• Proceedings of the Korea Information Processing Society Conference
• /
• 2009.11a
• /
• pp.785-786
• /
• 2009

인터넷의 수많은 정보 속에서 사용자가 원하는 적절한 정보를 찾아 주기 위해 추천 시스템이 등장하였다. 기존의 추천 시스템들은 유사한 선호도를 갖는 사람들을 그룹화 하여 그들이 선호할 만한 아이템을 추천해 주는 방법을 사용하는데, 본 논문에서는 기존의 추천 시스템에 태그를 이용하여 추천의 신뢰도를 높이고자 한다. 사용자가 해당 아이템을 보고난 후 추가로 더 알고 싶은 내용에 대한 태그를 등록하면 그 태그는 다른 사용자들을 위한 추천 정보로 이용된다. 또한 추천 자료에 대한 사용자의 만족도 평가를 바탕으로 자료간의 연관 관계를 재조정하여 추천 시스템의 성능을 높인다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2008.04a
• /
• 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.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.10a
• /
• pp.1163-1165
• /
• 2015

최근 들어, 사용자의 선호도를 고려한 음악추천 시스템의 연구가 활발히 진행되고 있다. 대부분의 음악 추천 시스템은 사용자가 들었던 곡을 분석하여 유사한 노래를 추천하는 시스템을 사용하여 비슷한 성향에서 벗어나지 못한 추천으로 다양한 사용자의 선호도를 만족시키는데 한계가 있었다. 본 논문에서는 개인 정보인 성별, 나이, 지역, 계절, 장르에 가중치를 활용하여 각각의 개인에 가장 알맞은 음악 추천 시스템을 설계하고 구현한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.05a
• /
• pp.552-554
• /
• 2023

웹소설 시장의 성장에 따라 웹소설 추천 시스템의 중요성이 높아지고 있다. 본 연구에서는 작품의 특성 및 선호도를 나타낼 수 있는 다양한 데이터를 활용하여 추천시스템을 구현하고 그 성능을 평가하여 표지 이미지와 작품 특성을 모두 고려한 멀티 모달 추천 시스템이 가장 효율적임을 보여주었다. 연구 결과, 단일 변수 추천에서는 작품 소개글과 표지 이미지 기반 추천이 가장 좋은 성능을 보였고, 멀티 모달 추천 시스템에서는 작품 소개글, 이미지, 키워드 순으로 성능에 좋은 영향을 끼치는 것으로 나타났다. 이번 연구 결과는 한국콘텐츠진흥원에서 조사한 웹소설 이용자 실태조사와는 조금 다른 결과를 보여주었다. 설문조사에서는 인기도를 웹소설 선택 시 가장 중요한 영향으로 봤으나, 본 연구에서는 작품 소개글이 가장 중요한 영향을 미친다는 결과가 나타났다. 이러한 연구 결과는 웹소설 추천 시스템의 개발과 운영에 있어서 중요한 참고 자료가 될 것으로 예상된다.

• Journal of Intelligence and Information Systems
• /
• v.14 no.2
• /
• pp.63-82
• /
• 2008

Recommendation systems are widely used to help deal with the problem of information overload. Over the past decades, a variety of recommendation systems have been developed as the amount of information in the world increases far more quickly than our ability to process it. This paper aims to analyze existing developed recommendation systems, provide systemic review, and present some basic issues on improvement action. Through this, we also suggest useful implications for better recommendation systems and give some ideas to recommendation system developers to improve their system. Especially, this study focuses on researches on recommendation system. In our research, we analyze the studies along with four different keys dimensions : their domain, objective, underlying model, and evaluation method of recommendation systems and portray the results as statistics or statistical graphics or table form.

• KIPS Transactions on Software and Data Engineering
• /
• v.11 no.6
• /
• pp.237-244
• /
• 2022

In this paper, we present VAE-based recommendation using online behavior log and purchase history to overcome data sparsity and cold start. To generate a variable for customers' purchase history, embedding and dimensionality reduction are applied to the customers' purchase history. Also, Variational Autoencoders are applied to online behavior and purchase history. A total number of 12 variables are used, and nDCG is chosen for performance evaluation. Our experimental results showed that the proposed VAE-based recommendation outperforms SVD-based recommendation. Also, the generated purchase history variable improves the recommendation performance.

• Proceedings of the KAIS Fall Conference
• /
• 2003.06a
• /
• pp.222-225
• /
• 2003

웹의 급속한 성장으로 수많은 양의 정보가 매일같이 쏟아져 나오고 있다. 이는 특정 상품정보를 얻으려는 고객들에게 많은 혼란을 야기할 수 있다. 이러한 문제의 해결을 위해 추천시스템이 개발되었고, 추천 시스템은 고객들이E-Commerce 상에서 상품을 구매하는 것을 도와주기 위해서 지속적인 증가추세로 사용되고 있다. 이러한 추천시스템은 다양한 고객들의 선호도에 따라 유사성과 비유사성에 대한 정보의 기초위에서 고객들의 잠재적인 관심 항목들에 대해 개인의 취향에 맞게 추천하는 기술들을 제공한다. 그러나, 추천시스템에 많은 관심을 가짐에도 불구하고 그들의 성능에 대한 공개된 기술이나 정보는 매우 제한적이다. 본 논문에서는, 과거 고객들의 구매행동, 고객정보 데이터마이닝의 연관규칙을 이용한 E-Commerce 추천시스템을 설계하고 구현하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2010.11a
• /
• pp.546-549
• /
• 2010

인터넷의 발달과 유통되는 정보의 양이 증가함에 따라, 그 속에서 사용자가 원하는 정보를 효과적으로 얻기 위한 노력이 계속되어 왔다. 그 중에서 사용자에게 적합한 상품을 추천하고 정보를 제공하기 위한 추천 시스템이 매우 중요하게 인식되고 있으며, 이에 대한 연구가 지속되고 있다. 본 논문에서는 추천 시스템의 핵심적인 방법들과 발전 방향을 다양한 측면에서 체계적으로 분석하였다. 최근에 자주 사용되어지는 효과적인 추천 시스템의 장단점을 비교하여, 추천 시스템이 적용될 수 있는 다양한 환경에서 최적화된 방법을 제시하였다. 더불어 기존의 추천 시스템이 가지고 있는 한계와 그 극복 방안에 대하여 모색해 보았다.

• Journal of the Korean Society for information Management
• /
• v.33 no.1
• /
• pp.317-336
• /
• 2016

Nowadays users spend more time and effort to find what they want because of information overload. To solve the problem, scientific article recommendation system analyse users' needs and recommend them proper articles. However, most of the scientific article recommendation systems neglected the core part, user profile. Therefore, in this paper, instead of mean which applied in user profile in previous studies, New TPIPF (Topic Proportion-Inverse Paper Frequency) was applied to scientific article recommendation system. Moreover, the accuracy of two scientific article recommendation systems with above different methods was compared with experiments of public dataset from online reference manager, CiteULike. As a result, the proposed scientific article recommendation system with TPIPF was proven to be better.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2002.05a
• /
• pp.55-59
• /
• 2002

인터넷 및 전자상거래의 급속한 발전에 따라, 전자상거래를 위한 수많은 상품정보가 생성, 수정, 삭제되고 있는 상황에서 소비자들을 위한 맞춤형 정보서비스 및 개별화된 상품추천 시스템에 대한 필요성이 증가되고 있고 많은 연구가 이루어지고 있다. 그러므로 본 논문에서는 이러한 요구를 수용할 수 있는 소비자 지향형 상품추천 시스템을 제안한다. 제안된 시스템은 사용자행위의 모니터 링을 통해 사용자의 관심분야 및 다수의 사용자가 관심을 가지는 상품정보를 추출하며 이를 기반으로 사용자에게 추천함으로써 양질의 정보 및 서비스의 제공에 있다.