• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제21권2호
• /
• pp.121-125
• /
• 2015

기존의 협업필터링 기반의 추천시스템에 대한 연구는 정확한 평점예측에 집중되면서 추천시스템의 수행시간이 길어지게 되고, 선호아이템을 짧은 시간에 추천해주는 본래의 목적에서 멀어지게 되었다. 본 논문에서는 Preference Difference Metric을 이용하여 평점예측이 아닌 선호 아이템의 분류를 통한 추천을 수행하여 수행시간을 단축하고 정확도를 유지하는 추천 알고리즘을 제안한다.

• 한국컴퓨터정보학회논문지
• /
• 제23권4호
• /
• pp.89-95
• /
• 2018

It is not easy for the user to find the information that is appropriate for the user among the suddenly increasing information in recent years. One of the ways to help individuals make decisions in such a lot of information is the recommendation system. Although there are many recommendation methods for such recommendation systems, a representative method is collaborative filtering. In this paper, we design and implement the movie recommendation system on user-based collaborative filtering of apache mahout based on mongoDB. In addition, Pearson correlation coefficient is used as a method of measuring the similarity between users. We evaluate Precision and Recall using the MovieLens 100k dataset for performance evaluation.

• 한국멀티미디어학회논문지
• /
• 제25권9호
• /
• pp.1367-1374
• /
• 2022

In this paper, we propose an automatic cosmetic foundation recommendation system that suggests a good foundation product based on the user's skin color. The proposed system receives and preprocesses user images and detects skin color with OpenCV and machine learning algorithms. The system then compares the performance of the training model using XGBoost, Gradient Boost, Random Forest, and Adaptive Boost (AdaBoost), based on 550 datasets collected as essential bestsellers in the United States. Based on the comparison results, this paper implements a recommendation system using the highest performing machine learning model. As a result of the experiment, our system can effectively recommend a suitable skin color foundation. Thus, our system model is 98% accurate. Furthermore, our system can reduce the selection trials of foundations against the user's skin color. It can also save time in selecting foundations.

• 지능정보연구
• /
• 제27권3호
• /
• pp.157-173
• /
• 2021

소비자의 욕구와 관심에 맞추어 개인화된 제품을 추천하는 추천 시스템은 비즈니스에 필수적인 기술로서의 그 중요성이 증가하고 있다. 추천 시스템의 대표적인 모형 중 협업 필터링은 우수한 성능으로 다양한 분야에서 활용되고 있다. 그러나 협업필터링은 사용자-아이템의 선호도 정보가 충분하지 않을 경우 성능이 저하되는 희소성의 문제가 있다. 또한 실제 평점 데이터의 경우 대부분 높은 점수에 데이터가 편향되어 있어 심한 불균형을 갖는다. 불균형 데이터에 협업 필터링을 적용할 경우 편향된 클래스에 과도하게 학습되어 추천 성능이 저하된다. 이러한 문제를 해결하기 위해 많은 선행연구들이 진행되어 왔지만 추가적인 외부 데이터 또는 기존의 전통적인 오버샘플링 기법에 의존한 추천을 시도하였기에 유용성이 떨어지고 추천 성능 측면에서 한계점이 있었다. 본 연구에서는 CGAN을 기반으로 협업 필터링 구현 시 발생하는 희소성 문제를 해결함과 동시에 실제 데이터에서 발생하는 데이터 불균형을 완화하여 추천의 성능을 높이는 것을 목표로 한다. CGAN을 이용하여 비어있는 사용자-아이템 매트릭스에 실제와 흡사한 가상의 데이터를 생성하여, 희소성을 가지고 있는 기존의 매트릭스로만 학습한 것과 비교했을 때 높은 정확도가 예상된다. 이 과정에서 Condition vector y를 이용하여 소수 클래스에 대한 분포를 파악하고 그 특징을 반영하여 데이터를 생성하였다. 이후 협업 필터링을 적용하고, 하이퍼파라미터 튜닝을 통해 추천 시스템의 성능을 최대화하는데 기여하였다. 비교 대상으로는 전통적인 오버샘플링 기법인 SMOTE, BorderlineSMOTE, SVM-SMOTE, ADASYN와 GAN을 사용하였다. 결과적으로 데이터 희소성을 가지고 있는 기존의 실제 데이터뿐만 아니라 기존 오버샘플링 기법들보다 제안 모형의 추천 성능이 우수함을 확인하였으며, RMSE, MAE 평가 척도에서 가장 높은 예측 정확도를 나타낸다는 사실을 증명하였다.

• 디지털융복합연구
• /
• 제18권1호
• /
• pp.301-307
• /
• 2020

최근 추천 시스템은 5G 시대의 시작과 동시에 여러 분야에서 도입하고 있으며, 주로 도서나 영화, 음악 분야의 서비스에서 크게 두각을 나타내고 있다. 그러나 이러한 추천 시스템에서 사용자마다 선호하는 정도가 주관적이고, 불확실하여 정확한 추천 서비스를 제공하기가 어렵다. 추천 시스템의 성능을 향상시키기 위해서는 많은 양의 학습 데이터가 필요하며, 추론 기술이 보다 정확해야 한다. 이러한 문제점을 해결하기 위하여 본 연구에서는 Fuzzy-AHP와 Word2Vec 학습 기법을 이용한 영화 추천 시스템을 제안하였다. 본 시스템에서는 사용자의 선호도를 객관적으로 예측하기 위해 Fuzzy-AHP를 사용하였으며, 스크레이핑한 데이터를 분류하기 위해 Word2Vec 학습 기법을 사용하였다. 본 시스템의 성능을 평가하기 위해 그리드 서치를 이용하여 Word2Vec 학습 결과의 정확도를 측정하였고, 그 후 본 시스템이 예측한 평점과 관객들이 평가한 영화의 평점 간 차이를 비교하였다. 그 결과 최적의 교차 검증 정확도가 91.4%로 우수한 성능을 나타내었으며, 예측한 평점과 관객들이 평가한 영화의 평점 간 차이를 Fuzzy-AHP 시스템과 비교한 결과 10% 정도 우수함을 확인할 수 있었다.

• 정보처리학회논문지D
• /
• 제16D권2호
• /
• pp.273-280
• /
• 2009

오늘날 컴퓨팅 환경의 진보와 웹의 이용이 활발해짐에 따라 오프라인에서 이루어졌던 있었던 많은 서비스들과 상품의 제공이 웹에서 이루어지고 있다. 이러한 웹 기반 서비스 및 상품은 개인에 적합하게 취사선택되어 제공되는 추세이다. 이렇듯 개인에 적합한 서비스 및 상품의 선택과 제공을 위한 패러다임을 개인화(personalization)라 한다. 개인화된 서비스 및 상품의 제공을 위한 분야로서 연구된 것이 추천(recommendation)이다. 그러나 이러한 추천 기법들은 신규 사용자에게 적합한 추천을 제공하지 못하는 문제와 사용자의 상품에 대한 평점에만 의존하여 추천을 생성한다는 계산 공간에서의 제약 사항을 가지고 있다. 두 문제 모두 추천 분야에서 지속적인 관심을 보이는 분야로서 신규사용자 추천 문제의 경우는 신규 사용자의 평점이 없기 때문에 유사 사용자들을 분류할 수 없음에 기인한다. 그리고 추천 공간 제약에 따른 문제는 추천 차원의 추가에 따른 처리 비용이 급격히 증가한다는 문제를 가지고 있기 때문에 쉽게 접근하기 어렵다. 따라서 본 논문에서는 신규사용자 추천 향상을 위한 기법과 평점 예측 시 예측에 대한 가중치를 적용하는 기법을 제안한다.

• 한국컴퓨터정보학회논문지
• /
• 제17권4호
• /
• pp.83-90
• /
• 2012

대규모의 상품을 다루는 전자상거래 시스템에서 개인화된 추천은 필수적인 기능이 되고 있다. 대표적 추천 알고리즘인 협업필터링은 내용기반 추천에 비하여 뛰어난 추천성능을 제공해 주고 있으나, 희박성, 신규 아이템 문제(Cold-start), 확장성 등의 근본적인 한계를 갖고 있다. 본 연구에서는 추가적으로 협업필터링이 목표 대상자에 따라 비일관된 예측 능력의 차이를 보이는 추천 성능의 편차 문제를 제기하고자 한다. 추천성능의 편차는 기존의 Mean Absolute Error(MAE)에 의해서는 측정되기 어려우며 또한 정확도, 재현율 지표와도 독립적으로 평가되고 있다. 협업알고리즘의 정확한 성능평가를 위해서 본 연구에서는 MAE, MAE 편차, 정확도, 재현율을 포괄적으로 평가할 수 있는 확장 성능평가모델을 제안하고 이를 클러스터링 기반 협업필터링에 적용하여 성능을 비교 분석한다.

• 한국컴퓨터정보학회논문지
• /
• 제18권2호
• /
• pp.107-116
• /
• 2013

본 연구에서는 소셜 음악 사이트에서 사용자들이 음악 아이템을 청취한 횟수와 생성한 태그 정보를 혼합하여 음악을 추천하는 시스템을 제안한다. 현재, 상용화된 음악 추천 시스템들은 주로 사용자의 청취 습관과 외부적인 선호도 입력값을 기반으로 음악을 추천하고 있다. 그러나 이 방식은 아직 음악을 청취한 사용자가 많지 않은 새로운 음악이나 청취 정보가 없는 새로운 사용자의 경우 추천하는 데 어려움이 있다. 이 문제를 해결하기 위해서 본 논문에서는 사용자가 선정한 키워드를 아이템에 부여하는 협업 태깅으로 생성된 태그 정보를 활용하였다. 태그의 의미를 파악하여 감정 표현의 정도에 따라 가중치를 부여한 뒤, 태그 점수와 청취 횟수를 혼합하여 음악 아이템의 선호도를 산출하였다. 이를 기반으로 사용자 프로파일을 생성하고 협업 필터링 알고리즘을 수행하였다. 제안하는 추천 방법의 효율성을 평가하기 위해서, 청취 습관 기반 추천, 태그 점수 기반 추천, 하이브리드 추천 방법의 세 가지 추천 방법에 대해서 정확도, 재현율, 그리고 F-measure를 계산하였다. 실험 결과에 대해 통계적 검증을 시행한 결과, 하이브리드 추천 방법이 다른 두 가지 방식보다 통계적으로 유의한 차이를 보여 성능이 우수한 것으로 나타났다.

• 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.

• 지능정보연구
• /
• 제28권2호
• /
• pp.1-18
• /
• 2022

디지털 기술이 산업 전반의 전자상거래 시장에 융합되면서 온라인 거래의 활성화와 이용률을 증가시켰으며, 이러한 시장의 흐름은 최근 코로나와 같은 감염병이 확산함에 따라 더욱 가속화되어 다양한 상품 정보를 온라인을 통해 고객들에게 제공할 수 있게 되었다. 다양한 정보의 제공은 고객들에게 다양한 선택의 기회를 제공하지만 의사결정에 어려움을 주기도 한다. 추천시스템은 고객의 의사결정에 도움을 줄 수 있으나 기존 추천시스템 연구는 정량적 데이터만에 국한되어 있으며, 상품 및 고객의 세부적인 요인을 반영하지 못하였다. 이에 본 연구에서는 온라인 리뷰를 기반으로 정성적 데이터를 텍스트 마이닝 기법을 적용하여 상품 및 고객의 속성을 정량화하고 기존의 객관적 지표인 총평점과 감성 및 감정을 통합한 지능형 추천시스템을 제안한다. 제안된 지능형 추천모형은 총평점 위주의 추천 모형보다 우수한 추천성과를 보여주었으며, 상품 및 고객의 세부적 요소를 반영한 추천결과를 통해 새로운 비즈니스 가치를 창출할 것으로 기대한다.