• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 가을 학술발표논문집 Vol.28 No.2 (3)
• /
• pp.466-468
• /
• 2001

전자상점에서 이루어지는 고객의 구매패턴이 온라인 상에서 데이터베이스화되어, 이를 통하여 고객의 취향에 맞는 상품을 제공할 수 있는 많은 알고리즘이 연구되고 있다. 이러한 알고리즘은 전자상점에서 고객의 개별특성을 고려한 상품을 제공하기 위하여, 고객정보 데이터베이스와 거래정의 데이터베이스로부터 연관규칙 등을 추출하여 사용한다. 그러나 시간의 흐름에 민감한 계절상품이나 특선상품과 같이 전자상점의 거래량에 크게 직결될 수 있는 것 등에도 같은 알고리즘을 적용한다면 추천성공률이 떨어질 것이다. 따라서 본 논문에서는 시간의 영향을 많이 받는 상품추천을 위하여, 최근 전자상점 추천시스템으로 효과적인 아이템 기반 협력알고리즘에 지수적 가중치를 적용하여 추천하는 알고리즘을 제안한다. 또한 이러한 추천시스템이 대용량의 고객데이터와 상품데이터에 대한 연산을 수행하고 다수의 고객에게 실시간으로 서비스를 제공하여야 하므로 MMDB를 활용한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2017년도 추계학술발표대회
• /
• pp.660-663
• /
• 2017

다양한 소셜 네트워크 서비스가 발달되고 많은 사람들이 소셜 미디어에 참여하면서 방대한 양의 정보가 발생하고 있다. 따라서 원하는 정보를 선별하고 가공하는 연구도 활발히 진행되고 있다. 협업필터링은 이러한 정보를 토대로 사용자에게 맞춤형 아이템을 추천해주는 알고리즘이다. 하지만 정확한 추천을 위해서는 매우 방대한 양의 정보가 필요하다. 또한 협업필터링에는 초기에는 제대로 추천이 이루어지지 않는 콜드스타터 문제가 있다. 이러한 문제를 해결하기 위해 본 논문에서는 소셜 네트워크 서비스 중의 하나인 트위터 데이터를 활용하여 협업필터링 추천 시스템의 성능을 높이고자 한다. 협업필터링의 평점에 특정 아이템 관련 트윗을 수집해서 긍정/부정을 측정하여 가중치를 부여한다. RMSE 평가 방법을 통한 실험 결과, 소셜 미디어의 긍부정 영향력을 측정하여 적용했을 때가 기존의 협업필터링 방식에 비해 약 5.5%의 성능 향상을 확인하였다.

• 지식경영연구
• /
• 제23권2호
• /
• pp.277-299
• /
• 2022

관광산업에서 발생하는 방대한 카드 거래 데이터는 관광객의 소비 행태와 패턴을 암시하는 중요한 자원이 되었다. 거래 데이터에 기반을 둔 스마트 서비스 시스템을 개발하는 것은 관광산업과 지식관리시스템 개발자들의 주요한 목표들 중 하나이다. 그러나 기존 추천 기법의 근간이 되어 온 평점을 활용하기 어렵다는 점은 시스템 설계자들이 학습 과정을 평가하기 어렵게 한다. 또한 시간적, 공간적, 인구통계학적 정보와 같이 추천 성과를 높일 수 있는 보조 요소들을 적절히 활용하는 방법도 어려운 상황이다. 이러한 문제들에 대하여 본 논문은 카드 거래 데이터를 기반으로 관광 서비스를 추천하는 새로운 방식인 CTDDTR을 제안한다. 먼저 Doc2Vec를 이용하여 시간성 선호도를 임베딩하여 관광객 그룹과 서비스 벡터로 데이터를 표현하였다. 다음 단계로 딥러닝 기술 중 하나인 다중 계층 퍼셉트론을 도입하여 얻어진 벡터와 관광 RDF로부터 도출한 보조 요소를 통합하여 심층 추천 모듈을 구성하였다. 추가로, 지식경영 분야의 RFM 분석 기법을 심층 추천 모듈에 도입하여 심층 신경망을 학습하는데 사용되는 평점을 생성함으로써 평점 부재 문제에 대응하였다. 제안한 CTDDTR의 추천 성능을 평가하기 위해 제주도에서 8년 동안 발생한 카드 거래 데이터를 사용하였고, 제안된 방법의 우수한 추천 성능과 보조 요소의 효과를 증명하였다.

• 한국인터넷방송통신학회논문지
• /
• 제22권6호
• /
• pp.173-178
• /
• 2022

최근, 소셜 네트워크 서비스에서 딥러닝을 활용한 추천시스템이 활발하게 연구되고 있다. 하지만 딥러닝을 이용한 추천시스템의 경우 콜드스타트 문제와 복잡한 연산으로 인해 늘어난 학습시간이 단점으로 존재한다. 본 논문에서는 사용자의 메타데이터를 활용하여 사용자 맞춤형 운동 루틴 추천 알고리즘을 제안한다. 본 논문에서 제안하는 알고리즘은 메타데이터(사용자의 키, 몸무게, 성, 등)를 입력받아 설계된 모델에 적용한다. 본 논문에서 제안한 운동 추천시스템 모델은 matrix factorization 알고리즘과 multi-layer perceptron을 활용한 neural collaborative filtering(NCF) 알고리즘을 기반으로 설계된다. 제안된 모델은 사용자 메타데이터와 운동 정보를 입력받아 학습을 진행한다. 학습이 완료된 모델은 특정 운동이 입력되면 사용자에게 추천도를 제공한다. 실험 결과에서 제안하는 운동 추천시스템 모델이 기존 NCF 모델보다 10% 추천 성능 향상과 50% 학습 시간 단축을 보였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2018년도 추계학술발표대회
• /
• pp.786-789
• /
• 2018

우리는 가상 현실 환경에서 사람이 직접 옷을 입지 않은 상황에서 미리 피팅 상황을 확인할 수 있는 시스템을 구현하였다. 이를 위하여 우리는 시스템을 이용한 카메라 촬영과 결과를 출력하는 기능, 그리고 영상처리에서 사람 얼굴 인지, 및 그에 대한 내용을 기반으로 옷을 오버레이하는 기능을 구현하였다. 추가 기능으로는 사람 손동작 인지를 통한 커맨드 제어, 딥러닝을 이용하여 사람의 얼굴에 어울리는 옷을 추천해주는 추천 서비스를 구현하였다.

• 정보관리학회지
• /
• 제39권3호
• /
• pp.1-22
• /
• 2022

본 연구는 학교도서관에서 활용할 수 있는 도서추천시스템을 제안하는데 목적이 있다. 도서추천시스템은 DLS의 대출 데이터를 활용하여 연관규칙 기반의 알고리즘을 적용하였으며, 학교도서관 이용자들에게 개인화 도서추천 서비스 제공이 가능하도록 설계하였다. 이를 위해 Apriori 알고리즘 기반의 연관규칙과 매개 중심성 분석을 적용하고, 기술통계, 연관규칙 생성, 학생중심 추천, 도서 중심추천 등 세부 기능을 구현하였다. 이어서 사서교사를 대상으로 심층면담을 통해 도서추천시스템 사용에 대한 의견을 조사하였다. 조사 결과, 도서추천의 필요성 및 어려움, 학생의 반응, 기존 추천방식과의 차이점 및 활용방안, 개선 사항에 대한 의견을 확인할 수 있었으며, 이를 토대로 다음의 논의점을 제안하였다. 첫째, 개별학교의 특성을 파악하기 위해서 장기간의 대출 데이터의 제공이 필요하다. 둘째, 지역별 혹은 학교 특성별 데이터 통합 방안에 대한 논의가 필요하다. 셋째, 독서교육종합시스템에서 제공하는 도서추천시스템의 구축이 필요하다. 본 연구에서 제안된 내용을 토대로 향후 학교도서관 현장에서 활용할 수 있는 개인화 추천시스템 적용에 대한 다양한 논의가 이루어지길 기대한다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제4권9호
• /
• pp.289-296
• /
• 2015

정보의 폭발적인 증가로 사용자들은 원하는 정보를 빠른 시간에 얻는 것이 힘들어졌다. 따라서 이 문제를 해결하기 위한 다양한 방식의 새로운 서비스들이 제공되고 있다. 개인에게 맞는 맞춤 서비스를 제공하는 것이 중요하게 부각되면서 개인화 추천 시스템이 매우 중요하게 되었다. 추천 시스템 중 협업 필터링은 추천 시스템에서 널리 사용되고 있고 개인화 추천 시스템 중에서 가장 성공적인 방법이다. 협업 필터링 방법은 고객들의 프로파일 정보를 기반으로 추천을 하므로 희박성 문제와 cold-start 문제가 있다. 본 논문에서는 개인에게 더 정확하게 추천하기 위해 협업 필터링 기법과 상황기반 기법을 함께 이용하는 방법을 제안한다. 상황기반 기법은 사용자를 둘러싼 시간, 감정, 장소 등과 같은 환경을 고려하여 사용자에게 맞는 아이템을 추천하는 방법으로 상황에 따라 달라지는 사용자의 선호도를 반영할 수 있다. 본 논문에서는 상황기반 기법을 활용하기 위해 상황정보로 감정을 이용하며 이를 위해 개인의 주관적인 정보를 파악하는 데 효과적인 영화 리뷰를 이용한다. 본 논문에서 제안한 방법은 기존의 협업 필터링 방법보다 성능평가 결과, 향상된 성능을 보였다.

• 방송공학회논문지
• /
• 제18권1호
• /
• pp.88-97
• /
• 2013

개인화된 추천을 제공하기 위한 협력 필터링은 추천 시스템에서 성공적으로 활용되어 온 기법이다. 그러나 협력 필터링이 주로 연구 및 적용된 분야들은 사용자로부터의 명시적 피드백이 존재하는 독립된 아이템들을 추천하는 것에 초점을 두고 있다. VOD 서비스 플랫폼에서 개인화된 TV 프로그램을 추천하기 위해서는 해당 도메인의 특성과 제한들을 고려하는 것이 필요하다. 본 논문에서는 TV 프로그램의 시리즈 속성을 이용하여, 선호를 판단하기 힘든 비명시적 피드백인 회별 프로그램 시청기록을 명시적이고 지속적인 프로그램 선호도로 변환하는 방법을 고안하였다. 데이터 수집과 최종 추천은 회별 프로그램 단위로 이루어지면서 협력 필터링 처리 단위는 프로그램으로 변경되어 TV 프로그램 VOD 추천 환경에 가장 적당한 형태로 협력 필터링을 변형 적용하였다. 실험 결과는 고안된 추천 시스템이 단순히 협력 필터링을 적용했을 때보다 높은 정확도와 더 적은 계산량을 가지는 것을 보여준다. 도메인 특화된 이러한 변형은 추천 시스템의 알고리즘 모듈로 구성되어 기존에 알려진 다양한 협력 필터링 기법과 결합하여 사용될 수 있다.

• 인터넷정보학회논문지
• /
• 제20권4호
• /
• pp.73-79
• /
• 2019

연구자는 논문을 투고할 저널을 선택하는 과정에서 저널의 수가 방대하다는 점, 고려할 저널 결정 요인이 다양하다는 점에서 어려움을 겪는다. 이러한 어려움을 해소하기 위해 IRA(intelligent research assistant)의 한 종류로 연구자별로 논문 투고에 적합한 저널을 추천해주는 저널 추천 서비스를 활용할 수 있다. 하지만 현재 운영 중인 저널 추천 서비스의 경우 주제 유사도 및 수치적 필터링을 기반으로 저널 추천을 실행하고 있으며, 이 경우 연구자가 논문 데이터를 입력하지 않으면 주제 유사도를 고려할 수 없고, 수치적 필터링 기능도 연구자 스스로 결정 요인별 수치 범위를 명확하게 정하기에 어려움이 있다는 한계점이 존재한다. 따라서 본 논문에서는 연구자의 논문 게재 이력을 이용해 선호도 행렬을 형성하고, 이를 기반으로 저널 별 선호 점수를 고려한 저널 추천 방법론을 제안한다. 연구자는 다수의 저널 결정 요인에 대해 상이한 중요도를 가지고 있는데, 결정 요인 별 선호 민감도를 계산해 중요도를 학습한 뒤 이를 기반으로 모든 저널에 대한 선호 점수를 도출하여 저널을 추천한다는 점에서 의의가 있다. 실제 데이터를 이용하여 저널 추천실험을 수행했으며 제안 방법론의 우수한 성능을 확인하였다.

• 정보관리학회지
• /
• 제30권2호
• /
• pp.297-315
• /
• 2013

본 연구에서는 주요 검색 포털들의 검색어 추천 서비스를 분석, 평가하였다. 이 연구에서는 네이버와 구글 코리아를 대상으로 추천되는 연관 검색어의 적합도 및 최신성을 평가하고, 연관 검색어의 개수 및 분포, 연관 검색어가 제공되지 않는 질의의 특징을 조사하였다. 또한 연관 검색어의 유형을 질의와 연관 검색어의 관계 측면에서 분석하고, 연관 검색어들 중 유해 검색어의 유형 및 특징, 비표준어의 유형 및 특징도 조사하였다. 마지막으로, 한글 질의와 영어 질의, 대중적인 질의와 전문적인 질의의 연관 검색어의 특징을 비교하였다. 연구 결과, 네이버가 구글보다 연관 검색어의 적합도와 최신성이 다소 높은 것으로 나타났다. 또한 구글과 네이버 모두 새로운 연관 검색어를 제시하기보다는 질의에 단어를 추가 또는 삭제하거나, 질의와 동일한 검색어나 동의어 검색어를 제공하는 경우가 많은 것으로 나타났다. 본 연구의 결과는 향후 포털들의 검색어 추천 서비스의 개선에 활용될 수 있을 것으로 기대된다.