• International journal of advanced smart convergence
• /
• v.6 no.2
• /
• pp.9-15
• /
• 2017

According to a recent survey, most elementary and secondary school students nationwide are stressed out by their academic records. Furthermore most of high school students in Korea have to study under the great duress. Some of them who can't overcome the academic stress finalize their life by suiciding. A study has found that it is one of the leading causes of stimulating the thought of committing suicide in Korean high school students. So it is necessary to reduce the high school student's suicide rate. Main content of this research is to implement a personalized music recommendation system. Music therapy can help the student deal with the stress, anxiety and depression problems. Proposed system works as a therapist. The music choice and duration of the music is adjusted based on the student's current emotion recognized automatically from EEG. If the happy emotion is not induced by the current music, the system would automatically switch to another one until he or she feel happy. Proposed system is personalized brain music treatment that is making a brain training application running on smart phone or pad. That overcomes the critical problems of time and space constraints of existing brain training program. By using this brain training program, student can manage the stress easily without the help of expert.

• Journal of KIISE
• /
• v.44 no.9
• /
• pp.908-917
• /
• 2017

As web service technologies are widely used, there have been many efforts to develop approaches for recommending appropriate web services to users in complex and dynamic service environments. In addition, for the effective development of service mashups, service recommender systems that are specialized for service composition have been developed. However, existing service recommender systems for service mashups are not effective at recommending services in a personalized manner that reflect developers' preferences. To deal with this issue, we propose an approach that recommends services based on the similarities between mashup developers who have developed similar service mashups. The proposed approach is then evaluated by using the mashup data retrieved from ProgrammableWeb. The evaluation results clearly show that the proposed approach is an effective way of improving service recommendations compared to the traditional user-based collaborative filtering algorithm.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2004.05a
• /
• pp.347-350
• /
• 2004

전자상거래와 고객관계관리에서 고객의 개인화를 위해 사용되는 협동적 필터링 방안은 고객이 상품에 대해 표시한 선호도에 기반을 두어 선호도가 유사한 사용자를 찾고, 유사한 사용자의 선호도를 활용하여 추천할 상품을 선정하는 방안이다. 고객간의 유사도 계산과 상품에 대한 선호도 계산을 위한 다양한 방안들의 계산식에 대해서는 명확하게 정의되어 있으나, 이에 활용되는 데이터의 선정에 대해서는 명확한 규정이나 가이드라인이 존재하지 않는다. 즉, 몇 번 이상의 선호도를 표시한 사용자를 대상으로 추천을 수행할 것인지, 혹은 몇 번 이상 선호도가 표시된 상품을 추천에 활용할 것인지와 같은 데이터 선정에 활용되는 계수와 협동적 필터링의 추천 성과간의 관계에 대한 연구는 아직 부족하다. 본 연구에서는 협동적 필터링의 연구에 많이 활용되는 EachMovie 데이터를 가지고 협동적 필터링의 계수와 추천 성과간의 관계에 대해 실험적으로 연구하였다. 첫 번째는 몇 번 이상 선호도를 표시한 사용자를 협동적 필터링에 활용하는 것이 추천 성과를 높일 수 있는지에 대해 연구하였으며, 두 번째는 몇 번 이상 선호도가 표시된 상품을 고객에게 추천하는 것이 협동적 필터링의 추천 성과를 높일 수 있는가에 대한 연구를 수행하였다. 계수와 추천 성과간의 관계에 대한 두 가지 실험에서 선호도 표시의 한계가치(marginal value)가 점진적으로 감소하는 것을 볼 수 있었다. 본 연구의 결과는 협동적 필터링의 수행을 위한 효과적인 데이터의 선정에 도움을 줄 수 있을 것이다.

• The Journal of the Korea Contents Association
• /
• v.10 no.8
• /
• pp.26-31
• /
• 2010

This research does focus on realization of customizing recommendation service that all of formal, or informal learning is accomplished at real time according to worker's current situation or business context corresponding with the individual ability and the learning progress at industry or education field. For this, we designed the customizing intelligent recommendation system based on compound knowledge that workers can listen to coaching advices at real time and to retrieve and recommend multidimensional relation easily. Also, we constructed the repository based on compound knowledge and process engine for efficient management of compound knowledge. In specific industry, expert solution or coaching service will be created using the knowledge which is accumulated in long-term.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2005.10a
• /
• pp.257-263
• /
• 2005

초기에 하나의 상품 카테고리만을 다루던 전자상거래 사이트들이 브랜드 확립 후에 다른 상품 카테고리까지 확대해 나가는 모습을 많이 보아왔다. 고객이 아직 방문하지 않은 신규 상품 카테고리의 상품에 대하여 기존 상품 카테고리에서 만들어진 사용자 프로파일을 활용하여 개인화된 추천을 할 수 있다면, 고객이 다양한 상품 카테고리를 방문하도록 유도할 수 있을 것이다. 하지만 일반적으로 전자상거래 사이트에서는 상품 카테고리별로 사용자의 선호도를 파악하여 개인화된 추천을 수행하기 때문에, 해당 카테고리 내 상품의 구매나 방문 기록이 없다면 개인화된 추천을 수행하기가 어렵다 . 본 논문에서는 협업 필터링을 통해 신규 상품카테고리 내의 상품을 추천하기 어려운 고객들을 대상으로 기존의 사용자 선호도 데이터를 활용하여 신규 상품 카테고리 내의 상품을 추천하는 방안의 타당성을 살펴보도록 한다. 즉, 기존 사용자의 특정상품 카테고리 선호도 데이터를 통해 사용자간 유산도를 계산하고, 이를 추천하려는 타 상품 카테고리 내의 상품들에 대한 예측 선호도 계산에 활용 타당성을 살펴본다. 이를 실증적으로 검토하기 위해서, Yes24 사이트의 서적, 음반, DVD 3개의카테고리 내의 상품을 방문한 웹 패널 데이터를 이용하여 타당성 분석을 수행하였다. 분석 결과, 동일 상품 카테고리 내의 선호도 정보를 가지고 현업 필터링을 수행하는 것보다는 추천 성과가 낮았지만 활용할만한 추천 성과를 보였으며, 활용하는 상품 카테고리와 예측하는 상품 카테고리별로 추천성과가 상이했다.

• International Journal of Contents
• /
• v.13 no.1
• /
• pp.53-61
• /
• 2017

Recently, the Social Internet of Things (IoT), the follow-up of the IoT, has been studied to expand the existing IoT services, by integrating devices into the social network of people. In the Social IoT environment, humans, devices and digital contents are connected with social relationships, to guarantee the network navigability and establish levels of trustworthiness. However, this environment handles massive data, including social data of humans (e.g., profile, interest and relationship), profiles of IoT devices, and digital contents. Hence, users and service providers in the Social IoT are exposed to arbitrary data when searching for specific information. A study about the recommender system for the Social IoT environment is therefore needed, to provide the required information only. In this paper, we propose the Social correlation group based Recommender System (SRS). The SRS generates a target group, depending on the social correlation of the service requirement. To generate the target group, we have designed an architecture, and proposed a procedure of the SRS based on features of social interest similarity and principles of the Collaborative Filtering and the Content-based Recommender System. With simulation results of the target scenario, we present the possibility of the SRS to be adapted to various Social IoT services.

• Journal of the Korea Computer Industry Society
• /
• v.2 no.11
• /
• pp.1365-1372
• /
• 2001

We have suggested three learning rules and implemented an experimental system that automatically restructures hypertext networks according to their user browsing behavior. The system applies link weights to the hypertext networks and updates these weights according to the learning rules. The learning rules are based on how often a particular hyperlink is being traversed and operate on strictly local information of link traversals. Changes in network structure are fed back to users by dynamic link ordering according to descending link weight. This approach is used collaborative filtering and navigation support techniques. The system has been investigation to be able to structure random hypertext networks into valid representations of their user browsing preferences in experiments.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2018.05a
• /
• pp.75-78
• /
• 2018

Recently, the amount of music that can be heard is increasing exponentially due to the growth of the digital music market. Because of this, online music service users have had difficulty choosing their favorite music and have wasted a lot of time. In this paper, we propose a recommendation technique to minimize the difficulty of selection and to reduce wasted time. The proposed technique uses an item - based collaborative filtering algorithm that can recommend items without using personal information. For more accurate recommendation, the user's preference is predicted by using the metadata of the music source and the top-N music with high preference is finally recommended. Experimental results show that the proposed method improves the performance of the proposed method better than it does when the metadata is not used.

• Journal of KIISE
• /
• v.44 no.12
• /
• pp.1333-1337
• /
• 2017

Recommender systems (RS) that predict a set of items a target user is likely to prefer have been extensively studied in academia and have been aggressively implemented by many companies such as Google, Netflix, eBay, and Amazon. Data imputation alleviates the data sparsity problem occurring in recommender systems by inferring missing ratings and adding them to the original data. In this paper, we point out the drawbacks of existing approaches and make suggestions for data imputation techniques. We also justify our suggestions through extensive experiments.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2002.11c
• /
• pp.2133-2136
• /
• 2002

인터넷 특성상 방대한 양의 정보와 상품 등으로 사용자들이 원하는 정보를 찾기 위해서 많은 시간을 낭비하고 있는 실정이다. 이러한 사용자의 시간 소모를 중이기 위해서 추천 시스템이 개발되었다. 현재 인터넷 상의 추천 기술 중에서 가장 많이 사용하는 기법으로는 협력적 여과(Collaborative filtering) 방법이다. 그러나, 협력적 추천 방법으로 추천 받기 위해서는 특정수 이상의 아이템에 대한 평가가 필요하며, 또한 비슷한 성향을 가지는 일부 사용자 정보에 근거하여 추천함으로써 나머지 사용자 정보를 무시하는 경향이 있다. 이러한 문제점이 발생되므로 최근에는 데이터 마이닝(Data Mining) 기법 중 연관 규칙(Association Rule)을 이용한 추천 시스템이 개발되고 있다[1,10]. 그러나, 연관 규칙 기법은 개인별 사용자의 성향을 반영하지 못하는 단점이 있다[4]. 연관 규칙은 단지 대용량 데이터 베이스에서 아이템간의 지지도(Support)와 신뢰도(Confidence)에 근거하여 규칙을 발견하는 특징을 가지고 있기 때문이다. 즉 개인성향을 무시하고 아이템간의 연관성만을 근거로 하여 아이템을 추천하기 때문이다. 본 논문에서는 효율적인 연관 규칙을 이용한 개인화 추천 시스템을 구현하기 위해서 연관 규칙과 여과 방법을 통합한 시스템을 제안한다. 본 시스템에 대하여 성능 비교 실험을 수행함으로써 제안한 방법의 타당성을 제시한다.