• 한국정보관리학회:학술대회논문집
• /
• 한국정보관리학회 2006년도 제13회 학술대회 논문집
• /
• pp.63-70
• /
• 2006

이용자중심의 정보기술이 발전하면서 웹 2.0이라는 개념이 등장하고 이용자가 정보를 조직하는 사회적 태깅 방식의 웹사이트가 확산되고 있다. Connotea와 CiteULike는 웹 2.0이라는 개념의 일부인 사회적 태깅 방식을 학술영역에 본격적으로 도입한 최초의 서비스로서, 과거의 통제어휘 위주의 디렉토리 분류체계를 벗어나 이용자들이 참여하여 제공한 정보와 협력하여 부여한 키워드를 중심으로 자유롭게 콘텐트를 분류하고 관리하는 정보공유 포털서비스이다. 이 글에서는 이와 같은 이용자 참여를 유도하는 정보서비스동향을 개관하고 Connotea와 CiteULike의 두 서비스를 비교해보았다.

• Journal of Information Processing Systems
• /
• 제11권1호
• /
• pp.1-21
• /
• 2015

This paper aims to assess the feasibility of a new and less-focused type of online sociability (the watching network) as a useful information source for personalized recommendations. In this paper, we recommend scientific articles of interests by using the shared interests between target users and their watching connections. Our recommendations are based on one typical social bookmarking system, CiteULike. The watching network-based recommendations, which use a much smaller size of user data, produces suggestions that are as good as the conventional Collaborative Filtering technique. The results demonstrate that the watching network is a useful information source and a feasible foundation for information personalization. Furthermore, the watching network is substitutable for anonymous peers of the Collaborative Filtering recommendations. This study shows the expandability of social network-based recommendations to the new type of online social networks.

• 정보관리학회지
• /
• 제33권1호
• /
• pp.317-336
• /
• 2016

오늘날 폭발적인 정보의 증가로 이용자들은 자신이 원하는 정보를 찾기 위해 엄청난 시간과 노력을 기울여야 한다. 이 문제를 해결하기 위하여 이용자의 정보요구를 분석하고 이용자에게 적합한 논문을 추천해주는 논문추천시스템이 등장하고 있다. 그러나 대부분의 논문추천시스템은 논문추천시스템의 핵심인 이용자 프로파일을 간과하고 있다. 따라서 이 연구는 논문추천시스템의 성능을 좌우하는 이용자 프로파일을 기존의 평균으로 계산하지 않고 새로운 TPIPF(Topic Proportion-Inverse Paper Frequency)로 계산하는 방법을 제안하였다. 제안된 방법과 기존의 방법을 모두 논문추천시스템에 적용하여 각각의 성능을 온라인 참고문헌 관리도구인 CiteULike에서 제공된 데이터 실험을 통하여 비교하였다. 그 결과 제안된 TPIPF 방법을 적용한 논문추천시스템의 성능이 더 높다는 것을 알 수 있었다.

• 한국문헌정보학회지
• /
• 제45권1호
• /
• pp.189-210
• /
• 2011

본 연구는 실제 폭소노미를 사용하는 참여자의 태깅 경험, 태깅과 폭소노미에 대한 인식을 파악하며, 폭소노미에 따른 웹 분류의 의미에 대해 탐구하고자 한다. 세 개의 폭소노미 시스템 Connotea, CiteULike, Delicious의 12명 참여자와 함께 정성적 연구의 틀 내에서 웹 설문, 인터뷰, 일기연구를 수행하였다. 참여자들의 태깅 행위를 이루는 기본구성요소를 파악하고, 태깅활동에 참여하게 되는 동기와 그 태깅동기들이 참여자들이 사용하는 태그에 어떻게 반영되는지를 조사하였다. 또한 정보탐색(information foraging) 이론을 적용하여 참여자들이 태깅을 통해 참여하는 사회성과 상호작용성에 대한 경험과 인식을 분석하고, 정보냄새로서의 태그에 대하여 논의하였다. 이용자 참여를 기반으로 하는 본 연구의 실증적 연구결과들은 폭소노미를 활용한 웹 정보서비스를 다양한 각도에서 이해하는데 도움을 주고, 웹 정보자원의 분류와 조직에 있어서 폭소노미의 유용화를 연구하는 개념적 틀을 제시함으로써 폭소노미 현상의 연구 향상에 기여할 수 있을 것으로 기대한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2012년도 한국컴퓨터종합학술대회논문집 Vol.39 No.1(C)
• /
• pp.42-44
• /
• 2012

본 논문에서는 개인화 검색 시 사용자의 단일 프로파일이 개인의 다양한 정보 요구를 만족시키지 못하는 문제를 개선하고자, 질의어에 따라 프로파일을 조정하는 방법을 제안한다. 특히, 제안하는 방법은 북마크 데이터로부터 질의어에 관해 사용자가 중요하게 생각하는 단어들을 추출하여 프로파일을 조정하는데 활용한다. 유명 북마크 서비스인 CiteULike의 데이터를 활용한 실험에서, 제안하는 방법이 단일 프로파일에 기반한 기존의 방법보다 더 뛰어난 개인화 검색 결과를 제공함을 확인할 수 있었다.

• 한국멀티미디어학회논문지
• /
• 제25권8호
• /
• pp.1242-1250
• /
• 2022

When recommending cold items that do not have user-item interactions to users, even we adopt state-of-the-arts algorithms, the predicted information of cold items tends to have lower accuracy compared to warm items which have enough user-item interactions. The lack of information makes for recommender systems to recommend monotonic items which have a few top popular contents matched to user preferences. As a result, under-diversified items have a negative impact on not only recommendation diversity but also on recommendation accuracy when recommending cold items. To address the problem, we adopt a diversification algorithm which tries to make distributions of accumulated contents embedding of the two items groups, recommended items and the items in the target user's already interacted items, similar. Evaluation on a real world data set CiteULike shows that the proposed method improves not only the diversity but also the accuracy of cold item recommendation.

• 한국멀티미디어학회논문지
• /
• 제24권12호
• /
• pp.1673-1681
• /
• 2021

Item cold start is a well studied problem in the research field of recommender systems. Still, many existing collaborative filters cannot recommend items accurately when only a few user-item interaction data are available for newly introduced items (Cold items). We propose a interaction feature prediction method to mitigate item cold start problem. The proposed method predicts the interaction features that collaborative filters can calculate for the cold items. For prediction, in addition to content features of the cold-items used by state-of-the-art methods, our method exploits the interaction features of k-nearest content neighbors of the cold-items. An attention network is adopted to extract appropriate information from the interaction features of the neighbors by examining the contents feature similarity between the cold-item and its neighbors. Our evaluation on a real dataset CiteULike shows that the proposed method outperforms state-of-the-art methods 0.027 in Recall@20 metric and 0.023 in NDCG@20 metric.

• Journal of Information Science Theory and Practice
• /
• 제7권1호
• /
• pp.29-38
• /
• 2019

Information retrieval is the challenge of the Web 2.0 world. The experiment of knowledge organisation in the context of abundant information available from various sources proves a major hurdle in obtaining information retrieval with greater precision and recall. The fast-changing landscape of information organisation through social networking sites at a personal level creates a world of opportunities for data scientists and also library professionals to assimilate the social data with expert created data. Thus, folksonomies or social tags play a vital role in information organisation and retrieval. The comparison of these user-created tags with expert-created index terms, author keywords and title words, will throw light on the differentiation between these sets of data. Such comparative studies show revelation of a new set of terms to enhance subject access and reflect the extent of similarity between user-generated tags and other set of terms. The CiteULike tags extracted from 5,150 scholarly journal articles in marine science were compared with corresponding Aquatic Science and Fisheries Abstracts descriptors, author keywords, and title terms. The Jaccard similarity coefficient method was employed to compare the social tags with the above mentioned wordsets, and results proved the presence of user-generated keywords in Aquatic Science and Fisheries Abstracts descriptors, author keywords, and title words. While using information retrieval techniques like stemmer and lemmatization, the results were found to enhance keywords to subject access.