• 디지털융복합연구
• /
• 제14권8호
• /
• pp.313-318
• /
• 2016

현대사회에서 추천 서비스는 클라이언트-서버 기반의 인터넷 서비스에서 소셜 네트워킹으로 변화되고 있다. 특히 최근에는 크라우드소싱과 소셜 네트워킹을 통하여 사용자에게 개인화 추천을 서비스하고 있다. 소셜 네트워크 기반 시스템은 메모리와 모델 기반 협력적 필터링을 이용한 추천 서비스 제공 방식과 목적에 따라 분류할 수 있다. 이에 본 논문에서는 소셜 네트워크 기반의 {사용자-연관 디자인} 행렬을 이용한 감성 디자인 추천을 제안한다. 제안하는 방법은 소셜 네트워크 기반에서 {사용자-연관 디자인} 행렬을 구성하고 메모리 기반 협력적 필터링을 이용하여 감성 디자인을 추천한다. 제안한 방법의 성능평가는 정확도와 재현율 검증을 진행한다. 정확도의 검증은 소셜 네트워크 기반의 추천 적용유무에 따른 F-measure를 사용한다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제33권11호
• /
• pp.953-964
• /
• 2006

협력 필털링은 그 유용성으로 인해 현재 학문적으로나 상업적으로 널리 사용되고 있지만 확장성 문제, 평가 데이타의 희박성 문제, 초기 평가 문제 둥을 안고 있다. 본 논문에서는 이러한 문제들을 일부 해결하기 위해 에이전트 간 협력에 기초한 분산 협력필터링 방법을 제안하였다. 제안 방법에서는 사용자의 평가정보를 에이전트가 지역 데이타베이스에 보관하고 이 정보를 친구들에게만 전파하는 방법을 사용함으로써 사용자 증가에 따른 확장성 문제를 해결하고자 하였다. 그리고 평가 데이타 부족에 따른 추천질 저하를 줄이기 위해 친구 에이전트의 의견을 반영하는 방법을 사용하였고 새로운 사용자에 대해서도 추천이 가능토록 하기 위해 사용자 프로파일을 이용한 협력필터링 방법을 사용하였다. 실험결과, 본 제안 방법이 확장성뿐만 아니라 데이타 희박성 문제 및 새로운 사용자 문제에도 도움이 됨을 확인할 수 있었다.

• 지능정보연구
• /
• 제25권4호
• /
• pp.89-103
• /
• 2019

최근 추천시스템의 품질평가 관점에서 이에 대한 다양한 연구들이 진행되고 있다. 추천시스템은 기본적으로 사용자들에게 특정 아이템에 대한 개인화된 추천을 제공하는데 목적이 있으며, 대부분의 추천시스템은 항상 사용자 또는 아이템과 가장 관련 있는 아이템을 추천한다. 그리고 이러한 추천시스템의 성과는 전통적으로 다양한 예측정확도 등에 초점을 두어 왔다. 그러나, 추천시스템은 예측가능성 차원에서 정확해야 할 뿐만 아니라 사용자들에게 유용해야 한다. 특히 최근의 추천시스템에 대한 연구로서, 추천시스템의 평가기준에 속하는, 추천시스템에 대한 사용자 만족도(품질)는 추천시스템이 얼마나 정확하게 추천하느냐 뿐만 아니라 사용자의 의사결정에 얼마나 충분히 도움이 되는지와 관계가 깊다. 예를 들어, 특히 높은 수준의 세렌디티피한 추천은 사용자들이 뜻밖의 아이템이면서 흥미로운 아이템을 찾는데 도움이 된다. 여기서, 세렌디피티란 추천 아이템이 사용자에게 매력적인 동시에 뜻밖의(비기대성의) 아이템인 정도를 의미한다. 본 연구는 추천시스템의 성과를 나타내는 세렌디피티 지표를 추천시스템에 적용하여 추천시스템의 품질을 평가하는 것을 목표로 한다. 본 연구에서는 세렌디피티 지표는 관련성(매력)이 있는 동시에 뜻밖인(비기대성의) 아이템을 추천하는 정도로 정의하고, 이 세렌디피티 지표를 측정하기 위해, 추천시스템이 사용자들에게 예상치 못한 유용한 아이템을 찾을 수(또는 추천할 수) 있는 정도를 평가하였다. 본 연구의 주요 실증분석결과로는, 아이템기반 협력 필터링 기법이 사용자기반 협력 필터링 기법보다 더 높은 세렌디피티값을 가지며, 따라서, 추천시스템의 품질평가 차원에서 아이템기반 협력 필터링 기법은 사용자기반 협력 필터링 기법보다는 더 좋은 추천 품질을 갖고 있음을 보여 주었다.

• 한국시뮬레이션학회논문지
• /
• 제15권3호
• /
• pp.23-30
• /
• 2006

추천자 시스템은 전자상거래 사이트에서 고객의 상품 구매 정보를 수집하여 고객에 대한 예상 구매 상품을 추천하는 목적으로 개발되었다. 본 연구는 대형 전자상거래 사이트에서 고객의 상품 구매 이력이 활용 가능한 경우에 전통적인 통계기법인 군집분석 및 고객 간의 상품 구매 상관성을 이용하는 기존 추천자 시스템(협력적 필터링 기법)과 문서 검색에서 사용되는 LSI분석에 기반한 협업 필터링 기법을 상품 추천에 적용하여 각 기법의 상품 추천 효율성을 비교 분석하였다. 문서-용어 행렬과 유사한 구조를 가지는 고객-상품 구매 행렬에 문서 검색에 사용되는 LSI 분석법은 고객의 상품구매 경향을 원 상품 수보다 축소된 차원의 변환 상품을 통하여 파악함으로써 목표고객에 대한 인접고객군의 생성 노력을 현저히 감소시킬 수 있어 결과적으로 실시간으로 적용되는 추천자 알고리즘의 효율성을 개선할 수 있을 것으로 기대할 수 있다. 가상적인 고객-상품 구매 리스트를 대상으로 실행한 시뮬레이션 실험 결과에서도 알고리즘의 효율성 평가측도인 recall과 정확도 및 F1에서 LSI 기반 협력적 필터링 기법이 기존의 방법보다 우수한 결과를 나타내었다. 시뮬레이션 결과, 인접고객 군의 크기가 일정한 수준에 이르면 그 크기를 증가시키더라도 알고리즘의 효율성은 별로 개선되지 않으며 또한 추천 상품 수가 일정 수준에 도달하면 추천 정확도가 낮아지는 정도에 비해 recall의 개선도는 별 변화가 없는 것으로 나타나고 있다. 추천자 시스템을 구현하는 용도에 따라 이러한 정보는 유용하게 사용될 수 있다고 판단된다.

• 한국컴퓨터정보학회논문지
• /
• 제25권5호
• /
• pp.99-106
• /
• 2020

협력 필터링 기반의 추천 시스템에 내재된 확장성 문제는 지난 수십년간 관련 연구의 이슈가 되어 왔다. 클러스터링은 이 문제를 해결하는 유명한 기술인데 낮은 성능으로 인하여 활발히 연구되어 오진 않았다. 본 논문에서는 협력 필터링 시스템의 고질적인 단점인 확장성 문제를 극복하기 위하여 클러스터링 기법을 채택하였다. 또한 클러스터링을 적용함으로 인해 초래되는 성능저하 문제를 개선하기 위해, 두 가지 전략을 사용하였는데, 첫째는 퍼지 클러스터링이며, 둘째는 영화 장르에 대한 사용자 선호도에 기반한 유사도 측정 방법을 제안하고 이를 적용하였다. 본 연구에서의 제안 방법을 기존의 여러 관련 방법들과 비교 실험을 통해 다양한 주요 성능 척도에 의거하여 평가하였는데, 실험 결과 제안 방법은 예측과 순위 정확도 측면에서 더 우수한 성능을 보였고, 추천 정확도 측면에서는 실험 대상 중 최상의 방법과 대등한 성능을 나타냈다.

• 한국컴퓨터정보학회논문지
• /
• 제28권5호
• /
• pp.75-82
• /
• 2023

협력 필터링 시스템에서 추천 리스트의 고객 만족도를 위하여 시스템이 산출하는 항목 평가 예측치는 매우 중요하다. 시간 인지 기반 시스템에서는 사용자들의 평가 시간을 반영하여 예측치를 산출하는데, 대개 과거 평가치일수록 기하급수적으로 낮은 가중치를 부여하였다. 본 연구에서는 평가치에 대한 평가 시간의 영향력이 다양한 요인에 따라 달라지는지 알아 보기 위하여, 사용자의 평가 적극성 정도, 항목의 인기도, 그리고 항목 장르별로 사용자 평가치와 평가 시간의 상관도를 조사하였다. 두 종류의 공개 데이터셋을 활용한 분석 결과, 특히 희소 데이터셋에서 각 요인에 따라 현저히 다른 상관지수 값을 얻었다. 따라서 평가 예측치에 대한 평가 시간의 영향력의 크기는 평가 데이터 밀집도 뿐만 아니라 상기한 여러 가지 요소를 고려하여 다르게 책정되어야 한다는 사실을 확인하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2008년도 춘계학술발표대회
• /
• pp.822-825
• /
• 2008

최근 모바일 기술의 발달로 모바일 네트워크에서 사용자들이 가지고 있는 정보를 활용하는 P2P 서비스들이 많이 연구되고 있다. 그 중에 협력적 필터링(Collaborative Filtering, CF)을 이용한 추천 서비스는 모바일 네트워크 상의 다른 사용자의 정보를 수집하여 개인화된 추천을 수행한다. 기존에 연구 된 CF 추천 시스템에서 메시지 전달을 위해 broadcasting 방식 사용되었다. broadcasting 방식은 각 모바일 기기 주위의 모든 기기로 사용자 정보를 전송함으로써 많은 트래픽을 유발시킨다. 본 논문에서는 슈퍼 피어 방식을 이용하여 메시지 전송 양을 줄여, CF를 이용한 추천 서비스를 보다 효율적으로 하고, 추천성능을 유지하게 하였다. 실험을 통해 본 논문에서 제시한 방식이 broadcasting 방식의 메시지 양을 53% 감소시켰음을 보였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2005년도 추계학술발표대회 및 정기총회
• /
• pp.607-610
• /
• 2005

SCORM의 Content Repository는 Asset이나 컨텐츠의 Metadata를 가지고 컨텐츠나 Asset을 검색할 수 있도록 한다. 이런 Metadata 기반 검색은 아주 많은 컨텐츠를 대상으로 검색을 할 경우, 검색을 통한 컨텐츠 결과가 너무 많을 경우 결과 내에서 재검색을 하는데 많은 시간을 들일 수 있다는 단점이 있다. 본 논문에서는 검색 효율을 높이기 위한 방법으로 SCORM 기반 LMS에 협력 필터링 방법을 적용한 시스템을 제안하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2012년도 한국컴퓨터종합학술대회논문집 Vol.39 No.1(B)
• /
• pp.363-365
• /
• 2012

데이터의 규모 및 활용도, 그리고 사용자 접근성 측면에서 실세계 데이터에서 가장 중요한 이슈가 되는 것은 비디오 데이터이다. 장르나 등장인물, 배경 등이 매우 상이한 대량의 비디오 데이터들이 등장하고 있기 때문에, 통일된 사전지식을 이용한 비디오 데이터 분석이 매우 비현실적이 되어가고 있으며 사전지식을 활용하지 않는 비디오 분석기법의 중요성이 커지고 있다. 본 논문에서는 진화 파티를 필터링과 우점 이미지를 이용하여 비디오 데이터를 분절(Segmentation)하는 기법을 소개한다. 이미지 분절화 과정에서 해결해야 할 난점은 시점 변화 및 움직임 등에 의해 발생하는 사소한 변화가 컴퓨터 관점에서는 무시하기 어려운 큰 변화로 해석될 수 있다는 점이다. 동일장면에서의 시점 변화와 같은 사소한 변화로 인하여 동일 세그먼트를 추정하지 못하는 어려움을 해결하기 위하여 우리는 이미지 일부를 표현하는 파티클의 개체군을 생성하여 협력적인 방식으로 개별 이미지 세그먼트를 표현하는 방법을 개발하였다. 또한 동일 인물의 움직임과 같은 변화에 대응할 수 있도록 진화 파티를 필터링 방법을 컬러 히스토그램 방법과 결합하여 추론 성능을 한층 개선하였다. 실제 TV 드라마에 대하여 수행된 인간 평가자의 분절 평가 결과와 비교하여 제안 방법의 성능을 확인하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2007년도 가을 학술발표논문집 Vol.34 No.2 (C)
• /
• pp.72-77
• /
• 2007

웹의 성장에 따른 기하급수적인 정보의 축적으로 인한 정보과다(Information Overload) 현상의 심화를 해결하기 위해 이루어져 온 많은 연구 중 하나인 추천 시스템은 사용자에게 고수준의 편의성을 제공하기 위한 시스템으로써 발전해 왔다. 그러나 과거에 고도로 집중화되어 관리, 구축되어 오던 정보와는 달리 Web2.0라는 새로운 웹 환경의 도래와 함께 태그, 블로그 등 새로운 형태와 특성을 가지는 점보들이 등장하게 되었다. 웹의 컨텐츠에 대한 메타정보를 사용자가 직접 입력한 Web2.0 기반의 태그 데이터론 활용해서 추천 시스템의 성능을 향상시킬 수 있는 기법을 연구하였다. 추천 기법 중 가장 대표적이고 기초적인 협업 필터링 기법에 태그를 활용하며 태그에 사용자에 대한 중요도를 감안한 가중치 부여 기법에 연구한다. 유사한 성향을 가진 사용자를 식별하는데 있어 태그 집합간의 유사도를 비교하는 방법을 사용하며 사용자의 성향을 반영하기 위해서 태그와 사용자의 선호도 정수와의 연관성을 분석해서 이를 태그의 가중치로 환산하는 기법을 제안한다.