• 디지털산업정보학회논문지
• /
• 제6권2호
• /
• pp.1-9
• /
• 2010

The increasing popularity of mobile devices, such as cellular phones, smart phones, and PDAs, has fostered the need to recommend more effective information in ubiquitous environments. We propose the recommendation method for mobile contents service using contexts and prefetching in ubiquitous environment. The proposed method enables to find some relevant information to specific user's contexts and computing system contexts. The prefetching has been applied to recommend to user more effectively. Our proposed method makes more effective information recommendation. The proposed method is conceptually comprised of three main tasks. The first task is to build a prefetching zone based on user's current contexts. The second task is to extract candidate information for each user's contexts. The final task is prefetch the information considering mobile device's resource. We describe a new recommendation.

• 디지털융복합연구
• /
• 제10권6호
• /
• pp.275-281
• /
• 2012

본 연구는 태스크 온톨로지를 이용한 자동차부품 추천시스템 개발 방법을 제안하였다. 제안한 지능형 추천 시스템은 자동차 부품 조립과정을 학습하도록 하였으며, 자동차부품 추천을 위하여 부품들을 온톨로지 방법으로 구축하였다. is-a Relationship 기반 hierarchical Taxonomy를 이용하여 자동차 엔진을 구성하고 있는 각각의 부품들 사이의 관계를 설정하였다. 각각의 부품은 자동차 전문가의 지식에 의해 각기 다른 가중치 값을 가지고 있게 된다. 가중치는 자동차 추천시스템의 사용자들이 직접 사용하면서 선택한 횟수와 가중치의 곱 연산을 이용한 결과 값을 시스템 내에서 기록하여 순서를 작성하고 결과적으로 우선순위(priority)가 높은 순서부터 사용자에게 출력함으로써 어느 부품의 어느 요소가 중요한지 쉽게 파악할 수 있도록 하였다. 자동차부품 지능형 추천시스템은 사용자가 쉽게 접근하기 어려운 자동차 부품관련 부분을 생성된 데이터를 바탕으로 임의의 부품을 선택했을 때 해당 부품과 밀접한 관계를 가진 부품을 표현하여 특별히 전문적인 지식 없이도 손쉽게 자동차 부품의 조립 및 쓰임새와 중요성을 알 수 있게 해주는 시스템이다.

• 융합정보논문지
• /
• 제9권2호
• /
• pp.23-33
• /
• 2019

연구 개발 활동은 다양한 기술 정보의 조사 분석 및 기술 보고서 작성 활동들로 구성된다. 연구 개발 활동이 구체화되면서 이전 단계에 작성된, 또는 이전의 유사 프로젝트에서 작성된 관련 기술 문서를 참조하는 일이 많이 발생한다. 본 논문에서는 연구자가 원하는 이전 산출물의 효율적인 재사용을 가능하게 하는 재사용 추천 프레임워크인 RTRF(research task based reuse recommendation framework)를 제안한다. 제안하는 프레임워크는 기존의 유사어 기반 검색 및 재사용에 추가하여 태스크 유사도를 기반으로, 개발자의 연구와 비슷한 흐름을 가지고 있는 다른 개발자가 재사용한 문서를 추천해주어 개발자에게 필요할 수 있는 정보를 제공한다. 사례연구는 연구자들이 기존 문서를 재사용하여 기술동향보고서를 작성하는 과정에서의 효율성을 보이기 위해 수행하였다. RTRF를 이용하여 재사용을 수행하는 경우, RTRF를 이용하지 않는 경우와 비교했을 때 다른 단계의 문서 및 다른 연구분야의 문서를 더 빈번하게 재사용하는 것을 알 수 있었다. 본 논문에서 제안하는 RTRF는 개발자가 저장소에 저장되어 있는 방대한 양의 R&D 문서들 중에서 원하는 문서를 효율적으로 재사용하는 것에 큰 기여를 한다.

• 산업경영시스템학회지
• /
• 제28권3호
• /
• pp.58-64
• /
• 2005

Customer sensibility based recommendation agent system was developed to tailor to the customer the suggestion of goods and the description of store catalog in on-line shopping mall. The recommendation agent system composed of five modules and seven services including specialized algorithm. This study was to investigate the effectiveness of the customer sensibility based recommendation agent system in on-line shopping mall. This study asked 30 male and female students to perform the task in on-line shopping mall and facilitated them questionnaires. The questionnaires were administered to subjects to measure quality precision, ease of use, support of buying, purchasing power, future intention of the system. The study revealed that good part of the subjects positively evaluated the customer sensibility based recommendation system except for ease of use. The study on usability of the recommendation agent system has need to be performed in next. This paper shows that the satisfaction and the buying power of customers may be improved by presenting customer sensibility based recommendation in on-line shopping mall.

• 영재교육연구
• /
• 제22권1호
• /
• pp.173-196
• /
• 2012

본 연구에서는 관찰 추천전형으로 선발된 학생들의 영재수업프로그램 수행 사례와 교사추천서의 관련성을 분석하였다. 이를 위해 C 교육대학교 부설 과학영재교육원에서 2010년 관찰 추천전형으로 선발된 학생 9명의 교사추천서를 분석하였다. 교사추천서의 서술방식과 내용에 따라 학생들을 4그룹으로 분류하고, 분석대상으로 그룹별로 1명씩 선정하였다. 연구 결과, 교사추천서에 일화 형식으로 영재의 인지적 특징이 서술된 학생 a1은 영재프로그램 수행과정에서 적극적인 과제집착력과 논리적인 문제해결능력을 나타내었다. 일화 형식으로 영재의 정의적 사회적 특징이 주로 서술된 학생 a2는 적극적인 태도로 수업에 임하나 동료나 교사의 도움을 받아서 문제를 해결하였다. 교사추천서에 피상적으로 인지적 특성이 나열된 학생 b1은 과제집착력, 실험설계능력, 실험기구조작능력 등을 바탕으로 우수한 문제해결력을 보였다. 교사추천서에 피상적으로 정의적.사회적 특성이 나열된 학생 b2는 적극적이며 바른 태도로 수업에 임하나 과제해결이 미흡하였다. 따라서 관찰 추천이 효용성을 갖기 위해서는 교사추천서에 영재의 인지적 특성에 대한 구체적인 서술이 필요함을 알 수 있었다.

• 영재교육연구
• /
• 제24권4호
• /
• pp.577-595
• /
• 2014

본 연구는 영재교육 대상자 선발 방법으로서 또래추천의 가능성을 알아보고 이를 통해 영재 선발에 다양한 시각을 제공하고자 한다. 연구대상은 경기도 있는 D초등학생 4, 5, 6학년 학생 355명과 J초등학생 4, 5, 6학년 학생 165명과 각 반의 담당 교사 16명이다. 연구를 위해 또래추천 학생과 미추천 학생간의 창의적 인성, 성취동기, 문제해결 성향 및 과제선호검사에서 차이를 조사하였다. 본 연구의 결과는 다음과 같다. 첫째, 또래추천 학생과 미추천 학생들 간의 창의적 인성, 성취동기, 문제해결 성향 및 과제 선호는 또래추천 학생이 미추천 학생에 비해 유의미하게 높게 나타났다(p<.05). 하위영역별로 비교하여 보았을 때는 창의적 인성의 심미성을 제외하고 모두 또래추천 학생들이 유의미하게 높았다. 둘째, 학년별 또래추천 학생과 미추천 학생들 간의 창의적 인성, 성취동기, 문제해결 성향, 과제 선호검사에서는 5, 6학년은 모두 또래 추천 학생이 유의미하게 높게 나타났다(p<.05). 4학년 학생은 창의적 인성을 제외하고 또래추천 학생이 모두 유의미하게 높게 나타났다. 셋째, 교사 및 또래로부터 모두 추천받은 학생과 교사 추천만 받은 학생의 창의적 인성, 성취동기, 문제해결 성향 및 과제 선호를 비교해 보았을 때, 동료 및 교사 모두에게 추천받은 학생이 교사에게만 추천받은 학생보다 문제해결 성향 및 과제선호에서 유의미하게 높게 나타났다(p<.05). 따라서 초등영재교육 대상자 선발에서 또래 추천 방법은 교사추천을 보완하는 유용한 자료로 이용될 수 있을 것이다.

• International Journal of Advanced Culture Technology
• /
• 제8권4호
• /
• pp.167-176
• /
• 2020

Recommendation Systems is the top requirements for many people and researchers for the need required by them with the proper suggestion with their personal indeed, sorting and suggesting doctor to the patient. Most of the rating prediction in recommendation systems are based on patient's feedback with their information regarding their treatment. Patient's preferences will be based on the historical behaviour of similar patients. The similarity between the patients is generally measured by the patient's feedback with the information about the doctor with the treatment methods with their success rate. This paper presents a new method of predicting Top Ranked Doctor's in recommendation systems. The proposed Recommendation system starts by identifying the similar doctor based on the patients' health requirements and cluster them using K-Means Efficient Clustering. Our proposed K-Means Clustering with Content Based Doctor Recommendation for Cancer (KMC-CBD) helps users to find an optimal solution. The core component of KMC-CBD Recommended system suggests patients with top recommended doctors similar to the other patients who already treated with that doctor and supports the choice of the doctor and the hospital for the patient requirements and their health condition. The recommendation System first computes K-Means Clustering is an unsupervised learning among Doctors according to their profile and list the Doctors according to their Medical profile. Then the Content based doctor recommendation System generates a Top rated list of doctors for the given patient profile by exploiting health data shared by the crowd internet community. Patients can find the most similar patients, so that they can analyze how they are treated for the similar diseases, and they can send and receive suggestions to solve their health issues. In order to the improve Recommendation system efficiency, the patient can express their health information by a natural-language sentence. The Recommendation system analyze and identifies the most relevant medical area for that specific case and uses this information for the recommendation task. Provided by users as well as the recommended system to suggest the right doctors for a specific health problem. Our proposed system is implemented in Python with necessary functions and dataset.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권5호
• /
• pp.1708-1727
• /
• 2021

In the advent of the twenty-first century, human beings began to closely interact with technology. Today, technology is developing, and as a result, the world wide web (www) has a very important place on the Internet and the significant task is fulfilled by Web services. A lot of Web services are available on the Internet and, therefore, it is difficult to find matching Web services among the available Web services. The recommendation systems can help in fixing this problem. In this paper, our observation was based on the recommended method such as the collaborative filtering (CF) technique which faces some failure from the data sparsity and the cold-start problems. To overcome these problems, we first applied an ontology-based clustering and then the k-nearest neighbor (KNN) algorithm for each separate cluster group that effectively increased the data density using the past user interests. Then, user ratings were predicted based on the model-based approach, such as singular value decomposition (SVD) and the predictions used for the recommendation. The evaluation results showed that our proposed approach has a less prediction error rate with high accuracy after analyzing the existing recommendation methods.

• International Journal of Computer Science & Network Security
• /
• 제22권4호
• /
• pp.47-52
• /
• 2022

The current study investigates how student-teacher interaction can be developed through task-based teaching in undergraduate students' Saudi teaching and learning context. An experiment was conducted for five weeks on 85 male undergraduate students at a Saudi public university based in Jeddah, Saudi Arabia. The study investigated different types of student-teacher interaction through task-based teaching (speaking activities). The results revealed that the experimental group (43 students) evinced much more enthusiasm, willingness, engagement and readiness in their inclass participation than their peers in the control group (42 students). The student-teacher interaction also helped students to be more responsive to general and specific topics in speaking activities. The study recommends that decision-makers in education make student-teacher interaction part of the student's monthly assessment. It also recommends that more efforts be made to foster the awareness of students, teachers, and parents awareness of the academic and non-academic importance of interaction. One final recommendation of the research is that student-teacher interaction should be more emphasized and integrated into the school curriculum and adopted as a critical teaching strategy.

• Journal of Information Processing Systems
• /
• 제9권3호
• /
• pp.435-460
• /
• 2013

Recommender systems are popular applications that help users to identify items that they could be interested in. A recent research area on recommender systems focuses on detecting several kinds of inconsistencies associated with the user preferences. However, the majority of previous works in this direction just process anomalies that are intentionally introduced by users. In contrast, this paper is centered on finding the way to remove non-malicious anomalies, specifically in collaborative filtering systems. A review of the state-of-the-art in this field shows that no previous work has been carried out for recommendation systems and general data mining scenarios, to exactly perform this preprocessing task. More specifically, in this paper we propose a method that is based on the extraction of knowledge from the dataset in the form of rating regularities (similar to frequent patterns), and their use in order to remove anomalous preferences provided by users. Experiments show that the application of the procedure as a preprocessing step improves the performance of a data-mining task associated with the recommendation and also effectively detects the anomalous preferences.