• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.470-473
• /
• 2021

본 논문에서는 코로나-19로 인해 홈 트레이닝 시장이 성장하고 있는 상황 속에서 효율적인 운동을 위해 사용자의 식습관, 신체조건, 선호도 등을 바탕으로 적합한 운동을 추천해주는 시스템을 제안한다. 먼저 K-최근접 이웃 알고리즘을 활용해 비만의 정도에 따라 사용자를 분류하고, 운동 데이터를 소모 칼로리에 따라 클러스터링 한다. 다음으로 비만의 정도와 운동 레벨에 따라 정해진 추천 점수를 통해 사전 선호도 확률을 계산하고, 베이지안 네트워크를 통해 사후 확률을 구한다. 이를 바탕으로 특이값 분해 알고리즘(SVD)를 활용하여 사용자 맞춤형 운동을 추천한다. 제안 시스템의 성능을 검증하기 위해 비교 실험을 진행하여 회귀 문제 평가 척도인 RMSE 값 측면에서 성능을 분석하였다.

• Journal of Broadcast Engineering
• /
• v.9 no.4 s.25
• /
• pp.305-321
• /
• 2004

With the advent of the digital broadcasting, the audiences can access a large number of TV programs and their information through the multiple channels on various media devices. The access to a large number of TV programs can support a user for many chances with which he/she can sort and select the best one of them. However, the information overload on the user inevitably requires much effort with a lot of patience for finding his/her favorite programs. Therefore, it is useful to provide the persona1ized broadcasting service which assists the user to automatically find his/her favorite programs. As the growing requirements of the TV personalization, we introduce our automatic user preference learning algorithm which 1) analyzes a user's usage history on TV program contents: 2) extracts the user's watching pattern depending on a specific time and day and shows our automatic TV program recommendation system using MPEG-7 MDS (Multimedia Description Scheme: ISO/IEC 15938-5) and 3) automatically calculates the user's preference. For our experimental results, we have used TV audiences' watching history with the ages, genders and viewing times obtained from AC Nielson Korea. From our experimental results, we observed that our proposed algorithm of the automatic user preference learning algorithm based on the Bayesian network can effectively learn the user's preferences accordingly during the course of TV watching periods.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2009.11a
• /
• pp.785-786
• /
• 2009

인터넷의 수많은 정보 속에서 사용자가 원하는 적절한 정보를 찾아 주기 위해 추천 시스템이 등장하였다. 기존의 추천 시스템들은 유사한 선호도를 갖는 사람들을 그룹화 하여 그들이 선호할 만한 아이템을 추천해 주는 방법을 사용하는데, 본 논문에서는 기존의 추천 시스템에 태그를 이용하여 추천의 신뢰도를 높이고자 한다. 사용자가 해당 아이템을 보고난 후 추가로 더 알고 싶은 내용에 대한 태그를 등록하면 그 태그는 다른 사용자들을 위한 추천 정보로 이용된다. 또한 추천 자료에 대한 사용자의 만족도 평가를 바탕으로 자료간의 연관 관계를 재조정하여 추천 시스템의 성능을 높인다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2018.05a
• /
• pp.101-102
• /
• 2018

협업 필터링은 데이터 분석을 통한 추천 시스템에서 대표적인 방법이다. 사용 방법은 다양한 아이템에 대해서 사용자들의 평가 데이터를 활용하여 공통적인 패턴을 찾아서 특정 사용자에 대한 선호 아이템을 추천하는 기법이다. 이에 본 논문에서는 여러 가지 알고리즘을 사용하여 지표 측정에 활용하였으며, 사용자 선호에 대한 예측에 적합한 알고리즘을 찾아서 제시하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2018.05a
• /
• pp.426-427
• /
• 2018

협업 필터링은 데이터 분석을 통한 추천 시스템에서 대표적인 방법이다. 사용 방법은 다양한 아이템에 대해서 사용자들의 평가 데이터를 활용하여 공통적인 패턴을 찾아서 특정 사용자에 대한 선호 아이템을 추천하는 기법이다. 이에 본 논문에서는 여러 가지 알고리즘을 사용하여 지표 측정에 활용하였으며, 사용자 선호에 대한 예측에 적합한 알고리즘을 찾아서 제시하였다.

• Proceedings of the KIEE Conference
• /
• 2001.07d
• /
• pp.2807-2809
• /
• 2001

본 논문에서는 웹기반 쇼핑몰에서 사용자들에게 새로운 상품을 추천하는 시스템을 제안한다. 추천시스템이란 사용자의 필요와 취향을 고려하여 그에게 적합한 새로운 상품이나 대신할만한 상품 등을 추천하는 시스템이다. 지금까지 제안된 대부분의 추천시스템들은 협력적인 필터링 기법을 쓰고 있는데, 이러한 시스템의 경우 사용자들의 선호도 점수 정보가 부족하면 정확한 추천결과를 기대할 수 없다. 본 논문에서는 내용기반 필터링 기법을 협력적 필터링 기법과 함께 사용하여 이와 같은 문제를 해결하고자 한다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2019.05a
• /
• pp.482-483
• /
• 2019

협업 필터링은 데이터 분석을 통한 추천 시스템에서 대표적인 방법이다. 사용 방법은 다양한 아이템에 대해서 사용자들의 평가 데이터를 활용하여 공통적인 패턴을 찾아서 특정 사용자에 대한 선호 아이템을 추천하는 기법이다. 이에 본 논문에서는 여러 가지 알고리즘을 사용하여 지표 측정에 활용하였으며, 사용자 선호에 대한 예측에 적합한 알고리즘을 찾아서 제시하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2021.10a
• /
• pp.563-564
• /
• 2021

협업 필터링은 데이터 분석을 통한 추천 시스템에서 대표적인 방법이다. 사용 방법은 다양한 아이템에 대해서 사용자들의 평가 데이터를 활용하여 공통적인 패턴을 찾아서 특정 사용자에 대한 선호 아이템을 추천하는 기법이다. 이에 본 논문에서는 여러 가지 알고리즘을 사용하여 지표 측정에 활용하였으며, 사용자 선호에 대한 예측에 적합한 알고리즘을 찾아서 제시하였다.

• 한국HCI학회:학술대회논문집
• /
• 2009.02a
• /
• pp.105-110
• /
• 2009

Conventional TV viewing environment had provided limited numbers of channels and contents so that accessibility of contents was made user's manual change of TV channels and by manual selection of TV program contents. However, with advent of IPTV and various contents and channels available to users’ terminals, excessive numbers of TV contents become available to users’ terminals, thus leading to totally different TV viewing environments. In this TV environment, users are required to make much effort to choose their preferred TV channels or program contents, which becomes much cumbersome to the users. Therefore, in this paper, we will propose TV contents schedule recommendation by making reasoning on users’ TV viewing patterns from TV viewing history data using sequential pattern mining so that so that it increases accessibility of users to many TV program contents which may be or may not be aware of the users.

• Journal of The Korean Association of Information Education
• /
• v.15 no.2
• /
• pp.219-226
• /
• 2011

Web personalization has focused on extracting web pages interesting to users, to help users searching wanted information efficiently on the web. One of the main methods to achieve this is by using queries, links and users' preferred words in the pages. In this study, we surveyed from the web users the features of pages that are considered important to themselves in selecting web pages. The survey results showed that the content of the pages is the most important. However, images and readability of the page are rated as high as the content for some users. Based on this result, we present a method for maintaining relative weights of major page features differently in the profile for each user, which is used for personalizing web search results. Performance of the proposed personalization method is analyzed to prove its superiority such that it yields as much as 1.5 times higher rate than the system utilizing both queries and preferred words and about 2.3 times higher rate than a generic search engine.