• 한국HCI학회:학술대회논문집
• /
• 2006.02a
• /
• pp.299-304
• /
• 2006

기존에 개발된 사용자 선호 정보를 이용한 TV 추천 시스템은 대부분 사용자의 명시적인 요구에 따라 방송 프로그램을 추천하는 데 중점을 두고 개발되었다. 하지만, 유비쿼터스 환경이 도래함에 따라서 사용자의 요구에 따라 반응하는 수동적인 서비스 보다는 상황정보(Context)를 활용하여 능동적인 서비스를 지원할 수 있는 기술이 필요하다. 따라서 본 논문에서는 CAMUS(Context-Aware Middleware for URC Systems) 상황인식 미들웨어를 이용하여 사용자 위치 상황정보에 따라 능동적으로 추천할 수 있는 TV 추천 서비스 에이전트를 제안한다. 제안된 시스템은 CAMUS 기반 서비스 에이전트와 태스크를 구현함으로써, 상황정보에 따라 능동적으로 다채널에서 방송되는 프로그램 및 사용자의 선호도 정보를 분석하여 사용자가 원하는 프로그램을 추천한다.

• 한국경영정보학회:학술대회논문집
• /
• 2007.06a
• /
• pp.565-570
• /
• 2007

네트워크의 발달은 유선 인터넷(Wired LAN)과 무선 인터넷(Wireless LAN) 시대를 지나 휴대 인터넷(Mobile LAN)으로 발전하고 있다. 이처럼 다양한 네트워크의 공존은 사용자에게 보다 빠르고 저렴한 서비스를 제공하고 있다. 본 논문에서는 모바일 기기 사용자를 위한 개인화 방법으로 협업 필터링 방법을 통한 추천과 푸쉬(push) 방식의 서비스 방법을 제안한다. 사용자 프로파일 정보는 협업 필터링 방법을 통한 사용자 선호 음악 추천을 수행하고, 추천된 사용자 선호 음악은 모바일 기기로 푸쉬 서비스 된다. 추천을 통한 모바일 음악 푸쉬 서비스는 모바일 기기 사용자로 하여금 네트워크 환경에 접속되어있을 때 사용자 취향에 맞는 음악을 능동적으로 다운로드 해 둠으로써 사용자가 음악을 선택하여 모바일 기기로 다운로드 하는 시간을 줄여 줄 수 있다.

• Information Systems Review
• /
• v.18 no.2
• /
• pp.59-77
• /
• 2016

Although various recommendation techniques have been applied to the e-commerce market, few studies compare the intent to use these techniques from the customer's perspective. In this paper, we conduct a comparative analysis of customers' intention to use five recommendation techniques widely adapted by online shopping malls and focus on the differences in purchasing electronic goods and apparel products. The recommendation techniques are as follows: best-seller recommendation, merchandiser recommendation, content-based recommendation, collaborative filtering recommendation, and social recommendation. Additionally, we examine which factors influence customer intent to use the recommendation services. Data were collected through a survey administered to 220 e-commerce users with prior experience with recommendation services. Collected data were examined using analysis of variance and regression analysis. Results indicate statistically significant differences in customers' intention to use recommendation services according to the recommendation technique. In particular, the best-seller recommendation technique is preferred when purchasing electronic goods, whereas the content-based recommendation technique is preferred for apparel purchases. Factors such as personal characteristics and personality, purchasing tendency, as well as perception of the product or recommendation service affect a customer's intention to use a recommendation service. However, the influence of these factors varies depending on the recommendation technique. This study provides guidelines for companies to adopt appropriate recommendation techniques according to product categories and personal characteristics of customers.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2019.10a
• /
• pp.781-784
• /
• 2019

최근 AI를 산업 서비스에 적용하기 위해 많은 회사들이 활발히 연구를 하고 있다. 아마존과 넷플릭스 같은 거대 기업들은 이미 빅데이터와 AI 머신러닝을 이용한 추천 시스템을 구현하였고 아마존은 매출의 35%가 추천에 의해 발생하고 넷플릭스 75%의 사용자가 추천을 통해 영화를 선택한다고 보고되었다. 이러한 두 기업의 높은 추천 효율성의 이유는 협업 필터링(Collaborative filtering)과 같은 다양한 추천 알고리즘과 방대한 상품 및 고객 행동(구매, 시청 등) 데이터 등이 존재하고 있기 때문이다. 기계학습에서 알고리즘 학습을 위한 데이터의 양이 많지 않을 경우 알고리즘의 성능을 보장할 수 없다는 것이 일반적인 의견이다. 방대한 데이터를 가진 기업에서 추천 알고리즘을 적극적으로 활용 및 연구하고 있는 것도 이러한 이유 때문이다. 반면, 오프라인 및 여행사 기반에서 온라인 기반으로 영역을 차츰 확대하고 있는 항공 서비스 고객 데이터의 경우, 산업의 특성상 많은 회원에 비해 고객 1명당 온라인에서 활동하는 이력이 많지 않은 것이 특징이다. 이는, 추천 알고리즘을 통한 서비스 제공에서 큰 제약사항으로 작용한다. 본 연구에서는, 이러한 희박한 고객 활동 데이터에서 최신성 기반의 추천 시스템을 통하여 제약사항을 극복하고 추천 효율을 높이는 방법을 제안한다. 고객의 최근 접속 이력 로그를 시간 기준으로 데이터 셋을 분할하여 추천 알고리즘에 반영하였을 때, 추천된 노선에 대한 고객의 반응을 추천 성능 지표인 CTR(Click-Through Rate)로 측정하여 성능을 확인해 보았다.

• Journal of Digital Contents Society
• /
• v.18 no.8
• /
• pp.1561-1566
• /
• 2017

Due to the advances in machine learning and artificial intelligence technologies, many new services have become available. Among such services, recommendation systems have already been successfully applied to commercial services and made profits as in online shopping malls. Most recommendation algorithms in commercial services are based on content analysis or explicit feedback rates as in movie recommendations. However, many online shopping malls have difficulties in content analysis or are lacking explicit feedbacks on their items, which results in no recommendation system for their items. Even for such service systems, user log data is easily available, and if recommendations are possible with such log data, the quality of their service can be improved. In this paper, we extract implicit feedback like click information for items from log data and provide a recommendation system based on the implicit feedback. The proposed system is applied to a real in-service online shopping mall.

• Journal of Digital Contents Society
• /
• v.15 no.6
• /
• pp.711-719
• /
• 2014

Along with the advent of ubiquitous computing environment, it is becoming a part of our common life style that the demands for enjoying the wireless internet using intelligent portable device such as smart phone and iPad, are increasing anytime or anyplace without any restriction of time and place. The recommending service becomes a very important technology which can find exact information to present users, then is easy for customers to reduce their searching effort to find out the items with high purchasability in e-commerce. Traditional mining association rule ignores the difference among the transactions. In order to do that, it is considered the importance of type of merchandise or service and then, we suggest a new recommending service using mining sequential pattern based on weight to reflect frequently changing trends of purchase pattern as time goes by and as often as customers need different merchandises on e-commerce being extremely diverse. To verify improved better performance of proposing system than the previous systems, we carry out the experiments in the same dataset collected in a cosmetic internet shopping mall.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2014.11a
• /
• pp.74-76
• /
• 2014

모바일 단말, 웨어러블 디바이스 등 개인용 단말의 이용이 확대되면서 사용자 및 사용자 그룹의 다양한 미디어 소비정보, 이용 패턴 정보 기반으로 하는 다양한 서비스가 확대되고 있다. 이러한 개인 혹은 사용자 그룹을 대상으로 하는 대표적이면서 가장 서비스 효율을 높일수 있는 서비스 가운데 하나가 타겟팅 광고 서비스이다. 이러한 타겟팅 광고 서비스는 단순한 개인의 선호도 정보만을 반영하는 것에서 개인의 미디어 소비이력, 미디어 이용패턴 정보 등 사용자가 직접적으로 정보를 입력없이 추천이 가능하도록 연구가 계속되고 있다. 본 논문에서는 고정형 및 모바일 단말에서 사용자의 미디어 콘텐츠 선호 정보 및 소비이력 정보를 통합적으로 반영하여 타겟팅 광고 콘텐츠를 자동적으로 선정하고 추천하는 엔진을 설계 구현하였다. 제안한 추천엔진은 콘텐츠 특성에 대한 선호도와 사용자의 콘텐츠 소비 패턴에서 취득된 정보를 기반으로 예측된 선호도를 결합하여 사용자의 최종 선호도를 추정하고, 이를 기반으로 광고 콘텐츠에 대한 추천을 수행한다. 사용자 메타데이터 및 콘텐츠 메타데이터는 TV-Anytime 표준을 기반으로 하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2007.10d
• /
• pp.390-393
• /
• 2007

사용자들은 분산 P2P 환경을 통해 대량의 멀티미디어 콘텐츠를 쉽게 제공 밭을 수 있는 환경이 되었다. 또한 고용량 모바일 기기의 발전과 보급이 확산됨에 따라 사용자들은 사진, 음악, 동영상과 같은 멀티미디어 콘텐츠를 대량으로 휴대하며 이용할 수 있게 되었다. 그러나, 이러한 대량의 멀티미디어 콘텐츠 관리는 사용자 각자에게 맡겨져 있어 콘텐츠 관리를 어렵게 하고 있는 현실이다. 본 논문에서는 분산 P2P 환경에서 멀티미디어 콘텐츠의 공유와 추천을 통해 사용자에게 적합한 콘텐츠를 제공하고, 제공된 콘텐츠는 모바일 동기화 서비스를 통해 모바일 기기로 저장하고 관리되는 #분산 P2P 환경에서 모바일 동기화 서비스를 통한 멀티미디어 콘텐츠 추천 시스템#을 설계하고 실험하였다. 제안된 시스템은 사용자 선호 프로파일 정보로 협업 필터링을 통해 분산 P2P 환경에서 공유된 멀티미디어 콘텐츠 중에서 적합한 콘텐츠를 추천해 주고, 추천된 콘텐츠는 푸쉬 서비스를 통해 모바일 기기로 저장되며. 모바일 기기 사용자의 행동에 따라 모바일 동기화 서비스를 통해 사용자 모바일 기기의 콘텐츠를 관리한다. 이처럼 제안된 시스템은 콘텐츠 추천과 모바일 동기화 서비스로 능동적인 콘텐츠 관리를 제공하여 사용자에게 효율적인 콘텐츠 관리 기법과 활용 방법을 제공 할 수 있다.

• Annual Conference on Human and Language Technology
• /
• 2009.10a
• /
• pp.116-120
• /
• 2009

최근 IPTV 상용화와 디지털 방송 본격화는 사용자에게 다양한 방송 프로그램을 제공한다는 장점도 있지만, 동시에 수많은 프로그램을 탐색하여 선별해야 하는 부담을 주고 있다. 이러한 불편함을 해소하고자 최근에는 사용자 선호도와 방송 프로그램 정보를 이용하여 사용자 취향에 맞는 프로그램을 자동으로 추천하는 서비스의 요구가 증대되고 있다. 또한 궁극적으로 방송 서비스가 '개인화'와 '개방화'의 형태로 진행되고 있다는 점을 감안하면, 추천 서비스는 TV 프로그램 뿐만 아니라 광고도 포함해야 하며, 다중 언어를 지원하는 형태로 발전되어야 한다. 본 논문에서는 다중 언어를 지원하는 개인화된 TV 프로그램 및 광고 추천 서비스를 위한 하나의 시스템을 제안한다. 우리는 먼저 사용자 시나리오를 작성하고, 기능 요구사항들을 분석하여 시스템 구조를 설계한다. 그리고 다중 언어를 지원하는 시스템에서의 한글 처리 방법도 간단히 설명한다. 본 연구는 현재 유럽 공동기술 개발 사업 과제의 일환으로 진행되고 있어, 여기에서는 현 시점의 결과물인 시나리오, 시스템 구조 설계, 한글 처리까지 소개하고 있다.

• Proceedings of the Korea Contents Association Conference
• /
• 2008.05a
• /
• pp.43-48
• /
• 2008

And this study intends to discuss especially the one using emotional filter among various information processing methods. The existing music recommendation service on the web has a weak point that it makes the user feel bored by recommending songs only with similar feeling of the same genre, because music is classified by tune, melody, atmosphere and genre before recommendation. The service using emotion filter, suggested in this study, recommends the song and lyrics appropriate to the current emotional state of the user by abstracting emotional words that could reflect the sensitivity of human and then search the words within lyrics to match in order to overcome the weak point of the existing service. This study starts where the current emotional status for the user is being input. As for the range to choose, there are the seven representatives of emotion which are, love, separation, joy, sorrow-gloom, happiness-lonesome, and anger. As the service receives input of user's emotion, it matches the emotional words appropriate for the emotion input with the lyrics, and ranks the lyrics in the order of priority, so that it recommends the song and it lyrics to the user.