Objectives: The aim of this review was to investigate whether evidence of complementary and alternative medicine (CAM) was reflected in clinical practice guidelines (CPGs) for insomnia based on relevant clinical trials. Methods: We conducted a systematic search on domestic and international CPG databases and medical databases. In addition, we conducted manual searches of relevant articles. Three authors independently searched and selected relevant studies; any disagreement was resolved by discussion. We extracted and analyzed the following data: published language, country, development group, participants, interventions, presence or absence of recommendations for CAM, level of evidence, grade of recommendation for CAM, and methods of development. Results: We identified 8,241 records from domestic and international databases, and 22 CPGs were included. Eleven of the 22 CPGs mentioned CAM interventions including herbal medicine, relaxation, acupuncture moxibustion, Tai Chi, meditation, hypnosis, biofeedback, Tuina, and external herbal medicine. However, most of the CPGs indicated 'no recommendation' or 'weak recommendation' for CAM interventions. Only Valeriana dageletiana Nakai and relaxation were considered to have experimental evidence. Valeriana dageletiana Nakai was recommended for improvement of sleep latency, sleep maintenance, total sleeping time, and sleep cycle. Relaxation was recommended as effective intervention for relieving physical and psychological arousal. Conclusions: Despite systematic reviews and randomized controlled trials on CAM for insomnia, most of the CPGs for insomnia did not reflect the evidence obtained. Further CPGs for insomnia should be developed by considering the current advanced studies in the field of CAM.
본 논문에서는 항목기반 방법을 이용하여 교육자들이 학습자들에게 적용하고 있는 학습 패턴을 위한 새로운 학습 추천 시스템을 제안한다. 본 논문에서 제안된 방법은 먼저 인터넷 콘텐츠 사이트에서 학습자들이 수행하는 학습 정보를 기반으로 개인별 학습 방법을 수집한다. 다음에 이러한 정보를 기본으로 하여 학습 요소별로 구분하여 학습자들에게 가장 적합하다고 판단되는 학습 방법을 추천한다 제안된 시스템의 평가를 위해 한 중학교 학생들을 실험에 참여 시켰으며 학습자의 성적에 따라 3개의 그룹으로 구분하였다. 학업 성취도 향상을 위한 가장 효과적인 방법을 추천하기 위해 각 그룹에 적용되는 학습 요소들에 속성간, 속성내 가중치를 부여하였다. 실험 결과 제안된 방법에서 학습자들의 성취도가 이전 성적에 비해 상당한 수준으로 향상됨을 보였다.
디지털 방송 시대가 열리면 채널의 수가 수백 개로 증가하기 때문에 시청자가 원하는 프로그램을 검색하는 일은 매우 어려워지게 된다. 이와 더불어 스마트 디바이스의 등장과 대중화로 인해서 사용자들은 기존에 제공받지 못했던 스마트한 서비스를 제공받기 원하고 있다. 이러한 문제를 해결하기 위한 방법으로 TV 프로그램 추천시스템에 대한 연구가 활발하게 진행 중이다. 그러나 현재 TV 프로그램 추천을 위한 연구들은 대부분 웹 기반에서 연구되었던 연구결과를 TV 방송에 적용한 경우가 대부분이며, 현재 TV를 시청하고 있는 구성원들의 조합에 대해서는 고려하고 있지 않는다. 따라서 본 논문에서는 TV를 시청하고 있는 시청자의 환경 즉 구성원의 조합을 고려한 TV 프로그램 추천 시스템을 제안한다. 구성원의 조합은 얼굴인식기법을 이용하여 해당 사용자의 연령과 성별을 중심으로 그룹을 생성한다.
국내 OTT(Over-the-top media service) 시장의 추천 서비스에서 거론되는 대표 업체는 Youtube와 Netflix이다. Youtube는 여러 방법을 거쳐 2016년부터 이용자의 시청 시간을 기록하여 이용하는 알고리즘을 머신러닝에 도입하면서 개인화된 추천을 본격화하였고, Netflix는 사용자의 선택한 영상, 시청 시간대, 영상 시청 기기 등 정보 수집을 통해 이용자를 분류하고 비슷한 시청 패턴을 가진 사람들을 같은 그룹에 묶는 방식과 영상을 직접 시청 후 사람이 태그(메타데이터)를 직접 기록하여 사용자로부터 수집한 정보와 영상에 붙은 태그 정보를 이용한다. 본 논문에서는 수기로 작성하던 영상 미디어의 메타데이터를 자동으로 생성하여 영상미디어의 추천을 개선하기 위한 방법을 제안하고자 한다.
This paper proposes a hybrid recommendation system (RS) model that overcomes the limitations of traditional approaches such as data sparsity, cold start, and scalability by combining collaborative filtering and context-aware techniques. The objective of this model is to enhance the accuracy of recommendations and provide personalized suggestions by leveraging the strengths of collaborative filtering and incorporating user context features to capture their preferences and behavior more effectively. The approach utilizes a novel method that combines contextual attributes with the original user-item rating matrix of CF-based algorithms. Furthermore, we integrate k-mean++ clustering to group users with similar preferences and finally recommend items that have highly rated by other users in the same cluster. The process of partitioning is the use of the rating matrix into clusters based on contextual information offers several advantages. First, it bypasses of the computations over the entire data, reducing runtime and improving scalability. Second, the partitioned clusters hold similar ratings, which can produce greater impacts on each other, leading to more accurate recommendations and providing flexibility in the clustering process. keywords: Context-aware Recommendation, Collaborative Filtering, Kmean++ Clustering.
본 연구는 OTT 개인화된 추천서비스에 대한 프라이버시 염려와 개인정보 제공 의도에 미치는 선행요인들을 분석하였다. 먼저 OTT 개인화 추천시스템의 특성을 정확성, 다양성, 신기성으로 하였고, 성격 5요인 모형인 친화성, 정서적 불안정성, 성실성, 외향성, 경험에 대한 개방성을 활용하였다. 또한 지각된 투명성을 추출하여 정보 프라이버시 염려, 개인정보 제공 의도 간의 관계를 분석하였다. 그리고 서비스 혜택과 개인정보 제공 의도 간의 관계를 살펴본 후 프라이버시 염려와 개인정보 제공 의도에 있어 조절 효과가 있는지 분석하였다. 연구 결과에 따르면 개인화 추천시스템 특성들은 유의한 영향을 미치지 못하는 것으로 나타났으나, 성격 5요인 중 정서적 불안정성, 외향성, 경험에 대한 개방성은 유의한 영향을 미치는 것으로 나타났다. 또한, 지각된 투명성 역시 프라이버시 염려에 유의한 영향을 미치는 것으로 나타났다. 프라이버시 염려와 서비스 혜택은 개인정보 제공의도에 유의미한 영향을 미치며 프라이버시 염려와 개인정보 제공의도 간에 서비스 혜택이 조절효과를 가지는 것으로 나타났다. 본 연구의 결과는 OTT 기업들이 사용자들의 프라이버시 보호 행동을 이해하는데 도움을 줄 것으로 본다.
최근 인터넷 기반의 웹 및 모바일 기기를 통한 소비 패턴의 다양화와 개성화가 급진전됨에 따라 전통적 유통채널인 오프라인 매장의 효율적 운영이 더욱 중요해졌다. 매장의 매출과 수익 모두를 제고하기 위해 매장은 소비자에게 가장 매력적인 상품을 적시에 공급-판매 해야 하는데 많은 상품들 중에서 어떤 SKU를 취급하는 것이 판매 확률을 높이고 재고 비용을 낮출 수 있는지에 대한 연구가 부족한 실정이다. 특히, 여러 지역에 걸쳐 다수의 오프라인 매장을 통해 상품을 판매하는 기업의 경우 고객에게 매력적인 적절한 SKU를 추천 받아 취급할 수 있다면 매장의 매출 및 수익률 제고에 도움이 될 것이다. 본 연구에서는 개인화 추천에 이용되어 왔던 협업 필터링과 하이브리드 필터링 등의 추천 시스템(Recommender System)을 국가별, 지역별로 복수의 판매 매장을 통해 동종 브랜드를 취급하는 유통 기업의 매장 단위 취급 SKU 추천 방식을 제안하였다. 각 매장의 취급 품목별 구매 데이터를 활용하여 각 매장 별 유사성(Similarity)을 계산하고 각 매장의 SKU별 판매 이력에 따라 협업 필터링을 하여 최종적으로 매장에 개별 SKU를 추천하였다. 또한 매장 프로파일 데이터를 활용하여 주변수 분석 (PCA : Principal Component Analysis) 및 군집 분석(Clustering)을 통하여 매장을 4개의 군집으로 분류한 뒤 각 군집 내에서 협업 필터링을 적용한 하이브리드 필터링 방식으로 추천 시스템을 구현하고 실제 판매 데이터를 바탕으로 두 방식의 성능을 측정하였다. 현존하는 대부분의 추천 시스템은 사용자에게 영화, 음악 등의 아이템을 추천하는 방식으로 연구가 진행되어 왔고 실제로 산업계에서의 적용 또한 개인화 추천 시스템이 주류를 이루고 있다. 그 동안 개인화 서비스 영역에서 주로 다루어져 왔던 이러한 추천 시스템을 동종 브랜드를 취급하는 유통 기업의 매장 단위에 적용하여 각 매장의 취급 SKU를 추천하는 방식에 대한 연구는 거의 이루어지지 않고 있는 실정이다. 기존 추천 방법론의 추천 적용 대상이 '개인의 영역이었다면 본 연구에서는 국가별, 지역별로 복수의 판매 매장을 통해 개인의 영역을 넘어 매장의 영역으로 확대하여 동종 브랜드를 취급하는 유통 기업의 매장 단위 취급 SKU 추천 방식을 제안하고 있다. 또한 기존의 추천시스템은 온라인에 한정되었다면 이를 오프라인으로 활용 범위를 넓히고, 기존 개인을 기반으로 분석을 하는 것보다 매장영역으로 확대 적용하기에 적합한 알고리즘을 개발하기 위해 데이터마이닝 기법을 적용하여 추천 방법을 제안한다. 본 연구의 결과가 갖는 의의는 개인화 추천 알고리즘을 동일 브랜드를 취급하는 복수의 판매 매장에 적용하여 의미 있는 결과를 도출하고 실제 기업을 대상으로 시스템으로 구축하여 활용할 수 있는 구체적 방법론을 제시했다는 데에 있다. 개인화 영역을 위주로 이루어졌던 기존의 추천 시스템과 관련한 학계의 연구 영역을 동종 브랜드를 취급하는 기업의 판매 매장으로 확장시킨 첫 시도라는 데에도 의미가 있다. 2014년 03주차 ~ 05주차 전(全) 매장 판매 수량 실적 Top 100개 SKU로 추천의 대상을 한정하여 협업 필터링과 하이브리드 필터링 방식으로 52개 매장 별로 취급 SKU를 추천하고, 추천 받은 SKU에 대한 2014년 06주차 매장별 판매 실적을 집계하여 두 추천 방식의 성과를 비교하였다. 두 추천 방식을 비교한 이유는 본 연구의 추천 방법이 기존 추천 방식 보다 높은 성과를 입증하기 위해 단순히 오프라인에 협업필터링을 적용한 것을 기준 모델로 정의하였다. 이 기준 모델에 오프라인 매장 관점의 특성을 잘 반영한 본 연구 모델인 하이브리드 필터링 방법과 비교 함으로써 성과를 입증한다. 연구에서 제안한 방식은 기존 추천 방식보다 높은 성과를 나타냈으며, 이는 국내 대기업 의류업체의 실제 판매데이터를 활용하여 입증하였다. 본 연구는 개인 수준의 추천시스템을 그룹수준으로 확장하여 효율적으로 접근하는 방법을 이론적인 프레임 워크를 만들었을 뿐 아니라 실제 데이터를 기반으로 분석하여 봄으로써 실제 기업들이 적용해 볼 수 있다는 점에서 연구의 가치가 크다.
정보통신기술의 발전과 디지털 기기의 대중화로 인해, 온라인 시장의 규모가 커지고 있다. 그 결과 고객들은 상품을 선택하는데 많은 시간과 비용이 소요되는 정보 과부하(Information Overload) 문제에 직면하고 있다. 따라서 고객이 선호할만한 상품을 추천해 주는 추천 시스템은 필수적인 도구가 되었으며 협업 필터링(Collaborative Filtering) 기법은 가장 널리 쓰이는 추천 방법이다. 전통적인 추천 시스템은 평점과 같은 정량적인 데이터만을 사용하기 때문에 추천의 정확도는 높지 않다. 이와 같은 문제를 해결하기 위해 요즘에는 사용자 리뷰와 같은 정성적 데이터를 반영하는 연구가 활발히 진행되고 있다. 협업 필터링의 일반적인 절차는 사용자-상품 행렬 생성, 이웃 집단 탐색, 추천 목록 생성 3단계로 구성되며 코사인 같은 사용자 유사도를 사용하여 목표 고객의 이웃을 탐색하며, 추천 상품 목록을 생성한다. 본 연구에서는 이웃 집단 탐색 및 추천 목록 생성 단계에서 사용하는 사용자 간의 유사도를 기존의 사용자 평점을 이용한 유사도에 고객의 리뷰 데이터를 사용하는 확장된 사용자 유사도를 제시한다. 리뷰를 정량화 하기 위해 본 연구에서는 텍스트 마이닝을 활용한다. 즉, 리뷰 데이터에 TF-IDF, Word2Vec, 그리고 Doc2Vec 기법을 사용하여 두 사용자 간의 리뷰 유사도를 구한 후 사용자 평점을 사용한 유사도와 리뷰 유사도를 결합한 확장된 유사도를 생성하는 것이다. 이를 검증하기 위해 전자상거래 사이트인 Amazon의 'Health and Personal Care'의 사용자 평점과 리뷰 데이터를 사용하였다. 실험 결과, 사용자 간 유사도를 산출할 때 기존의 평점에 기반한 유사도만을 사용하는 것보다, 사용자 리뷰의 유사도를 추가로 반영한 확장된 유사도를 사용하면 추천의 정확도가 높아진다는 것을 확인했다. 또한, 여러 텍스트 마이닝 기법 중에서 TF-IDF 기법을 사용한 확장된 유사도를 이웃 집단 탐색 및 추천 목록 생성단계에서 사용할 때의 성능이 가장 좋게 나타났다.
본 연구는 영재교육대상자 선발에 활용되는 교사 관찰 추천제에 대한 학부모의 인식과 태도를 조사한 것이다. 초등학교 자녀를 둔 부산지역 학부모를 대상으로 설문을 실시하였고, 관찰 추천제에 대한 의견차와 월수입에 따른 집단 간 차이를 분석하였다. 그 결과, 첫째, 변화된 선발방식에 대해 응답자의 약 80%의 학부모가 인지하고 있었으며, 관찰 추천제에 대해 긍정적으로 생각하는 학부모(긍정집단)가 40.5%, 부정적으로 생각하는 학부모(부정집단)가 32.3%, 아직 판단을 내리지 않은 학부모(미판단집단)가 27.2%로 나타났다. 둘째, 영재교육 대상자로 학생을 관찰하고 추천할 적임자로 영재교육관련 연수를 이수한 교사에 대해 응답 학부모들의 공감대가 높았다. 그러나, 관찰 추천제에 대한 의견차와 월수입에 따라 적임자는 누구인가와 적임자에 대한 신뢰수준은 어떠한가에 대해 각 집단 간 유의한 차이를 나타내었다. 셋째, 정부의 사교육대책 일환으로 실시하는 관찰 추천제의 도입에 따른 향후 사교육비 지출은 긍정집단에서는 현재보다 감소할 것이라는 응답이 다소 많은 반면, 부정집단과 미판단집단에서는 증가할 것이라는 응답이 훨씬 많았다. 본 연구결과는 교육현장에서 관찰 추천에 의한 영재교육 대상자 선발방식의 성공적인 안착을 위한 시사점을 제공하는 데 도움이 될 것으로 사료된다.
NGUYEN, Ha Minh;DANG, Linh Ai Thi;NGO, Trung Thanh
The Journal of Asian Finance, Economics and Business
/
제6권3호
/
pp.215-223
/
2019
The study aims to investigate the recommendation and revisit intentions of foreign tourists in Ho Chi Minh city, Vietnam through their satisfaction with local foods. The study proposed the group of five attributes for food image: taste, health concern, price, serving style, vendor/ restaurant staffs. The relationship between these attributes of food image and food satisfaction, as well as the one between food satisfaction and behavioral intentions were investigated. To ensure a high ratio of answers, a face-to-face survey was conducted in famous places at Ho Chi Minh city. Data with 210 foreign tourists. The study uses the methods of descriptive statistics, EFA, Cronbach Alpha and regression. The results showed that Five attributes of food image were chosen for the research, being taste, health concern, price, serving style and vendors/ restaurant staffs. All of these attributes showed a positive relationship with satisfaction. Among five factors, taste had the most impact on food satisfaction. Through the analysis of several attributes of food images, this study provides managerial implications for tourism marketers in researching the positive influence of food image on tourists' satisfaction which leads to their positive word-of-mouth and return to the tourism place.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.