• Journal of Digital Convergence
• /
• v.11 no.2
• /
• pp.271-277
• /
• 2013

Typical semantic search query for Semantic search promises to provide more accurate result than present-day keyword matching-based search by using the knowledge base represented logically. Existing keyword-based retrieval system is Preference for the semantic interpretation of a user's query is not the meaning of the user keywords of interconnect, you can not search. In this paper, we propose a method that can provide accurate results to meet the user's search intent to user preference based evaluation by ranking search. The proposed scheme is Integrated ontology-based knowledge base built on the formal structure of the semantic interpretation process based on ontology knowledge base system.

• 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.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2004.11a
• /
• pp.151-154
• /
• 2004

디지털 방송의 시작과 함께, 지상파, 위성, 케이블과 같은 다양한 매체를 통한 다채널 방송 시청 환경의 도래는 사용자에게 많은 방송 프로그램 시청 정보를 전달하게 되었다. 이와 더불어, 방송 단말에 전송된 다양한 방송 프로그램 정보를 탐색하고 선호 방송 프로그램을 선별하기 위해서는 사용자에게 많은 노력이 요구된다. 이러한 요구에 따라, 똔 논문에서는 다채널 방송 시청 환경 하에서 사용자의 방송 프로그램 시청 히스토리를 분석하고, 특정 시간에 따른 사용자의 방송 프로그램 시청 패턴을 추출하여 방송 프로그램 장르에 대한 사용자 선호도를 자동으로 계산하는 알고리즘을 제안하고, MPEG-7 MDS 구조에 따른 사용자 선호도 서술과 사용자의 선호도에 따라 방송 프로그램을 자동적으로 추천하는 TV 프로그램 추천 어플리케이션을 소개한다 본 실험을 위해 실제 연령대별, 성별, 시간대별로 사용자의 TV 시청 자료를 사용하였으며, 실험결과를 통해 본 논문에 제안된 베이시안 네트워크 기반 사용자 자동 학습 알고리즘이 효과적으로 사용자 선호도를 학습할 수 있음을 확인하였다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.15 no.4
• /
• pp.443-450
• /
• 2005

In this paper, we propose an intelligent model lot extraction of the web user's preference and present the results of evaluation. For this purpose, we analyze shortcomings of current information retrieval engine being used and reflect preference weights on learner. As it doesn't depend on frequency of each word but intelligently learns patterns of user behavior, the mechanism Provides the appropriate set of results about user's questions. Then, we propose the concept of preference trend and its considerations and present an algorithm for extracting preference with examples. Also, we design an intelligent model for extraction of behavior patterns and propose HTML index and process of intelligent learning for preference decision. Finally, we validate the proposed model by comparing estimated results(after applying the Preference) of document ranking measurement.

• Journal of Digital Convergence
• /
• v.13 no.2
• /
• pp.351-359
• /
• 2015

Development of mobile technology has brought a rapid change in people's lifestyle. Mobile is currently expanding its scope and diffusing the range in diverse fields of smart environments. Many of the means are being used as an alternative of communication by users in the mobile environment. Among them, it is currently in an increasing trend of using mobile stickers as a means for communication. This study is intended to analyze mobile stickers as a means for communication and seek for a direction of development of mobile stickers through analysis on user preference.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2005.10a
• /
• pp.257-263
• /
• 2005

초기에 하나의 상품 카테고리만을 다루던 전자상거래 사이트들이 브랜드 확립 후에 다른 상품 카테고리까지 확대해 나가는 모습을 많이 보아왔다. 고객이 아직 방문하지 않은 신규 상품 카테고리의 상품에 대하여 기존 상품 카테고리에서 만들어진 사용자 프로파일을 활용하여 개인화된 추천을 할 수 있다면, 고객이 다양한 상품 카테고리를 방문하도록 유도할 수 있을 것이다. 하지만 일반적으로 전자상거래 사이트에서는 상품 카테고리별로 사용자의 선호도를 파악하여 개인화된 추천을 수행하기 때문에, 해당 카테고리 내 상품의 구매나 방문 기록이 없다면 개인화된 추천을 수행하기가 어렵다 . 본 논문에서는 협업 필터링을 통해 신규 상품카테고리 내의 상품을 추천하기 어려운 고객들을 대상으로 기존의 사용자 선호도 데이터를 활용하여 신규 상품 카테고리 내의 상품을 추천하는 방안의 타당성을 살펴보도록 한다. 즉, 기존 사용자의 특정상품 카테고리 선호도 데이터를 통해 사용자간 유산도를 계산하고, 이를 추천하려는 타 상품 카테고리 내의 상품들에 대한 예측 선호도 계산에 활용 타당성을 살펴본다. 이를 실증적으로 검토하기 위해서, Yes24 사이트의 서적, 음반, DVD 3개의카테고리 내의 상품을 방문한 웹 패널 데이터를 이용하여 타당성 분석을 수행하였다. 분석 결과, 동일 상품 카테고리 내의 선호도 정보를 가지고 현업 필터링을 수행하는 것보다는 추천 성과가 낮았지만 활용할만한 추천 성과를 보였으며, 활용하는 상품 카테고리와 예측하는 상품 카테고리별로 추천성과가 상이했다.

• Journal of KIISE:Computing Practices and Letters
• /
• v.16 no.12
• /
• pp.1154-1164
• /
• 2010

As an useful application in broadcasting services, the targeting service has been mainly studied to improve the service satisfaction and user usage in various media service environments based on user profile, preferences, and usage history. Targeting service is expanding its domain from broadcasting contents to interstitial contents and from fixed TV devices to mobile devices. Service data also include advertisement data, coupon, and information about media contents as well as simple broadcasting data. In this paper, the targeting data service is designed and implemented on articles, advertisement and broadcasting information on the basis of the user information. To adapt this to web-based media contents, information on user profile, preferences, and usage history is newly defined on the basis of the user metadata developed in TV-Anytime Forum and the user information defined in OpenSocial. The targeting data service is implemented to generate user preferences information and usage history pattern based on the similarity among user preference, contents information, and usage history. Based on performance evaluation, we prove that the proposed targeting data service is effectively applicable to web-based media contents as well as broadcasting service.

• Information Systems Review
• /
• v.23 no.3
• /
• pp.51-75
• /
• 2021

Global e-commerce websites offer personalized recommendation services to gain sustainable competitiveness. Existing studies have offered personalized recommendation services using quantitative preferences such as ratings. However, offering personalized recommendation services using only quantitative data has raised the problem of decreasing recommendation performance. For example, a user gave a five-star rating but wrote a review that the user was unsatisfied with hotel service and cleanliness. In such cases, has problems where quantitative and qualitative preferences are inconsistent. Recently, a growing number of studies have considered review data simultaneously to improve the limitations of existing personalized recommendation service studies. Therefore, in this study, we identify review and rating mismatches and build a new user profile to offer personalized recommendation services. To this end, we use deep learning algorithms such as CNN, LSTM, CNN + LSTM, which have been widely used in sentiment analysis studies. And extract sentiment features from reviews and compare with quantitative preferences. To evaluate the performance of the proposed methodology in this study, we collect user preference information using real-world hotel data from the world's largest travel platform TripAdvisor. Experiments show that the proposed methodology in this study outperforms the existing other methodologies, using only existing quantitative preferences.

• Journal of KIISE:Software and Applications
• /
• v.32 no.6
• /
• pp.542-553
• /
• 2005

Recommendation systems analyze user preferences and recommend items to a user by predicting the user's preference for those items. Among various kinds of recommendation methods, collaborative filtering(CF) has been widely used and successfully applied to practical applications. However, collaborative filtering has two inherent problems: data sparseness and the cold-start problems. If there are few known preferences for a user, it is difficult to find many similar users, and therefore the performance of recommendation is degraded. This problem is more serious when a new user is first using the system. In this paper we propose a method of integrating additional feature information of users and items into CF to overcome the difficulties caused by sparseness and improve the accuracy of recommendation. In our method, we first fill in unknown preference values by using the probability distribution of feature values, then generate the top-N recommendations by applying collaborative filtering on the modified data. We call this method of filling unknown preference values as data blurring. Several experimental results that show the effectiveness of the proposed method are also presented.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2000.04a
• /
• pp.323-332
• /
• 2000

인터넷을 등장으로, 끊임없이 늘어나는 정보의 양은 오히려 사용자의 정보 습득을 어렵게 만들었다. 이를 해결하기 위한 방법으로 검색된 정보에 우선 순위를 부여함으로써 사용자가 원하는 정보를 선별할 수 있는 방법이 등장하였다. 하지만, 이는 사용자의 일시적인 질의만을 가지고 정보의 우선 순위를 결정하기 때문에 사용자가 다시 판단해야 하는 부담을 안게 되었다. 이러한 문제점을 해결하기 위해, 본 논문에서는 내용 기반의 정보 검색(Content-Based Information Retrieval) 방법과 더불어 사용자의 기호를 반영하는 사용자 선호도 기반의 정보 여과(Information Filtering) 방법, 그룹 선호도 기반의 협동적 정보 여과(Collaborative Filtering) 방법을 사용하여 사용자의 요구에 선결조건으로 하며, 구축된 선호도는 벡터로써 표현되어 정보와의 유사도(degree of similarity) 계산에 사용된다. 제안된 방법을 실험하기 위해 MFC(Microsoft Foundation Class) 관련 학습 사이트를 구현하여 사용자 등록을 받았다. 이 과정에서 사용자에게 여러 가지 프로파일을 요구하였으며, 변화하는 사용자의 기호를 반영하기 위해 지속적으로 사용자의 행동을 관찰하였다. 이렇게 구축된 사용자 선호도를 바탕으로 제안된 방법을 실험하고 사용자의 feedback을 통해 결과에 대한 평가를 받아, 논문에서 제안된 방법의 타당성을 입증하였다.