• 한국콘텐츠학회논문지
• /
• 제15권7호
• /
• pp.75-83
• /
• 2015

게임의 시점은 사용자의 몰입감을 결정하는 중요한 요소이며, 다양한 시점들 중 사용자들은 1인칭 시점에서 가장 높은 몰입감을 경험한다고 알려져 있다. 그러나 실제 게임에서는 1인칭 시점보다 3인칭 시점을 더 많이 사용하고 있다. 본 연구에서는 게임에서 3인칭 시점이 더 선호되는 이유에 대해 분석해 보고자 하였다. 이를 위해 기존에 알려진 세 가지 시점 (1, 3인칭, 전지적)과 카메라와 캐릭터간의 거리 (근접, 원격)의 조합으로 여섯 가지 시점을 정의하였다. 조사 대상은 최근 10년간 발매된 게임 중 높은 평점을 받은 100개의 게임이며, 각 시점을 선택한 게임의 빈도와 장르별 시점 선택빈도를 분석하였다. 그 결과 예상대로 전체적으로 3인칭 시점이 1인칭 시점보다 더 많이 사용되었다. 그러나 장르에 따라 선호하는 시점이 달랐는데, 예를 들어 슈팅게임의 경우에는 대부분의 게임이 1인칭 근접 시점을 사용하였다. 이 결과는 게임의 특성과 함께 시야 범위가 시점 선택에 영향을 미쳤기 때문으로 해석할 수 있다. 즉, 시점의 선택에서 개발자는 몰입감뿐만 아니라 게임을 이용하기 용이한 시야를 선택하기 때문에 많은 게임들에서 3인칭이 사용된다고 결론내릴 수 있다.

• 경영정보학연구
• /
• 제21권1호
• /
• pp.39-59
• /
• 2019

이러닝은 전통적인 주입식 교육에서 벗어나 언제 어디서나 원하는 학습을 가능하게 하여 교육 효과를 높였다. 그러나 효과적으로 정보시스템을 활용하기 위해서는 사용자의 만족을 평가하여 피드백을 반영하는 것이 중요하다. 학습은 유무형의 요소를 많이 포함하기 때문에 이러닝의 만족 요인을 명확하게 규명할 필요가 있다. 따라서 본 연구는 혼합방법론을 사용하여 이러닝 학습 만족도 증진 방안을 도출하고 이러닝 만족도 모델 제안을 목적으로 한다. 따라서 본 연구는 실제 학습자 대상으로 1:1 심층 인터뷰를 하고, Udemy 사이트의 온라인 학습자 후기를 텍스트 마이닝하여 상위평점 강의와 하위평점 강의를 분지한 것을 바탕으로 토픽 모델링을 하였다. 분석 결과 학습자들이 이러닝 학습에 대하여 어떠한 부분을 긍정 혹은 부정적으로 느끼고 이용하는지 파악하고자 한다. 기존에는 설문 기반의 연구가 주로 이루어졌던 것에 반해 본 연구는 학습자가 직접 작성한 실제 데이터를 수집하였다. 이것을 정보시스템 성공 모델을 기반으로 토픽 모델링을 통해 도출된 결과와 접목하였다는 것에서 학술적 의의가 있다고 할 수 있다.

• 스마트미디어저널
• /
• 제12권11호
• /
• pp.27-35
• /
• 2023

4차 산업혁명과 코로나19 대유행의 영향으로 비대면 환경이 활성화되면서, 정부24 앱을 활용한 민원 서비스 이용량이 급증하고 있다. 따라서 공공 앱에 대한 사용자들의 불만과 개선 요구도 늘어나고 있으며 이에 대한 체계적인 관리가 필요하다. 본 연구의 목적은 정부24 앱 사용자의 불만 사항을 분석하여 민원인의 불만 현황을 파악하고 개선방안을 제시하는 것이다. 구글 플레이 스토어에서 2013년 5월 2일부터 2023년 6월 30일까지 데이터 6,344건을 수집하였으며, 이 중 평점이 1점이면서 '좋아요(thumbsUp)'를 1회 이상 받은 1,199건의 데이터를 토픽 모델 분석에 사용하였다. 분석 결과 '증명서 발급 문제', '사이트 작동 및 UI 문제', '사용자 아이디 관련 문제', '업데이트 문제', '공무원의 앱 관리 문제', '예산 낭비 문제((별 한 개도 or 세금이) 아깝다)', '비밀번호 관련 문제'라는 총 7개의 토픽을 추출하였다. 또한, 전체 토픽은 2021년까지 증가세를 보이다가 2022년에는 약간 감소하였으나 2023년에 다시 증가하는 추세를 보여 업데이트와 관리가 매우 시급하다. 본 연구의 결과가 현재 공공 앱의 문제점을 파악하여 앞으로 민원인이 만족하는 공공 앱 개발 및 관리에 도움이 되기를 기대한다.

• 지능정보연구
• /
• 제22권3호
• /
• pp.113-127
• /
• 2016

협업 필터링(Collaborative Filtering)은 유용성과 정교성 면에서 가장 성공적인 추천 알고리즘으로 평가받으며 산업계나 학계에서 많이 활용 및 연구되고 있지만, 기본적으로 사용자들이 평가한 점수에만 기반하여 추천결과를 생성하는 한계점이 있다. 이에 본 연구는 사용자가 상품을 구매할 때 자신이 신뢰하는 타인의 추천을 더 적극적으로 수용할 것이라는 점에 착안하여, 사용자의 평점 외에 사용자 간 신뢰관계를 소셜네트워크분석으로 분석한 결과를 추가로 반영하는 추천 알고리즘들을 제안하였다. 구체적으로 본 연구에서는 소셜네트워크분석에서 네트워크 내의 중심적 위치를 나타내는 척도인 내향 및 외향 중심성을 활용하여 사용자 간 유사도를 산출하는 알고리즘들과 사용자 신뢰 네트워크를 탐색하여 추천 대상이 되는 사용자가 직접 간접적으로 신뢰하는 사용자의 평가점수를 보다 높게 반영하는 알고리즘을 제안한 뒤 그 성능을 비교해 보았다. 실제 데이터에 적용하여 분석한 결과, 사용자 신뢰 네트워크의 내향 중심성 지수를 조건 없이 적용한 경우에는 오히려 정확도의 감소만을 야기하는 것으로 나타났고, 일정 임계치 이상의 외향 중심성을 갖는 사용자에 한해 내향 중심성 지수를 고려한 추천 알고리즘은 전통적인 협업 필터링에 비해 약간의 정확도 개선이 이루어짐을 확인할 수 있었다. 아울러, 사용자 신뢰 네트워크를 기반으로 탐색하는 알고리즘이 가장 우수한 성능을 보이는 것을 알 수 있었으며, 전통적인 협업 필터링과 비교해서도 통계적으로 유의한 수준의 정확도의 개선이 이루어짐을 확인할 수 있었다.

• 지능정보연구
• /
• 제23권2호
• /
• pp.19-38
• /
• 2017

본 연구는 사용자 평점 이외에 사용자 간 직접 간접적 신뢰 및 불신 관계 네트워크의 분석 결과를 추가로 반영한 새로운 하이브리드 협업필터링(Collaborative filtering, CF) 추천방법을 제안한다. 구체적으로 사용자 간의 유사도를 계산할 때 사용자 평가점수의 유사성만을 고려하는 기존의 CF와 다르게, 사용자 신뢰 및 불신 관계 데이터의 사회연결망분석 결과를 추가적으로 고려하여 보다 정교하게 사용자 간의 유사도를 산출하였다. 이 때, 사용자 간의 유사도를 재조정하는 접근법으로 특정 이웃 사용자가 신뢰 및 불신 관계 네트워크에서 높은 신뢰(또는 불신)를 받을 때, 추천 대상이 되는 사용자와 해당 이웃 간의 유사도를 확대(강화) 또는 축소(약화)하는 방안을 제안하고, 더 나아가 최적의 유사도 확대 또는 축소의 정도를 결정하기 위해 유전자 알고리즘(genetic algorithm, GA)을 적용하였다. 본 연구에서는 제안 알고리즘의 성능을 검증하기 위해, 특정 상품에 대한 사용자의 평가점수와 신뢰 및 불신 관계를 나타낸 실제 데이터에 추천 알고리즘을 적용하였으며 그 결과, 기존의 CF와 비교했을 때 통계적으로 유의한 수준의 예측 정확도 개선이 이루어짐을 확인할 수 있었다. 또한 신뢰 관계 정보보다는 불신 관계 정보를 반영했을 때 예측 정확도가 더 향상되는 것으로 나타났는데, 이는 사회적인 관계를 추적하고 관리하는 측면에서 사용자 간의 불신 관계에 대해 좀 더 주목해야 할 필요가 있음을 시사한다.

• 지적과 국토정보
• /
• 제48권2호
• /
• pp.109-119
• /
• 2018

도시의 POI는 사용자들에게 어떤 중요성을 가지고 있는 특별한 장소이다. 예를 들어 식당, 박물관, 호텔, 극장 그리고 랜드마크 등이다. 이들은 그 역할 때문에 우리의 사회 경제적 생활 속에서 온라인 지도나 소셜 네트워크 등의 위치기반 어플리케이션에서 많은 관심을 받고 있다. 하지만, 지리적 위치 등의 POI에 대한 기본 정보는 웹을 통해서 쉽게 얻을 수 있는 반면, 와이파이 가능 여부, 신용카드 가능 여부, 야외 좌석 여부, 놀이방 운영 여부, 개점 시간, 다른 사용자들의 평가 및 평점 등의 세부 정보를 얻기 위해서는 또 다른 노력이 필요하다. 이러한 문제를 해결하기 위해서는 LBSNS 데이터와 POI 위치의 동일 여부를 판단하여 연결해주는 작업이 필요하다. 이 논문은 LBSNS의 누적되어 있는 방대한 정보로부터 POI의 정보를 더욱 풍부하게 만들기 위한 방법으로 LBSNS 데이터와 POI의 위치 오차해결 방법을 제안하여 두 데이터 집합의 융합 정보를 생성하고자 한다. 본 연구의 POI와 LBSNS의 정보 융합 방법을 통하여 개별 POI 정보의 한계성을 극복하고, 사용자들이 필요로 하는 부가 정보를 제공할 수 있는 가능성을 발견하였다. 이를 통해 POI에 대한 풍부하고 빠른 정보 수집이 가능할 것으로 판단된다.

• 지능정보연구
• /
• 제21권2호
• /
• pp.1-18
• /
• 2015

협업 필터링은 학계나 산업계에서 우수한 성능으로 인해 많이 사용되는 추천기법이지만, 정량적 정보인 사용자들의 평가점수에만 국한하여 추천결과를 생성하므로 간혹 정확도가 떨어지는 문제가 발생한다. 이에 새로운 정보를 추가로 고려하여, 협업 필터링의 성능을 개선하려는 연구들이 지금까지 다양하게 시도되어 왔다. 본 연구는 최근 Web 2.0 시대의 도래로 인해 사용자들이 구입한 상품에 대한 솔직한 의견을 인터넷 상에 자유롭게 표현한다는 점에 착안하여, 사용자가 직접 작성한 리뷰를 참고하여 협업 필터링의 성능을 개선하는 새로운 추천 알고리즘을 제안하고, 이를 스마트폰 앱 추천 시스템에 적용하였다. 정성 정보인 사용자 리뷰를 정량화하기 위해 본 연구에서는 텍스트 마이닝을 활용하였다. 구체적으로 본 연구의 추천시스템은 사용자간 유사도를 산출할 때, 사용자 리뷰의 유사도를 추가로 반영하여 보다 정밀하게 사용자간 유사도를 산출할 수 있도록 하였다. 이 때, 사용자 리뷰의 유사도를 산출하는 접근법으로 중복 사용된 색인어의 빈도로 산출하는 방안과 TF-IDF(Term Frequency - Inverse Document Frequency) 가중치 합으로 산출하는 2가지 방안을 제시한 뒤 그 성능을 비교해 보았다. 실험결과, 제안 알고리즘을 통한 추천, 즉 사용자 리뷰의 유사도를 추가로 반영하는 알고리즘이 평점만을 고려하는 전통적인 협업 필터링과 비교해 더 우수한 예측정확도를 나타냄을 확인할 수 있었다. 아울러, 중복 사용 단어의 TF-IDF 가중치의 합을 고려했을 때, 단순히 중복 사용 단어의 빈도만을 고려했을 때 보다 조금 더 나은 예측정확도를 얻을 수 있음도 함께 확인할 수 있었다.

• 한국멀티미디어학회논문지
• /
• 제13권3호
• /
• pp.475-486
• /
• 2010

콘텐츠 추천 시스템은 콘텐츠에 대한 사용자의 선호도를 예측하고, 예측된 선호도가 높은 콘텐츠를 추천하는 시스템을 말한다. 디지털 식별자는 디지털 네트워크 환경에서 추상적인 작품(Work)이나 디지털 형태로 제작된 콘텐츠 등을 식별하는 역할을 한다. 디지털 식별자는 콘텐츠 추천 시스템에서 주로 이용되는 내용기반여과 기법과 협업여과 기법에서 효과적으로 활용될 수 있다. 본 논문에서는 UCI 국가표준 디지털 식별자를 대규모 콘텐츠 추천 분야에 효과적으로 활용할 수 있도록 기존 UCI 메타데이터를 확장하고 변환서비스를 개선하는 방안을 제시한다. UCI 메타데이터의 개선은 콘텐츠 추천에 필요한 요약, 키워드, 장르, 연령구분, 평점, 리뷰 항목을 추가하는 것이며, 변환서비스의 개선은 결과페이지에 콘텐츠에 대한 선호도 정보를 입력하는 부분을 포함함으로써 콘텐츠에 대한 선호도 정보를 수집할 수 있도록 하는 것이다. 개선된 UCI를 운용하는 시스템을 설계하고 구현함으로써 본 논문에서 제안한 개선 방안이 콘텐츠 추천에 활용될 수 있음을 보인다.

• 정보보호학회논문지
• /
• 제27권6호
• /
• pp.1499-1506
• /
• 2017

스마트폰의 사용 및 다양한 앱 들의 출시 등이 기하급수적으로 증가되면서 악성 앱 또한 동시에 증가됐다. 기존의 앱 추천 시스템들은 온라인상에서 보이는 다른 사용자들의 평점, 댓글 및 인기 카테고리 등의 정적인 정보 분석을 기반으로만 동작한다는 한계가 있었다. 본 논문에서는 처음으로 스마트폰에서 실제로 사용되는 앱의 동적인 정보들을 현실적으로 사용하여 정적인 정보와 동적인 정보를 동시에 고려하는 견고한 앱 추천 시스템을 제안한다. 즉, 본 논문에서는 앱의 사용되는 시간, 앱의 사용 빈도수 및 앱과 앱 간의 상호 작용과 안드로이드 커널과의 접촉 횟수 등을 측정 가능한 수준에서 부분적으로 반영하여 견고한 안드로이드 앱 추천 시스템을 제안한다. 성능평가 결과 제안하는 기법이 견고하고 효율적인 앱 추천 시스템임을 증명했다.

• 한국정보통신학회논문지
• /
• 제24권8호
• /
• pp.970-977
• /
• 2020

협업 필터링 추천 기법은 전자상거래 기업들이 추천시스템을 도입한 이래로 가장 널리 사용되고 있다. 그러나 온라인에서 상품이나 콘텐츠의 구매가 일상화되면서 단순히 구매 고객의 평점만을 사용하는 추천 방식으로는 추천의 정확성이 낮아지는 문제점이 발생하였다. 본 논문에서는 추천의 정확성을 향상시키기 위해, 상품 리뷰를 분석하고 이를 가중치로 사용한 협업 필터링 추천 기법을 제안한다. 제안하는 기법은 상품에 대한 리뷰를 텍스트 마이닝 기법으로 정제하여 특징을 추출하고 감성 기반 분석을 통해 감성 점수를 산출한다. 사용자에게 더 나은 아이템을 추천하기 위해 산출된 점수를 아이템 예측 값 계산 시 가중치로 사용한다. 실험을 통해 전통적인 협업 필터링 기법보다 제안하는 기법의 정확성이 향상되는 것을 확인할 수 있었다.