과 고객의 이전구매정보 및 유사고객그룹의 선호도를 계산하여 고객에게 상품을 추천하여 주는 시스템으로 기존의 전자상거래와 IPTV의 발달로 인하여 동영상을 보면서 구매하고자 하는 상품이나 유사정보가 있을 때 원클릭으로 제품정보를 추출하여 검색하고 상품의 구매까지 일괄적으로 처리할 수 있는 시스템의 설계와 구현 실험 하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06c
• /
• pp.31-32
• /
• 2012

본 연구는 소셜 네트워크에서 사용자간의 친밀도에 기반하여 보여주는 '친구추천' 이라는 방법을 그래프 클러스터링을 이용하여 접근하고자 한다. 기존의 방법과는 다르게 사용자에게 개인화된 선별 정보를 제공하는데 목적이 있다. 또한 일반적 클러스터링이 아닌 그래프 이론에 근거한 거리 계산을 기반으로 친화력 전파 모델(Affinity Propagation) 클러스터링 기법을 적용하는 방법을 제안한다. 이 방법으로 클러스터링을 진행하여 선별된 같은 그룹 안에 있는 개인화된 친구 추천을 효과적으로 수행할 수 있음을 입증하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2011.04a
• /
• pp.1112-1115
• /
• 2011

웹 2.0 시대의 웹에는 UCC 같은 소비자가 직접 미디어를 생성하고 소비하는 프로세스가 등장하여 일반화되고 있다. 본 연구는 이러한 인터넷 사용의 트렌드에 발맞추어 다종의 멀티미디어 콘텐츠를 포함하는 개인화된 맞춤형 콘텐츠 추천 에이전트를 개발하였다. 웹 상에 존재하는 다양한 콘텐츠 중에 사용자의 선호패턴과 일치하는 콘텐츠들을 추천하여 서비스하는 본 시스템은 유무선 환경을 망라하는 다기종의 디바이스들을 위한 플랫폼들을 지원하고 있다. 또한, 사용자들이 웹 상에서 콘텐츠들을 등록하고 생성하여 각 사용자들의 그룹과 친구와의 공유가 가능하다.