• The Journal of the Korea Contents Association
• /
• v.11 no.12
• /
• pp.40-51
• /
• 2011

The key issues of recommendation systems provide the contents satisfying the interests of users for the huge amounts of contents over internet. The existing recommendation system use the algorithms considering the users' profiles and context information to enhance the exactness of a recommendation. However, the existing recommendation system can't satisfy the requirements of service providers because the business models of service providers is not considered. In this paper, we propose the mobile recommendation system using the composite contexts and the recommendation weights applying the business model of service providers. The proposed system retrieves the contents of the contents providers using composite context information and apply the recommendation weights to recommend the suitable contents for the business models of service providers. Therefore, we provide the contents satisfying the consumption value of users and the business models of service providers to mobile users.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2014.10a
• /
• pp.241-243
• /
• 2014

In this study, that by applying the algorithm of collective intelligence in helping to select the teaching methods and learning methods of learner and teacher, develop a content recommendation system, the teacher and the learner promote effective learning, I have intended to And for this reason can be applied to education recommended system to be applied to a movie or shopping mall recently, at the time of selection, it is appropriate in accordance with the state, such as the level of the learner, learning environment, learners the theme of teaching and learning, and to provide a teaching method and learning method, the learner can to find the learning method appropriate for the user, and a more efficient, Professor system that can save time to design the teaching learning process I developed, The utility and accuracy of the learning content recommendation system developed finally, after the data is accumulated in the use of a continuous schedule of the learner and a teacher, would need to be validated through the rating.

• Journal of Broadcast Engineering
• /
• v.17 no.1
• /
• pp.129-139
• /
• 2012

This paper introduces a recommender system that is to recommend broadcast content. Our recommender system uses user's viewing history for personalized recommendations. Broadcast contents has unique characteristics as compared with books, musics and movies. There are two types of broadcast content, a series program and an episode program. The series program is comprised of several programs that deal with the same topic or story. Meanwhile, the episode program covers a variety of topics. Each program of those has different topic in general. Therefore, our recommender system recommends TV programs to users according to the type of broadcast content. The recommendations in this system are based on user's viewing history that is used to calculate content similarity between contents. Content similarity is calculated by exploiting collaborative filtering algorithm. Our recommender system uses java sparse array structure and performs memory-based processing. And then the results of processing are stored as an index structure. Our recommender system provides recommendation items through OPEN APIs that utilize the HTTP Protocol. Finally, this paper introduces the implementation of our recommender system and our web demo.

• Proceedings of the Korea Database Society Conference
• /
• 2001.06a
• /
• pp.362-368
• /
• 2001

본 논문에서는 고객의 특성을 고려한 최적의 추천시스템을 개발하기 위하여 기존의 인구통계학적 특성에 따른 협동적필터링 기법의 추천 효율을 비교 분석하였다. 비디오에 대한 사용자 평가 값과 예측 값간의 추천 효율에 대한 비교실험을 통하여 상품에 대한 단순한 선호도만을 고려한 기존의 협동적필터링 방법에 의한 추천시스템의 문제점을 개선하여 추천된 상품이나 콘텐츠에 대한 개인별 추천 효율을 향상시키기 위한 모델을 제시하였다. 본 연구 결과를 이용하여 인터넷 비즈니스 분야에서 활발하게 도입되고 있는 eCRM 시스템에서 가장 중요한 요소인 고객들의 인구통계학적인 다양한 특성을 고려한 협동적필터링 기반의 추천시스템을 개발할 수 있으리라 기대한다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2016.10a
• /
• pp.300-301
• /
• 2016

This paper proposes customized recommendation algorithm to improve the QoS(quality of service) of sport for all sports content uses to user profile and team grade. The proposed recommendation module is based on user profile information, and it recommends suitable team contents to user with Euclidean distance algorithm and preference weights between teams.

• Journal of the Korea Society of Computer and Information
• /
• v.20 no.5
• /
• pp.99-106
• /
• 2015

This research is focused on the development of the proprietary database embedded in the OTT device, which is used for searching and indexing video contents, and also the development of the search algorithm in the form of the critical components of the interface application with the OTT's database to provide video query searching, such as remote control smartphone application. As the number of available channels has increased to anywhere from dozens to hundreds of channels, it has become increasingly difficult for the viewer to find programs they want to watch. To address this issue, content providers are now in need of methods to recommend programs catering to each viewer's preference. the present study aims provide of the algorithm which recommends contents of OTT program by analyzing personal watching pattern based on one's history.

• Journal of KIISE:Databases
• /
• v.41 no.4
• /
• pp.209-216
• /
• 2014

Various characteristics of social network contents such as real-time, people relationship and big data can help to improve personalized recommender systems. Among them, 'people relationship' is a key factor of recommendation, so many personalized recommender systems utilizing it have been proposed. However, existing researches can not reflect personal tendency and are unable to provide precise recommendations in various domains, because they do not consider intimacy among people. In this paper, to solve these problems, we propose PReAmacy, a Personalized Recommendation Algorithm, considering intimacy among users and various characteristics of social network contents. Our experimental results indicate that not only the precision of PReAmacy is higher than that of existing algorithms, but intimacy is of great importance in PReAmacy.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2015.07a
• /
• pp.195-198
• /
• 2015

최근 TV 서비스의 가입자 및 TV 프로그램 콘텐츠의 급격한 증가에 따라 빅데이터 처리에 적합한 추천 시스템의 필요성이 증가하고 있다. 본 논문은 사용자들의 간접 평가 데이터 기반의 추천 시스템 디자인 시, 누적된 사용자의 과거 이용내역 데이터를 저장하지 않고 새로 생성된 사용자 이용내역 데이터를 학습하는 효율적인 알고리즘이면서, 시간 흐름에 따라 사용자들의 선호도 변화 및 TV 프로그램 스케줄 변화의 추적이 가능한 토픽 모델링 기반의 알고리즘을 제안한다. 빅데이터 처리를 위해서는 분산처리 형태의 알고리즘을 피할 수 없는데, 기존의 연구들 중 토픽 모델링 기반의 추론 알고리즘의 병렬분산처리 과정 중에 핵심이 되는 부분은 많은 데이터를 여러 대의 기계에 나누어 병렬분산 학습하면서 전역변수 데이터를 동기화하는 부분이다. 그런데, 이러한 전역데이터 동기화 기술에 있어, 여러 대의 컴퓨터를 병렬분산처리하기위한 하둡 기반의 시스템 및 서버-클라이언트간의 중재, 고장 감내 시스템 등을 모두 고려한 알고리즘들이 제안되어 왔으나, 네트워크 대역폭 한계로 인해 데이터 증가에 따른 동기화 시간 지연은 피할 수 없는 부분이다. 이에, 본 논문에서는 빅데이터 처리를 위해 사용자들을 클러스터링하고, 클러스터별 제안 알고리즘으로 전역데이터 동기화를 수행한 것과 지역 데이터를 활용하여 추론 연산한 결과, 클러스터별 지역별 TV프로그램 시청 토큰 별 은닉토픽 할당 테이블을 유지할 때 추천 성능이 더욱 향상되어 나오는 결과를 확인하여, 제안된 구조의 추천 시스템 디자인의 효율성과 합리성을 확인할 수 있었다.

• Annual Conference of KIPS
• /
• 2016.10a
• /
• pp.408-411
• /
• 2016

최근 국내의 콘텐츠 생산률이 증가함에 따라, 많은 사람들이 즐길 수 있는 콘텐츠들이 많아 졌다. 하지만 사람들은 많아진 콘텐츠로 인해, 오히려 원하는 정보를 빠른 시간에 얻는 것이 힘들어졌다. 이러한 문제를 해결하기 위해 다양한 방식의 새로운 서비스들이 제공 되고 있다. 추천 시스템 중에서 웹툰을 추천해주는 알고리즘으로 협업필터링 방법이 가장 많이 사용되고 있다. 협업필터링 방법에는 희박성과 확장성, 투명성의 문제점들을 가지고 있다. 따라서 본 논문에서는 협업 필터링 방법의 희박성 문제를 보완하고자 개인의 성향을 반영하여 효율이 좋은 웹툰 추천 시스템을 제안하고, 하둡 시스템에서 구현한다.

• Annual Conference on Human and Language Technology
• /
• 2020.10a
• /
• pp.578-581
• /
• 2020

제품을 추천하는 기능은 사용자의 콘텐츠 또는 제품 소비량에 직결되기에 다양한 인터넷 플랫폼에서 많은 관심을 받고 있다. 이러한 제품 추천 시스템의 성능은 다양한 머신러닝 알고리즘과 딥러닝의 발전에 의해 성능을 비약적으로 개선되어왔다. 하지만 여느 딥러닝과 머신러닝 알고리즘과 마찬가지로 추천 시스템들의 성능은 빅데이터의 품질에 따라 매우 민감한 영향을 받는다. 본 논문에서는 모바일 배달 플랫폼에서 사용자들의 리뷰 데이터들을 통해 딥러닝과 빅데이터를 사용하여 음식을 추천하는 방법을 제안한다. 또한 사용자들의 리뷰 데이터들을 정제하여 데이터의 품질을 높이는 과정을 추가하여 그 결과가 성능에 얼마만큼 영향을 미치는 지를 실험을 통하여 분석한다.