• 대한안전경영과학회:학술대회논문집
• /
• 대한안전경영과학회 2012년 추계학술대회
• /
• pp.87-92
• /
• 2012

본 연구는 전자상거래에서 협력적 필터링 알고리즘을 통한 사용자의 선호도 예측 정확도와 사용자가 평가한 선호도 평가치의 관계를 분석하여 알고리즘의 예측 정확도에 영향을 미치는 평가치의 통계적 특성에 관하여 연구한다. 협력적 필터링 알고리즘의 예측 정확도는 상품에 대해 공통의 관심을 갖는 이웃 사용자들의 선정과 이들의 선호도 경향이 중요한 요인이지만 본 연구에서는 선호도 예측을 위한 자신의 선호도 평가치 특성이 알고리즘에 중요한 요인임을 제시한다. 이러한 평가치의 평균, 표준편차, 왜도, 첨도 등과 같은 통계적 특성이 선호도 예측 정확도와 연관성이 있음을 제시하여 차후 연구에서 선호도 예측 이전에 사용자의 선호도 예측성과에 대한 사전평가의 가능성을 제시하고자 한다.

• 한국컴퓨터정보학회논문지
• /
• 제15권8호
• /
• pp.141-148
• /
• 2010

모바일 단말기에서 사용자의 상황을 고려하고 사용자의 취향이나 특성을 반영하여 정보를 찾아주거나 추천하는 서비스 시스템은 개념적인 정보만을 제한적으로 추천한다. 또한 사용자의 특성에 따른 정보 선호도를 제공하지 않으므로 정확한 정보 추천의 어려운 단점이 있다. 따라서 본 논문에서는 사용자 특성에 따른 선호도를 고려하여 정확한 상황 정보를 추천 할 수 있는 개선된 k-means 알고리즘을 적용하여 사용자 특성에 따른 선호도 추천 시스템을 제안하였다. 본 연구에서는 사용자 특성에 따른 선호도를 상관 계수를 이용하여 구하고 사용자의 특성 선호도를 개선된 k-means 알고리즘을 이용하여 추천하였다. 제한적인 개념의 정보만을 제공하던 시스템에서 사용자의 특성에 따른 정보 선호도를 제공하여 정확한 정보를 추천하므로 제한된 정보 추천의 단점을 해결하였다. 성능 실험은 기존의 서비스 시스템들과 비교하여 정확도와 재현율로 대변되는 효과성을 측정하였으며, 성능 실험 결과 정확도는 85%, 재현율은 68%로 나타났다.

• 한국GIS학회:학술대회논문집
• /
• 한국GIS학회 2010년도 추계학술대회
• /
• pp.65-67
• /
• 2010

위치기반서비스(LBS)는 사용자의 위치를 기반으로 다양한 정보제공 서비스를 하고 있다. 최근 연구에서는 단순한 정보제공이 아닌 사용자의 상황인식(Context-Aware)을 통하여 사용자에게 적합한 정보를 제공해주는 지능화된 서비스를 제공하고 있다. 하지만 현재 연구들은 사용자의 기본정보와 선호도정보를 이용한 단일기준 추론을 통하여 사용자에게 정보를 제공해주고 있으며, 이것은 사용자의 다양한 기준의 의사결정을 반영하지 못하는 한계점이 있다. 이러한 한계점을 극복하기 위하여 본 연구에서는 사용자의 정보, 선호도, 공간지리선호도 정보 Ontology를 구축하고, 의사 결정 기준에 가중치를 부여하는 Cost Value Ontology를 구축하여, 다 기준 의사추론을 통해 사용자에게 적절한 추천 결과가 도출되는 Ontology 추론시스템을 제안한다. 사용자들의 개인적인 특성 지식과 공간지리 선호도 지식을 구축할 수 있으며, 이러한 특성으로 구축된 지식 기반 하에 입력된 사용자 정보와 추론을 통하여 이 시스템을 통해 사용자의 선호도 Ontology를 구축할 수 있으며 이를 이용한 추론을 통하여 사용자의 현재상황에 적합한 결과를 도출함을 보였다.

• 한국GIS학회:학술대회논문집
• /
• 한국GIS학회 2010년도 춘계학술대회
• /
• pp.67-68
• /
• 2010

위치 기반 서비스(LBS)는 유비쿼터스(Ubiquitous) 시대에 필요한 핵심 엔진으로 그 중요성이 논의되어 왔다. LBS 시스템은 GPS 뿐만 아니라 휴대폰을 통한 고속 인터넷 접속을 사용하여 사용자의 위치 추적과 같은 기술이 현재 서비스된다. 그러나 소프트웨어 측면에서 대부분의 위치 기반 서비스는 서비스 제공자 위주의 일부 특정 상황을 가정한 서비스 모델 또는 사전에 정의된 일정 지역과 한정된 상황에서의 상황 인식(Context Aware) 서비스 제공이 대부분이다. 그러나 이러한 방법론들은 현실 적용이 어려운 문제점이 제기되고 있다. 본 연구에서는, 사용자들의 상환인식을 통하여 사용자의 특성 지식과 공간지리 선호도 지식 정보 추론을 통한 Geo-Ontology통합시스템을 제시한다. 본 연구에서는 Geo-Ontology통합시스템 중에서 사용자의 상황인지기반 LBS시스템을 제시한다. 사용자들의 개인적인 특성 지식과 공간지리 선호도 지식을 구축할 수 있으며, 이러한 특성으로 구축된 지식 기반 하에 입력된 사용자 정보와 추론을 통하여 사용자의 현재 상황에 대한 가장 적절한 추천 결과가 도출되는 프로토타입 시스템을 제공 할 수 있음을 보였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2014년도 추계학술대회
• /
• 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.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2005년도 가을 학술발표논문집 Vol.32 No.2 (1)
• /
• 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.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2011년도 추계학술대회
• /
• pp.62-65
• /
• 2011

최근 화두가 되고 있는 스마트 폰 앱의 관심으로 스마트 TV의 앱에 대한 관심도 함께 증가하고 있다. TV시청 이용자들의 편의를 위해 증가하고 있는 수많은 채널과 콘텐츠 중, 개인 사용자의 이용 습관 및 대중의 선호 프로그램을 고려하여, 편리하게 원하는 TV프로그램에 접근하도록 해 주는 TV 앱이 있다면 이는 매우 중요한 기능으로 자리 잡을 가능성이 높을 것으로 예상된다. 이에 본 논문은 사용자의 시청 이용행태를 기반으로 주제모델링 기술의 고전적 모델인 LDA을 기반으로 협업필터링을 결합한 TV 선호 프로그램 추천 알고리듬을 제안한다. 개인의 관심 선호도는 일반적으로 특정 개수로 한정지어지는 특성을 고려하여, 개인 선호도 특성이 구별 되도록 두 가지 방법을 적용하였다. 하나는 개인 선호도 프로파일의 특정 상위 주제만을 고려하는 것이고, 또 다른 하나는 개인별 주제에 대한 선호도의 다양성이 드러나도록 비대칭 하이퍼-파라미터를 갖는 LDA를 사용 하였다. 실험 결과, 두 가지 방식에 대해 사용자의 실제 TV시청 이용내역 데이터를 기반으로 추천 성능의 향상을 평균 Precision 값을 측정하여 확인하였다. 또한, 본 논문에서는 주제 모델링을 통해 학습된 각 주제의 상위 확률의 TV 프로그램들을 분석한 결과, 하나의 주제가 개인별 시청의 특성 보다는 가족단위의 시청 특성을 드러냄을 확인할 수 있었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2010년도 춘계학술발표대회
• /
• pp.538-541
• /
• 2010

본 연구에서는 현재 시중에 판매되고 있는 네 가지 휴대용 음원재생기를 자극물로 사용하여 제품 속성에 있어서의 차이가 사용자 경험의 여러 요소에 영향을 주는지 여부(가설 1)와 사용자의 정서적 반응이 사용자가 인식한 제품 특성에 의해 영향을 받는지(가설 2) 그리고 제품에 대한 전체적인 판단이 사용자가 인식한 제품 특성과 감성적 반응에 따라 달라지는지(가설 3) 실험을 통해 조사하였다. 실험결과 기능적 특성과 유희적 특성에 대한 인식 정도는 실험 참가자가 사용한 제품에 따라 서로 다르게 나타났으며, 사용자의 정서적 반응과 전체적인 선호도 또한 평가 제품에 따라 서로 다르게 나타남으로서 제품 속성에 의해 영향을 받는 것으로 분석되었다. 이와 함께 사용자 경험을 구성하는 요소들 간의 상호관계도 테스트하였는데, 사용자의 정서적 반응이 주로 제품의 기능적 특성에 따라 달라지는 반면 사용자의 전체적인 판단은 제품의 기능적 특성과 유희적 특성 모두에 의해 영향을 받고 있는 것으로 나타났다. 또 분석결과에서 밝혀진 한 가지 흥미로운 사실은 사용자의 정서적 반응이 전체적인 판단에 아무런 역할도 하지 않는다는 점이다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2013년도 추계학술발표대회
• /
• 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.

• 한국지능시스템학회논문지
• /
• 제16권6호
• /
• pp.716-720
• /
• 2006

퍼지 이론을 이용하면 여러 정보를 통합 요약하기에 수월하여, 웹 상에서 사용자에게 제공할 정보를 가공하는 방법으로 많이 사용되고 있다. 하지만 퍼지의 애매모호한 특성 때문에 사용자에게 맞게 퍼지 집합으로 표현된 같은 정보라 하여도 사용자마다 자신의 퍼지값 선호도에 따라 다른 선택을 할 수 있다. 따라서 애매한 퍼지값을 선택함에 있어 사용자의 퍼지값에 대한 선호도를 반영할 필요가 있다. 그러나 기존의 방법들은 정해진 기준을 획일적으로 적용하여, 사용자의 개인적인 선택 기준을 반영하지 못하는 문제가 있다. 본 논문에서는 사용자의 선호도를 학습하여, 사용자의 선호도에 맞는 정보를 선택하는 방법을 제안한다. 사용자의 선호도를 학습하기 위해서 학습 데이터가 필요한데, 이 데이터는 사용자에게 직접 물어 사용자의 선호도론 얻는데 사용된다. 이때, 사용자에게 너무 많은 데이터로 질문을 한다면, 사용자에게 부담을 줄 수 있고, 또 너무 적은 데이터를 사용한다면, 학습을 잘 못하는 경향이 생길 수 있다. 이러한 문제에 대처하기 위해서 10개 정도의 데이터를 이용하여 사용자의 선호도를 학습하는 방법을 제안한다. 제안하는 방법은 먼저 두 퍼지값이 서로 겹칠 수 있는 모든 경우의 상대적 위치를 조사한 후 클러스터링을 이용하여 몇 가지 그룹으로 나누고, 나누어진 그룹을 이용하여 학습하였다. 이렇게 학습된 모델은 새로운 애매하게 겹치는 퍼지값에 대해 사용자를 대신해 어느 것을 어느 정도 선호하는지 추론하게 된다.