• 한국차세대컴퓨팅학회논문지
• /
• 제13권2호
• /
• pp.35-48
• /
• 2017

스마트 환경에서는 센서, 디스플레이, 스마트폰 등 각종 장치들이 존재하며, 이러한 장치들을 이용하여 다양한 콘텐츠가 제공될 수 있다. 그러나 방대한 양의 콘텐츠가 다수의 사용자들에게 제공되고 있지만, 대부분의 환경에서 사용자에 대한 고려가 없거나 위치, 시간 등의 간단한 요소만을 고려하고 있어 사용자를 위한 유의미한 콘텐츠 제공에 한계가 있다. 이에 본 논문에서는 사용자에게 맞춤형 콘텐츠를 제공하기 위해 사용자, 장치, 콘텐츠가 가진 상황 정보를 인지하여 콘텐츠를 추천할 수 있는 시스템인 상황인지 기반 콘텐츠 추천 시스템을 제시한다. 상황인지 기반 콘텐츠 추천 시스템은 스마트 환경의 컨텍스트를 추론하고 사용자와 콘텐츠의 정보를 이용하여 사용자의 콘텐츠별 선호도를 산출하고 사용자에게 콘텐츠를 추천한다. 이러한 시스템의 프로세스를 구축하기 위해 도메인 지식을 온톨로지 모델로 구축하고, 콘텐츠 추천 시스템을 설계 및 구현하기 위한 방법을 제시한다. 그리고 부산의 센텀시티를 도메인으로 하여 사례 연구를 진행하며 산출된 0.8730의 평균 절대값 오차를 이용하여 제시한 시스템의 콘텐츠 추천 성능의 우수성을 검증하였다.

• 정보화연구
• /
• 제9권1호
• /
• pp.57-66
• /
• 2012

최근 모바일 콘텐츠 시장이 급속도로 성장하면서 다양한 모바일 기반의 애플리케이션들이 출시되고 있다. 하지만 모바일 기기들은 일반 컴퓨터와 비교하였을 때 화면의 크기 및 입력 방법 등과 같은 제약으로 최종 이용하고자 하는 콘텐츠까지 도달하는데 많은 노력과 시간이 소요된다. 이러한 불편함을 해결하기 위해서는 사용자가 선호할 만한 정보를 예측하고 필터링 되어진 맞춤형 정보를 제공 하는 추천시스템이 필요하다. 본 연구에서는 스마트폰 기반의 사용자 정보추천 시스템을 제안한다. 정보의 필터링은 사용자 기반 협업 필터링을 이용하여 개인이 선호할 것이라 판단되는 정보를 예측하고 추천하였다. 이때 사용자 기반 협업필터링 과정에서 사용되는 유사도는 피어슨 상관계수를 가중치로 이용한 유클리디안 거리 기법의 유사도를 사용하였다. 성능 평가를 위해 음식점 추천 시나리오를 이용하였으며 이를 통해 제안 추천 시스템의 유용성을 보였다. 실험을 통하여 본 연구의 추천 서비스의 유용성을 검증하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2020년도 제62차 하계학술대회논문집 28권2호
• /
• pp.385-386
• /
• 2020

In this paper, we propose a collaborative filtering recommendation algorithm based on the LDA2Vec topic model. By extracting and analyzing the article's content, calculate their semantic similarity then combine the traditional collaborative filtering algorithm to recommend. This approach may promote the system's recommend accuracy.

• 한국정보통신학회논문지
• /
• 제15권5호
• /
• pp.1097-1104
• /
• 2011

본 논문에서는 개인 맞춤 도서 추천을 위한 시맨틱웹 접근방법을 제안한다. 제안방법은 콘텐츠 기반 추천을 이용하면서도 사용자가 모든 도서 검색 시스템에 자신의 관심분야를 등록해야 하는 단점을 개선한다. 제안방법은 다양한 서지정보제공자의 도서분류 온톨로지상에서 자신의 관심분야를 등록할 수 있게 함으로써 사용자 프로파일을 공유한다. 또한 사용자 프로파일 관리 시스템은 제안방법에 의해 작성된 사용자 프로파일을 관리하고, 사용자의 관심분야와 도서분류 온톨로지상의 각 개념과의 유사성을 분석하는 기능을 제공한다. 제안방법은 사용자 프로파일의 공유를 통해 기존 키워드 검색에 비해 더 향상된 효율성을 제공한다.

• 한국멀티미디어학회논문지
• /
• 제20권4호
• /
• pp.704-712
• /
• 2017

Various researches on content sensibility with the development of digital contents are under way. Emotional research on fonts is also underway in various fields. There is a requirement to use the content expressions in the same way as the content, and to use the font emotion and the textual sensibility of the text in harmony. But it is impossible to select a proper font emotion in Korea because each of more than 6,000 fonts has a certain emotion. In this paper, we analysed emotional classification attributes and constructed the Hangul font recommendation system. Also we verified the credibility and validity of the attributes themselves in order to apply to Korea Hangul fonts. After then, we tested whether general users can find a proper font in a commercial font set through this emotional recommendation system. As a result, when users want to express their emotions in sentences more visually, they can get a recommendation of a Hangul font having a desired emotion by utilizing font-based emotion attribute values collected through the crowdsourced method.

• 한국정보과학회논문지:시스템및이론
• /
• 제33권9호
• /
• pp.650-657
• /
• 2006

음악은 삶의 일부이며 상황에 따라 많은 영향을 받는다. 그러나 음악 추천 시스템에 관한 기존 연구들에서는 사용자로부터 획득한 몇 가지 메타데이타(장르, 아티스트 등)만을 내용기반 필터링으로 분석하여 이용함으로써 적절한 상황을 고려하지 못하는 문제점이 있었다. 최근 들어 환경의 몇 가지 상태(온도, 습도 등)변화를 적용한 추천 연구가 이루어지고 있지만 상황으로서 이해하기는 부족한 실정이다. 그러므로 우리는 기존연구에서의 메타데이타는 물론 상황정보를 동적으로 반영하여 사용자가 더욱 만족할 수 있는 음악을 추천하는 것을 제안한다. 또한 사용자에 의한 피드백이 가능함으로써 서비스를 더 향상시킬 수 있다. 이를 해결하기 위해 본 논문에서는 음악 선곡에 필요한 상황정보를 정의하고 내용기반 필터링 기법을 사용하여 사용자의 취향과 상황에 적합한 음악 추천 시스템을 설계한다. 본 추천 시스템에서는 홈 네트워크 환경에서 상황정보를 인식하기 위해 OSGi 프레임워크를 사용하였으며 서비스 이동성 및 분산처리를 지원하여 음악 선곡에 대한 사용자의 만족도와 서비스의 질을 향상 시켰다.

• 디지털콘텐츠학회 논문지
• /
• 제18권4호
• /
• pp.707-712
• /
• 2017

데이터의 양이 기하급수적으로 증가함에 따라 추천 시스템(recommender system)은 영화, 도서, 음악 등 다양한 산업에서 관심을 받고 있고 연구 대상이 되고 있다. 추천시스템은 사용자들의 과거 선호도 및 클릭스트림(click stream)을 바탕으로 사용자에게 적절한 아이템을 제안하는 것을 목적으로 한다. 대표적인 예로 넷플릭스의 영화 추천 시스템, 아마존의 도서 추천 시스템 등이 있다. 기존의 선행 연구는 협업적 여과, 내용 기반 추천, 혼합 방식의 3가지 방식으로 크게 분류할 수 있다. 하지만 기존의 추천 시스템은 희소성(sparsity), 콜드스타트(cold start), 확장성(scalability) 문제 등의 단점들이 있다. 이러한 단점들을 개선하고 보다 정확도가 높은 추천 시스템을 개발하기 위해 실제 온라인 기업의 상품구매 데이터를 이용해 factorization machine으로 추천시스템을 설계했다.

• 한국멀티미디어학회논문지
• /
• 제19권11호
• /
• pp.1878-1890
• /
• 2016

Web 2.0 has features produced the content through the user of the participation and share. The content production activities have became active since social network service appear. The social bookmark, one of social network service, is service that lets users to store useful content and share bookmarked contents between personal users. Unlike Internet search engines such as Google and Naver, the content stored on social bookmark is searched based on tag keyword information and unnecessary information can be excluded. Social bookmark can make users access to selected content. However, quick access to content that users want is difficult job because of the user of the participation and share. Our paper suggests a method recommending search word to be able to access quickly to content. A method is suggested by using Collaborative Filtering and Jaccard similarity coefficient. The performance of suggested system is verified with experiments that compare by 'Delicious' and "Feeltering' with our system.

• 지능정보연구
• /
• 제10권3호
• /
• pp.133-146
• /
• 2004

네트워크 기술의 발달로 인하여 사용자가 접하게 되는 정보의 종류와 양이 급속하게 증가되고 있으며, 이로 인해 사용자는 자신이 필요로 하는 정보를 찾아내어 관리하는데 많은 시간과 노력을 소비하고 있다. 이에 본 연구에서는 대표적인 추천기법 중에 하나인 내용기반 추천(Content-based Recommendation)과 사용자 지식에 의해 정의된 키워드 유사성(Keyword Affinity)을 이용하여 사용자가 보다 적은 비용으로 자신의 정보를 효율적으로 관리할 수 있도록 지원하는 방법론을 제시한다. 즉, 사용자의 선호도가 자주 변하거나 새로운 내용이 지속적으로 생성되는 환경에서는 추천의 성능이 떨어지고, 사용자의 선호도가 충분히 축적되기까지 정확한 추천이 어려운 내용기반 추천의 한계점을 사용자 지식에 의해 정의된 키워드 유사성을 응용하여 해결한다. 본 연구는 수시로 새로운 정보가 생성되고 삭제되는 개인 이메일 환경을 그 대상으로 하며, 사용자의 효율적인 이메일 관리를 위한 폴더 추천을 지원한다. 또한 실험을 통해 기존에 연구되었던 폴더 추천 방법론과 성능을 비교함으로써 본 연구에서 제시하는 방법론을 검증하였다.

• 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.