• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2018년도 추계학술발표대회
• /
• pp.856-859
• /
• 2018

사용자 위치 기반 방문지 장소 추천에 대한 연구가 활발히 진행되었다. 기존 장소 추천 모델은 모든 사용자가 방문지 선택을 결정하는 항목에 동일한 가중치를 부여한다고 가정하여 주어진 정보안에서 정확도를 최대화 시키는데 초점이 맞춰져 있다. 이러한 모델은 사용자의 항목별 선호도가 모델의 가정과 일치하지 않을 때 추천 정확도가 급감한다는 문제점을 가진다. 본 연구에서는 방문지 선택을 결정하는 항목에 가중치를 사용자가 직접 설정하고, 이를 토대로 장소를 추천하는 모델 및 알고리즘을 제안 및 구현한다. 제안하는 기법을 통해, 상이한 요구사항을 지닌 방문 후보자가 자신의 경향성을 반영한 장소를 추천 받는 서비스를 제공할 수 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2015년도 추계학술발표대회
• /
• pp.1512-1513
• /
• 2015

본 연구에서는 다차원 추천시스템을 기반으로 동영상 음악추천 시 평가 함수R을 극대화하기 위한 각 다차원 구성요소들은 무엇이고, 이들의 상대적 가중치에 대하여 연구하였다. 일반적으로 추천시스템의 구성변수가 많아질수록 평가 함수R을 극대화하는 것이 유리하나, 계산의 복잡성으로 예측성능과 추천유효성을 저해할 수 있어 구성변수의 증가와 추천 성능을 동시에 해결하는 것이 필요하다. 연구대상 음악동영상은 일반 영상과 달리 오디오 정보와 시선 정보를 싱크하여 감정의 흐름을 추론한다. 실험 대상자는 사용자가 선호할 것으로 예상되는 음악동영상을 추론하기 위하여 대학생으로 한정한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2011년도 추계학술발표대회
• /
• pp.1226-1228
• /
• 2011

본 논문에서는 영화를 즐기는 이용자들에게 영화를 추천하는 추천 시스템 개발에 대해 논한다. 본 논문에서는 유저 기반 협업 필터링 기술을 적용한 영화 추천 웹 서비스를 개발하였고, 웹 크롤링 기술을 이용하여 추천된 영화의 상세한 정보를 제공할 수 있도록 하였다. 유저 스터디를 수행한 결과 이 영화 추천 시스템을 이용한 사용자들의 만족도는 대체로 높았다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 춘계학술발표대회
• /
• pp.470-472
• /
• 2023

최근 위치 기반 장소 (POI) 추천 서비스가 많이 사용되면서, 사용자의 이전 방문지들에 대한 체크인 시퀀스를 기반으로 현재 (다음으로) 방문할 법한 POI 를 찾아 사용자에게 추천하는, next POI 추천 시스템에 관한 연구가 활발히 진행되고 있다. 하지만, 기존 연구들의 경우 next POI 추천을 위한 모델 학습 시, 사용자의 네거티브 POIs 에 관한 정교한 샘플링 없이 사용자 선호도를 추론해왔다. 본 연구에서는, 사전 학습된 별도의 사용자 선호도 추론 모델을 통해 사용자의 네거티브 POI로서 쉽게 분류되기 어려운 하드 네거티브 POIs 를 찾고, 이들을 위주로 수행되는 하드 네거티브 샘플링 방법을 새롭게 제안한다. 우리는 실 세계 데이터셋을 이용한 실험을 통해, 제안 방안이 기존 연구들에서 사용되어 온 랜덤 네거티브 샘플링 방법 대비 recall@5 기준, 최대 16.4%까지 추천 정확도를 향상시킬 수 있음을 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.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2012년도 한국컴퓨터종합학술대회논문집 Vol.39 No.1(C)
• /
• pp.36-38
• /
• 2012

최근 사용자들의 궤적 분석을 통해 사용자의 성향에 적합한 정보를 추천해주는 연구들이 진행되고 있다. 이러한 연구들은 여행지 추천, 친구 추천 등과 같은 응용 서비스를 위해서 클러스터링 기법과 패턴 매칭 기법을 많이 사용하고 있다. 그러나 클러스터링 기법은 추천 받는 사용자의 선호도가 반영되지 않고, 다른 사용자들의 선호도에 따라 추천을 해주는 단점이 존재한다. 또한, 패턴 매칭 기법은 다른 사용자와의 POI(Point of Interest)의 유형과 거리를 비교하여 추천을 수행하기 때문에 사용자의 세부적인 선호도를 반영할 수 없는 단점이 존재한다. 이러한 기존 연구들을 보완하기 위해 본 논문에서는 POI의 속성 정보와 사용자의 이동 패턴을 고려한 POI을 추천 기법을 제안한다. 제안하는 기법은 크게 사용자의 속성 정보를 이용해서 선호도를 계산하고 선호도가 다른 궤적을 필터링하는 부분과 패턴 매칭 기법을 사용하여 근접한 궤적을 찾는 부분으로 구성된다. 제안하는 기법의 우수성을 입증하기 위해서 추천된 POI 궤적과 사용자 POI 궤적을 비교하여 두 궤적의 이동 패턴이 유사함을 확인하였다.

• 한국도서관정보학회지
• /
• 제52권1호
• /
• pp.155-178
• /
• 2021

4차산업혁명 시대에서 공공도서관은 인공지능과 같은 외부 환경 변화에 능동적으로 대응하기 위하여 도서관 지능형서비스 추진 전략이 필요하다. 따라서 본 연구에서는 인공지능의 개념과 국내외 인공지능 관련 동향 및 정책, 사례 등의 분석 내용을 기반으로 도서관에서의 향후 인공지능 서비스 도입 및 발전 방향성에 대해 제안하였다. 현재 도서관에서는 딥러닝, 자연어처리 등 인공지능 기술 도입을 통해 자동으로 답변을 제공하는 참고정보서비스를 운영하며, 빅데이터 기반 AI 도서 추천 및 자동 도서 점검 시스템을 개발하여 업무 활용도를 높이고, 이용자 맞춤형 서비스를 제공하고 있다. 기업 및 산업 분야에서는 국내외를 막론하고, 사용자 개인 맞춤형 등을 기반으로 한 기술을 개발하여 서비스하고 있으며, 딥러닝을 사용하여 정보를 스스로 학습하여 최적의 결과를 제공하는 식의 형태로 개발하고 있다. 이에 따라 향후 도서관에서 인공지능을 활용하여, 이용자의 이용 기록을 기반으로 한 개인 맞춤형 도서 추천, 독서·문화 프로그램 추천, 도서 택배 서비스 시 자율주행 드론·자동차 등 운송수단을 통한 실시간 배송 서비스 도입 등 다양한 서비스 개발을 도모해야 한다.

• 서비스연구
• /
• 제13권3호
• /
• pp.82-104
• /
• 2023

본 연구는 AI챗봇 서비스를 이용한 사용자의 경험이 관계품질과 행동의도에 미치는 영향에 대해서 살펴보고자 하였다. 연구를 위하여 AI챗봇 서비스를 경험한 사용자를 대상으로 설문조사를 실시하였고, 최종 299부의 유효한 데이터를 분석하여 연구가설을 검증하였다. 분석결과 AI챗봇 서비스의 인지적 경험, 감성적 경험 및 관계적 경험을 통하여 사용자에게 AI챗봇 서비스에 대한 관계품질 차원인 만족과 신뢰가 형성됨을 확인하였으며, 특히 인지적 경험에서 AI챗봇 만족과 신뢰로의 경로계수가 감성적 경험 및 관계적 경험의 경로계수보다 크게 높았다. 또 만족과 신뢰는 각각 AI챗봇 서비스에 대해 소비자의 행동의도 차원에 해당하는 지속사용의도와 추천의도에 긍정적인 영향을 미침을 확인하였다. 또 관계품질에서 행동의도로의 모든 경로에서 유의함을 보였지만, 만족에서 AI챗봇 지속사용의도와 추천의도로의 경로계수가 신뢰에서의 경로계수보다 크게 높았다. 본 연구를 통하여 행동의도에 영향을 미치는 관계품질과의 영향 관계가 온라인 환경의 AI챗봇 서비스에서도 영향을 미친다는 이론적 토대를 마련할 수 있었으며, 관계품질이 AI챗봇 서비스 제공자 즉, 기업과 AI챗봇 서비스 사용자의 지속사용의도와 추천의도 등 소비자와의 장기적인 관계를 맺어가는데 있어서 중요한 매개요인임을 시사한다는 점에서 연구의 의의가 있다.

• 디지털융복합연구
• /
• 제12권6호
• /
• pp.277-287
• /
• 2014

위치 기반 소셜 네트워크 서비스에서 사용자들은 체크인 데이터를 이용해 장소를 공유하고 커뮤니케이션을 한다. 체크인 데이터는 POI명, 카테고리, 장소 좌표/주소, 사용자 닉네임, 장소 평가 점수, 관련 글/사진/동영상 등으로 구성된다. 위치 기반 소셜 네트워크 서비스에서 이러한 체크인 데이터를 상황에 맞게 분석하면 다양한 맞춤형 서비스를 제공할 수 있다. 따라서, 본 논문에서는 사용자 체크인 데이터를 활용할 수 있는 LBSNS(Location-based Social Network Service) 기반 장소 추천 시스템을 개발하였다. LBSNS 기반 장소 추천 시스템은 체크인 데이터 중 장소 카테고리를 분석하여 가중치를 추출하고, 피어슨 상관계수를 이용해 사용자간의 유사도를 구한다. 그리고 협업적 필터링 알고리즘을 이용하여 추천 장소에 대한 선호도 점수를 구하고, 추천 대상 장소의 위치와 사용자의 현재 위치에 대해 유클라디안 알고리즘을 적용하여 거리 점수를 구한다. 마지막으로, 선호도 점수와 거리 점수에 대해 가중치 계수를 적용하여 상황에 맞게 장소를 추천한다. 또한, 본 논문에서는 실제 데이터를 이용한 실험을 통해 본 논문에서 제시한 시스템의 우수성도 입증하였다.

• 한국정보과학회논문지:시스템및이론
• /
• 제33권9호
• /
• pp.650-657
• /
• 2006

음악은 삶의 일부이며 상황에 따라 많은 영향을 받는다. 그러나 음악 추천 시스템에 관한 기존 연구들에서는 사용자로부터 획득한 몇 가지 메타데이타(장르, 아티스트 등)만을 내용기반 필터링으로 분석하여 이용함으로써 적절한 상황을 고려하지 못하는 문제점이 있었다. 최근 들어 환경의 몇 가지 상태(온도, 습도 등)변화를 적용한 추천 연구가 이루어지고 있지만 상황으로서 이해하기는 부족한 실정이다. 그러므로 우리는 기존연구에서의 메타데이타는 물론 상황정보를 동적으로 반영하여 사용자가 더욱 만족할 수 있는 음악을 추천하는 것을 제안한다. 또한 사용자에 의한 피드백이 가능함으로써 서비스를 더 향상시킬 수 있다. 이를 해결하기 위해 본 논문에서는 음악 선곡에 필요한 상황정보를 정의하고 내용기반 필터링 기법을 사용하여 사용자의 취향과 상황에 적합한 음악 추천 시스템을 설계한다. 본 추천 시스템에서는 홈 네트워크 환경에서 상황정보를 인식하기 위해 OSGi 프레임워크를 사용하였으며 서비스 이동성 및 분산처리를 지원하여 음악 선곡에 대한 사용자의 만족도와 서비스의 질을 향상 시켰다.