• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2014년도 춘계학술발표대회
• /
• pp.727-728
• /
• 2014

온라인 서비스와 스마트 기기의 발달로 언제 어디서나 인터넷에 접속할 수 있는 시대가 도래되었다. 수많은 콘텐츠와 서비스가 쏟아져 사용자 입장에서 자신이 선호하는 콘텐츠를 자신이 원할 때 전달받는 것이 필요해졌다. 즉, 사용자의 선호도에 따라 콘텐츠를 추천하는 시스템이 현재 실생활에서도 활용되고 있다는 뜻이다. 이를 근거로 대용량의 데이터를 다루는 마이닝 기법 기반의 추천 시스템인 협업 필터링 추천기법과 내용기반 추천기법의 개념과 문제점들을 분석해 보았다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 춘계학술발표대회
• /
• pp.657-659
• /
• 2023

최근 스마트폰과 같은 디지털 기기의 보급과 함께 개인화, 맞춤형 서비스의 수요가 늘어나면서 추천 서비스가 주목을 받고 있다. 세션 기반(Session based) 추천 시스템은 사용자의 아이템 선호에 따른 순서 정보를 고려한 학습 추천 모델로, 다양한 산업 분야에서 사용되고 있다. 세션 기반 추천 시스템 중 SASRec(Self-Attentive Sequential Recommendation) 모델은 MC/CNN/RNN 기반의 기존 여러 순차 모델들에 비하여 효율적인 성능을 보인다. 본 연구에서는 SASRec 모델의 하이퍼파라미터 중 배치 사이즈(Batch Size), 학습률 (Learning Rate), 히든 유닛(Hidden Unit)을 조정하여 실험함으로써 하이퍼파라미터에 의한 성능 변화를 분석하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제68차 하계학술대회논문집 31권2호
• /
• pp.705-708
• /
• 2023

본 논문은 사용자의 피부 상태에 따라 사용자에게 적합한 화장품을 소개해주는 화장품 추천 웹 쇼핑몰, "PBTI"를 개발한다. 요즘 유행하는 성격 유형 설문조사인 MBTI에서 영감을 받아 피부 유형과 퍼스널 컬러를 검사하고 이를 기반으로 화장품을 추천하는 온라인 쇼핑몰 웹사이트를 제작하게 되었다. 바우만 교수의 피부 유형 지표를 바탕으로 제작된 질문을 통해 사용자들의 피부 유형을 검사하고 해당 피부 유형 결과에 따른 상품을 추천해주는 알고리즘이 탑재되어 사용자에게 맞는 상품을 추천해준다. 텐서플로우 기반의 인공지능을 탑재하여 퍼스널컬러 테스트를 제작하였다. PBTI의 이러한 무료 테스트 서비스 제공은 다른 온라인 뷰티 쇼핑몰과 극명한 차별점을 만들고, 쇼핑몰 매출을 크게 증대시킬 것으로 기대한다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.29-56
• /
• 2021

전자상거래 시장이 빠르게 성장하면서 다양한 유형의 제품이 출시되고 있으며, 이로 인해 사용자들은 구매 의사결정과정에 많은 시간이 소요되는 정보 과부하 문제에 직면하고 있다. 따라서 사용자에게 맞춤형 제품 및 서비스를 제공해줄 수 있는 개인화 추천 서비스의 중요성이 대두되고 있다. 대표적으로 Netflix, Amazon, Google 등 세계적 기업은 개인화 추천 서비스를 도입하여 사용자의 구매 의사결정을 지원하고 있다. 이에 따라 사용자의 정보탐색 비용이 감소하는 효과가 나타났고, 기업의 매출 상승에도 긍정적인 영향을 끼치고 있다. 기존 개인화 추천 서비스 관련 연구에서 주로 사용된 협업필터링(Collaborative Filtering, CF) 기법은 정량화된 정보를 활용하여 사용자의 선호도를 예측하였다. 그러나 정량화된 정보만을 활용하면 사용자의 구매 의도는 고려하지 못하므로 추천 성능이 저하될 수 있다는 문제점이 제기되고 있다. 이와 같은 기존 연구의 문제점을 개선하기 위해 최근에는 사용자가 작성한 리뷰를 활용한 개인화 추천 서비스 연구가 활발히 진행되고 있다. 그러나 리뷰에는 광고성 내용, 거짓 후기, 의미를 전혀 파악할 수 없거나 제품과 관련 없는 내용 등 구매의사결정을 저해하는 요소들이 포함되어 있다. 이러한 요소들이 포함된 리뷰를 활용하여 추천 서비스를 제공하게 되면, 추천 성능이 저하되는 문제가 발생할 수 있다. 따라서 본 연구에서는 이러한 문제점을 개선하기 위해 Convolutional Neural Network(CNN) 기반 리뷰 유용성 점수 예측을 통한 새로운 추천 방법론을 제안하였다. 본 연구에서 제안하는 유용한 리뷰를 포함하는 방법론과 기존 모든 선호도 평점을 고려하는 추천 방법론을 비교한 결과, 본 연구에서 제안한 방법론이 더 우수한 예측 성능을 나타내고 있음을 확인할 수 있었다. 또한 본 연구의 결과는 리뷰 유용성에 대한 정보를 개인화 추천 서비스에 반영하면 전통적인 CF의 성능을 향상할 수 있음을 시사한다.

• 한국경영정보학회:학술대회논문집
• /
• 한국경영정보학회 2007년도 추계학술대회
• /
• pp.585-590
• /
• 2007

기업과 소비자간 일대일 상호작용을 가능하게 하는 전자상거래의 기술적 발달을 통해 소비자에게 더 나은 웹 경험을 제공하기 위해 개인화 서비스를 제공하고 있다. 개인화 추천을 수행하기 위해서는 추천을 받을 사용자와 유사한 다른 사용자들의 선호도를 반영하는 협업 필터링 기법이 많이 활용되고 있으며, 많은 사이트들이 추천을 받은 사용자에게 유사한 사용자들을 보여주어 사회망 연결을 위한 기회를 제공하고 있다. 본 연구에서는 웹 기반 개인화 추천 시스템을 이용하여 사용자에게 효과적으로 제품을 추천하기 위해서, 사회적 실재감(Social Presence)이 추천시스템의 만족도에 미치는 영향에 관하여 연구하고자 한다. 또한, 사회적 실재감을 높이기 위한 방안으로 사회망(Social Network) 데이터의 제시를 통해 다양한 차원의 사회적 실재감과 추천시스템에 대한 만족도 및 신뢰간의 영향관계를 분석한다. 이를 위해 실험집단을 나누어 세 가지 차원의 사회적 실재감을 부여하고, 집단간의 추천 시스템에 대한 신뢰와 만족도간에 차이가 있는지를 분석하였다.

• 한국통신학회논문지
• /
• 제37권7C호
• /
• pp.619-626
• /
• 2012

주요 검색엔진들은 확장 및 연관검색어를 추천하는 서비스를 제공함으로써 질의어 확장에 대한 사용자의 검색 편의성을 제공하고 있다. 하지만 많은 수의 사용자가 많이 찾는 검색어 즉, 대중성을 근거하여 제공되는 확장 및 연관검색어 추천 서비스는 사용자의 만족도를 높이는데 한계가 있다. 왜냐하면 사용자마다 생각하는 차이가 존재하며 선호하는 질의 및 관심 분야도 다르기 때문이다. 본 논문에서는 사용자의 정보요구에 적합한 효율적인 확장검색어를 추천하는 시스템을 설계 및 구현하고 웹 사용자의 정보검색 과정에서 최초 질의어 입력 후 질의어 확장 과정에서 사용자의 편의성을 향상시키고자 하였다. 평가결과 제안시스템은 검색엔진에서 추천하지 못한 구글 41% 및 야후 48%의 확장검색어를 추천할 수 있었으며 사용자의 편의성을 위하여 대중성 기반으로 추천되고 있는 확장 및 연관검색어 추천 서비스의 한계를 보완하여 사용자의 편의성을 향상시킬 수 있었다.

• 디지털융복합연구
• /
• 제17권9호
• /
• pp.375-381
• /
• 2019

최근 추천 시스템은 패션, 동영상, 음악 등을 중심으로 맞춤형 추천 서비스가 제공되어 사용자들의 관심을 모으고 있다. 그러나 이러한 서비스들은 실시간으로 발생하는 상황 정보를 사용하지 않아 여러 상황에 따른 적합한 서비스를 사용자에게 제공하기가 어렵다. 또한 적용되는 상황 정보가 차원을 확장시킬 경우, 데이터 희소성(Data Sparsity)을 증가시켜 사용자들에게 적합한 음악들을 추천할 수 없는 문제가 발생한다. 본 연구에서는 이러한 문제점을 해소시키기 위해 연관규칙(Association Rules)을 적용하여 사용자의 현재 위치 정보와 시간 정보에 대한 관계성 및 규칙들을 이용하여 실시간 상황에서 적합한 음악을 추천하는 시스템을 제안하였다. 수집된 상황 정보를 바탕으로 5-fold Cross Validation을 진행하여 위치와 시간 정보에 따른 추천 시스템의 정확도를 측정하였다. 그 결과 상황 정보가 누적됨에 따라 추천 시스템의 정확도가 향상되는 것을 확인할 수 있었다.

• 정보처리학회논문지D
• /
• 제16D권2호
• /
• pp.273-280
• /
• 2009

오늘날 컴퓨팅 환경의 진보와 웹의 이용이 활발해짐에 따라 오프라인에서 이루어졌던 있었던 많은 서비스들과 상품의 제공이 웹에서 이루어지고 있다. 이러한 웹 기반 서비스 및 상품은 개인에 적합하게 취사선택되어 제공되는 추세이다. 이렇듯 개인에 적합한 서비스 및 상품의 선택과 제공을 위한 패러다임을 개인화(personalization)라 한다. 개인화된 서비스 및 상품의 제공을 위한 분야로서 연구된 것이 추천(recommendation)이다. 그러나 이러한 추천 기법들은 신규 사용자에게 적합한 추천을 제공하지 못하는 문제와 사용자의 상품에 대한 평점에만 의존하여 추천을 생성한다는 계산 공간에서의 제약 사항을 가지고 있다. 두 문제 모두 추천 분야에서 지속적인 관심을 보이는 분야로서 신규사용자 추천 문제의 경우는 신규 사용자의 평점이 없기 때문에 유사 사용자들을 분류할 수 없음에 기인한다. 그리고 추천 공간 제약에 따른 문제는 추천 차원의 추가에 따른 처리 비용이 급격히 증가한다는 문제를 가지고 있기 때문에 쉽게 접근하기 어렵다. 따라서 본 논문에서는 신규사용자 추천 향상을 위한 기법과 평점 예측 시 예측에 대한 가중치를 적용하는 기법을 제안한다.

• 한국ITS학회 논문지
• /
• 제8권1호
• /
• pp.119-126
• /
• 2009

최근 개개인의 취향이나 특성을 고려하여 자동으로 사용자에게 정보를 찾아주거나 추천해주는 추천 서비스 시스템이 많이 개발되고 있다. 하지만 사용자의 상황에 따른 선호도를 고려하지 않을 경우 정확한 추천이 힘든 단점이 있다. 따라서 본 논문에서는 사용자의 상황에 따른 선호도를 고려하여 정확한 추천을 할 수 있는 필터링 방법을 제안하였다. 이를 위해 상황에 따른 사용자 선호도를 구하고 피어슨 상관계수를 이용하여 사용자의 상황별 오브젝트 선호도를 구하였다. 실험 결과, 기존의 서비스 시스템들과 비교하여 precision은 11%, 2%, recall은 8%, 4% 향상되었으며, 전체적으로 precision은 77%, recall은 53%로 나타났다.

• 한국도서관정보학회지
• /
• 제53권4호
• /
• pp.189-209
• /
• 2022

본 연구는 국내 공공도서관에서 제공하고 있는 온라인 북큐레이션 서비스와 해당 서비스에서 추천된 도서를 내용분석하여 그 특성을 파악하는 것이 목적이다. 분석대상은 23개 공공도서관에서 수집한 35가지 온라인 북큐레이션 서비스와 11,447권의 추천도서 목록이며, 연구의 결과는 다음과 같다. 일부 도서관들만 추천주제를 제시하고 있었고, 추천대상은 특정한 대상을 지정하지 않은 경우가 가장 많았으며, 도서의 추천주기는 월별이 가장 많았다. 대체로 추천되는 도서는 서로 중복되지 않지만, 2019~2021년에 발행된 '문학'(소설)에서는 중복이 있었다. 추천도서는 일부 발행처에서 출판한 도서의 비중이 높았으며, 2019~2021년에 발행된 도서들이 가장 많았다. KDC 6판 기준으로 분석한 주제분야는 '문학'이 가장 많았다. ISBN 부가기호 기준으로 분석한 독자대상은 '교양', '아동' 도서 순으로 나타났고, 발행형태는 '단행본'과 '그림책, 만화' 순으로 나타났다. 이 결과를 바탕으로 공공도서관을 위한 온라인 북큐레이션 서비스 지침을 개발하고 플랫폼을 구축하여 도서관들이 공유하는 것을 제안하였다.