• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2018년도 추계학술발표대회
• /
• pp.493-496
• /
• 2018

추천 시스템은 다양한 분야에 적용되는 기술로서 활발한 연구가 진행되고 있고 기존 추천 시스템의 성능을 높이기 위해서 더욱 개인화된 차세대 추천 시스템의 필요성이 대두되고 있다. 본 논문은 하이퍼 개인화 범주에 속하는 사후 필터링기법을 사용한 실시간 상황 인식 추천 시스템을 제안한다. 실시간 상황 인식 추천 시스템은 사용자 행동과 계속적인 동기화로 현재 상황에 가장 적합한 추천 목록을 생성하기 때문에 사용자 기반 협업 필터링 (User Based Collaborative Filtering), 콘텐츠 기반 필터링(Content-based Filtering), 특이값 분해(Singular Value Decomposition)보다 훨씬 미래 지향적인 추천 시스템이다.

• 인터넷정보학회논문지
• /
• 제8권2호
• /
• pp.105-115
• /
• 2007

최근 들어 유비퀴터스 컴퓨팅에 대한 많은 연구들이 활발히 시작되고 있는데, 특히 모바일을 활용한 실시간 추천 모델에 대한 요구는 점차 커지고 있다. 본 연구에서는 기존 대용량 데이터베이스에서 실시간 추천을 위하여 Up-To-Moment 연관규칙 탐색 알고리즘이 있는데, 보다 더 정교하게 과거의 거래 세부정보까지 고려할 수 있도록 UP-To-Moment 데이터 셋의 과거 데이터 셋 부분을 (k-1)개로 분할-조합규칙을 적용하는 연관규칙 선호모델을 제안하였다. 제안된 모델은 전자상점 뿐만 아니라 유비퀴터스 컴퓨팅에 적용 가능한 레스토랑 음식 추천 데이터에 대하여, 전통적인 Up-To-Moment 연관규칙 탐색모델 $EM_{past'}$ 데이터 셋 크기값을 가중 조합한 $EM^w_{past'}$ 그리고 시간에 따른 지수평활법 분할-조합규칙을 적용한 $EM^{ES}_{past}$을 비교하여 보았다. 특히 $EM^{ES}_{past}$의 지수평활 상수 a 값의 변화에 따른 세 알고리즘의 연관규칙 계산에 대한 민감도도 비교함으로써, 실제 데이터 적용 시에 보수적 또는 진보적 실시간 추천의 선택이 가능하도록 하였다. 세 알고리즘의 비교 시뮬레이션 결과를 보면, 데이터 셋 크기 값을 가중 조합한 $EM^w_{past}$이 가장 효율이 떨어지는 것으로 나타났으며, 누적된 과거 데이터 셋의 크기가 클수록 $EM^{ES}_{past}$의 정확성이 높은 추천을 하는 것으로 나타났다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2006년도 춘계학술대회 학술발표 논문집 제16권 제1호
• /
• pp.336-339
• /
• 2006

추천시스템에서 가장 많이 사용하고 있는 협력적 필터링 방법을 모바일 기기 등에서 사용하려면 추천 정보와 사용자들의 평가 정보가 부족하여 추천의 질이 떨어지게 된다. 이러한 문제를 해결하기 위해 실시간으로 얻어진 컨텍스트 정보를 정량화하여 협력적 필터링에 적용함으로써 보다 나은 추천 결과를 얻을 수 있었다. 그럼에도 불구하고 평가를 하기 위한 컨텍스트 정보가 충분하지 못한 경우 부정확한 결과를 가져올 수 있다. 또한 사용자 정보 평가 과정 중 정량화 단계의 분류 과정을 단순히 하게 되면 서비스 받는 사용자가 정확한 그룹에 분류되어 정확도가 결여되는 문제가 발생한다. 본 논문에서는 실시간으로 얻을 수 있는 컨텍스트 정보가 부족한 경우, 내용 기반 필터링에서 많이 사용하고 있는 사용자 프로파일 정보를 실시간 컨텍스트 정보와 결합한다. 그리고 정량화 단계를 개선하여 협력적 필터링함으로써 기존의 방법보다 향상된 결과를 얻을 수 있다.

• 한국산학기술학회:학술대회논문집
• /
• 한국산학기술학회 2006년도 춘계학술발표논문집
• /
• pp.437-441
• /
• 2006

본 논문에서는 RFID 위치추적엔진과 지능형 에이전트를 이용한 선호상품 추천 기법을 이용하여 RFID기반 위치추적을 이용한 실시간 선호 상품 추천 시스템을 제안한다. 매장안에서 RFID 태그가 부착된 스마트 카트를 이용하여 고객의 위치를 실시간으로 파악하여 각 구역별 쇼핑시간과 개별 고객의 구매 히스토리 분석 및 이동 구역 예측을 통해 실시간으로 쇼핑 매장에서 각 고객의 선호상품을 추천한다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제16권12호
• /
• pp.1244-1248
• /
• 2010

기존의 방송 추천 시스템은 사용자 프로파일 정보를 입력하고 이를 기반으로 콘텐츠 메타데이터와 일치되는 콘텐츠를 추천하는 형태로 연구가 진행되었다. 그러나 디지털 TV와 같이 사용자와의 상호동작이 많은 기기에서는 사용자들의 프로파일은 계속 변경이 일어나고 있고, 사용자의 의도와 프로파일을 정확히 파악하는 것이 추천의 정확도와 만족도를 높이는 것이다. 따라서 본 논문에서는 사용자의 리모컨 입력과 방송시청시간을 통해 실시간으로 사용자 프로파일 정보를 추출하고, 이 정보와 콘텐츠 메타데이터와 연관성을 파악하여 사용자에게 최적의 방송 콘텐츠를 추천한다. 또한 임베디드 시스템의 하드웨어 및 컴퓨팅 파워의 제약을 고려하여 네트워크 통신이나 상용 데이터베이스 시스템을 사용하지 않았고, 시청 시간에 따라 사용자가 원하는 콘텐츠의 장르가 다르다는 점을 고려하여 현재시간을 기준으로 콘텐츠를 추천하여 사용자 만족도를 증가시켰다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국지능시스템학회 2008년도 춘계학술대회 학술발표회 논문집
• /
• pp.215-218
• /
• 2008

정보의 홍수 속에서 살고 있는 사용자들은 좀 더 편리하게 정확한 서비스를 추천 받기를 원하고 있으며, 이러한 욕구들에 부응하여 추천시스템은 꾸준히 발전하고 있다. 유비쿼터스 컴퓨팅 환경에서는 사용자 환경과 사용자 자신의 컨텍스트 정보를 이용하여 추론하며, 그 결과를 사용자에게 서비스하고 있다. 그러나 실시간으로 획득된 컨텍스트 정보가 사용자에게 양질의 서비스를 제공하기 위하여 부족하거나 켄텍스트 정보를 모델링하는 방법에 문제가 있을 때에는 서비스의 질이 낮아질 수 있다. 본 논문에서는 이러한 문제점을 해결하기 위하여 모바일 환경에서 실시간으로 센서를 통하여 획들될 수 있는 컨텍스트 정보를 수집하고, 수집된 컨텍스트 정보는 하위수준의 정보를 상위수준의 정보로 모델링한다. 모델링된 컨텍스트 정보는 다시 정량화 단계 후, 웹 환경의 사용자 평가 정보와 결합하여 서비스를 추천한다. 이를 통하여 시스템은 유비쿼터스 환경에서 추천을 위한 양질의 컨텍스트 정보 부족 문제를 해결하였으며, 사용자에게 적합한 서비스를 제공할 수 있었다.

• 한국지능시스템학회논문지
• /
• 제17권4호
• /
• pp.488-493
• /
• 2007

추천 시스템은 일반적으로 서비스를 추천하기 위해 협력적 필터링 단계에서 실시간으로 얻어진 컨텍스트 정보를 정량화하여 사용하고 있다. 하지만 이러한 추천시스템은 컨텍스트 정보의 부족으로 부정확한 추천 결과를 가져오거나, 정량화 단계의 단순한 분류과정으로 인해 사용자를 부정확한 그룹으로 분류하는 문제점이 발생한다. 본 논문에서는 실시간으로 획득되는 컨텍스트 정보 부족 문제를 내용 기반 필터링에서 사용하는 사용자 프로파일 정보와 실시간으로 획득된 컨텍스트 정보를 결합하여 해결하였다. 그리고 정량화 단계의 분류 과정을 절대적인 방법이 아니라 상대적인 방법으로 개선하여 협력적 필터링하였다. 실험 결과, pure P2P 환경에서 컨텍스트 정보를 이용한 실시간 추천 시스템보다 예측 선호도가 5.8% 향상되었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 춘계학술발표대회
• /
• pp.413-414
• /
• 2023

IT 기술의 발달로 E-Commerce 분야는 실시간으로 발생되는 데이터양이 증가하고 있으며, 발생된 데이터는 개인화 맞춤 서비스에 많이 활용되고 있다. 그러나 신생 E-commerce 기업은 신규 상품 및 기존 상품에 대한 정보와 고객 간의 상호 작용 데이터가 존재하지 않아 콜드 스타트 문제가 발생한다. 이에 본 논문에서는 E-commerce 환경에서 실시간 사용자 구매패턴 분석을 통한 사용자 상품 추천 시스템을 제안한다. 제안하는 시스템은 Kafka와 Spark를 사용해 실시간 스트림을 데이터를 처리한다. 주요 기능은 ALS 알고리즘과, FP-Growth 알고리즘을 적용해 콜트 스타트 문제를 해결하며, 사용자 구매 패턴 분석을 통한 분석 결과에 맞는 상품을 사용자에게 추천한다.

• 지능정보연구
• /
• 제21권1호
• /
• pp.15-28
• /
• 2015

최근 개인 단말기의 보급과 객체간의 네트워크 연결이 확산됨에 따라 방대한 양의 상황 정보들이 수집되고 있지만 역설적으로 사용자들과 서비스 제공자들은 정보의 홍수 속에서 종종 잘못된 의사결정을 내리고 있다. 이러한 정보 과부하 문제를 해결하기 위해 추천 시스템은 좋은 대안이 될 수 있지만 전통적인 추천 시스템은 다양한 형태의 상황 정보 사용에 한계를 보이고 있다. 또한 획득 가능한 상황 정보가 다양해지고 방대해짐에 따라 이를 활용한 추천 시스템은 복잡성의 문제를 해결해야 하며 지속적으로 변화되는 사용자 선호 및 상황에 부합할 수 있도록 실시간 서비스가 가능하도록 설계되어야 한다. 따라서 본 연구에서는 상황 영역의 개념을 기반으로 한 상황 인식 추천 서비스 방법론을 제안하여 추천 시스템에서 상황정보를 활용하는 한편 복잡성 및 실시간 서비스 제공의 문제를 해결하려 한다. 먼저 적절한 해석과 구조로 상황 데이터를 사용자 프로필에 반영할 수 있도록 상황 영역 개념에 기반한 프로파일링을 제안함에 따라 기존의 상황 인식 추천 시스템이 가지고 있던 복잡성의 한계를 해결하고자 한다. 다음으로 목표 사용자의 상황 영역에 기반한 이웃 집단 탐색으로 추천 시스템의 희박성과 신규 사용자 문제를 해결하는 한편 현재의 상황 정보에 대한 해석으로 도출되는 상황 지지 점수를 기반으로 한 추천 목록을 생성하여 실시간 서비스가 가능한 방법론을 제안한다. 결론적으로 본 연구에서 제안하는 방법론은 추천 시스템의 적용 영역을 확장하는 연구가 될 것으로 기대되며 새로운 기술 출현을 고려한 유연한 모델을 제안함에 따라 마케팅 담당자나 서비스 제공자들이 쉽게 본 연구에서 제안하는 방법론을 적용할 수 있으리라 판단된다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 봄 학술발표논문집 Vol.31 No.1 (A)
• /
• pp.754-756
• /
• 2004

본 논문에서는 B2B e-Marketplace에 참여하는 비즈니스 파트너들에게 새로운 상품을 추천하기 위한 웹 에이전트 기반 추천 시스템을 제안한다. 본 논문에서 제시하는 추천 시스템은 비즈니스 파트너에 대한 정보를 수집하기 위한 모니터링 에이전트, 수집된 정보를 분석하기 위한 분석 에이전트, 그리고 분석결과를 이용하여 추천 서비스를 제공하기 위한 추천 에이전트로 구성된다. 이와 같은 웹 에이전트 기반의 추천 시스템은 다수의 공급자와 다수의 비즈니스 파트너가 참여하는 B2B 환경에서 실시간으로 비즈니스 파트너의 수요나 성향에 맞는 서비스 제공을 통해 공급자와 비즈니스 파트너간의 수요/공급 예측 및 협력관계를 향상시킬 수 있다.