• 한국정보과학회논문지:소프트웨어및응용
• /
• 제31권12호
• /
• pp.1672-1683
• /
• 2004

추천 시스템은 일상의 정보를 필터링 해주는 웹 지능화 기술 중의 하나이다. 현재까지 협력기반 (사회기반) 추천 시스템, 내용기반 추천시스템과 이들의 장점을 혼합한 추천시스템들이 개발되어 왔다. 본 논문에서는 클러스터링 기법을 항목기반 협력필터링 틀에 적용한 일명 ICHM이라 불리는 새로운 형태의 혼합 추천 시스템을 소개한다. 이 방법은 항목의 내용 정보를 협력필터링 틀 안에 통합시킴으로써 평가 데이타의 희박성을 줄일 수 있을 뿐만 아니라 새로운 항목 추천 시 발생하는 문제점을 해결할 수 있다. ICHM 방법의 특성 및 성능을 평가하기 위하여 MovieLense 데이타를 이용한 다양한 실험을 하였다. 실험 결과, ICHM 방법이 항목기반 협력 필터링의 예측 질을 향상시킬 뿐만 아니라 새로운 항목 추천 시에도 아주 유용함을 확인할 수 있었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2010년도 한국컴퓨터종합학술대회논문집 Vol.37 No.1(C)
• /
• pp.404-409
• /
• 2010

협력 필터링(Collaborative Filtering)은 상품추천, 영화추천 등에 사용되는 대표적인 방법으로서, 사용자들의 사용이력에 기반해서 유사도가 높은 항목들을 찾아낸다. 본 연구에서는 상용 IPTV 서비스에 협력 필터링을 적용했을 때 만들어지는 모델을 분석하여 어떤 요소들이 협력 필터링 모델의 생성에 영향을 끼치는지 분석했다. 이를 통해 IPTV 영역에 협력 필터링을 적용했을 때 영향을 끼치는 요소들과 다른 영역과는 다르게 고려해야 할 사항들을 알 수 있었다.

• 컴퓨터교육학회논문지
• /
• 제14권4호
• /
• pp.63-70
• /
• 2011

인터넷 상에서 사용자 흥미에 부합하는 항목을 예측하여 추천해 주는 추천 시스템은 e-commerce가 발달함에 따라 다양한 분야에서 적용되어 왔다. 추천 시스템의 주요 방법인 협력 필터링은 사용자가 선호했던 항목들과 유사한 항목을 추천하거나 또는 유사한 기호의 다른 사용자가 선호했던 항목을 추천하는 것이다. 따라서 유사도의 정확한 측정과 추천한 항목의 실제 평가등급 예측은 협력 필터링의 성능을 결정하는 두가지 중요한 문제이다. 본 연구에서는 후자의 문제를 다룬다. 기존 연구에서는 평가 등급의 평균값을 기반으로 하여 실제 평가등급을 예측하였으나, 본 연구에서는 평가 등급 범위 기반의 방법을 제시하고 실험을 통해 성능을 조사하였다. 실험 결과 기존 방법에 비해 제안 방법은 평균 절대 오차에 있어서 성능이 크게 향상됨을 입증하였다.

• 디지털융복합연구
• /
• 제12권8호
• /
• pp.329-335
• /
• 2014

협력 필터링은 상업적 추천 시스템에서 널리 사용되어 왔는데, 고객의 사회적 행태를 구현하여 사용자의 흥미에 부합하는 항목들을 제안하기 때문이다. 현재까지 적절한 항목을 추천하기 위한 가장 보편적인 방법은 유사한 사용자들을 찾아 그들의 평가치를 참조하는 방법이다. 본 논문은 영화를 추천하기 위해서 장르 흥미도를 기반으로 하는 새로운 유사도 공식을 제안하는데, 이는 기존 공식에서 사용자들의 평가등급 차이를 기반으로 하는 것과 대비된다. 광범위한 실험 결과에 따르면, 제안한 공식은 정확도와 추천의 질에 있어서 전통적인 유사도 공식의 성능을 크게 향상시키는 것으로 확인되었다.

• 컴퓨터교육학회논문지
• /
• 제19권1호
• /
• pp.111-118
• /
• 2016

협력 필터링 기반의 추천시스템에서 유사도 측정은 시스템의 성능에 큰 영향을 미치는데, 이는 유사한 다른 사용자들로부터 항목을 추천받기 때문이다. 본 연구에서는 전통적인 유사도 측정 방법의 가장 큰 문제인 데이터 희소성을 극복하기 위해, 기존의 유사도 측정값과 공통평가항목수의 반영값을 최적으로 결합하는 새로운 유사도 측정방식을 제안한다. 제안 방식의 성능 평가를 위해 다양한 조건으로 실험한 결과 기존 방식들보다 우수한 예측 정확도를 나타냈으며, 구체적으로 전통적인 피어슨 상관보다 최대 약 7%, 코사인 유사도보다는 최대 약 4% 향상된 결과를 보였다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2005년도 추계학술대회 학술발표 논문집 제15권 제2호
• /
• pp.363-366
• /
• 2005

Pure P2P 환경에서는 축적된 자료를 사용하지 않고 실시간 정보를 사용하여 소수의 서비스 항목만으로도 협력적 필터링을 제공할 수 있어야 한다 그러나 지역에서 수집된 소수의 서비스 항목만으로 협력적 필터링을 할 경우 추천 서비스의 질이 떨어지게 되므로, 사용자의 컨텍스트 정보를 이용하여 추천 서비스의 질을 높일 수 있는 방법이 연구되어야 한다. 하지만 사용자 컨텍스트 정보는 다량의 정보가 순간에 인식될 수 있기 때문에 확장성 문제(Scalability Problem)가 발생하고, 영역과 아이템에 따라 차별화된 서비스를 지원하기에는 한계성을 가지고 있다. 이러한 문제점을 해결하기 위하여 본 연구에서는 SOM을 이용하여 컨텍스트 정보를 서비스 영역별로 클러스터링(Clustering)하여, 사용자별로 분류함으로 확장성 문제를 해결하였다. 또한, 분류된 자료들 중 서비스 요구자와 비슷한 분류에 있는 사용자들의 컨텍스트 정보들을 정량화하여 협력적 필터링함으로 사용자에게 적합한 서비스를 지원할 수 있다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제32권9호
• /
• pp.901-911
• /
• 2005

인터넷의 상업적 이용이 증가하고 인터넷에서 쉽게 얻을 수 있는 정보의 양이 풍성해지면서 정보 필터링 (information filtering) 기법은 대량의 정보 공간에서 사용자의 요구와 기호에 맞는 항목을 찾는 과정에 널리 사용되고 있다. 많은 협력필터링 (collaborative filtering) 시스템이 사용자 평가를 기반으로 사용자나 항목들 사이의 유사성을 찾아내고 이를 바탕으로 추천을 해왔지만 사용자 편향 (user bias), 비전이 연관 (non-transitive association), cold start 문제와 같이 성능을 높이기 위해 해결해야 할 문제들이 남아있다. 이 세 가지 문제는 사용자나 항목들 사이에 더 정확한 유사도를 찾아내는 과정에 장애가 된다. 본 논문에서는 이러한 문제들을 해결하기 위해 제안된 UCHM 및 ICHM 방법을 확률적으로 재해석하였다. 이 확률적 모델은 객체 (사용자 또는 품목)들을 그룹들로 구분하고 각 그룹 내에서 사용자 평가가 가우시안 분포를 따른다는 가정 하에 사용자들이 무엇을 선호할 것인지 예측한다. 실세계 자료에 대한 실험 결과, 제안된 방식이 다른 방식들과 비교할 만한 성능을 보인다는 것을 확인할 수 있었다.

• 한국지능시스템학회논문지
• /
• 제21권2호
• /
• pp.224-229
• /
• 2011

협력적 필터링은 잠재적인 항목을 추천할 수 있어서 추천시스템에 가장 많이 사용되고 있다. 그러나 협력적 필터링은 평가항목이 적을 경우, 평가자의 상황이나 기분에 따라 유사도나 선호도에 큰 영향을 끼칠 수 있다. 또한 사용자의 현재 상황을 전혀 고려하지 않고 과거에 평가한 항목만으로 유사도를 계산하여 추천하여 추천의 정확도가 떨어지게 된다. 본 논문에서는 위와 같은 문제점을 해결하기 위해, 먼저 협력적 필터링 과정을 수행하기 전 사용자들이 평가한 모든 값을 비교하지 않고 평균 이상인 사용자들만을 비교하여 유사도를 계산함으로써 추천의 정확성을 높였다. 또한 끊임없이 변화하는 유비쿼터스 컴퓨팅 환경에서 사용자의 평가 항목만으로 서비스 정보를 추천하는 것이 적합하지 않기 때문에, 사용자의 실시간 컨텍스트 정보를 이용하여 비슷한 사용자들에게 높은 가중치를 적용하여 유사도를 구하는 방법을 사용하였다. 이러한 방법을 사용한 결과, 추천의 정확도가 평균적으로 16.2% 향상되었다.

• 한국컴퓨터정보학회논문지
• /
• 제27권7호
• /
• pp.93-100
• /
• 2022

인터넷 상의 정보 과부하 시대에 필수 불가결한 기능인 추천 시스템은 사용자가 선호할 만한 상품을 추천하는 서비스로서 여러 상업용 사이트에서 성공적으로 제공되고 있다. 최근 대표적인 추천 기법인 협력 필터링의 성능 개선을 위하여 항목 평가 시간을 반영하려는 연구가 활발하다. 이 연구들의 핵심 아이디어는 과거에 평가한 항목일수록 기하급수적으로 낮은 가중치를 두어 추천 결과를 산출하는 것이다. 그러나 이는 항목의 특성에 따른 사용자들의 선호도 변화를 고려하지 않고 모든 항목들에 대하여 일률적인 시간 함수를 적용한다는 단점을 가진다. 본 연구는 시간에 따른 항목 간의 유사도값 변화를 가중합으로 통합하는 새로운 유사도 척도를 개발함으로써 기존과 전혀 다른 관점의 시간 인지 협력 필터링 기법을 제안한다. 실험 결과, 제안 방법의 예측 성능과 추천 성능은 기존의 대표적 시간 인지 방법과 전통적 방법들에 비해 월등하게 우수하였다.

• 컴퓨터교육학회논문지
• /
• 제21권5호
• /
• pp.61-68
• /
• 2018

협력 필터링은 다수의 상업용 추천 시스템에서 구현되어 온라인 사용자들에게 성공적으로 서비스되고 있는 핵심적 기술이다. 이 기술은 현 사용자와 유사한 평가이력을 가진 다른 사용자들로부터 항목을 추천하기 때문에, 유사도 척도는 시스템 성능에 매우 큰 영향을 미친다. 본 연구에서는 기존 유사도 측정 방법의 문제점을 해결하고자 퍼지 논리에 입각하여 사용자 평가등급의 주관성 및 모호성과 사용자들의 평가 행태를 반영하는 새로운 유사도 척도를 제안한다. 성능 평가를 위한 다양한 실험을 실시하였고, 그 결과 제안 방법은 예측 정확도와 추천 정확도 면에서 우수한 성능 개선 효과를 보였다.