• 한국도서관정보학회지
• /
• 제52권3호
• /
• pp.287-311
• /
• 2021

지식정보화 사회에서 자신에게 적합한 도서를 찾는 일은 정보 이용자들에게 쉽지 않은 일이다. 도서관이 전통적인 서비스에서 벗어나 이용자 맞춤의 추천 서비스를 제공할 필요성이 높아지고 있으나, 현재까지 이용자 만족에 대한 질적인 연구는 거의 없는 상황이다. 본 연구는 연관성 분석 알고리즘인 Apriori를 적용하여 이용자 맞춤 도서추천을 시행하고, 피험자와의 면담을 통해 만족의 요인을 심층분석 하였다. 실험데이터는 서울시 S 전문도서관의 2009년부터 2019년까지 10년간의 대출데이터 중 이용빈도가 높은 100명의 대출 데이터였고, 실험 대상은 심도있는 인터뷰 가능자였다. 연관성 분석 후 도서추천서비스 대상자의 면담자료를 분석하여 도출한 개념과 범주는 각각 개념 58개, 하위 범주 6개, 상위범주 2개였다. 상위 범주는 '독서'와 '도서 추천 서비스'로, '독서'범주에서 독서 동기에 관한 개념이 17개, 선호 도서에 관한 개념이 8개, 기대 효과에 대한 개념이 12개였다. 또 '독서추천 서비스' 범주에서 '반영 희망 요소' 10개, '반영 방법' 4개, '만족 요인' 9개로 나타났다.

• 디지털융복합연구
• /
• 제19권5호
• /
• pp.175-186
• /
• 2021

국내 공공도서관의 역할과 기능은 다양해지고 있는 반면, 내부적으로는 편향된 도서 대출로 다양한 문제들이 나타나고 있다. 또한 최근 4차 산업혁명으로 공공도서관에서 인기도서 위주의 도서 추천시스템이 도입되고 있으나, 이용자가 접할 수 있는 도서의 다양성은 제한되고 있다. 이에 본 연구에서는 공공도서관 이용자의 만족을 제고하기 위해 공간적으로는 대구시 두류도서관으로 한정하여 대출이력 자료(213,093건), 회원정보(35,561명) 등을 활용하여 군집분석과 토픽 모델링, 콘텐츠 기반 필터링 추천 알고리즘으로 공공도서관 미대출 도서 추천시스템을 구현하였으며, 이에 대한 실제 이용자들의 만족도 설문조사를 실시하여 미대출 도서 추천시스템의 가능성과 시사점을 제시하였다. 분석 결과 대다수의 이용자들이 높은 만족도로 응답하였으며, 특정 성·연령대, 직업, 평소 독서량 등으로 분류된 계층에서 만족도가 상대적으로 높게 나타난 것을 확인할 수 있었다. 본 연구결과를 통해 공공도서관의 편향된 도서 대출, 운영 효율성 저하 등의 문제를 일부 개선할 수 있을 것으로 기대하며, 연구의 한계점 또한 제시하였다.

• 디지털산업정보학회논문지
• /
• 제15권3호
• /
• pp.69-78
• /
• 2019

The amount of data is increasing significantly as information and communication technology advances, mobile, cloud computing, the Internet of Things and social network services become commonplace. As the data grows exponentially, there is a growing demand for services that recommend the information that users want from large amounts of data. Collaborative filtering method is commonly used in information recommendation methods. One of the problems with collaborative filtering-based recommendation method is the cold start problem. In this paper, we propose a method to improve the cold start problem. That is, it solves the cold start problem by mapping the item evaluation data that does not exist to the initial user to the automatically generated data from the mobile app. We describe the main contents of the proposed method and explain the proposed method through the book recommendation scenario. We show the superiority of the proposed method through comparison with existing methods.

• 한국도서관정보학회지
• /
• 제53권4호
• /
• pp.189-209
• /
• 2022

본 연구는 국내 공공도서관에서 제공하고 있는 온라인 북큐레이션 서비스와 해당 서비스에서 추천된 도서를 내용분석하여 그 특성을 파악하는 것이 목적이다. 분석대상은 23개 공공도서관에서 수집한 35가지 온라인 북큐레이션 서비스와 11,447권의 추천도서 목록이며, 연구의 결과는 다음과 같다. 일부 도서관들만 추천주제를 제시하고 있었고, 추천대상은 특정한 대상을 지정하지 않은 경우가 가장 많았으며, 도서의 추천주기는 월별이 가장 많았다. 대체로 추천되는 도서는 서로 중복되지 않지만, 2019~2021년에 발행된 '문학'(소설)에서는 중복이 있었다. 추천도서는 일부 발행처에서 출판한 도서의 비중이 높았으며, 2019~2021년에 발행된 도서들이 가장 많았다. KDC 6판 기준으로 분석한 주제분야는 '문학'이 가장 많았다. ISBN 부가기호 기준으로 분석한 독자대상은 '교양', '아동' 도서 순으로 나타났고, 발행형태는 '단행본'과 '그림책, 만화' 순으로 나타났다. 이 결과를 바탕으로 공공도서관을 위한 온라인 북큐레이션 서비스 지침을 개발하고 플랫폼을 구축하여 도서관들이 공유하는 것을 제안하였다.

• 한국문헌정보학회지
• /
• 제55권3호
• /
• pp.343-372
• /
• 2021

이 연구는 성격유형별로 선호하는 도서를 추천할 수 있는 키워드를 선별하고, 선별된 키워드가 실제 성격유형별 도서의 구분 및 추천에 활용 가능한지 여부를 밝히는데 목적이 있다. 유효성을 검증하기 위해 초등학생 5~6학년과 중학생 1학년 수준에 맞는 도서를 선정하여, 전문가 집단에 의뢰하여 성격유형별 선호도서로 분류하였다. 분류 결과, 전문가 집단 5인 이상 의견이 일치하는 도서가 절반에 해당하며 높은 일치도를 나타냈다. 또, 선정된 도서의 서평 데이터를 모아 어휘자동추출시스템으로 추출한 키워드로 도서를 성격유형별로 분류한 결과와 전문가 집단이 최종 판정한 결과를 비교하면, 소수의 도서를 제외하고 거의 유사한 결과를 보였다. 이로써 서평 키워드를 활용하여 성격유형별 선호도서로 구분하고, 성격유형별 도서추천에 유효성이 있음을 검증하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2015년도 제51차 동계학술대회논문집 23권1호
• /
• pp.23-26
• /
• 2015

도서 정보 양이 급증하면서 사용자 성향과 선호도에 맞는 정보를 추천해주는 서비스의 중요성이 높아지고 있으며, 이와 관련하여 도서를 추천해주는 플랫폼 연구가 활발하게 진행되고 있다. 독자에게 성향과 선호도에 맞는 추천을 해주기 위해서는 사용자, 도서, 저자 등을 대상으로 하는 분석이 필요하며, 분석된 정보를 사용자에게 직관적으로 제공해주는 것이 필요하다. 따라서 본 논문에서는 저자에 대한 도서 정보를 시계열적으로 분석하고, 분석된 결과를 사용자에게 직관적으로 제공하는 시각화 방법을 제안한다. 제안한 방법은 저자의 도서를 시계열 방식으로 분석하고, 이를 시간 시각화와 레이더차트를 사용하여 도서정보를 제공한다. 또한 시간 시각화와 레이더 차트를 통해 두 저자의 도서 일대기와 분류의 변화를 직관적으로 확인할 수 있다.

• 정보처리학회논문지B
• /
• 제8B권6호
• /
• pp.617-624
• /
• 2001

전자상거래가 활성화됨에 따라 제공되는 상품의 정보와 서비스의 내용이 점차 다양해지고 있다. 따라서 구매자들은 가격 정보뿐만 아니라 다양한 상품 정보들을 검색 추천해주는 에이전트 개발을 요구하고 있다. 본 논문에서는 전자상거래에서 도서 정보 검색과 관련하여 사용자의 선호도를 프로파일 형태로 표현하고, 도서 정보를 검색 및 추출하고 이를 추천하는 멀티 에이전트 시스템을 제안한다. 제안된 멀티 에이전트 시스템은 정보검색, 정보추천, 사용자 인터페이스, 웹 로봇과 같은 여러 개별 에이전트들의 동작들을 조정 에이전트의 설계 및 구현을 통하여 통제하고 관리한다. 본 멀티 에이전트 시스템을 윈도우즈 NT 서버에 구현하였다. 조정 에이전트의 관리 기능으로 중복된 정보 검색을 제거할 수 있었으며, 고객들에게 여러 온라인 도서 사이트의 도서 정보들을 실시간으로 제공할 수 있게 되었다.

• 한국도서관정보학회지
• /
• 제48권2호
• /
• pp.215-236
• /
• 2017

이 연구의 목적은 개인별 성향이나 성격 유형에 따라 선호하는 도서에 차이가 있음을 전제로, 어린이 청소년을 위한 추천도서의 책소개 정보를 활용하여 개인별 성격유형에 적합한 도서를 합리적으로 추천할 수 있는 서평 자동분류시스템을 개발하는 것이다. 연구에서 사용한 데이터는 국립어린이청소년도서관에서 제공하는 501권의 유아 및 아동도서를 대상으로 하였다. 실험에 활용된 2가지 기계학습 모델(비선형 커널 및 선형 커널) 각각에 대해서 총 6가지의 색인어 가중치 계산 방법과 자질 선택 방법, 그리고 10가지의 자질 선정 임계치 조합으로 구성된 360개의 분류 모델들을 구성하고 각각의 성능을 측정하였다. 전체적으로는 선형 커널을 이용한 SVM 기반 학습 방법(LIBLINEAR)이 비선형 분류를 지원하는 LibSVM(RBF 커널) 모델보다 더 나은 성능을 보이는 것으로 나타났다. 다만 성능 측정 결과는 뉴스 기사나 논문을 대상으로 한 문헌 분류 성능에 비해서 낮은 것으로 나타났으나, 합리적인 분류 기준이 존재하는 뉴스기사나 주제 분류에 비해서 성격 유형 기반 분류는 그 난이도가 높다는 것을 감안할 때, 초기 실험 결과로서의 의미는 있다.

• 디지털콘텐츠학회 논문지
• /
• 제18권4호
• /
• pp.707-712
• /
• 2017

데이터의 양이 기하급수적으로 증가함에 따라 추천 시스템(recommender system)은 영화, 도서, 음악 등 다양한 산업에서 관심을 받고 있고 연구 대상이 되고 있다. 추천시스템은 사용자들의 과거 선호도 및 클릭스트림(click stream)을 바탕으로 사용자에게 적절한 아이템을 제안하는 것을 목적으로 한다. 대표적인 예로 넷플릭스의 영화 추천 시스템, 아마존의 도서 추천 시스템 등이 있다. 기존의 선행 연구는 협업적 여과, 내용 기반 추천, 혼합 방식의 3가지 방식으로 크게 분류할 수 있다. 하지만 기존의 추천 시스템은 희소성(sparsity), 콜드스타트(cold start), 확장성(scalability) 문제 등의 단점들이 있다. 이러한 단점들을 개선하고 보다 정확도가 높은 추천 시스템을 개발하기 위해 실제 온라인 기업의 상품구매 데이터를 이용해 factorization machine으로 추천시스템을 설계했다.

• International Journal of Computer Science & Network Security
• /
• 제22권8호
• /
• pp.175-186
• /
• 2022

This research article develops an Arabic books' recommendation system, which is based on the content similarity that assists users to search for the right book and predict the appropriate and suitable books pertaining to their literary style. In fact, the system directs its users toward books, which can meet their needs from a large dataset of Information. Further, this system makes its predictions based on a set of data that is gathered from different books and converts it to vectors by using the TF-IDF system. After that, the recommendation algorithms such as the cosine similarity, the sequence matcher similarity, and the semantic similarity aggregate data to produce an efficient and effective recommendation. This approach is advantageous in recommending previously unrated books to users with unique interests. It is found to be proven from the obtained results that the results of the cosine similarity of the full content of books, the results of the sequence matcher similarity of Arabic titles of the books, and the results of the semantic similarity of English titles of the books are the best obtained results, and extremely close to the average of the result related to the human assigned/annotated similarity. Flask web application is developed with a simple interface to show the recommended Arabic books by using cosine similarity, sequence matcher similarity, and semantic similarity algorithms with all experiments that are conducted.