• Annual Conference on Human and Language Technology
• /
• 2013.10a
• /
• pp.163-166
• /
• 2013

사용자별로 SNS/RSS 구독 뉴스 분석을 통해 사용자가 관심이 있는 새로운 뉴스를 추천해 주는 시스템을 설계하고 구현한다. 뉴스 추천 시스템의 설계를 위해 전체 시스템에서 사용자와 서버에서의 작업을 명세하고, 이중에 주요 기능을 담당하는 부분을 구현한다. 구현된 주요 기능은 선호 문서가 들어왔을 때 특징을 추출하고 이를 저장하는 것과 새로운 문서가 들어왔을 때 선호 문서군과 얼마나 유사한지 판별하여 문서에 대한 추천 여부를 결정하는 것이다. 선호 문서의 특징 추출에 대해서는 형태소 분석을 통해 단어와 빈도를 추출하고 이를 누적하여 저장한다. 또한, 새로운 문서가 들어왔을 때 코사인 유사도를 계산하여 사용자가 선호하는 학습문서와의 유사도 비교를 통해 문서 추천 여부를 결정한다. 구현된 시스템에서 실제로 연관된 선호 문서군을 학습시키고, 연관된 새로운 문서 혹은 연관되지 않은 새로운 문서에 대한 추천 여부를 비교하는 것으로 시스템 정확도를 파악한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2014.04a
• /
• pp.340-343
• /
• 2014

현대에 많은 사람들이 스마트폰, mp3 player와 같은 휴대기기에 많은 음원 파일을 넣어 음악을 듣는다. 그 음악 중에는 잘 듣지 않는 것도 다수 존재하지만 사용자는 그런 파일을 즉시 지우지 않을뿐더러 자기 자신조차 어떤 음악을 즐겨듣는지 아닌지 모두 파악하지 못한다. 본 논문에서는 사용자들이 음악 재생기를 조작할 때 발생하는 행동 패턴을 기반으로 음악의 선호도를 산출하고, 이를 이용하여 음악 선호도 순위 정보를 사용자에게 제공하여 음악 관리를 편하게 할 수 있도록 해주는 시스템을 제안한다.

• Annual Conference on Human and Language Technology
• /
• 2020.10a
• /
• pp.408-413
• /
• 2020

본 논문은 아고다 사이트의 호텔 정보를 크롤링하여 사용자의 선호 호텔을 구글에서 제공하는 Tensorflow로 인공신경망 딥러닝 학습하여 사용자가 선호하는 호텔을 맞춤 추천하는 애플리케이션의 설계 및 구현에 대하여 서술한다. 본 애플리케이션은 해외(베트남) 호텔을 취향에 맞게 추천받을 수 있도록 만들어진 애플리케이션으로 기존의 필터링 방식으로 추천하는 방식의 애플리케이션들과 달리 사용자의 취향을 딥러닝 학습을 통해 파악하고 최적의 호텔 정보를 추천하는 기능을 제공한다. 본 애플리케이션에 사용된 선호 호텔 예측 모델은 약 84%의 정확도를 보이며 추천 별점으로 표시되어 사용자가 각 호텔에 대해 얼마만큼 선호도를 갖는지 알 수 있다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.19 no.3
• /
• pp.343-349
• /
• 2009

In this paper, it would be shown that individuals can have different responses to the same email based on their preferences through computing the distributions of user clusters' email responses from clustering results based on email users' preference information. This paper presents an approach that incorporates user preferences to construct an anti-spam mail system, which is different from the conventional content-based ones. We consider email category information derived from the email content as well as user preference information. We also build a user preference ontology to formally represent the important concepts and rules derived from a data mining process and then apply a rule optimization procedure to exclude unnecessary rules. Experimental results show that our user preference based system achieves good performance in terms of accuracy, the rules derived from the system and human comprehensibility.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2009.11a
• /
• pp.299-300
• /
• 2009

본 시스템은 개인이 가지고 있는 음악의 선호에 따라 다음 번에 재생 할 음악 목록을 구성하는 것이 목적이다. 여기서 음악의 선호는 사용자가 음악을 끝까지 들었는지 혹은 음악을 끝까지 듣지 않고 다음 곡으로 넘겼는지 여부에 따라 판단된다. 또한 이 선호에 대한 누적 평가 값에 한계치를 두고 누적 평가 값과 최근 평가 값을 합산함으로써 변화하는 사용자의 취향에 맞추어 재생 목록을 구성할 수 있다. 실험을 통해 새로운 목록을 구성 할수록 평균적인 사용자의 최근 선호도에 따라 재생 목록이 구성됨을 알 수 있었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10a
• /
• pp.229-231
• /
• 2004

추천 시스템은 양질의 정보를 추천하기 위해서 사용자의 관심도를 반영해야 한다. 이를 위해 본 연구에서는 강화학습과 관련 정보, 비관련 정보를 모두 이용하는 피드백 방법을 결합하였다. 사용자의 문서에 대한 평가를 평가 값으로 사용하여 사용자가 선호하는 용어와 선호하지 않는 용어를 추출하고, 이를 이용해 사용자 프로파일을 강화학습으로 학습하게 된다. 제안된 방법으로 신문기사 추천시스템에 적용하여 실험한 결과, 관련 정보와 비관련 정보를 함께 사용한 방범이 기존의 관련 정보안물 사용한 방법보다 더 나은 성능을 보였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2008.11a
• /
• pp.1075-1078
• /
• 2008

모바일 웹서비스는 점차 발전하고 있지만, 아직까지 제한된 디바이스의 성능 및 기술적인 요건, 서비스 시스템 통합화의 부재등으로 통해 최적화된 서비스를 제공해 주고 있지 못하다. 따라서 이를 지원하지 위하여 구조화된 서버환경에서 사용자에게 각각의 최적화된 서비스를 제공해 주고, 사용자의 선호나 사용방식에 따라 사용자에게 맞춤형 서비스를 제공해 줄 수 있는 미들웨어 시스템을 제안한다.

• 한국HCI학회:학술대회논문집
• /
• 2006.02a
• /
• pp.299-304
• /
• 2006

기존에 개발된 사용자 선호 정보를 이용한 TV 추천 시스템은 대부분 사용자의 명시적인 요구에 따라 방송 프로그램을 추천하는 데 중점을 두고 개발되었다. 하지만, 유비쿼터스 환경이 도래함에 따라서 사용자의 요구에 따라 반응하는 수동적인 서비스 보다는 상황정보(Context)를 활용하여 능동적인 서비스를 지원할 수 있는 기술이 필요하다. 따라서 본 논문에서는 CAMUS(Context-Aware Middleware for URC Systems) 상황인식 미들웨어를 이용하여 사용자 위치 상황정보에 따라 능동적으로 추천할 수 있는 TV 추천 서비스 에이전트를 제안한다. 제안된 시스템은 CAMUS 기반 서비스 에이전트와 태스크를 구현함으로써, 상황정보에 따라 능동적으로 다채널에서 방송되는 프로그램 및 사용자의 선호도 정보를 분석하여 사용자가 원하는 프로그램을 추천한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2005.11a
• /
• pp.263-266
• /
• 2005

현재 유비쿼터스 환경에서 대부분의 시스템이 개인화된 추천 서비스를 위한 컨텍스트 인식 과정에서 사용자의 직접 피드백을 받는 경우가 많다. 다양한 서비스가 사용자 주변에 존재한다고 하더라도 사용자가 서비스를 받기 위해 직접 피드백을 하는 경우가 많아지면 invisible service를 받을 수 없게 된다. 본 논문에서는 마이닝 기법을 기반으로 사용자의 프로파일 생성과 갱신, 선호도를 예측하여 효율적인 서비스를 제공하는 컨텍스트 마이닝 시스템을 제안한다. 본 시스템에서는 초기프로파일을 생성할 때만 사용자의 직접 피드백을 이용하고, 사용자 프로파일의 갱신과 선호도 예측, 추천 둥 컨텍스트 마이닝 과정에서는 사용자의 행동과 사용자와 유사한 그룹의 선호도, 그리고 사용자의 주변 환경과 같은 컨텍스트 정보를 이용하여 직접 피드백을 최소화한다.

• 한국HCI학회:학술대회논문집
• /
• 2009.02a
• /
• pp.6-10
• /
• 2009

In these days, recommendation service in mobile environments is in the limelight due to the spread of mobile devices and an increase of information owing to advancement of computer network. The restaurant recommendation system reflecting user preference was proposed. This system uses Bayesian network to model user preference and analytical hierarchical process to recommend restaurants, but static inference model for user preference used in the system has some limitations that cannot manage changing user preference and enormous user survey must be preceded. This paper proposes a learning method for Bayesian network based on user requests. The proposed method is implemented on mobile devices and desktop, and we show the possibility of the proposed method through experiments.