• Asia pacific journal of information systems
• /
• 제17권1호
• /
• pp.123-145
• /
• 2007

There are flourishing studies in the acceptance or usage of information systems literature. Most of them have taken the pro - acceptance view. Undesirably, information technologies often provoke users' reactance or resistance. This paper explores one of the negative reactions -psychological reactance. The present paper studies the effects of the users' perception of threatened freedom and personalization degree on intention to use recommendation services. High personalization can be a major motivation for users to accept recommendation systems. However recommendation services are a two-edged sword, which not only provides users the efficiency of decision making but also poses threats to free choice. When people consider that their freedom is reduced or threatened by others, they experience the motivational state to restore the freedom. This motivational state must be considered in understanding usage of information systems, especially personalized services which are designed for persuasion or compliance. This paper empirically investigates the effect of personalization and the psychological reactance on the intention to use information systems in the personalized recommendation context. Users' perception of personalization increases the usefulness of recommendation service while their perception of threat to freedom reduces the intention to use personalized recommendation service. Findings and implications are discussed.

• 한국디자인학회:학술대회논문집
• /
• 한국디자인학회 2004년도 춘계 학술발표대회 논문집
• /
• pp.294-295
• /
• 2004

• 디지털산업정보학회논문지
• /
• 제6권3호
• /
• pp.19-29
• /
• 2010

A marketing model is changed from a customer acquisition to customer retention and it is being moved to a way that enhances the quality of customer interaction to add value to our customers. Such personalization is emerging from this background. The Web site is accelerate the adoption of a personalization, and in contrast to the rapid growth of data, quantitative analytical experience is required. For the automated analysis of large amounts of data and the results must be passed in real time of personalization has been interested in technical problems. A recommendation algorithm is an algorithm for the implementation of personalization, which predict whether the customer preferences and purchasing using the database with new customers interested or likely to purchase. As recommended number of users increases, the algorithm increases recommendation time is the problem. In this paper, to solve this problem, a recommendation system based on clustering and dimensionality reduction is proposed. First, clusters customers with such an orientation, then shrink the dimensions of the relationship between customers to low dimensional space. Because finding neighbors for recommendations is performed at low dimensional space, the computation time is greatly reduced.

• International Journal of Advanced Culture Technology
• /
• 제8권4호
• /
• pp.263-270
• /
• 2020

The growth of the mobile app markets has made it popular among people who recommend relevant information about restaurants. The recommendation service app based on AI Chatbot is that it can efficiently manage time and finances by making it easy for restaurant consumers to easily access the information they want anytime, anywhere. Eating out consumers use smartphone applications for finding restaurants, making reservations, and getting reviews and how to use them. In addition, social attention has recently been focused on the research of AI chatbot. The Chatbot is combined with the mobile messenger platform and enabling various services due to the text-type interactive service. It also helps users to find the services and data that they need information tersely. Applying this to restaurant recommendation services will increase the reliability of the information in providing personal information. In this paper, an artificial intelligence chatbot-based smartphone restaurant recommendation app using personalization information is proposed. The recommendation service app utilizes personalization information such as gender, age, interests, occupation, search records, visit records, wish lists, reviews, and real-time location information. Users can get recommendations for restaurants that fir their purpose through chatting using AI chatbot. Furthermore, it is possible to check real-time information about restaurants, make reservations, and write reviews. The proposed app uses a collaborative filtering recommendation system, and users receive information on dining out using artificial intelligence chatbots. Through chatbots, users can receive customized services using personal information while minimizing time and space limitations.

• 디지털융복합연구
• /
• 제10권1호
• /
• pp.309-315
• /
• 2012

모바일 네트워크 및 디바이스가 빠르게 발전하면서 스마트폰의 보급이 확산되고, 이를 활용한 다양한 부가 서비스들도 성장함에 따라 다양한 서비스를 제공할 수 있는 스마트폰은 향후 가장 주목 받는 기술로 전망되고 있다. 모바일 환경이 빠르게 발전하면서 기존의 PC에서 이루어지던 서비스가 모바일 환경으로 바뀌고 있다. 현재 사용자 추천 서비스를 위해 사용자 상황정보 모델링을 통해 사용자에게 맞는 서비스가 이루어져야 한다. 개인화 추천 서비스를 위해서는 상황인식 기술이 필수적이고, 상황인식을 위해서 상황정보의 적절한 표현 및 정의가 필요하다. 상황정보를 표현하기 위한 방법에는 온톨로지 기반 모델이 표현법이 가장 뛰어나고, 널리 쓰이고 있다. 본 논문에서는 사용자 개인화 추천 서비스를 위하여 상황 정보의 OWL 모델링을 통해 상황을 정의하였으며, 상황 추론을 위하여 추론규칙과 추론엔진을 사용한 서비스 기법을 제시하였다.

• 컴퓨터교육학회논문지
• /
• 제6권4호
• /
• pp.171-180
• /
• 2003

최근의 웹 기반 교수-학습의 패러다임은 학습자의 능력, 적성, 요구, 흥미, 학습 이력, 학습 활동 프로파일등에 입각하여 학습자의 학습 패턴을 분석해내고, 학습자 개개인에게 적응적인 환경을 제공하는 방향으로 변화되고 있다. 본 연구에서는 학습 활동 데이터를 이용하여 학습자의 학습 패턴을 Apriori 알고리즘을 이용하여 분석해내고 학습자 개개인에게 적응적인 학습 환경을 제공하는 개인화 시스템을 개발하였다. 개인화 시스템은 학습경로, 인터페이스, 상호작용 개인화의 세 부분으로 구성되어있다. 개발된 개인화 시스템을 웹 기반 교수-학습 과정에서 학습자 개인의 학습 만족도를 향상시키는데 효과가 있는 것으로 나타났다.

• 경영과학
• /
• 제17권3호
• /
• pp.19-30
• /
• 2000

Customization and personalization services are considered as a critical success factor to be a successful Internet store or web service provider. As a representative personalization technique, personalized recommendation techniques are studied and commercialized to suggest products or services to a customer of Internet storefronts based on demographics of the customer or based on an analysis of the past purchasing behavior of the customer. The underlining theories of recommendation techniques are statistics, data mining, artificial intelligence, and/or rule-based matching. In the rule-based approach for personalized recommendation, marketing rules for personalization are usually collected from marketing experts and are used to inference with customers data. however, it is difficult to extract marketing rules from marketing experts, and also difficult to validate and to maintain the constructed knowledge base. In this paper, we proposed a marketing rule extraction technique for personalized recommendation on Internet storefronts using market basket analysis technique, a well-known data mining technique. Using marketing basket analysis technique, marketing rules for cross sales are extracted, and are used to provide personalized advertisement selection when a customer visits in an Internet store. An experiment has been performed to evaluate the effectiveness of proposed approach comparing with preference scoring approach and random selection.

• 한국인터넷방송통신학회논문지
• /
• 제12권1호
• /
• pp.265-273
• /
• 2012

현재 사용자 추천 서비스를 위해 사용자 상황정보 모델링을 통해 사용자에게 맞는 서비스가 이루어져야 한다. 개인화 추천 서비스를 위해서는 상황인식 기술이 필수적이고, 상황인식을 위해서 상황정보의 적절한 표현 및 정의가 필요하다. 상황정보를 표현하기 위한 방법에는 온톨로지 기반 모델이 표현법이 가장 뛰어나고, 널리 쓰이고 있다. 본 논문에서는 사용자 개인화 추천 서비스를 위하여 상황 정보의 OWL 모델링을 통해 상황을 정의하였으며, 상황 추론을 위하여 추론규칙과 추론엔진을 사용한 서비스 기법을 제안하였다.

• International Journal of Computer Science & Network Security
• /
• 제22권10호
• /
• pp.369-373
• /
• 2022

In the decision-making domain, a document warehouse is designed to meet the analysis needs of users who may have a wide variety of analysis purposes. In this paper, we propose to integrate the preferences and interactions of users based on profiles to the concept of document warehouses. These profiles guarantee the integration of personalized documents and the collaborative recommendation of documents between different users sharing common interests.

• 감성과학
• /
• 제9권spc3호
• /
• pp.179-185
• /
• 2006

본 연구는 다른 분야에서 성공적으로 활용되고 있는 다양한 추천 기법들을 비교하는 사례 연구를 통해 더욱 효과적인 디자인 개인화 서비스 개발의 기회를 모색하고자 하였다. 우선, 문헌연구를 통하여 '컨텐츠 기반 기법', '협력적 필터링 기법', 그리고 '인구통계적 필터링 기법'과 같은 대표적인 추천 기법들의 특징과 장단점을 고찰하였다. 다음으로 이러한 기법들이 디자인과 같은 컨텐츠를 대상으로 적용되었을 때 예상되는 추천 정확성을 분석하기 위해 실험을 실시하였다. 그 결과, 인구통계적 필터링 기법은 나머지 기법에 비해서 비교적 낮은 정확성을 보였으며 컨텐츠 기반 기법이 가장 좋은 높은 추천 정확성을 나타내었다. 아울러 협력적 필터링 기법은 참여자들의 수가 증가할수록 좀 더 높은 추천 정확성을 나타냄을 알 수 있었다. 결론적으로 디자인 추천 서비스는 컨텐츠 기반 기법이나 협력적 필터링 기법의 적용을 통해 그 추천 정확성을 향상시킬 수 있으며 대상 사용자의 수가 일정 수준 이상으로 증가된다면 협력적 필터링 기법이 가장 우수한 효율을 나타낼 가능성이 높음을 제시하였다.