• 정보처리학회논문지B
• /
• 제9B권4호
• /
• pp.399-406
• /
• 2002

본 연구는 웹 서핑 지원을 위한 적응형 사용자 에이전트의 설계를 위해 사용자 데이터 수집, 데이터 처리를 통한 사용자 프로파일 구축 및 개선, 그리고 사용자 프로파일의 적용을 통한 적응 등 세 가지 이슈를 집중 연구하였다. 그 결과 웹 상에서 작동하는 적응형 사용자 에이전트를 위한 기능 정의 및 주요 구성 요소들을 설계하고 세부 모형을 구현하였다. 내부적으로는 두 개의 독립된 에이전트의 협동 체제에 의해 작업 목표를 성취한다. 이들은 각각 IIA(Interactive Interface Agent) 및 UPA(User Profiling Agent)이다. 사용자 인터페이스를 관장하는 IIA는 사용자에게 현재 웹 문서의 대강을 파악하고 나아가서 검색 질의어를 선택할 수 있게 하는 키워드 색인(Keyword Index)과, 계층 구조 방식의 사용자 검색 과정을 나타내는 제안 링크(Suggest Link)를 제공함으로서 사용자 친숙한 인터페이스 환경을 제시한다. UPA는 사용자에 관한 정적 정보와 브라우징 행위에서 나타나는 동적 정보를 사용자 프로파일에 반영한다. 특히, 사용자 관심을 반영하는 관심 벡터(Interest Vector)의 개념을 정립하고 근접도(similarity) 평가에 의해 이들을 갱신하고 추가함으로써 사용자 관심을 동적으로 프로파일링하는 체계를 제시하였다.

• Journal of Information Processing Systems
• /
• 제8권2호
• /
• pp.191-212
• /
• 2012

Since a social network by definition is so diverse, the problem of estimating the preferences of its users is becoming increasingly essential for personalized applications, which range from service recommender systems to the targeted advertising of services. However, unlike traditional estimation problems where the underlying target distribution is stationary; estimating a user's interests typically involves non-stationary distributions. The consequent time varying nature of the distribution to be tracked imposes stringent constraints on the "unlearning" capabilities of the estimator used. Therefore, resorting to strong estimators that converge with a probability of 1 is inefficient since they rely on the assumption that the distribution of the user's preferences is stationary. In this vein, we propose to use a family of stochastic-learning based Weak estimators for learning and tracking a user's time varying interests. Experimental results demonstrate that our proposed paradigm outperforms some of the traditional legacy approaches that represent the state-of-the-art technology.

• Journal of Information Processing Systems
• /
• 제18권2호
• /
• pp.245-257
• /
• 2022

In the Internet of Things (IoT) era, the types of devices used by one user are becoming more diverse and the number of devices is also increasing. However, a forensic investigator is restricted to exploit or collect all the user's devices; there are legal issues (e.g., privacy, jurisdiction) and technical issues (e.g., computing resources, the increase in storage capacity). Therefore, in the digital forensics field, it has been a challenge to acquire information that remains on the devices that could not be collected, by analyzing the seized devices. In this study, we focus on the fact that multiple devices share data through account synchronization of the online platform. We propose a novel way of identifying the user's interest through analyzing the remnants of targeted advertising which is provided based on the visited websites or search terms of logged-in users. We introduce a detailed methodology to pick out the targeted advertising from cache data and infer the user's interest using deep learning. In this process, an improved learning model considering the unique characteristics of advertisement is implemented. The experimental result demonstrates that the proposed method can effectively identify the user interest even though only one device is examined.

• 정보과학회 논문지
• /
• 제41권12호
• /
• pp.1117-1125
• /
• 2014

최근 폭소노미라고 불리는 데이터들이 사용자의 의도 파악 및 흥미를 분석하는 데에 매우 유용하게 쓰이고 있다. 본 논문은 폭소노미 데이터를 이용한 개인화 검색에서, 기존의 벡터 기반 프로파일링 및 유사도 계산 모델의 한계점을 지적하고, 이러한 한계를 극복하기 위한 방법으로 그래프 기반의 프로파일링 및 유사도 계산법을 제안한다. 최종적으로 그래프 기반의 개인화 검색 모델에 추가적으로 질의어간의 근접성까지 고려한 보다 발전된 개인화 검색 기법을 제안하였다. 본 연구에서는 복수의 데이터셋을 사용한 객관적인 성능 평가 실험을 통해 제안한 모델이 기존의 벡터 스페이스 모델에 기반한 프로파일링 기법 및 프로파일 간의 유사도 계산 기법보다 더 뛰어난 개인화 검색 결과를 제공함을 확인하였다. 또한 추가적인 파라미터 실험을 통하여, 제안하는 모델은 어떠한 형태의 데이터셋에도 쉽게 적용가능함을 보였다.

• 한국융합학회논문지
• /
• 제9권12호
• /
• pp.25-32
• /
• 2018

방대해지고 있는 온라인 패션 시장에서는 소비자도 자신이 원하는 스타일에 대해 키워드 검색으로 원하는 패션 스타일을 일일이 찾기란 쉽지 않은 일이다. 이를 해소해줄 수 있는 것은 소비자의 니즈를 반영한 패션 추천이다. 기존 온라인 쇼핑 사이트는 소비자의 니즈를 파악하고 추천하기 위하여 설문조사 형식으로 소비자의 선호 스타일을 파악하는 것이 대부분이었다. 본 논문에서는 기존 방법의 한계점을 해소하고자 암묵적 프로파일링 방법을 통하여 소비자들의 니즈와 선호하는 스타일에 대해 간편하고 효과적으로 파악할 수 있는 모델을 제안하였다. 또한 이렇게 수집된 데이터로 학습한 딥러닝기반의 지능형 선호 패션 모델을 통하여 이미지 자체에 대한 특성을 반영하도록 학습하는 방법을 제안하였다. 제안한 모델의 정성적 평가를 통하여 의미있는 결과를 얻을 수 있었다.

• 한국융합학회논문지
• /
• 제11권7호
• /
• pp.1-7
• /
• 2020

모바일 디바이스의 성능이 급격히 향상됨에 따라 사용자는 많은 작업을 모바일 환경에서 할 수 있게 되었다. 이는 모바일 디바이스에 저장된 행태 정보를 활용하면 사용자의 많은 부분을 알 수 있음을 의미한다. 예를 들어, 사용자의 문자 메시지와 자주 사용하는 어플리케이션 정보(행태 정보)를 활용하여 사용자가 육아에 관심이 있는지와 같은 유용한 정보(프로파일 예측)를 만들 수 있다. 본 연구에서는 모바일 디바이스에서 수집할 수 있는 사용자의 행태 정보를 알아보고, 이를 활용하여 사용자를 프로파일링 할 수 있는 항목을 제안한다. 그리고 프로파일링 결과를 활용하여 사용자에게 편의를 줄 수 있는 정보로 활용할 수 있는 방안도 함께 제시한다.

• 지능정보연구
• /
• 제25권3호
• /
• pp.117-140
• /
• 2019

고령화 현상이 가속화되고, 취약계층 노인과 관련된 다양한 사회문제가 제기됨에 따라 노인세대의 건강과 안전을 보호하기 위한 효과적인 노인 돌봄 솔루션의 필요성이 커지고 있다. 최근에는 노인 돌봄의 수단으로 첨단화된 ICT 기술을 탑재한 스마트 토이를 활용하고자 하는 사례가 늘고 있다. 특히 스마트 토이를 통해 기록되는 노인 행태에 대한 로그 데이터는 노인 돌봄 관련 정책 수립, 노인 돌봄 서비스 컨셉 기획 및 개발과 같은 분야에 정량적이고 객관적인 설명지표로써 활용 가치가 높을 것으로 전망된다. 그러나 현재까지 노인 돌봄 스마트 토이와 관련된 연구 중 스마트 토이를 통해 기록된 사용자 행동 로그에 주목하여 이를 의사결정에 활용하고자 하는 연구는 부족한 실정이다. 본 연구는 기존에 충분히 논의되지 않았던 스마트 토이 사용자 행동 로그 데이터에 대한 분석을 중심으로, 노인 돌봄 솔루션의 사용자 경험 증진을 위한 효과적인 인사이트를 도출하는 것을 목적으로 한다. 구체적으로 사용자 프로파일링 기반 행태 분석과 사용 행태에 따른 삶의 질 변화 메커니즘 도출을 단계적으로 수행하였다. 분석 결과, 5개의 노인 생활관리 요인으로부터 노인집단 유형을 분류할 수 있는 2개의 중요한 차원을 도출하였으며, 도출한 차원에 근거하여 전체 노인 사용자를 3개의 유형으로 분류하고 유형별 스마트 토이 사용 행태 차이를 프로파일링 분석을 통해 확인할 수 있었다. 이후 스마트 토이 사용 행태에 따른 삶의 질 변화 메커니즘을 도출하기 위한 단계적 회귀분석을 수행하였으며, 스마트 토이와의 상호작용, 스마트 토이의 콘텐츠 사용, 스마트 토이가 관찰한 노인의 가정 내 활동 정도가 노인의 우울감 개선과 생활패턴 개선에 미치는 영향 및 이를 중재하는 경로로써 스마트 토이에 대한 사용자의 성능평가와 만족감의 역할을 밝혀내었다.

• 수산해양교육연구
• /
• 제25권4호
• /
• pp.958-972
• /
• 2013

The purpose of this study is to analyze on high school teachers' stage of concern(SoC) on 'Creative-Experience Activity' in 2009 revised national curriculum and investigate the improvements of their levels. The subjects for this study were 234 high school teachers through out all part of the Korea country. The instrument for this study was developed according to the Hall & Hord(2006)'s stage of concerns questionnaire of Stage of Concern. The Data were analyzed by Profiling of teachers' concern and one-way ANOVA. The major findings of this study were as follows: First, 85.25% of the high school teachers were in stage of Awareness. 6.34% of teachers were in stage of Information. Most of high school teachers' concern about 'Creative-Experience Activity' was generally 'non-user' stage that unconcerned. Second, there were not significant differences in teachers' stage of concern according to their sex and teaching career except for region. In region, the teacher in metropolis tent to interest getting new information than small and midium size city. We need to make an effort to transfer from 'non-user' stage to 'early-user' stage of and 'impact' stage. To do so, we may sublate too much curriculum revise and start teacher training for 2009 revised 'creativity-experience activity' curriculum. The result of the study provide that there are not curriculum implementation success without teachers' concern about revised curriculum.

• International Journal of Computer Science & Network Security
• /
• 제24권9호
• /
• pp.150-156
• /
• 2024

With the advent of personalized search engines, a myriad of approaches came into practice. With social media emergence the personalization was extended to different level. The main reason for this preference of personalized engine over traditional search was need of accurate and precise results. Due to paucity of time and patience users didn't want to surf several pages to find the result that suits them most. Personalized search engines could solve this problem effectively by understanding user through profiles and histories and thus diminishing uncertainty and ambiguity. But since several layers of personalization were added to basic search, the response time and resource requirement (for profile storage) increased manifold. So it's time to focus on optimizing the layered architectures of personalization. The paper presents a layout of the multi agent based personalized search engine that works on histories and profiles. Further to store the huge amount of data, distributed database is used at its core, so high availability, scaling, and geographic distribution are built in and easy to use. Initially results are retrieved using traditional search engine, after applying layer of personalization the results are provided to user. MongoDB is used to store profiles in flexible form thus improving the performance of the engine. Further Weighted Sum model is used to rank the pages in personalization layer.

• 정보처리학회논문지C
• /
• 제10C권7호
• /
• pp.857-866
• /
• 2003

사용자 비정상 행위를 탐지하기 위해서 기존의 연구들은 주로 통계적 기법을 이용해 왔다. 그러나 이들 연구들은 주로 사용자의 평균적인 행위를 분석하기 때문에 사용자의 비정상행위가 정확하게 탐지될 수 없다. 본 논문에서는 사용자의 정상행위를 모델링하는 새로운 클러스터링 방법을 제안한다. 클러스터링은 분석 환경에서 임의 개수의 빈발 영역을 식별할 수 있기 때문에 통계적 기법에서의 부정확한 모델링 방법을 개선할 수 있다. 빈발 공통 지식은 트랜잭션 단위로 발생되는 유사 데이터 객체들의 빈도수와 각 트랜잭션에 포함된 유사 데이터 객체들의 반복 비율로 나타낼 수 있다. 이와 더불어, 제안된 방법은 공통 지식을 축약된 프로파일로 유지하는 방법을 설명한다. 따라서 생성된 프로파일을 이용하여 온라인 트랜잭션에서의 비정상 행위를 쉽게 탐지할 수 있다.