• 한국정보과학회논문지:소프트웨어및응용
• /
• 제36권4호
• /
• pp.298-305
• /
• 2009

협력적 여과 시스템은 내용 기반 여과 시스템과는 대조적으로 아이템에 대한 정보를 반영하지 않으며, 또한 사용자가 자신의 흥미에 대한 정보를 제공하지 않았을 경우 추천을 할 수 없다는 단점을 갖는다. 본 논문에서는 협력적 여과 시스템의 단점을 해결하기 위하여 연관 아이템 트리를 이용한 추천 에이전트를 제안한다. 제안된 방법은 벡터 공간 모델과 K-means 알고리즘을 이용하여 사용자를 군집시킨 후 그룹의 대표 평가값을 추출한다. 다음으로, 군집된 그룹별로 아이템간의 상호정보량을 계산하여 아이템간의 연관도를 파악하며, 이를 기반으로 연관 아이템 트리를 생성한다. 이와 같이 생성한 각 그룹의 연관 아이템 트리와 그룹의 대표 평가값을 이용하여 새로운 사용자에게 아이템을 추천한다. 제안된 추천 에이전트는 사용자 정보와 아이템 정보를 병합하여 새로운 사용자에게 아이템을 추천하며, 아이템간의 유사도를 계산하기 위하여 상호정보량을 사용하고 이를 기반으로 연관 아이템 트리를 생성함으로써 초기에 아이템에 대하여 평가한 정보가 부족한 사용자에게 정확도가 높은 아이템을 추천할 수 있다는 장점을 갖는다. 제안된 방법은 MovieLens 추천 시스템의 데이터 집합을 사용하여 기존의 방법과 비교하였다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2020년도 제32회 한글 및 한국어 정보처리 학술대회
• /
• pp.481-485
• /
• 2020

AI와 사용자간의 대화를 통해 사용자의 요구사항을 파악하고, 해당 요구사항에 적합한 상품을 추천하는 형상을 인터랙션 기반 추천 시스템의 한 예로 볼 수 있다. 우리는 해당 시스템 개발을 위하여 의상 코디셋 추천을 위한 대화 기반 데이터셋을 구축하였다. 데이터셋은 대화와 의상 추천 절차를 반복하여 사용자가 원하는 의상셋을 찾아가는 내용으로 구성된다. 그리고, AI의 코디셋 추천 기술 검증을 위해 두가지 의상 추천 평가셋을 제안한다. 본 논문은 대화 데이터셋 및 관련 평가셋의 개발 절차 및 구성에 대하여 기술하고, 관련된 실험 결과 일부를 보여준다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2013년도 춘계학술발표대회
• /
• pp.1067-1069
• /
• 2013

전자상거래 시장의 급격한 성장에 따라 고객이 원하는 정보를 얻기 위해 소요되는 시간과 노력을 절약하기 위한 방안으로 추천 시스템의 필요성이 강조되고 있다. 추천 시스템에 일반적으로 가장 많이 쓰이는 것이 협업필터링 기법이다. 협업 필터링은 추천시스템 분야에서 가장 성공적인 기법으로 전자상거래 포털에서 가장 널리 이용되고 있다. 그러나 희박성, 확장성, 투명성 등의 문제점을 가진다. 본 논문에서는 프로파일링 기법을 사용해 협업필터링의 희박성 문제 해소 방안으로 개인성향을 이용하여, 보다 정확한 추천을 하여 온라인 서점에 적용할 수 있는 추천 시스템이다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제9권6호
• /
• pp.683-692
• /
• 2003

인터넷에 이어 TV환경에서도 넘쳐나는 정보로 인해 시청자들이 원하는 정보를 얻는데 어려움을 겪게 되는 상황이 발생하고 있다. 최근 들어 디지털 방송시대가 열리면서 국내에서도 선택 가능한 채널이 세 자리 수까지 늘어나게 되어 기존의 방법으로는 채널 선택이 곤란하게 되었다. 본 논문은 이러한 문제점의 해결을 위한 TV프로그램 추천 시스템의 프로토타입을 제안한다. 본 논문에서는 TV환경에 알맞은 사용자 정보를 모델링하고 내용기반 방식을 이용하여 추천 시스템의 각 모듈을 설계하였다. 우리의 시스템은 사용자의 기본 정보를 입력받은 후 사용자의 시청 및 사용기록을 추적하여 자동으로 선호도를 파악하고 날짜별로 프로그램을 추천한다. 본 논문은 TV 프로그램 추천이 가지는 문제와 이에 대한 접근 방법을 시스템의 구조에 대한 설명과 실험을 통해 밝힌다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2002년도 봄 학술발표논문집 Vol.29 No.1 (B)
• /
• pp.139-141
• /
• 2002

본 논문에서는 인터넷 컨텐츠 사이트에서 개인별로 컨텐츠를 효과적으로 추천하기 위한 개인화 시스템모델을 제안하였다. 제안한 모델은 묵시적인 평가정보를 이용한 사례기반추론 기법으로서 협동적필터링 기법과 달리 유사집단의 평가정보를 이용하지 않고 개인별 속성에 대한 가중치와 속성 값을 이용하여 추천하는 기법이다. 이 기법은 각 사용자의 상품 추매 속성을 추천에 반영할 수 있는 장점이 있으며 사용자 프로파일을 이용하여 개인화된 추천이 가능하다. 제안한 기법이 Recall, Precision, F-measure의 평가 방법을 통해 실험한 결과 협동적필터링 기법 보다 모든 부분에서 더 좋은 결과가 나왔음을 볼 수 있다. 그러므로 제안 시스템이 유사 사용자의 평가정보를 이용한 협동적필터링 기법보다 효율적인 개인화 전략이 가능하다고 말 수 있다. 본 제안 모델을 이용하여 일대일 마케팅을 위한 eCRM 시스템 개발이 가능하리라 예상된다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.669-671
• /
• 2023

정보 폭증으로 인한 정보 필터링 어려움을 해결하기 위한 추천 시스템의 중요성이 강조되고 있다. 특히 취업 구직자가 어떤 기업에 지원해야 하는지 혼란스러워하는 문제가 증가하고 있다. 이에 본 연구에서는 교육 기관에 등록된 학생 데이터를 활용하여 각 개인에게 적합한 기업을 추천해주는 맞춤형 기업 추천 시스템을 제안하고자 한다. 다양한 유사도 함수를 적용하여 비교한 결과, 코사인 유사도(Cosine similarity)를 활용한 추천 시스템이 가장 높은 정확도를 보였으며, 이러한 연구는 취업 관련 결정을 지원하는 데 중요한 역할을 할 것으로 기대된다.

• Journal of the Korean Data and Information Science Society
• /
• 제22권1호
• /
• pp.19-27
• /
• 2011

온라인 사용자에게 선택의 어려움을 줄여주고 사용의도를 높이기 위해 만들어진 것이 추천시스템이다. 추천시스템은 정보검색과 정보필터링을 용이하게 하고, 정보 과잉의 문제를 해결하는 데에 많은 도움을 주고 있다. 본 연구의 목적은 웹 상점을 이용하는 사용자들의 클릭스트림 데이터를 분석하여 데이터 인접성의 차이를 확인하고, 이를 통해 상품추천을 제안하고자 하는 데에 있다. 본 연구에서 제안하는 추천시스템의 성과를 검증하기 위하여 실험을 통해 알아본 결과, 추천시스템 적용 전보다 적용 후에 사용자들의 구매 의도는 높아졌고 탐색시간은 줄어들었다.

• 정보과학회 논문지
• /
• 제45권2호
• /
• pp.126-133
• /
• 2018

추천 시스템은 과도한 정보제공으로 인한 정보 수용자의 결정 제약을 극복하고, 정보 제공자에게는 이윤과 평판을 최대화 시킬 수 있는 해결책으로 등장하였다. 추천 시스템은 다양한 접근법으로 구현이 가능하지만, 추천 대상 객체의 리뷰에서 생성되는 다양한 소셜 정보를 적절히 활용하는 방안은 연구되지 못하였다. 본 논문에서는 기존의 접근법과는 다르게 온라인 리뷰에서 생성되는 클러스터 정보를 이용하여 추천 시스템의 성능을 향상시키는 방식을 제안하였다. 제안하는 방식을 구현하고 실제 데이터를 활용하여 실험한 결과 기존의 방식들보다 성능이 월등히 향상됨을 확인하였다.

• 지능정보연구
• /
• 제25권4호
• /
• pp.89-103
• /
• 2019

최근 추천시스템의 품질평가 관점에서 이에 대한 다양한 연구들이 진행되고 있다. 추천시스템은 기본적으로 사용자들에게 특정 아이템에 대한 개인화된 추천을 제공하는데 목적이 있으며, 대부분의 추천시스템은 항상 사용자 또는 아이템과 가장 관련 있는 아이템을 추천한다. 그리고 이러한 추천시스템의 성과는 전통적으로 다양한 예측정확도 등에 초점을 두어 왔다. 그러나, 추천시스템은 예측가능성 차원에서 정확해야 할 뿐만 아니라 사용자들에게 유용해야 한다. 특히 최근의 추천시스템에 대한 연구로서, 추천시스템의 평가기준에 속하는, 추천시스템에 대한 사용자 만족도(품질)는 추천시스템이 얼마나 정확하게 추천하느냐 뿐만 아니라 사용자의 의사결정에 얼마나 충분히 도움이 되는지와 관계가 깊다. 예를 들어, 특히 높은 수준의 세렌디티피한 추천은 사용자들이 뜻밖의 아이템이면서 흥미로운 아이템을 찾는데 도움이 된다. 여기서, 세렌디피티란 추천 아이템이 사용자에게 매력적인 동시에 뜻밖의(비기대성의) 아이템인 정도를 의미한다. 본 연구는 추천시스템의 성과를 나타내는 세렌디피티 지표를 추천시스템에 적용하여 추천시스템의 품질을 평가하는 것을 목표로 한다. 본 연구에서는 세렌디피티 지표는 관련성(매력)이 있는 동시에 뜻밖인(비기대성의) 아이템을 추천하는 정도로 정의하고, 이 세렌디피티 지표를 측정하기 위해, 추천시스템이 사용자들에게 예상치 못한 유용한 아이템을 찾을 수(또는 추천할 수) 있는 정도를 평가하였다. 본 연구의 주요 실증분석결과로는, 아이템기반 협력 필터링 기법이 사용자기반 협력 필터링 기법보다 더 높은 세렌디피티값을 가지며, 따라서, 추천시스템의 품질평가 차원에서 아이템기반 협력 필터링 기법은 사용자기반 협력 필터링 기법보다는 더 좋은 추천 품질을 갖고 있음을 보여 주었다.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2002년도 추계정기학술대회
• /
• pp.514-519
• /
• 2002

우리는 유머문서의 추천을 위해서 문서 정보, 사용자 정보, 공통 등급매김 정보 등을 모두 이용하는 4 개의 관찰 변수와 이들간 관계의 학습을 위한 은닉변수를 사용한 확률모델을 구축하였다. 이 모델은 학습된 은닉 변수와 가시 변수 간의 관계를 통해 누락 관찰 데이터에 대해서도 추정값을 유도해 낼 수 있으므로 등급매김 정보가 부족하거나 새로운 사용자와 문서의 도입시에 안정적인 추천 성능을 보여 줄 수가 있다. 또한 확률 모델의 학습을 위해서 EMl 알고리즘을 이용하였는데 저평가된 데이터의 이용도를 높이기 위해서 추천을 반대하는 확률 모델을 따로 두고 이들간에 분류모델(classification model)을 두어서 추정값을 분류해내는 방식을 취한다.