• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.05a
• /
• pp.470-472
• /
• 2023

최근 위치 기반 장소 (POI) 추천 서비스가 많이 사용되면서, 사용자의 이전 방문지들에 대한 체크인 시퀀스를 기반으로 현재 (다음으로) 방문할 법한 POI 를 찾아 사용자에게 추천하는, next POI 추천 시스템에 관한 연구가 활발히 진행되고 있다. 하지만, 기존 연구들의 경우 next POI 추천을 위한 모델 학습 시, 사용자의 네거티브 POIs 에 관한 정교한 샘플링 없이 사용자 선호도를 추론해왔다. 본 연구에서는, 사전 학습된 별도의 사용자 선호도 추론 모델을 통해 사용자의 네거티브 POI로서 쉽게 분류되기 어려운 하드 네거티브 POIs 를 찾고, 이들을 위주로 수행되는 하드 네거티브 샘플링 방법을 새롭게 제안한다. 우리는 실 세계 데이터셋을 이용한 실험을 통해, 제안 방안이 기존 연구들에서 사용되어 온 랜덤 네거티브 샘플링 방법 대비 recall@5 기준, 최대 16.4%까지 추천 정확도를 향상시킬 수 있음을 확인하였다.

• The Journal of the Korea Contents Association
• /
• v.8 no.2
• /
• pp.1-8
• /
• 2008

The information system in which users can utilize to control and to get the filtered information efficiently has appeared. Content-based filtering can reflect content information, and it provides recommendation by comparing the feature information about item and the profile of preference. This has the shortcoming of the varying accuracy of prediction depending on teaming method. This paper suggests the discovery of preference through learning the profile for the content-based filtering. This study improves the accuracy of recommendation through learning the profile according to granting the preference of 6 levels to estimated value in order to solve the problem. Finally, to evaluate the performance of the proposed method, this study applies to MovieLens dataset, and it is compared with the performance of previous studies.

• Journal of the Institute of Electronics Engineers of Korea CI
• /
• v.46 no.4
• /
• pp.127-133
• /
• 2009

To ensure access to rapidly growing video collection, video indexing is becoming more and more essential. A database for video should be build for fast searching and extracting the accurate features of video information with more complex characteristics. Moreover, video indexing structure supports efficient retrieval of interesting contents to reflect user preferences. In this paper, we propose semantic video retrieval method based on user preference. Unlikely the previous methods do not consider user preferences. Futhermore, the conventional methods show the result as simple text matching for the user's query that does not supports the semantic search. To overcome these limitations, we develop a method for user preference analysis and present a method of video ontology construction for semantic retrieval. The simulation results show that the proposed algorithm performs better than previous methods in terms of semantic video retrieval based on user preferences.

• The KIPS Transactions:PartD
• /
• v.16D no.3
• /
• pp.451-462
• /
• 2009

Collaborative Filtering (CF), one of the most successful technologies among recommender systems, is a system assisting users in easily finding the useful information. However, despite its success and popularity, CF encounters a serious limitation with quality evaluation, called cold start problems. To alleviate this limitation, in this paper, we propose a unique method of building models derived from explicit ratings and applying the models to CF recommender systems. The proposed method is divided into two phases, an offline phase and an online phase. First, the offline phase is a building pre-computed model phase in which most of tasks can be conducted. Second, the online phase is either a prediction or recommendation phase in which the models are used. In a model building phase, we first determine a priori predicted rating and subsequently identify prediction errors for each user. From this error information, an error-reflected model is constructed. The error-reflected model, which is reflected average prior prediction errors of user neighbors and item neighbors, can make accurate predictions in the situation where users or items have few opinions; this is known as the cold start problems. In addition, in order to reduce the re-building tasks, the error-reflected model is designed such that the model is updated effectively and users'new opinions are reflected incrementally, even when users present a new rating feedback.

• Communications of the Korean Institute of Information Scientists and Engineers
• /
• v.22 no.2
• /
• pp.63-71
• /
• 2004

제품에 대한 사용자의 주관적인 느낌을 파악하고 감성적 만족도를 측정하기 위해서는 주로설문지 등을 이용한 심물리적 스케일(Psychophysical scales) 방법이 주로 이용되어 왔다(Han et al., 2000). 그러나 사용자에게 주관적인 선호도를 점수로 표현하게 하는 심물리적 평가 방법은 몇 가지 문제점을 가지고 있다.

• KSCI Review
• /
• v.15 no.1
• /
• pp.47-52
• /
• 2007

본 연구에서는 한국과 중국의 휴대폰 사용자를 대상으로 무선인터넷 서비스 사용자의 특성(성, 나이, 직업)에 따라 컨텐츠 선호 유형이 달라지는가를 실증적으로 파악하고자 하였다. 이러한 연구목적을 달성하기 위하여, 본 연구에서는 유무선 인터넷 컨텐츠와 관련한 기존문헌들을 중심으로 무선인터넷 서비스 사용자의 인구통계학적 특성 및 무선인터넷 컨텐츠 유형을 도출 및 정의하였다. 이에 따라, 본 연구에서는 한국과 중국의 휴대폰 사용자에게 설문지를 의뢰함으로써 다양한 통계분석을 실시하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.10b
• /
• pp.366-371
• /
• 2006

최근 연구가 활발히 진행되고 있는 ‘유비쿼터스’라는 새로운 패러다임은 기존보다 더욱 많은 컴퓨팅 자원을 이용하여 사용자의 편의를 지원하는 것을 그 목표로 하고 있다. 유비쿼터스 컴퓨팅 환경에서 사용자를 지원하기 위한 대표적인 예로 개인화 서비스를 들 수 있으며, 개인화 서비스는 사용자에 대한 모델링이 필수 요소가 된다. 개개인의 행동 패턴 혹은 선호도 정보로 구성된 사용자 모델은 다양한 개인화 서비스의 원활한 지원을 위해 지금까지 유용하게 사용되고 있지만, 기존의 사용자 모델은 각 서비스가 개발될 때, 그 서비스에 적합한 형태로 매번 설계되어야 하는 문제점을 지닌다. 본 논문에서는 이러한 문제점을 해결하고자, 사용자 모델을 구성하는 정보들을 분석하여, 모델 설계에 필요한 일반화된 입력 패턴들을 도출하고, 도출된 패턴들을 바탕으로 더욱 쉽고 빠르게 사용자 모델을 생성할 수 있는 방법을 제안한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.10a
• /
• pp.1163-1165
• /
• 2015

최근 들어, 사용자의 선호도를 고려한 음악추천 시스템의 연구가 활발히 진행되고 있다. 대부분의 음악 추천 시스템은 사용자가 들었던 곡을 분석하여 유사한 노래를 추천하는 시스템을 사용하여 비슷한 성향에서 벗어나지 못한 추천으로 다양한 사용자의 선호도를 만족시키는데 한계가 있었다. 본 논문에서는 개인 정보인 성별, 나이, 지역, 계절, 장르에 가중치를 활용하여 각각의 개인에 가장 알맞은 음악 추천 시스템을 설계하고 구현한다.

• Journal of KIISE:Software and Applications
• /
• v.30 no.3_4
• /
• pp.316-325
• /
• 2003

A user preference prediction method using an exiting collaborative filtering technique has used the nearest-neighborhood method based on the user preference about items and has sought the user's similarity from the Pearson correlation coefficient. Therefore, it does not reflect any contents about items and also solve the problem of the sparsity. This study suggests the preference prediction system using the similarity weight granted Bayesian estimated value and the associative user clustering to complement problems of an exiting collaborative preference prediction method. This method suggested in this paper groups the user according to the Genre by using Association Rule Hypergraph Partitioning Algorithm and the new user is classified into one of these Genres by Naive Bayes classifier to slove the problem of sparsity in the collaborative filtering system. Besides, for get the similarity between users belonged to the classified genre and new users, this study allows the different estimated value to item which user vote through Naive Bayes learning. If the preference with estimated value is applied to the exiting Pearson correlation coefficient, it is able to promote the precision of the prediction by reducing the error of the prediction because of missing value. To estimate the performance of suggested method, the suggested method is compared with existing collaborative filtering techniques. As a result, the proposed method is efficient for improving the accuracy of prediction through solving problems of existing collaborative filtering techniques.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2009.04a
• /
• pp.39-42
• /
• 2009

사용자 적응형 추천 시스템의 목적은 사용자의 선호도와 행동 정보 등을 분석, 분류하여 그를 바탕으로 각 사용자가 필요로 하거나 선호 할 만한 서비스를 사용자에게 추천하여 사용자 편리성을 높이는 것이다. 그러나 기존의 추천 시스템은 새로운 사용자의 등장이나 새로운 서비스의 등장 시 분석에 많은 시간을 필요로 하거나, 과특성화와 희귀성이라는 특성으로 인한 추천 서비스 단순화 등의 문제점을 안고 있다. 본 논문에서는 새로운 사용자 등장 시 결정 트리를 이용한 분류로 분석시간을 줄이고, 새로운 아이템의 등장 시 분석시간의 감소와 다양한 사용자 중심적인 추천을 위해 대리자를 이용한 사용자 군집화와 추천을 수행하는 새로운 모델을 제시한다. 또한 제안된 모델을 분석하여 위의 문제점들이 어떻게 해결되는지 설명한다.