• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2024년도 춘계학술발표대회
• /
• pp.731-732
• /
• 2024

본 논문은 음원 메타데이터 임베딩 방법론을 기반으로 새로운 음원 추천 방법을 제안한다. 사용자 행동 데이터를 활용한 개인 맞춤형 음악 추천 모델은 신규 사용자의 데이터가 부족할 경우, 적절한 추천이 어려운 콜드스타트 현상을 초래할 수 있다. 본 연구에서는 플레이리스트의 음원 메타데이터를 Song sentence 로 구성하고, 고차원 벡터 공간에 임베딩하여 유사도를 계산한 추천 알고리즘을 구축한다. 사용자 행동 데이터가 아닌 음원의 자체적인 정보에 근거하기 때문에 콜드 스타트 현상을 보완하여 사용자에게 편리한 음악 감상 경험을 제공할 수 있을 것으로 기대된다.

• 정보화연구
• /
• 제10권2호
• /
• pp.251-261
• /
• 2013

다양한 휴대 인터넷 환경의 출현은 기존 모바일 기기의 네트워크 접근을 보다 쉽게 해주고 있다. 또한 무선 환경을 사용하는 모바일 기기 사용자는 혼자 사용하는 특징을 가지고 있으며 유선 환경보다 사용자 프로파일 정보를 쉽게 구할 수 있다. 이러한 모바일 기기의 특징은 개인화 서비스를 적용하기에 최적의 시스템이다. 본 논문에서는 모바일 기기 사용자를 위한 개인화된 모바일 음악 콘텐츠 추천 서비스를 제공한다. 이 서비스는 사용자의 액세스 히스토리(access history) 정보를 활용하여 시간에 가중치 부여를 이용한 협업 필터링 방법을 제안한다. 액세스 히스토리 정보는 사용자의 관심정보를 알아낼 수 있다. 이 정보를 이용하여 음악 장르의 선호도를 고려하고 시간에 따라 가중치를 부여하여 음악을 추천해준다. 이 방법은 기존의 음악 추천 시스템의 문제점인 사용자가 선호하는 음악장르가 시간이 지남에 따라 변화한다는 사실을 고려하지 못하는 문제점을 해결한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2014년도 제50차 하계학술대회논문집 22권2호
• /
• pp.15-16
• /
• 2014

본 논문은 음악 치료 전문가들로부터 수집한 음악 치료 프로그램에 관한 지식과 규칙을 수집하여 구성된 전문가 시스템을 도입하여 자동으로 우울증 환자를 위한 추천 음악 치료 시스템을 설계하는 것을 목표로 한다. 제안한 시스템은 음악 치료 전문가들로부터 수집한 수많은 음악 치료 프로그램 중 뇌파 측정을 통해 환자에게 가장 효과적인 치료 프로그램을 선별하고 환자에게 제공하여 치료 효과를 극대화하는 것을 목표로 한다. 제안 시스템은 우울증 환자들의 치료를 위해 뇌파 측정을 입력 받아 분석하여 환자의 증상을 완화하고 치료 효과가 가장 좋은 음악 치료 프로그램을 선별하기 위해 인공 지능 기술들인 전문가 시스템(Expert System) 기법에 기반 한 음악 치료 시스템을 설계하고 제안한다.

• 한국콘텐츠학회논문지
• /
• 제11권5호
• /
• pp.104-116
• /
• 2011

추천시스템은 정보기술의 발달에 따른 정보의 홍수 속에서 사용자의 요구 사항과 선호를 바탕으로 사용자와 공급자 양측의 이익을 위해 사용자가 합당한 제품을 선택하기 위한 개인화된 의사결정 지원수단이라고 할 수 있다. 지금까지의 추천시스템에 관한 연구가 주로 공급자의 입장에서 추천시스템의 개선에 관한 연구들이거나 추천시스템 평가에 관한 연구가 대부분이어서 본 논문에서는 수요자의 입장에서 개인감정과 상황이 음악추천시스템의 수용성에 미치는 영향을 분석하기 위해 수정된 TAM을 기반으로 하여 관련 선행연구를 통해 검증된 변수를 기반으로 도출된 잠재변수와 측정치를 바탕으로 연구모형을 설정하고 이를 측정하기 위해 설문조사를 실시하여 다층구조 (High-Order Construct) 구조방정식모형을 통해 이를 분석하였다. 연구결과 개인감정 중에서 내적흥미와 즐거움은 유의한 영향을 미치는 것으로 나타났지만 자기효능감은 유의한 영향을 미치지 못하는 것으로 나타났고 개인상황에 있어서는 사회적영향과 시간적합성은 유의한영향을 미치는 것으로 나타났지만 장소적합성은 유의한 영향을 미치지 못하는 것으로 나타났다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2015년도 제51차 동계학술대회논문집 23권1호
• /
• pp.181-182
• /
• 2015

음악 검색에 있어 소셜 태그 정보는 사용자로 하여금 음악의 내재적 의미를 빠르게 파악할 수 있도록 한다. 음악의 소셜 태그 정보는 음악 추천 시스템을 활용하는 사용자(청취자)에 의해 점진적으로 완성되기 때문에 초기에 완전한 태그 정보를 수집하는 것은 어렵다. 본 논문에서는 음악의 일부 태그가 누락되어 있는 상황에서 음악 정보 검색을 자동으로 수행할 수 있는 클래스 분류 알고리즘을 제안하고자 한다.

• 융합정보논문지
• /
• 제11권9호
• /
• pp.214-220
• /
• 2021

스마트폰이 빠르게 보급되면서 음악을 생활 속의 배경음악처럼 항상 모든 곳에서 듣는 것이 일반화되어 개인의 상황과 조건에 맞는 추천을 할 수 있는 음악 데이터베이스를 필요하다. 본 논문에서는 소셜 미디어를 통한 음악추천 모델을 제안한다. 소셜 미디어의 데이터를 사용하여 음악 데이터베이스를 작성하고 기존의 음원 제공 플랫폼이 주로 사용하는 협업필터링과는 다른 방식으로 음악을 분류한다. 웹크롤링으로 음악 제목이 해시 태그로 달린 게시글을 찾아 해당 글에 함께 달린 다른 해시 태그들을 수집하고 분류하여 실제 청취자의 음악에 관한 의견을 데이터베이스에 사용한다. 소셜 미디어를 작성할 때의 감정, 상황, 시간대, 날씨 등 많은 조건이 해시 태그에는 포함되어 있으므로 다양한 사람의 의견이 집단지성으로 반영된 소셜 미디어 기반 데이터베이스를 구축할 수 있다.

• 정보관리학회지
• /
• 제24권2호
• /
• pp.89-104
• /
• 2007

본 연구는 대용량 음악콘텐츠환경에서 개인화 추천 서비스를 위한 기반구조의 제공을 위하여 시도되었다. 추천서비스를 위한 기존의 많은 연구와 상용프로그램에도 불구하고 대규모의 쇼핑몰들은 개인화 추천서비스와 실시간으로 대용량의 데이터를 처리할 수 있는 추천시스템을 필요로 하고 있다. 이를 위하여 본 연구에서는 데이터마이닝 기술과 새로운 패턴매칭 알고리즘을 제안하고 있다. 콘텐츠 주제분야에 대한 이용자의 선호도를 이용한 이용자 분할을 위하여 군집화 기법이 사용되었다. 다음으로는 군집화를 통하여 생성된 분할된 이용자 그룹에서 개별 이용자의 콘텐츠에 대한 접근 패턴의 추출을 위하여 순차패턴 마이닝기법을 적용하였다. 최종적으로 각각의 이용자 군집의 콘텐츠 접근 패턴과 콘텐츠 선호도에 기반한 제안된 추천 알고리즘에 의해 추천이 이루어진다. 이러한 추천을 위하여 기반 구조와 함께, 전처리과정과 원본 데이터의 형식변환이 데이터베이스에서 수행되어진다. 본 연구에서 제안하고 있는 기반구조의 적절성을 보여주기 위하여 제안된 시스템을 구현하였다. 실제 이용자에 의해 이용된 데이터를 실험에 적용하였으며, 해당 실험에서 추천은 실시간으로 이루어졌으며 추천결과에 있어서는 적절한 정확성을 보여주고 있다.

• 지능정보연구
• /
• 제24권4호
• /
• pp.197-217
• /
• 2018

음악은 인간의 감성을 소리로 표현하는 창조적 예술 행위이다. 음악은 사람들의 기분을 우울하게 혹은 기쁘게 변화시킬 수 있다. 따라서 음악을 감상하는 데 있어 감성은 소비자에게 적합한 음악을 찾고 들려주는 데 매우 중요한 요소인데, 다양한 음원 서비스에서 제공하는 추천 알고리즘은 사용자의 기본적인 정보(성별, 나이, 감상 횟수 등)와 사용자의 플레이 기록에 기반한 음악 추천 방식을 주로 사용하고 있다. 본 연구에서는 음악을 감상하는 개인의 감성을 고려하여 각 음원이 가지는 고유의 감성을 기본으로 한 음악 추천 알고리즘을 제안해 보고자 한다. 구체적으로, 사용자들이 자주 듣는 음악과 그렇지 않은 음악을 기준으로 '감정 패턴'을 추출 후 상관관계를 확인하고자 하며, 앞선 결과를 기반으로 사용자들이 원하는 노래에 대한 검색과 사용자 감성 기반 추천 방법을 도출해내보고자 한다. 이를 위해 본 연구에서는 사례기반추론 기법을 이용하여 사람들이 주로 듣는 음악과 비슷한 '감성 패턴'을 갖는 특정한 곡을 추천해주는 알고리즘을 개발하였다. 먼저, 분석에 필요한 감정 형용사를 정리하여 변수화 시키고, 의미 있는 것끼리 묶어 음악 감성지수를 개발하였고, 분석의 대상이 될 음원에 대해 고유의 감성지수 점수를 측정하였다. 마지막으로 도출된 점수의 결과를 통해 유사한 감정 패턴이 나오는 곡들을 유사 곡 리스트로 분류하고 사용자들에게 추천하는 과정을 거친다. 앞선 일련의 과정을 거처 도출된 결과는 음원 추천 시스템뿐만 아니라, 인기 있는 곡과 아닌 곡에 영향을 미치는 변수 도출 및 음원 출시 전, 해당 곡의 스트리밍 수 예측 모형 구축 등 다양한 용도로 사용될 수 있을 것으로 기대한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2008년도 한국컴퓨터종합학술대회논문집 Vol.35 No.1 (C)
• /
• pp.406-411
• /
• 2008

인터넷을 비롯한 통신 네트워크의 발전으로 개개인의 콘텐츠 수요가 증가함에 따라 다양한 콘텐츠 욕구를 충족시키기 위한 추천 시스템이 대두되고 있으며, 이러한 추천 시스템의 기반 기술로써 내용 기반 검색 기술의 필요가 증가하고 있다. 본 논문에서는 대표적인 멀티미디어 콘텐츠의 하나인 음악의 무드를 내용 기반으로 분류하기 위해, 음악 비트 검출에 기반한 프레임화를 적용하였으며, 스펙트럼의 고조파를 좀더 강조하기 위한 HDS(Harmonic Distribution Spectrum)을 제안하였다. 또한 다양한 차원 감쇄 기법과 분류기를 이용한 실험을 통해 무드 분류 시스템의 성능 비교를 진행하였다.

• 지능정보연구
• /
• 제29권3호
• /
• pp.145-165
• /
• 2023

추천 시스템은 인터넷의 발달로 급격하게 증가하는 정보의 양으로 인해 생긴 정보 선택의 어려움을 소비자에게 덜어주고 각 개인의 취향에 맞는 정보를 효율적으로 보여주는 중요한 역할을 한다. 특히, E-commerce와 OTT 기업은 상품과 콘텐츠 양이 급격하게 증가하면서 추천 시스템의 도움 없이는 인기 있는 상품만 소비되는 현상을 극복하지 못한다. 이러한 현상을 극복하고 고객 개인 취향에 맞는 정보 혹은 콘텐츠를 제공해 고객의 소비를 유도하기 위해 추천 시스템의 연구가 활발히 진행되고 있다. 일반적으로 유저(user)의 과거 행동 이력을 활용한 협업 필터링이 유저가 선호한 콘텐츠의 정보를 활용하는 콘텐츠 기반 필터링에 비해 높은 성능을 보여준다. 하지만 협업 필터링은 과거 행동 데이터가 부족한 유저에 대해서는 추천의 성능이 낮아지는 콜드 스타트(Cold Start) 문제를 겪게 된다. 본 논문에서는 카카오 아레나 경진대회에서 주어진 음악 스트리밍 서비스 멜론의 플레이리스트 데이터를 기반으로 앞에서 언급한 콜드 스타트 문제를 해결할 수 있는 하이브리드 음악 추천 시스템을 제시했다. 본 연구에서는 플레이리스트에 수록된 곡 목록과 각 음악과 플레이리스트의 메타데이터를 활용해 절반 혹은 전부 가려진 플레이리스트의 다른 수록 곡을 예측하는 것을 목표로 하였다. 이를 위해 플레이리스트 안에 곡이 있는 경우와 아예 곡이 없는 경우를 나눠서 추천을 진행하였다. 플레이리스트 안에 곡이 있는 경우에는 해당 플레이리스트의 곡 목록과 각 곡의 메타데이터를 활용하기 위해 LightFM을 활용하였다. 그 다음에 Item2Vec을 활용해 플레이리스트에 있는 수록 곡과 태그 및 제목의 임베딩 벡터를 생성하고 이를 추천에 활용하였다. 최종적으로 LightFM과 Item2Vec 모델의 앙상블을 통해 최종 추천 결과를 생성하였다. 플레이리스트 안에 곡이 없고 태그 혹은 제목만이 존재할 경우에는 플레이리스트의 메타데이터인 태그와 제목을 FastText를 활용해 사전 학습을 시켜 생성된 플레이리스트 벡터를 기반으로 플레이리스트 간의 유사도를 활용하여 추천을 진행하였다. 이렇게 추천한 결과, 기존 Matrix Factorization(MF)에서 해결하지 못한 콜드 스타트 문제를 해결할 수 있었을 뿐만 아니라 곡과 플레이리스트의 메타데이터를 활용해 기존 MF 모델인 ALS와 BPR 그리고 Word2Vec 기반으로 추천해 주는 Item2Vec 기술보다 높은 추천 성능을 낼 수 있었다. 또한, LightFM을 토대로 다양한 곡의 메타데이터를 실험한 결과, 여러 메타데이터 중에서 아티스트 정보를 단독으로 활용한 LightFM 모델이 다른 메타데이터를 활용한 LightFM 모델들과 비교해 가장 높은 성능을 보여준다는 것을 확인할 수 있었다.