• Proceedings of the Korean Society for Emotion and Sensibility Conference
• /
• 2007.05a
• /
• pp.161-163
• /
• 2007

개인의 컴퓨터 사용은 업무와 오락에 국한되지 않고 삶의 한 부분으로 자리매김을 하였다. 이와 함께 컴퓨터와 통신 그리고 기능과 이동성이 한 곳에서 만날 때 사용자 중심의 이동 컴퓨팅이 나오게 된다. 사용자의 요구와 필요에 민감하게 대응하지 못하는 설계 방침은 시장에서 외면당하게 되고 사용자의 오감을 만족시켜주는 설계와 제품은 인기를 끌게 되는 것이 현실에서 시장지배의 키 포인트가 되었다. 이에 따라 사용자의 선호도가 중심이 되는 이동 컴퓨터 설계는 사용자에게 가장 중요하다고 생각되는 기능과 현재의 기술을 반영한 현실적 크기와 무게 그리고 사용자들이 바라는 통신 접속 기능이 일차적으로 반영되어야 한다. 이러한 원리를 반영한 제품들을 각종 포털 사이트와 사용자 포럼 인터넷 상점을 통해 찾아보고 사용자들이 가장 선호하는 설계 방향을 규명하는 것은 사용자의 소비 성향을 규정하는데 큰 도움이 되고, 사용자 중심의 이동컴퓨터 설계의 가이드 라인이 될 것이다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.11a
• /
• pp.1125-1128
• /
• 2013

본 논문에서는 여성들의 개별 패션 선호도로부터 패션 선호 패턴을 분석하고 이를 이용하여 고객에게 맞는 의류를 추천하는 모바일 의류 추천 시스템을 제안한다. 패선 선호관련 설문조사로부터 대응표본 T-검정 방법을 이용하여 선호 특성과 의류와의 유효한 관계를 찾고, 이를 바탕으로 선호 특성에 따른 의류 분류 기준을 작성하였으며, 카이제곱 검정 방법을 통해 선호 특성과 의류 사이의 연관성을 파악하고 선호 특성에 따른 선호 의류 추천을 위한 규칙을 도출하였다. 이러한 규칙을 활용하여 각 사용자의 구입의사 및 패선 선호 특성에 따른 의류를 추천해 주는 시스템을 구현하였으며, 이에 대한 만족도를 조사한 결과 10 점 만점에 7.1 점으로 나타났다. 본 논문에서 제안한 모바일 의류 추천 시스템을 통해 사용자는 선호 의류를 추천 받을 수 있으며, 이로부터 제품의 정보 부족으로 발생하였던 모바일 쇼핑의 문제점을 해결할 수 있을 것이다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2010.07a
• /
• pp.156-159
• /
• 2010

최근 스마트 폰은 사용의 편리성과 용도의 다양성 때문에 크게 확산 되고 있다. 또 스마트폰의 기능과 용도를 확장 시켜주기 위한 어플리케이션 역시 매일 수십 개씩 쏟아져 나오고 있다. 이미 나와 있는 수 만개의 어플리케이션과, 매일 업데이트 되는 어플리케이션들 사이에서 선호 어플리케이션을 찾기는 쉽지 않은 일이다. 이에 본 연구에선 협력 필터링 기반의 사용자 맞춤형 모바일 어플리케이션 추천시스템을 설계 및 제안한다. 사용자가 선호하는 어플리케이션을 추천 받을 수 있도록 함으로써 사용자에게 선호 정보를 보여 줄 수 있을 뿐만 아니라, 어플리케이션의 구매를 유도하여 새로운 가치 창출과 양방향성 마켓플레이스에 일조 할 수 있을 것이다.

• 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.

• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10b
• /
• pp.75-77
• /
• 1999

정보추천 시스템은 사용자가 어떤 정보를 선호하는지를 식별함으로써 산재한 정보 중에서 적절한 정보만을 제공하는 것을 목표로 한다. 이러한 정보추천 시스템에서 사용되는 정보여과 기술에는 내용기반 여과와 협력적 여과가 있다. 기존의 협력적 정보여과 기술은 선호도를 적게 제시한 사용자에게 정보를 추천하기 어렵고, 동일한 상품 정보에 대해서 사용자의 평가가 없을 경우 사용자간의 유사성을 판단하기 어려운 단점이 있다. 본 논문은 SVD (Singular Value Decomposition)를 통해 사용자 프로파일을 정량화함으로써 사용자 선호도 행렬로부터 숨어있는 의미정보를 추출하여 동일한 정보에 대해 선호도를 평가해야 한다는 단점을 극복한다. 이때, 사용자 프로파일 벡터를 비감독 학습 알고리즘인 SOM (Self0Organizing Map)으로 클러스터링하여 사용자를 분류하고, 정보추천은 사용자 그룹간에서 이루어지며 Pearson correlation 알고리즘을 이용한다. 기존의 방법과 비교한 결과, 제안한 방법이 새로운 사용자에 대해서도 적절한 정보를 추천할 수 있음을 볼 수 있었다.

• 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.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2014.11a
• /
• pp.74-76
• /
• 2014

모바일 단말, 웨어러블 디바이스 등 개인용 단말의 이용이 확대되면서 사용자 및 사용자 그룹의 다양한 미디어 소비정보, 이용 패턴 정보 기반으로 하는 다양한 서비스가 확대되고 있다. 이러한 개인 혹은 사용자 그룹을 대상으로 하는 대표적이면서 가장 서비스 효율을 높일수 있는 서비스 가운데 하나가 타겟팅 광고 서비스이다. 이러한 타겟팅 광고 서비스는 단순한 개인의 선호도 정보만을 반영하는 것에서 개인의 미디어 소비이력, 미디어 이용패턴 정보 등 사용자가 직접적으로 정보를 입력없이 추천이 가능하도록 연구가 계속되고 있다. 본 논문에서는 고정형 및 모바일 단말에서 사용자의 미디어 콘텐츠 선호 정보 및 소비이력 정보를 통합적으로 반영하여 타겟팅 광고 콘텐츠를 자동적으로 선정하고 추천하는 엔진을 설계 구현하였다. 제안한 추천엔진은 콘텐츠 특성에 대한 선호도와 사용자의 콘텐츠 소비 패턴에서 취득된 정보를 기반으로 예측된 선호도를 결합하여 사용자의 최종 선호도를 추정하고, 이를 기반으로 광고 콘텐츠에 대한 추천을 수행한다. 사용자 메타데이터 및 콘텐츠 메타데이터는 TV-Anytime 표준을 기반으로 하였다.

• 한국HCI학회:학술대회논문집
• /
• 2006.02b
• /
• pp.416-423
• /
• 2006

본 논문은 개인별 프로그램 선호도와 채널 선호도를 기반으로 프로그램을 추천해주는 선호프로그램편성표를 구성하여 이를 효과적으로 보여주는 사용자인터페이스(UI) 모델을 제안한다. 현재 개인 맞춤화 전자프로그램가이드(PEPG)에 대한 다양한 연구가 이루어지고 있으나 주로 추천 알고리즘 연구에 그 초점이 맞춰져 있는 실정이다. 동일한 추천 알고리즘에 의해 추출된 프로그램이라 할지라도 정렬 순서와 디스플레이 방법에 따라 편성표를 이용하는 사용자의 용이성이 달라질 수 있다. 이에 본 논문은 추천 알고리즘에 의해 추출된 프로그램들의 선호도에 현재시간 기준으로 가중치를 부과하여 그 프로그램들의 선호도를 합산한 값으로 정렬한 편성표를 구성하였다. 이러한 선호프로그램편성표는 시청자가 가장 선호하는 프로그램과 채널이 최우선으로 보여지게 되므로 쉽고 빠르게 원하는 프로그램을 찾아갈 수 있다는 장점이 있다. 따라서, 사용자는 원하는 프로그램이 시작할 때까지 기다리거나 하는 시간의 낭비없이 시청이 가능하다. 본 논문을 통해 향후 등장하게 될 많은 개인 맞춤화된 서비스들을 개발하는데 도움이 될 수 있길 바란다.

• 한국경영정보학회:학술대회논문집
• /
• 2007.06a
• /
• pp.565-570
• /
• 2007

네트워크의 발달은 유선 인터넷(Wired LAN)과 무선 인터넷(Wireless LAN) 시대를 지나 휴대 인터넷(Mobile LAN)으로 발전하고 있다. 이처럼 다양한 네트워크의 공존은 사용자에게 보다 빠르고 저렴한 서비스를 제공하고 있다. 본 논문에서는 모바일 기기 사용자를 위한 개인화 방법으로 협업 필터링 방법을 통한 추천과 푸쉬(push) 방식의 서비스 방법을 제안한다. 사용자 프로파일 정보는 협업 필터링 방법을 통한 사용자 선호 음악 추천을 수행하고, 추천된 사용자 선호 음악은 모바일 기기로 푸쉬 서비스 된다. 추천을 통한 모바일 음악 푸쉬 서비스는 모바일 기기 사용자로 하여금 네트워크 환경에 접속되어있을 때 사용자 취향에 맞는 음악을 능동적으로 다운로드 해 둠으로써 사용자가 음악을 선택하여 모바일 기기로 다운로드 하는 시간을 줄여 줄 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.04a
• /
• pp.1247-1250
• /
• 2012

기존 방법은 Cockburn의 Goal 지향 유스케이스 방법[7]을 이용하여 고객 요구사항을 추출하는 방법을 제안하였다[2]. 그런 방법은 개발자 관점 요구사항으로 사용자의 요구를 충족시키기가 어렵다. 그래서 이 논문에서는 사용자 중심의 소프트웨어 개발 방법론[1,3,4,6]을 적용하여 사용자의 니즈(Needs)에 맞는 사용자 선호도 요구사항을 찾고자 한다. 이러한 요구사항의 Goal 중요도를 측정하여 우선순위를 도출한다. 이는 사용자의 니즈에 맞는 요구사항 결정과 테스트 케이스의 우선순위화가 가능하다. 사례연구로 U-Home 안에서 실내온도 조절에 관한 사용자의 요구를 분석하였다[1].