• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2014년도 추계학술대회
• /
• pp.573-576
• /
• 2014

본 논문에서는 상황인식 기법을 이용한 관광 소셜 네트워크 서비스(Social Network Service: SNS)를 제공한다. 이를 위해서 사용자에게 제공되는 서비스는 자연스럽고 의인화된 처리가 필요하다. 즉, 사용자에게 제공하고자 하는 서비스 객체는 사용자의 행위를 저장 분석하고 이를 처리하는 기능을 제공해야 한다. 본 논문에서는 사용자들에게 개인화된 서비스를 상황인식에 따라 제공할 수 있도록 분석 처리하기 위한 알고리즘을 제공한다. 제공되는 서비스는 소셜 네트워크 서비스를 제공하는 알고리즘으로 '친구 추천 알고리즘'을 통해 사용자간의 관계 맺기를 보조하고, '관광지 추천 알고리즘'을 통해 사용자로 하여금 유의미한 관광지를 추천하는 방법을 연구하였다. 특히 가이드의 이용에서 서버는 사용자의 현재 위치와 여러 사용자들의 과거 방문 기록을 상황인식 기반으로 분석하여 최적의 여행 경로를 제공하는 서비스로 '관광지 여행 경로 추천 알고리즘'을 사용하였다. 이러한 관광 소셜 네트워크 기술은 사용자에게 보다 편의성과 친밀성 있는 서비스를 제공한다. 제안된 상황인식 기반의 관광 소셜 네트워크 서비스 응용기술로 제공되는 관광가이드 시스템은 보다 다양한 응용서비스로 적용될 수 있을 것으로 기대된다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권7호
• /
• pp.2399-2413
• /
• 2021

A recommendation system is an information filter tool, which uses the ratings and reviews of users to generate a personalized recommendation service for users. However, the cold-start problem of users and items is still a major research hotspot on service recommendations. To address this challenge, this paper proposes a high-efficient hybrid recommendation system based on Fuzzy C-Means (FCM) clustering and supervised learning models. The proposed recommendation method includes two aspects: on the one hand, FCM clustering technique has been applied to the item-based collaborative filtering framework to solve the cold start problem; on the other hand, the content information is integrated into the collaborative filtering. The algorithm constructs the user and item membership degree feature vector, and adopts the data representation form of the scoring matrix to the supervised learning algorithm, as well as by combining the subjective membership degree feature vector and the objective membership degree feature vector in a linear combination, the prediction accuracy is significantly improved on the public datasets with different sparsity. The efficiency of the proposed system is illustrated by conducting several experiments on MovieLens dataset.

• 한국컴퓨터정보학회논문지
• /
• 제15권8호
• /
• pp.141-148
• /
• 2010

모바일 단말기에서 사용자의 상황을 고려하고 사용자의 취향이나 특성을 반영하여 정보를 찾아주거나 추천하는 서비스 시스템은 개념적인 정보만을 제한적으로 추천한다. 또한 사용자의 특성에 따른 정보 선호도를 제공하지 않으므로 정확한 정보 추천의 어려운 단점이 있다. 따라서 본 논문에서는 사용자 특성에 따른 선호도를 고려하여 정확한 상황 정보를 추천 할 수 있는 개선된 k-means 알고리즘을 적용하여 사용자 특성에 따른 선호도 추천 시스템을 제안하였다. 본 연구에서는 사용자 특성에 따른 선호도를 상관 계수를 이용하여 구하고 사용자의 특성 선호도를 개선된 k-means 알고리즘을 이용하여 추천하였다. 제한적인 개념의 정보만을 제공하던 시스템에서 사용자의 특성에 따른 정보 선호도를 제공하여 정확한 정보를 추천하므로 제한된 정보 추천의 단점을 해결하였다. 성능 실험은 기존의 서비스 시스템들과 비교하여 정확도와 재현율로 대변되는 효과성을 측정하였으며, 성능 실험 결과 정확도는 85%, 재현율은 68%로 나타났다.

• 문화기술의 융합
• /
• 제8권3호
• /
• pp.113-128
• /
• 2022

본 연구의 목적은 급격한 미디어 산업 변화의 중심에 있는 개인 미디어 환경에 관심을 가지고, 특히 어디서든 접속, 시청, 제작 가능한 모바일 미디어 환경을 선도하는 1인 혹은 소수 미디어 크리에이터들의 활동 영역을 탐구하여 크리에이터들과 시청자들 간의 상호 생태계를 면밀히 살피는데 있다. 특히 유튜브가 제공하는 추천서비스, 예를 들면 사용자의 이용 습관 빅데이터 알고리즘을 바탕으로 사용자는 자신의 사용 데이터가 제공될수록 진화된 서비스를 마주하게 된다는 점에 주목하고, 추천서비스가 사용자와 제작자 간의 신뢰 형성, 그리고 사용자의 몰입과 구독의도에 미치는 영향을 살펴보고자 하였으며, 이러한 상호 간의 관계 형성 과정을 구체적 자료를 통해 실증하는 것이 본 연구의 목적이다. 결론 부분에 연구결과를 토대로 유추할 수 있는 시사점과 향후 추가 연구를 위한 제언 등을 제시하였다.

• 한국비블리아학회지
• /
• 제28권4호
• /
• pp.501-518
• /
• 2017

연구자들에게 지식을 습득하여 연구 활동에 도입하는데 걸리는 소요시간을 단축하는 것은 연구생산성 향상에 필수적인 요소라고 할 수 있다. 본 연구의 목적은 한민족과학기술자네트워크(KOSEN) 사용자들의 정보 이용 패턴을 군집화하고 그룹화 된 사용자들에게 맞는 개인화 추천서비스 알고리즘의 최적화 방안을 제안하는 것이다. 사용자들의 연구활동과 이용정보에 기반하여 적합한 서비스와 콘텐츠를 식별한 후 Spark 기반의 빅데이터 분석 기술을 적용하여 개인화 추천 알고리즘을 도출하였다. 개인화 추천 알고리즘은 사용자의 정보검색에 소요되는 시간을 절약하고 적합한 정보를 찾아내는데 도움을 줄 수 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 춘계학술발표대회
• /
• pp.346-348
• /
• 2022

Keyword-Based Contents Recommendation Web Service(서비스명 'mobodra')는 미디어 종류 및 장르 취향을 유저별로 분석하여 이에 맞는 콘텐츠를 추천하는 웹 서비스이다. 유저들은 회원가입 시 웹에서 제공하는 랜덤한 작품 중에 일부를 선택하며 서버에서 이를 토대로 취향을 분석한다. 해당 분석을 토대로 유저별 선호 콘텐츠를 추천한다. 본 논문에서는 아이템 기반 협업 필터링(Item-Based Collaborative Filtering)을 통해 콘텐츠 추천 알고리즘을 구현한다. 유저의 활동 데이터 혹은 선호도 재조사 시 위 과정을 다시 실행하여 사용자의 취향을 갱신한다.

• 한국비블리아학회지
• /
• 제23권4호
• /
• pp.283-308
• /
• 2012

정보기술과 인터넷의 발전에 따른 정보의 폭발적인 증가와 함께, 이용자에게 있어서 적합한 정보의 획득을 위한 방법이 절실하게 요구되고 있다. 이를 위하여 정보검색 및 여과시스템이 개발 및 발전되어 왔다. 또한 보다 적극적인 서비스를 제공하기 위한 방법으로써 개인화 정보추천서비스에 대한 요구가 높아지고 있다. 본 연구에서는 도서관에서 적극적인 정보서비스를 위한 방법으로 이용자의 관심과 선호도에 적합한 정보를 제공하기 위한 연관규칙 기반의 개인화 정보추천시스템을 설계 및 구현하였다. 이를 위하여 기존의 추천방법에 대한 장단점을 분석하고 기존 추천방법에 대한 문제점을 해결하기 위한 방법으로써 대용량 콘텐츠 및 이용자 환경에서 이용자의 묵시적 정보이용행위에 관한 정보를 포함하고 있는 로그파일을 통하여 연관규칙 생성을 위해 요구되는 항목을 추출 및 변환하여 연관규칙 생성프로그램을 통하여 연관규칙의 생성 및 정보추천을 위한 방법을 제안하였다.

• International journal of advanced smart convergence
• /
• 제8권4호
• /
• pp.40-46
• /
• 2019

The current education is becoming more extensive with the application of various teaching methods. This is a problem that is so distributed that it is difficult for users to find the data and it takes a long time to find the information they need. Currently, various educational services, materials, and instruments are developed and scattered. Therefore, it is important to raise students' awareness of aptitude and career path with customized education tailored to students. Conventional education platforms have very difficult to choose the right materials for students because of the spread of educational programs and institution materials. To solve this, we propose a customized recommendation approach to recommend customized educational service materials and institution for students to teachers, which helps teachers conveniently choose materials suitable for their respective environments. On this new platform, the CNN algorithm provides recommended content for classes and students. For real service on the educational service platform, we implement this system for Jeil edus business. Through this mechanism, we expect to improve the quality of education by helping to select the right service.

• 디지털콘텐츠학회 논문지
• /
• 제19권4호
• /
• pp.701-709
• /
• 2018

이 논문은 개인별 개인화 서비스 활용 로그를 추적조사 하여 개인별로 얼마나 많이 추천된 서비스를 사용하였는지 분석하고, 개인화가 적용된 시스템의 서비스 활용도에 영향을 주는 요인이 개인화 서비스 알고리즘외 다른 요인이 있는지 분석하였다. 또한, 분석 내용을 기반으로 단순히 많이 이용하는 서비스 및 콘텐츠를 추천하는 방법에 따른 사용자 이용패턴 분석을 통해 인센티브를 부여하였을 때의 행동변화에 따른 추천방법을 제안한다.

• 방송공학회논문지
• /
• 제24권6호
• /
• pp.1013-1023
• /
• 2019

수많은 채널과 VoD 콘텐츠, 웹 콘텐츠들이 존재하는 콘텐츠 소비 환경에서의 추천은 이제 선택이 아닌 필수가 되었다. 현재 OTT서비스나 IPTV서비스에서도 많은 사람들이 선호하는 콘텐츠를 추천하거나 사용자가 시청한 콘텐츠와 유사한 콘텐츠들을 추천하는 등, 다양한 종류의 추천 서비스들이 제공되고 있다. 하지만 TV, IPTV와 같이 대체로 한 가구당 하나의 가입정보와 하나의 TV, 셋탑박스를 공유하는 TV를 통한 콘텐츠 시청환경의 경우, 하나의 가입정보에 1명 이상의 사용 이력이 쌓여 특정 사용자에 대한 추천을 제공하기에 어려움이 존재한다. 본 논문에서는 이러한 문제를 해결하기 위해 가족의 개념을 {사용자, 시간}으로 해석하여, 기존의 {사용자, 콘텐츠}로 정의하는 추천 관계를 {사용자, 시간, 콘텐츠}으로 확장하고 이를 딥러닝 기반으로 해결하는 방법을 제안한다. 제안한 방법을 통해 추천 성능을 정성적 정량적으로 평가하였으며, 기존의 시간대를 고려하지 않은 방법과 비교하여 추천 정확도가 향상됨을 확인할 수 있었다.