• 한국콘텐츠학회논문지
• /
• 제9권5호
• /
• pp.24-32
• /
• 2009

우리 사회는 급속히 고령화되고 있으며 소득수준은 점점 향상되어 가고 있다. IT 기반 융합기술의 발전에 따라 u-헬스케어 서비스를 위한 인프라스트럭처가 구축되면서, 민간요법으로 알려진 수지침 처방의 중요성이 부각되고 있다. 본 논문에서는 u-헬스케어에서 상황에 따른 자가진단을 이용한 수지침 처방을 제안하였다. 제안된 방법에서는 사용자의 상황과 환경을 정의하였고 협력적 필터링을 이용하여 자가진단에 따른 적합한 수지침 처방 서비스를 예측하였다. 사용자는 제안된 시스템에 단지 병명의 입력만으로도 그에 대한 자가진단으로 정확한 수지침 처방을 얻을 수 있게 된다. 이를 GUI로 구축하여 논리적 타당성과 유효성을 검증하기 위해 실험적인 적용을 시도하였다. 따라서 상황정보 및 자가진단을 제공하여 수지침 처방에 대한 만족도와 서비스의 질을 향상시켰다.

• International Journal of Computer Science & Network Security
• /
• 제21권1호
• /
• pp.12-18
• /
• 2021

This paper proposes a framework for the development of the health recommender system, designed to cater COVID-19 symptoms' self-assessment and monitoring as well as to provide recommendations for self-care and medical treatments. The aim is to provide an online platform for Patient Under Investigation (PUI) and close contacts with positive COVID-19 cases in Malaysia who are under home quarantine to perform daily self-assessment in order to monitor their own symptoms' development. To achieve this, three main phases of research methods have been conducted where interviews have been done to thirty former COVID-19 patients in order to investigate the symptoms and practices conducted by the Malaysia Ministry of Health (MOH) in assessing and monitoring COVID-19 patients who were under home quarantine. From the interviews, an algorithm using user-based collaborative filtering technique with Pearson correlation coefficient similarity measure is designed to cater the self-assessment and symptoms monitoring as well as providing recommendations for self-care treatments as well as medical interventions if the symptoms worsen during the 14-days quarantine. The proposed framework will involve the development of the health recommender system for COVID-19 self-assessment and treatments using the progressive web application method with cloud database and PHP codes.

• 정보과학회 논문지
• /
• 제43권7호
• /
• pp.786-794
• /
• 2016

여러 사물 인터넷 기기들을 조합, 활용하여 다양한 서비스를 제공할 수 있게 된 환경에서 추천 시스템은 사용자가 원하는 서비스를 선택하는 데 있어 도움을 줄 수 있다. 기존의 추천 시스템에 대한 많은 연구는 주로 개인 사용자 대상의 추천에 집중되어 있으나 사물 인터넷 환경에서는 개인과 그룹 모두 사용자가 될 수 있으므로 그룹에 대한 추천 방법이 필요로 하다. 본 연구는 사물 인터넷 환경에서 그룹 사용자들의 서비스 선호도를 분석하고, 이를 바탕으로 특정 장소에서 서비스를 이용한 적이 없는 새로운 그룹 사용자에게 서비스를 추천할 수 있는 방법을 개발하였다. 본 연구에서는 그룹의 구성 정보를 기반으로 그룹들 간의 유사도를 측정하여 사용자 기반 협업 필터링을 적용하였다. 실험에서는 실제 사물 인터넷 테스트 베드 환경에서 수집된 데이터를 사용하였으며 실험 결과를 통해 제안한 서비스 추천 방법이 효과적임을 확인할 수 있었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2017년도 춘계학술발표대회
• /
• pp.439-441
• /
• 2017

Matrix factorization은 사용자의 아이템 선호도를 통해 아이템을 추천해주는 성공적인 기술 중 하나이다. 이 기법은 사용자-아이템의 선호도 행렬을 채우는 것을 목표로 한다. 이 목표를 달성하기 위해 사용자-아이템의 선호도 행렬을 사용자 행렬(user latent factor)와 아이템 행렬(item latent factor)로 분해하고, 각 행렬에 대해 추론하여 완성된 사용자-아이템의 선호도 행렬을 추론한다. 하지만 Matrix factorization은 아이템의 수가 많고, 아이템에 대한 사용자들의 선호도 데이터가 적을 때 성능이 제한된다. 또한 새로운 아이템이 추가되었을 때, 새로운 아이템에 대한 사용자들의 선호도 정보가 없기 때문에 새로운 아이템이 추천되지 않는다는 문제를 가진다. 이를 해결하기 위해 본 논문에서는 아이템에 대한 부가적인 정보인 아이템 간의 유사도 정보와 아이템의 시나리오 정보의 유사도를 모델링하여 기존의 전통적인 Matrix factorization에 추가하는 아이템 정보 기반 추천 시스템을 제안한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2007년도 가을 학술발표논문집 Vol.34 No.2 (C)
• /
• pp.72-77
• /
• 2007

웹의 성장에 따른 기하급수적인 정보의 축적으로 인한 정보과다(Information Overload) 현상의 심화를 해결하기 위해 이루어져 온 많은 연구 중 하나인 추천 시스템은 사용자에게 고수준의 편의성을 제공하기 위한 시스템으로써 발전해 왔다. 그러나 과거에 고도로 집중화되어 관리, 구축되어 오던 정보와는 달리 Web2.0라는 새로운 웹 환경의 도래와 함께 태그, 블로그 등 새로운 형태와 특성을 가지는 점보들이 등장하게 되었다. 웹의 컨텐츠에 대한 메타정보를 사용자가 직접 입력한 Web2.0 기반의 태그 데이터론 활용해서 추천 시스템의 성능을 향상시킬 수 있는 기법을 연구하였다. 추천 기법 중 가장 대표적이고 기초적인 협업 필터링 기법에 태그를 활용하며 태그에 사용자에 대한 중요도를 감안한 가중치 부여 기법에 연구한다. 유사한 성향을 가진 사용자를 식별하는데 있어 태그 집합간의 유사도를 비교하는 방법을 사용하며 사용자의 성향을 반영하기 위해서 태그와 사용자의 선호도 정수와의 연관성을 분석해서 이를 태그의 가중치로 환산하는 기법을 제안한다.

• 한국데이터정보과학회:학술대회논문집
• /
• 한국데이터정보과학회 2006년도 추계 학술발표회 논문집
• /
• pp.59-69
• /
• 2006

Pearson's correlation coefficient and Vector similarity are generally applied to The users' similarity weight of user based recommender system. This study is needed to find that the correlation coefficient of similarity weight is effected by the number of pair response and significance probability. From the classified correlation coefficient by the significance probability test on the correlation coefficient and pair of response, the change of MAE is studied by comparing the predicted precision of the two. The results are experimentally related with the change of MAE from the significant correlation coefficient and the number of pair response.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 가을 학술발표논문집 Vol.30 No.2 (1)
• /
• pp.184-186
• /
• 2003

기존의 사용자 기반 협력적 필터링이 가지는 단점으로 지적되었던 희박성과 확장성의 문제를 아이템 기반 협력적 필터링 기법을 통하여 개선하려는 연구가 진행되어 왔다. 실제로 많은 성과가 있었지만. 여전히 명시적 데이터를 기반으로 하기 때문에 희박성이 존재하며, 아이템의 속성이 반영되지 않는 문제점이 있다. 본 논문에서는 기존의 아이템 기반 협력적 필터링의 문제점을 보완하기 위하여 사용자와 아이템의 혼합 협력적 필터링에서 Naive Bayesian 알고리즘을 이용한 추천 방법을 제안한다. 제안된 방법에서는 각 사용자와 아이템에 대한 유사도 검색 테이블을 생성한 후, Naive Bayesian 알고리즘으로 아이템을 예측 및 추천함으로써, 성능을 개선하였다. 성능 평가를 위해 기존의 아이템 기반 협력적 필터링 기술과 비교 평가하였다.

• International journal of advanced smart convergence
• /
• 제10권1호
• /
• pp.62-74
• /
• 2021

We compare Over-the-Tops (OTTs), Netflix and Amazon Prime Video (APV) with five success factors of innovation. Firstly, Netflix offers better personalized service than APV, because APV has collaborative filtering algorithms to recommend safe bets, not the customers really want. Secondly, APV' user interface is undercooked to lock the members in, even if it has more content and better price offer than Netflix retaining its loyal customers despite the price increase. Thirdly, Netflix has simple subscription model with three tiering, but APV has complicated pricing model having annual and monthly, APV and Prime Video (AV) app, Amazon subscription and extra payment of Amazon Prime Channels (APCs). Fourthly, Amazon has fewer partnership than Netflix especially when it comes to local TV series. Instead, Amazon has live TV channel collaboration including sports content. Lastly, both have strategic and operational agility in their organization well.

• 지능정보연구
• /
• 제13권3호
• /
• pp.119-140
• /
• 2007

추천 시스템은 정보의 홍수 속에서 사용자로 하여금 자신에게 더욱 가치 있고 흥미로운 정보를 선별할 수 있도록 돕는 자동화된 정보 여과 시스템이다. 최근 분산 컴퓨팅 환경에 대한 연구가 활발히 진행되면서, 지금까지의 중앙 서버에서 모든 정보를 관리하는 중앙 집중 방식의 추천 시스템에서 P2P 환경의 접근 방식으로 선회하고 있다. 협력적 여과는 상업적인 추천 시스템에서 가장 많이 사용하는 정보 여과 기법이지만, 그 성공에도 불구하고 확장성(scalability)과 데이터의 희박성(sparsity), 악의적인 사용자의 공격(shilling attack)에 대한 방어 등에 관련된 여러 제약을 갖는다. 중앙 집중 방식에서 분산된 방식으로의 변화는 추천의 신뢰성과 개인 정보의 남용 가능성에 관련한 문제점을 일부 해결할 수 있으나, 조작된 사용자 프로파일을 사용하여 추천을 조작하려는 의도를 갖는 악의적인 사용자의 공격에는 중앙 집중 방식과 마찬가지로 취약할 수 있다. 본 논문에서는 개인 정보의 오남용과 악의적인 사용자의 공격에 관련된 문제점을 해결하고, 분산된 환경에서 효과적인 협력적 여과를 수행하여 추천의 성능과 정확성을 높이기 위한 멀티 에이전트 기반의 추천 프레임워크를 제안한다. 추천의 신뢰성을 높이기 위해 사용자간의 신뢰 정보를 사용하며, 각 사용자의 개인 에이전트와 이동 에이전트간의 정보교환을 통해 효과적으로 신뢰 정보를 전파하고 분산된 유사도 계산의 효율성을 높였다.

• 경영정보학연구
• /
• 제8권2호
• /
• pp.139-154
• /
• 2006

추천시스템은 사용자들의 관심을 끄는 아이템을 그들이 보다 쉽게 찾도록 도와주거나, 그들의 기호에 기반하여 의미 있는 아이템들을 제공한다. 지금까지 가장 성공적이었던 협업 필터링 기반 추천시스템은 다른 사용자들의 의견을 참조하여 추천을 원하는 사용자에게 추천을 한다. 즉, 아이템들에 대한 사용자 기호를 나타내는 다른 사용자들의 평가정보가 추천을 위한 정보원으로 사용된다. 이처럼, 협업 필터링 기반 추천시스템이 사용자들의 기호만을 이용하도록 설계되었지만, 다른 정보를 이용하면 추천시스템의 성능과 정확도를 높일 수 있을 것으로 사료되어, 본 논문에서는 유사 정도와 인구통계학 정보를 이용한 협업 필터링 기반 추천시스템을 제안한다. 이런 추천시스템에서는 평가정보가 계속적으로 누적되기 때문에, 추천시스템의 정확도를 유지할 수 있는 한, 사용하는 데이터의 양을 줄이는 게 중요하다. 본 논문에서는 유사 정도와 인구통계학 정보를, 사용할 데이터의 양을 줄이기 위한 기준으로 사용하여 자연스레 시스템의 성능을 향상시켰다. 본 논문에서는 실험을 통하여 유사 정도의 사용이 추천시스템의 정확도를 높여주었고, 특정 인구통계학 정보의 사용도 추천시스템의 정확도를 높였음을 보였다.