• Journal of KIISE
• /
• v.44 no.6
• /
• pp.621-627
• /
• 2017

Collaborative filtering is a technique that effectively recommends unrated items for users. Collaborative filtering is based on the similarity of the items evaluated by users. The existing top-N recommendation methods are based on pair-wise and list-wise preference models. However, these methods do not effectively represent the relative preference of items that are evaluated by users, and can not reflect the importance of each item. In this paper, we propose a new method to represent user's latent preference by combining an existing preference model and the notion of inverse user frequency. The proposed method improves the accuracy of existing methods by up to two times.

• Journal of KIISE:Software and Applications
• /
• v.32 no.7
• /
• pp.581-591
• /
• 2005

Collaborative filtering systems have problems involving sparsity and the provision of recommendations by making correlations between only two users' preferences. These systems recommend items based only on the preferences without taking in to account the contents of the items. As a result, the accuracy of recommendations depends on the data from user-rated items. When users rate items, it can be expected that not all users ran do so earnestly. This brings down the accuracy of recommendations. This paper proposes a collaborative recommendation method for extracting typical group preferences using user-item matrix optimization and user profiles in collaborative tittering systems. The method excludes unproven users by using entropy based on data from user-rated items and groups users into clusters after generating user profiles, and then extracts typical group preferences. The proposed method generates collaborative user profiles by using association word mining to reflect contents as well as preferences of items and groups users into clusters based on the profiles by using the vector space model and the K-means algorithm. To compensate for the shortcoming of providing recommendations using correlations between only two user preferences, the proposed method extracts typical preferences of groups using the entropy theory The typical preferences are extracted by combining user entropies with item preferences. The recommender system using typical group preferences solves the problem caused by recommendations based on preferences rated incorrectly by users and reduces time for retrieving the most similar users in groups.

• Journal of Korea Multimedia Society
• /
• v.10 no.10
• /
• pp.1356-1366
• /
• 2007

Many personalized Services that provide users with adaptive information according to users' requirements and preferences have been researched and developed. However, existing approaches are difficult to share a user's information among heterogeneous services because these approaches manage users' preferences in a single system. In this paper, we propose a user preference sharing model based on the Semantic Web as a solution to resolve the problem. Our model enables user preferences to be described and shared over service-specific ontologies which are affected by the feature of each service. Our model is analyzed and evaluated with an implementation of the middleware that supports our model. Our approach has the advantage of providing more efficient personalized services than existing approaches because it can describe users' preferences centering around each service and share these information among heterogeneous personalized services.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.11a
• /
• pp.301-303
• /
• 2005

최근 자동차에서 위치$\cdot$지리정보를 제공하는 CNS(Car Navigation System)분야로 많은 개발이 되고 있으며, 이를 휴대용 단말기에 적용해 개인화하여 서비스를 제공하고 있는 추세이다. 휴대 단말기에 적용해 개인화 서비스를 제공하는 것을 PNS(Personal Navigation System)라 하며, 이 시스템은 이동 중인 사용자가 휴대용 기기에 공간 데이터를 저장하고 사용자의 위치를 기반으로 목적지까지의 경로를 안내하는 서비스 유형으로 사용자가 휴대하는 기기에 의해 정보가 제공되기 때문에 개인화 정보 제공이라는 특징을 가지고 있다. 또한 위치기반 PNS 서비스는 단순 위치 정보의 활용만이 아니라 위치 정보를 근간으로 POI(Poin of Interest)가 제공되어야 한다. 이를 위해서는 위치에 부가되는 다양한 POI의 정보와 함께 개인의 성향 정보가 적용되어야 한다. 그러나 아직까지 개인의 성향이나 특성에 따른 정보를 포함하지 않고 있다. 본 논문에서는 사용자가 선 입력한 성향정보와 History 정보로부터 추출되는 사용자 선호 특성 정보를 데이터베이스로 구축하고, 개인 선호 특성 정보를 반영하여 웹 또는 모바일 기기를 통해 POI 서비스를 제공 받을 수 있는 PNS시스템을 제안하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10b
• /
• pp.28-30
• /
• 2001

현 인터넷상에서 취향에 맞는 항목(상품) 정보를 사용자에게 추천해 주는 개인화 기술은 대부분 특정 사용자와 유사한 선호도를 갖는 다른 사용자들의 특정 항목에 대한 선호도를 바탕으로 항목의 선호도를 추정하는 협력적 추천 기술을 적용하고 있다. 이중 최근접 이웃 방법은 적용하기가 용이한 반면 항목간의 가중치를 고려하지 못함으로써 추천의 정확도가 크게 떨어지는 문제점이 있다. 연관규칙 방법은 다른 항목에 대한 선호도 자료로부터 데이터 마이닝 기법을 적용하여 항목 선호에 대한 연관규칙을 추출하고 그 규칙을 사용하여 어떤 항목의 선호도를 추정한다. 따라서 항목들 간의 중요도가 연관규칙의 지지도나 신뢰도 등으로 나타난다고 할 수 있으나, 단순히 항목들간의 연관관계 즉 표면적인 연관관계에 의하여 선호도를 결정함으로써 항목들간의 어떤 내용적인 공통성 또는 어떤 상위개념에 의한 선호도가 고려되지 않음으로써 역시 정확도가 떨어지는 문제점이 있다. 본 논문에서는 추천의 정확도를 향상시키기 위한 신경망 추천 방법에 대해 분석하고, 내용기반 추천과 협력적 추천을 병합한 신경망 추천 방법을 제안한다. 또한, 다른 협력적 추천 방법과의 비교를 통하여 본 추천 방법의 장점과 성능의 우수함을 보인다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2008.04a
• /
• pp.56-59
• /
• 2008

현재의 음악 서비스들의 대부분은 음악을 가수 이름이나 장르와 같은 키워드들로 구분하여 사용자에게 제공한다. 하지만 음악의 장르가 다양해지고, 장르별로 음악의 유형도 다양해짐에 따라 키워드 기반은 음악 제공 방법만으로는 사용자가 원하는 음악을 제공하는데 한계가 있다. 이런 한계점을 극복하기 위하여 음악 자체의 성질을 기반으로 음악을 분석하는 컨텐츠 기반의 음악 분석 방법이 필요하다. 또한 사용자가 원하는 음악을 제공 받을 수 있도록 사용자의 음악 선호도를 분석하여 그에 맞는 음악을 제공하는 방법도 필요하다. 본 논문에서는 음악의 시퀀스 정보와 특징을 추출하여 음악 모델을 구축하고, 이를 사용하여 사용자의 음악 선호도를 분석하는 방법을 제안하고, 사용자의 선호도에 맞는 음악을 제공하기 위하여 선호도 분석 방법을 통해 음악을 추천해주는 시스템을 제안한다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2015.05a
• /
• pp.423-425
• /
• 2015

최근 대형 마트 및 백화점에서는 옴니채널 형식의 유통전략이 급부상하고 있으나, 소상공인 및 전통시장은 고비용의 옴니채널 형식을 도입하기가 어렵다. 이를 해결하고자 소자본으로 구축 가능한 니즈 분석을 활용한 모바일 플랫폼이 고안되었으나, 단순히 사용자의 행동 및 후기를 활용한 니즈분석은 개인만의 선호도 분석으로서 타인의 선호도를 알 수 없다는 문제점이 있다. 본 논문에서는 앞서 언급한 내 외부 소셜 네트워크 서비스를 활용하여 타인의 상품 선호도 또한 분석하고 결합하여 보다 효과적으로 상품 선호도 분석을 하였으며 사용자 지정 선호도 분석을 지원한다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.11 no.1
• /
• pp.52-57
• /
• 2001

인터넷의 대중화와 더불어 전자상거래에 대한 관심과 중요성이 더욱 증대되고 있다. 전자상거래에서 보다 많은 고객들을 유치하기 위해서는 거래의 안정성 보장, 시스템의 사용 편의성, 다양한 물품의 제공, 저렴한 가격 등과 함께 차별화된 고객 서비스 전략이 필요하다. 고객의 취향에 적합한 상품 정보를 제공함으로써 고객의 만족도를 증진시키고 나아가 지속적인 방문을 유도하고자 한다. 본 논문에서는 고객이 전자상거래 쇼핑몰을 방문 시 고객별로 관리되는 선호도를 활용하여 고객의 취향에 적합한 상품 정보를 제공한다. 퍼지논리를 이용하여 제품군간에 근접도를 반영함으로써 사용자에게 보다 좋은 상품 정보를 제공하는 기법을 제안한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2016.04a
• /
• pp.408-411
• /
• 2016

애플리케이션에서 고객들에 의해 생성된 평가정보는 해당 콘텐츠에 대한 고객별 선호도 정보로 볼 수 있기 때문에, 개인에게 맞춤형 추천 시스템을 설계하기 위해서 매우 중요하다. 현재 추천 시스템 분야에서 가장 많이 사용되고 있는 사용자 기반 추천 시스템은 사용자의 평점 정보만을 가지고 유사도를 측정하여 추천에 사용하고 있다. 그러나 이러한 평점 정보만을 가지고 사용자 유사도를 도출하는 것은 정밀하지 못할 수 있다. 따라서 본 연구에서는 사용자의 평점 정보 뿐만 아니라 콘텐츠의 내용을 활용하여 사용자의 선호 콘텐츠를 지식구조의 형태로 나타냄으로써 콘텐츠와 사용자의 관계를 유기적으로 표현하였다. 이와 같은 사용자의 지식구조를 바탕으로 사용자간의 유사도를 평가하고 추천에 활용하였고, 실험결과 제시된 방법으로 더 우수한 성능을 얻을 수 있는 것으로 나타났다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10b
• /
• pp.460-462
• /
• 2003

본 논문에서는 모바일 환경에서. 사용자의 상황정보와 개인적 선호도 정보를 고려하여 사용자에게 적합한 영화를 선택. 추천하고 선택된 영화의 요약(Summary)을 서비스 할 수 있는 시스템을 제안한다. 제안된 시스템은 사용자가 이동하는 상황에 따라 변하는 위치, 시간 정보와 개인적 선호도인 영화장르 정보에 기반한 영화선택 서비스를 제공하고, 선택된 영화 콘텐츠의 요약을 MPEG-7 메타데이터로 기술하고, 이를 이용해 요약을 효과적으로 소모할 수 있게 한다. 제안된 시스템을 통해, 모바일 환경 기반 영화 선택 및 서비스 시스템(Mobile Environment-Based Movie Selection and Summary Service System)을 실현하고, 그 효용성을 입증하였다.