• Proceedings of the Korean Information Science Society Conference
• /
• 2006.10d
• /
• pp.385-390
• /
• 2006

모바일 환경이 언제, 어디서든지 원하는 서비스나 콘텐츠에 접근할 수 있다는 장점에도 불구하고, 모바일 단말기는 여러 가지 취약한 단점들을 가지고 있다. DMB, 인터넷, 모바일 등에 대한 콘텐츠 또는 정보의 양이 거대하게 증가하면서 사용자는 때때로 자신이 원하는 콘텐츠를 찾는데 어려움을 겪게 되며, 많은 시간을 소비하게 된다. 발전하는 모바일 환경 및 단말기의 장점을 최대한 이용할 뿐만 아니라 모바일 단말기가 가지는 제약 사항들의 한계를 극복하여 사용자가 원하는 정보 및 콘텐츠를 언제 어디서나 빠른 시간에 이용할 수 있는 모바일 환경에 적합한 추천시스템의 필요성은 증가하고 있다. 본 논문에서는 기존의 서버 중심의 추천시스템을 개선하여 클라이언트와 서버간의 데이터 교환을 통하여 추천 정확도를 높일 수 있는 추천시스템 구조를 제안한다. 제안하는 시스템은 사용자의 히스토리를 이용하며, 클라이언트에서는 모바일 단말기 사용자만의 히스토리를 이용한 추천 알고리즘을 적용하였고, 서버에서는 협업 필터링을 통해 다른 사용자의 히스토리를 이용한 추천 알고리즘을 적용하였다. 실험 결과는 서버 중심의 추천시스템 보다 더 높은 정확도를 제공할 수 있다는 것을 보여준다.

• Journal of Convergence for Information Technology
• /
• v.9 no.5
• /
• pp.1-6
• /
• 2019

As the mobile market expands, a variety of platforms are available to provide multimodal media content. Multimodal media content contains heterogeneous data, accordingly, user requires much time and effort to select preferred content. Therefore, in this paper we propose multimodal media content classification using keyword weighting for recommendation. The proposed method extracts keyword that best represent contents through keyword weighting in text data of multimodal media contents. Based on the extracted data, genre class with subclass are generated and classify appropriate multimodal media contents. In addition, the user's preference evaluation is performed for personalized recommendation, and multimodal content is recommended based on the result of the user's content preference analysis. The performance evaluation verifies that it is superiority of recommendation results through the accuracy and satisfaction. The recommendation accuracy is 74.62% and the satisfaction rate is 69.1%, because it is recommended considering the user's favorite the keyword as well as the genre.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.10b
• /
• pp.362-365
• /
• 2006

인터넷 사용자가 급증함에 따라 온톨로지를 이용한 지능형 웹이나 인터넷 사용자에게 개인 맞춤형 서비스를 제공하기 위한 다양한 연구가 진행되고 있다. 대표적인 예로 문맥광고는 인터넷 사용자들이 뉴스나 커뮤니티 사이트에서 콘텐츠를 조회하고, 해당 콘텐츠와 일치하거나 관련성이 높은 제품 또는 서비스 정보를 제공하는 광고기법이다. 그러나 문맥 광고는 사용자에게 다양한 콘텐츠 및 사이트 추천 서비스를 제공하지 못하고 있다. 따라서 다양한 콘텐츠 및 사이트 추천 서비스를 제공하기 위해 본 논문에서는 사용자가 조회한 콘텐츠의 내용을 대표할 수 있는 중요 키워드를 선정하고, 콘텐츠 내에서 추출된 키워드간의 연관성을 분석하여 관련 콘텐츠 및 사이트를 추천하는 방법에 대해 제안한다. 또한 연관키워드리스트 생성방법을 고속연관규칙을 이용하여 처리속도를 줄이고, 사용자가 선호할 만한 다양한 콘텐츠와 관련된 사이트를 제공하는 방법에 대해 제안한다.

• The Journal of the Convergence on Culture Technology
• /
• v.7 no.3
• /
• pp.523-528
• /
• 2021

Current YouTube recommends similar contents to users based on the contents they actually consumed. Due to the feature of these algorithms, users are well recommended for contents in similar fields, but it is difficult to be recommended contents in fields that have never been consumed. There is a limit to being widely recommended for videos. I want to solve this problem by utilizing crowd sourcing. I propose a platform that can be recommended for various channels, through direct participation of the public people using youtube. Users can be recommended a variety of channels, communicate with people in the channel discussion room, and at the same time generate revenue by recommending channels. I hope that this platform can be used in various crowd sourcing-based recommendation platforms.

• Proceedings of the Korea Contents Association Conference
• /
• 2011.05a
• /
• pp.91-92
• /
• 2011

최근 유비쿼터스 시대의 도래와 함께 모바일 기기를 이용한 서비스 수요가 급격히 증가함에 따라 대량의 콘텐츠와 서비스를 효율적으로 제공하기 위한 연구가 진행되고 있다. 이를 위해 사용자의 상황 정보를 이용하여 개인화 서비스를 제공하기 위한 다양한 모델들이 제시되고 있다. 하지만 이러한 모델들은 상황에 따른 사용자의 선호도 혹은 컨텍스트를 자체적으로 수집/분석하여 추천한다는 점에서 신뢰도가 높은 콘텐츠를 추천하지 못하거나 이를 검증할 수 없다는 문제점이 있다. 본 논문에서는 시공간 복합 상황 정보와 사용자의 컨텍스트를 활용한 분석과 함께 콘텐츠와 서비스를 제공하는 외부 CP(Contents Provider)가 Open API로 제공하는 신뢰도에 따라 소비 가치가 높은 최적의 콘텐츠를 제공할 수 있는 추천 시스템을 제안한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2019.01a
• /
• pp.437-438
• /
• 2019

스마트폰을 중심으로 한 모바일 기기의 보급과 온라인 소셜 네트워크 서비스의 이용자들이 증가하면서 사용자들은 많은 콘텐츠를 소비하고 공유한다. 이는 콘텐츠 사용자들의 개별적 기호에 맞지 않거나 만족도가 떨어지는 콘텐츠를 소비하게 한다. 이와 같은 문제를 해결하기 위해 소셜 네트워크 사용자에게 적합한 콘텐츠를 추천하기 위한 기법에 대한 연구가 활발하게 진행되고 있다. 본 논문에서는 온라인 상에 존재하는 다양한 정보 중에서 공연과 관련한 콘텐츠들을 중심으로 사용자 성향별로 추천을 해줄 수 있는 협업필터링 방법에 대하여 제안한다.

• Proceedings of the Korea Contents Association Conference
• /
• 2006.11a
• /
• pp.745-749
• /
• 2006

The appearance of wirelsss internet service made accessing easier than existing mobile devices. Due to the properity of mobile devices, we can easily obtain his/her profile information compared to a wired internet service. It enables to provide a personalized service through mobile devices. In this paper, we propose a recommendation service based on collaborative filtering method and a content push service. Using users' profile information, we recommand a target user's favoriate content. The recommanded contents are stored in mobile device through the push service. When we connect a wireless internet service, our mobile push service starts to cache from user's favorite contents. Especially, when we select a large mobile content, our system can reduce a download time by using our recommandation service. Also, in case of a connectionless, we can use a cached data from pushed content in our mobile device.

• The Journal of the Korea Contents Association
• /
• v.17 no.11
• /
• pp.183-191
• /
• 2017

In order to secure the convenience of information retrieval by users of scientific information service platforms and to reduce the time required to acquire the proper information, this study proposes an optimized content recommendation algorithm among the algorithms that currently provide service menus and content information for each service, and conducts comparative evaluation on the results. To enhance the recommendation accuracy, users' major items were added to the original algorithm, and performance evaluations on the recommendation results from the original and optimized algorithms were performed. As a result of this evaluation, we found that the relevance of the content provided to the users through the optimized algorithm was increased by 21.2%. This study proposes a method to shorten the information acquisition time and extend the life cycle of the results as valuable information by automatically computing and providing content suitable for users in the system for each service menu.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2012.07a
• /
• pp.117-120
• /
• 2012

본 논문에서는 토픽 모델링 기반 TV 프로그램 유사 시청 사용자 그룹핑 및 이를 이용한 TV 프로그램 콘텐츠 추천 알고리듬을 제안하였다. 제안 기술은 토픽 모델링 기법 중 Latent Dirichlet Allocation(LDA) 방법을 이용하여 TV프로그램 시청 기록 내에서 은닉된 유사 사용자들을 그룹핑하고 이러한 유사 시청 사용자 그룹 정보를 이용하여 사용자에게 선호 TV 프로그램 콘텐츠를 자동으로 추천하는 알고리듬이다. 제안된 자동 추천 알고리듬의 성능평가를 위해 실제 TV 시청기록 데이터를 이용하여 훈련 기간과 검증 기간을 나누어 훈련 기간 동안 제안한 알고리듬을 이용하여 사용자 개인에 대한 추천 TV 프로그램 콘텐츠 목록을 생성하여 검증 기간 동안에 실제 추천된 TV프로그램을 얼마나 시청했는지를 측정하여 추천 정확도를 검증하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.01a
• /
• pp.23-26
• /
• 2022

OTT 서비스의 이용자가 폭발적으로 증가하고 있는 지금, 사용자에게 맞춤형 상품을 추천하는 것은 해당 서비스에서 중요한 사안이다. 본 논문에서는 콘텐츠 기반 추천 시스템의 모델을 제안하고, 영화 데이터를 추가 해가며 예측력을 높일 최종적인 모델을 채택하고자 한다. 이를 위해 GroupLens와 Kaggle에서 영화 데이터를 수집하고 총 1111개의 영화, 943명의 사용자에게서 나온 71026개의 영화 평가 데이터를 이용하였다. 모델 평가 결과, 장르와 키워드만을 이용한 추천 시스템 모델의 RMSE는 1.3076, 단계적으로 데이터를 추가해 최종적으로 장르, 키워드, 배우, 감독, 나라, 제작사를 이용한 추천 시스템 모델의 RMSE는 1.1870으로 모든 데이터를 추가한 모델의 예측력이 더 높았다. 이에 따라 장르, 키워드, 배우, 감독, 나라, 제작사를 이용해 구현한 모델을 최종적인 모델로 채택, 무작위로 추출한 한 명의 사용자에 대한 영화 추천 리스트를 뽑아낸다.