• Proceedings of the Korea Information Processing Society Conference
• /
• 2016.04a
• /
• pp.554-557
• /
• 2016

2015년 우리나라 스마트폰 보급률이 83%에 다다르고 인터넷 정보 검색은 PC보다 모바일이 추월한지 오래다. 범람하는 정보 안에서 편하고 빠른 것에 익숙해진 사용자들은 이제 개인화된 맞춤형 추천 정보의 제공을 원한다. 맞춤형 추천을 위해서는 사용자의 행동을 이해하고 추천하는 것이 필요하다. 현재 대중화된 개인 추천 서비스는 책과 영화가 있는데 생활에 많은 부분을 차지하고 있는 음식점 방문에 대해서도 맞춤형 추천 서비스를 제공해 줄 수 있다. 본 논문에서는 음식점 방문에 대한 비슷한 태도를 보인 사용자를 추출한 후 방문했던 장소를 비교하여 추천하는 사용자 행동 기반 다속성 태도 모델 기반의 장소 추천 모델을 연구한다. 다속성 태도점수를 산출하기 위해 피쉬바인(Fishbein) 방정식을 활용하고 피어슨 상관계수를 이용하여 사용자들간의 유사한 장소를 추출했다. 그리고 그룹렌즈의 선호도 예측 알고리즘을 활용하여 추천 대상 장소를 선정하고 유클라디안 거리법으로 사용자의 거리기반 장소를 추천하였다. 또한 본 논문에서는 실제 데이터를 이용한 실험을 통해 본 논문에서 제시한 시스템의 우수성도 입증하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.05a
• /
• pp.464-465
• /
• 2023

대화형 추천 시스템은 대화를 통해 사용자의 현재 선호도를 파악하고 상품을 추천해주는 시스템이다. 대화의 맥락은 변화하기 때문에 대화 중 최근 언급된 엔티티가 사용자의 현재 선호와 더 관련이 있다. 그러나, 기존 방법들은 언급된 엔티티들의 순서를 고려하지 않았기 때문에 사용자의 현재 선호도를 표현하는데 한계가 존재한다. 본 논문에서는, 대화 내 언급된 엔티티들의 순서를 고려하는 아키텍처를 제안하고, 실세계 데이터를 활용해 다음 상품을 예측하는데 엔티티 순서를 고려하는 것이 효과적인지 실험을 통해 보여준다.

• Journal of the Korea Society of Computer and Information
• /
• v.8 no.4
• /
• pp.92-103
• /
• 2003

Great many advertisements are serviced in on-line by development of electronic commerce and internet user's rapid increase recently. However, this advertisement service is stopping in one-side service of relevant advertisement rather than doing users' inclination analysis to basis. Therefore, want advertisement service that many websites are personalized for efficient service of relevant advertisement and service through relevant server's log analysis research and enforce. Take advantage of log data of local system that this treatise is not analysis of server log data and analyze user's Preference degree and inclination. Also, try to propose advertisement system personalized by making relevant site tributary category and give weight of relevant tributary. User's preference user preference which analysis is one part of cooperation fielder ring of web personalized techniques use information in visit site tributary and suppose internet user's action in visit number of times of relevant site and try inclination analysis of mixing form. Express user's preference degree by vector, and inclination analysis result uninterrupted data that simplicity application form is not regarded and techniques that propose inclination analysis change of data since with move data use and analyze newly and proposed so that can do continuous renewal and application as feedback Sikkim. Presented method that can choose advertisements of relevant tributary through this result and provide personalized advertisement service by applying process such as user inclination analysis in advertisement chosen.

• Database Research
• /
• v.34 no.3
• /
• pp.86-98
• /
• 2018

Point-of-Interest(POI) recommendation systems suggest the most interesting POIs to users considering the current location and time. With the rapid development of smartphones, internet-of-things, and location-based social networks, it has become feasible to accumulate huge amounts of user POI visits. Therefore, instant recommendation of interesting POIs at a given time is being widely recognized as important. To increase the performance of POI recommendation systems, several studies extracting users' POI sequential preference from POI check-in data, which is intended for implicit feedback, have been suggested. However, when constructing a model utilizing sequential preference, the model encounters possibility of data distortion because of a low number of observed check-ins which is attributed to intensified data sparsity. This paper suggests refinement of temporal intervals based on data confidence. When building a POI recommendation system using temporal intervals to model the POI sequential preference of users, our methodology reduces potential data distortion in the dataset and thus increases the performance of the recommendation system. We verify our model's effectiveness through the evaluation with the Foursquare and Gowalla dataset.

• Proceedings of the Korean Information Science Society Conference
• /
• 2007.06c
• /
• pp.277-280
• /
• 2007

무선통신의 발달에 따라 모바일 장비 기반의 이동성을 고려한 서비스에 관한 연구가 활발하다. 모바일 장비는 제한된 화면크기, 부족한 리소스 등의 한계와 함께 사용자의 이동 중에 발생하는 이벤트를 처리해야 한다는 문제가 있기 때문에, 사용자에게 친숙한 인터페이스와 개별화된 추천 서비스가 요구된다. 본 논문에서는 사용자의 선호도를 반영한 베이지안 네트워크를 이용하여 모바일 장비에서 개인화된 추천 시스템을 개발한다. 실시간으로 변화하는 환경에 적응하도록 네트워크를 설계하기 위하여 전문가에 의해 구조를 설계하고, 수집된 사용자 로그를 바탕으로 파라메터를 학습하여 베이지안 네트워크 모델을 생성한 후, 학습된 모델 기반의 추론결과를 실제 컨텐츠와 비교하여 시스템에 매핑시킴으로써 사용자에게 추천한다. 실제 신촌지역 음식점 추천을 대상으로 실험한 결과, 그 가능성을 확인할 수 있었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2007.06c
• /
• pp.114-117
• /
• 2007

최근 UCC의 등장으로 인터넷을 이용한 멀티미디어의 활용이 생활화되고 있다. 이러한 환경에서 사진, 동영상, 음악 등 멀티미디어의 검색은 시간과 접촉 이용성을 증가시켜줄 수 있는 중요한 이슈가 되고 있다. 그러나 현재 제안되어 있는 멀티미디어 활용 시스템들은 전체 사용자를 기반으로 우선순위를 적용하여 단일화된 metric을 통한 랭킹 시스템을 제안함으로 사용자 중심의 실용적인 랭킹 시스템을 제공하지 못하고 있다. 본 연구에서는 이러한 문제점에 기반하여 사용자 중심의 차별화된 뷰를 제공해 줄 수 있는 사용자 선호 기반(User Favor-Based) 멀티미디어 랭킹 시스템 '포토톡'을 제안한다. 제안하는 시스템은 현실적인 랭킹시스템을 통해서 사용자 중심의 결과를 도출할 수 있는 장점을 가진다.

• The Journal of The Korea Institute of Intelligent Transport Systems
• /
• v.8 no.1
• /
• pp.119-126
• /
• 2009

In recent years, many recommendation service systems that search or recommend information automatically considering user's taste or property are developed. However, there is a weak point that correct recommendation is hard without considering the preference of user's context. This paper proposes a filtering method that gives correct recommendation considering the preference of user's context. To support this method, we get UCOP(User-Context Object Preference) using the preference of user's context and Pearson correlation coefficient. The results of the experiment show the improvement of 11%, 2% of precision and 8%, 4% of recall comparing with the existing service systems. Our recommendation service systems show 77% of precision and 53% of recall overall.

• Journal of Intelligence and Information Systems
• /
• v.22 no.4
• /
• pp.1-18
• /
• 2016

Collaborative Filtering (CF) predicts the focal user's preference for particular item based on user's preference rating data and recommends items for the similar users by using them. It is a popular technique for the personalization in e-commerce to reduce information overload. However, it has some limitations including sparsity and scalability problems. In this paper, we use a method to integrate social network information into collaborative filtering in order to mitigate the sparsity and scalability problems which are major limitations of typical collaborative filtering and reflect the user's qualitative and emotional information in recommendation process. In this paper, we use a novel recommendation algorithm which is integrated with collaborative filtering by using Social SVD++ algorithm which considers social network information in SVD++, an extension algorithm that can reflect implicit information in singular value decomposition (SVD). In particular, this study will evaluate the performance of the model by reflecting the real-world user's social network information in the recommendation process.

• The Journal of the Korea Contents Association
• /
• v.18 no.1
• /
• pp.64-75
• /
• 2018

With the development of location-aware technologies and the activation of smart phones, location based social networks(LBSN) have been activated to allow people to easily share their location. In particular, studies on recommending the location of user interests by using the user check-in function in LBSN have been actively conducted. In this paper, we propose a location recommendation scheme considering time and user activities in LBSN. The proposed scheme considers user preference changes over time, local experts, and user interest in rare places. In other words, it uses the check-in history over time and distinguishes the user activity area to identify local experts. It also considers a rare place to give a weight to the user preferred place. It is shown through various performance evaluations that the proposed scheme outperforms the existing schemes.

• Journal of KIISE:Computing Practices and Letters
• /
• v.7 no.6
• /
• pp.684-695
• /
• 2001

Recent recommender system uses a method of combining collaborative filtering system and content based filtering system in order to solve sparsity and first rater problem in collaborative filtering system. Collaborative filtering systems use a database about user preferences to predict additional topics. Content based filtering systems provide recommendations by matching user interests with topic attributes. In this paper, we describe a method for discovery of user preference through combining two techniques for recommendation that allows the application of machine learning algorithm. The proposed collaborative filtering method clusters user using genetic algorithm based on items categorized by Naive Bayes classifier and the content based filtering method builds user profile through extracting user interest using relevance feedback. We evaluate our method on a large database of user ratings for web document and it significantly outperforms previously proposed methods.