• 한국컴퓨터정보학회논문지
• /
• 제16권9호
• /
• pp.19-26
• /
• 2011

최근 스마트 폰과 같은 다양한 모바일 장치들의 개발과 함께 사용자는 자신의 모바일 단말을 이용하여 개인화된 서비스를 제공받기를 원한다. 이러한 요구사항을 만족하기 위하여 모바일 장치들은 많은 기능을 제공해야하지만 모바일 장치가 소형화됨에 따라 작은 디스플레이 장치, 제한적인 입력 장치 그리고 부족한 파워와 같은 자원 제약성을 갖는다. 본논문은이러한자원의제약성을해결하고사용자에게개인화된서비스를제공하기위하여유비쿼터스환경에서 컴퓨팅 자원을 공유하여 사용자에게 서비스를 제공하기 위한 환경을 제안한다. 또한 다양한 자원들 가운데 사용자의 상황과 개인 선호도를 기반으로 최적의 자원을 추천하기 위한 방법을 제안한다. 이러한 자원 추천을 위하여 본 논문에서는 사용자의 사용 이력으로부터 행동 유형을 분석하고 이를 기반으로 개인화된 자원을 추천하기위한 방법을 사용한다. 또한 논문은 제안한 방법을 구현하고 만족도를 평가하여 유효성을 보인다.

• 한국컴퓨터정보학회논문지
• /
• 제24권12호
• /
• pp.93-100
• /
• 2019

유사도 계산은 메모리 기반 협력필터링 시스템의 성능에 매우 중요하다. 이 시스템들은 사용자 평가치들을 이용하여 온라인 상업 사이트에서 고객들에게 상품을 추천한다. 더욱 적합한 추천을 위해 현 사용자와 가장 유사한 사용자들을 선정하여 참조한다. 기존 문헌에는 많은 유사도 척도들이 개발되었는데, 이들은 대개 데이터 희소성이나 완전 시작 문제를 내포하고 있다. 본 논문에서는 기존 척도들과는 달리 사용자 평가치들로부터 선호 정보를 최대한 추출함으로써 희소한 데이터 조건에서도 더욱 신뢰할 수 있는 유사도값을 산출하고자 한다. 사용자 평가치 뿐만 아니라 데이터셋이 제공하는 영화장르 정보를 이용하는 새로운 유사도 척도를 제시한다. 본 척도와 기존의 관련된 척도들의 성능 실험을 하였고, 그 결과, 제안 척도는 주요 성능 평가기준 상으로 더욱 우수하거나 유사한 성능 결과를 보임을 확인하였다.

• 컴퓨터교육학회논문지
• /
• 제19권4호
• /
• pp.59-66
• /
• 2016

협력 필터링 시스템에서 데이터 희소성 문제의 해결을 위해 공통평가항목수를 반영하는 방법이 연구되었다. 이러한 방법으로 널리 알려진 자카드 지수는 기존의 유사도 척도와 결합되어 성능을 개선할 수 있었다. 그러나, 다양한 데이터 환경에서 여러 유사도 척도들과 각각 결합했을 때의 성능 개선 효과에 대한 분석 연구는 미미하므로, 본 연구는 이에 대한 분석을 목적으로 한다. 우선 자카드 지수 자체를 유사도 척도로 사용했을때 희소한 데이터셋 상에서 전통적인 척도들보다 월등한 예측 성능을 보였고 추천 성능도 매우 우수하였다. 자카드 지수를 결합함으로써 기존 유사도 척도는 데이터 특성에 상관없이 성능이 대개 향상되었고, 특히 코사인 유사도는 희소한 데이터셋에서 가장 큰 향상을 이루었으나, 평균차이 제곱(Mean Squared Difference)의 유사도는 밀집된 데이터셋에서 오히려 저하된 예측 성능을 보였다. 따라서, 자카드 지수를 결합하여 사용하기 위해 데이터 환경 특성과 유사도 척도를 고려할 필요가 있다.

• 한국콘텐츠학회논문지
• /
• 제11권2호
• /
• pp.101-112
• /
• 2011

사회가 점점 고도화 되면서 스트레스는 중요한 사회적 이슈로 부각되고 있다. 본 논문에서는 스트레스의 완화를 위한 맞춤형 콘텐츠 서비스 시스템을 설계하고 구현한다. 본 제안 시스템에서는 생체신호 및 심리정보를 기반으로 스트레스 증상 및 지수를 계산하고 선호도 등의 사용자 정보를 기반으로 영상, 음향, 향기 및 조명 콘텐츠 조합을 추천하고 추천된 콘텐츠 서비스를 제공한다. 이를 위하여 본 논문에서는 스트레스 증상을 분류하고, 심리정보 측정을 위한 자가평가도구 문항을 정의하였다. 정의된 스트레스 증상에 맞게 영상, 음향, 향기 및 조명 콘텐츠를 분류하였으며, 3단계 사용자 맞춤형 콘텐츠 추천 모델을 제안하였다. 또한 사용자 맞춤형 콘텐츠 서비스 모델을 제안하였으며, 이에 따라 서비스 시스템을 설계 및 구현하였다. 본 시스템은 기존의 시스템들과는 달리 사용자 맞춤형이며 다양한 콘텐츠 조합을 서비스할 수 있는 특징이 있다.

• 한국지능시스템학회논문지
• /
• 제24권3호
• /
• pp.316-322
• /
• 2014

본 논문은 TV를 이용한 영화시청 환경에서 해당 컨텐트에 대한 시청자의 암묵적 반응과 컨텐트의 멀티모달 피쳐를 실시간으로 측정 및 동기화하여 이를 기반으로 동영상 선호모델을 지속적으로 개선하고 필요시 영화추천을 수행하는 시스템을 제안한다. 제안한 시스템에선 이미지, 소리, 자막 스트림으로부터 실시간 추출되는 저수준 피쳐들과 동기화되어 측정된 얼굴표정, 자세 및 생체신호로부터 해당 동영상이 유발한 시청자의 감정상태를 추정하여 선호모델 학습에 사용한다. 제안한 컨텐트-시청자 연계 추천모델의 일례로서 컨텐트의 오디오 및 자막 정보를 이용하여 시청자의 피부전기활성도로 측정된 arousal반응을 예측할 수 있음을 보인다.

• 정보처리학회논문지D
• /
• 제9D권6호
• /
• pp.1009-1016
• /
• 2002

본 논문에서는 인터넷 컨텐츠 사이트에서 묵시적인 평가정보를 이용한 새로운 사례기반 추천시스템을 설계하고 구현하였다. 본 시스템은 크게 사용자 프로파일 생성 모듈, 유사도 계산 및 추천 모듈, 개인화된 메일링 모듈로 구성된다. 사용자 프로파일 생성 모듈에서는 사용자가 컨텐츠를 이용하면서 남긴 로그 기록을 이용하여 컨텐츠에 대한 개인별 선호도를 추출할 수 있는 속성내, 속성간 가중치를 제시하였다. 유사도 계산 및 추천 모듈에서는 사용자 프로파일과 새로운 컨텐츠간의 유사도를 측정하기 위한 유사도 계산식을 제시하였다. 개인화된 메일링 모듈에서는 개인별 선호도에 의해 구성된 추천 컨텐츠를 플렛폼-독립적인 XML 문서 형식으로 변환하여 발송한다. 제안된 모델에 대한 추천 효율을 검증하기 위해 평균절대오차(MAE)와 반응자작용특성(ROC) 값을 이용하여 제안한 추천 모델과 협동적 필터링 기법과 비교 실험하였다. 실험결과, 본 논문에서 제안한 모델의 추천 효율이 기존의 협동적 필터링 기법보다 우수함을 보였다.

• 정보과학회 논문지
• /
• 제43권10호
• /
• pp.1144-1153
• /
• 2016

그룹 추천은 개인이 아닌 그룹의 특성 및 성향을 분석하여 구성원들에게 적합한 정보를 제공하는 추천 방식이다. 기존의 그룹 추천 방식은 평균 선호도나 선호 횟수에 기반한 그룹 모델링 전략을 사용한다. 하지만 평균이 높고 선호 횟수가 많은 관심사더라도 선호도의 편차가 크다면, 그룹 내 구성원 모두를 만족시키는 추천 결과를 제공하기가 어렵다. 본 논문에서는 이를 개선하고자 관심사에 대한 평균 선호도에 선호도 편차를 가중치로 하는 그룹 모델링 전략을 제안한다. 제안하는 방법은 평균 선호도가 높으면서 선호도 편차가 작은 관심사들을 추천 결과로 제공해줌으로써 기존의 그룹 모델링 전략보다 더 많은 그룹 내 구성원들을 만족시키는 정보를 제공하는 것이 가능하다. 실험을 통해 제안하는 그룹 모델링 전략이 기존의 방식에 비해 높은 성능을 보였고, 소규모의 사용자뿐만 아니라 많은 수의 사용자가 형성하는 그룹에서도 높은 성능을 가짐을 확인하였다.

• 인터넷정보학회논문지
• /
• 제14권5호
• /
• pp.59-67
• /
• 2013

본 논문에서는 협업 필터링의 선호도 예측 정확성의 저하를 초래하는 전통적 문제점 중 하나인 데이터 희소성 문제에 강인한 잠재적 속성 선호도 기반 협업 필터링 방법(Latent Attribute Rating-based Collaborative Filtering, LAR_CF)을 제안한다. 기존의 협업 필터링은 객체의 유사성을 판단하기 위한 특징벡터로써 사용자가 명시적으로 평가한 선호도만을 이용하며, 해당 문제 개선을 위해 속성을 사용하는 연구들은 범용적으로 사용하기 어려웠다. 이웃 기반 필터링에 근본을 두는 LAR_CF는 기존의 명시적 선호도와 함께 유사도 평가의 대상이 되는 두 객체의 고유한 속성을 특징벡터로 삼기 때문에 명시적 선호도의 수가 적어서 발생하는 데이터 희소성 문제를 개선하여 선호도 예측 정확도를 향상시키며, 속성의 종류에 구애받지 않고 손쉽게 적용할 수 있는 장점을 가진다. LAR_CF의 유효성 평가를 위해서 MovieLens 100k 데이터세트 및 해당 데이터세트에 사용된 속성정보를 활용하여 일반적 성능 실험과 인공적 데이터 희소성 실험에서 선호도 예측 정확도를 평가한 결과, 제안하는 방법이 데이터 희소 조건에서 선호도 예측 정확도를 향상시킬 수 있음을 확인하였다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제7권6호
• /
• pp.684-695
• /
• 2001

최근의 추천 시스템은 협력적 여과 시스템의 희박성과 초기 평가 문제를 해결하기 위하여 내용 기반 여과 시스템과 협력적 여과 시스템을 병합하는 방법을 사용한다. 협력적 여과 시스템은 부가적인 상품을 예측하기 위해 사용자의 선호도에 대한 데이타베이스를 사용한다. 내용 기반 여과 시스템은 상품의 속성과 사용자의 흥미를 대조함에 의해 아이템을 추천한다. 본 논문에서는 두 가지의 기술을 기계 학습 알고리즘에 응용하고 병합함으로써 사용자의 선호도를 발견하는 방법을 기술한다. 제안된 협력적 여과 방법에서는 유전자 알고리즘을 이용하여 Naive Bayes 분류자에 의해 분류된 아이템을 기반으로 사용자 군집을 생성하며 내용 여과 기법에서는 연관 피드백에 의해 사용자의 흥미를 추출함으로써 사용자의 프로파일을 생성한다. 제안된 방법은 웹문서에 대해 사용자가 평가한 데이타베이스에서 평가되며 기존의 방법보다 높은 성능을 나타냄을 보인다.

• 한국콘텐츠학회논문지
• /
• 제11권5호
• /
• pp.67-74
• /
• 2011

협업 추천은 전자상거래 기업들이 고객별로 개인화 된 상품추천을 하기 위하여 널리 활용하는 추천기법이다. 추천 행위는 고객들이 상품에 대해 가지고 있는 선호도를 분석하고 이를 프로필화 하는 것을 전제로 한다. 전통적인 명시적 평가법은 취급하는 상품이 매우 다양한 전자상거래 기업의 고객들에게 구매활동외에 추가적 부담을 준다는 점에서 한계를 가진다. 따라서 고객의 개입 없이 간접적으로 선호도를 파악할 수 있는 묵시적 평가법이 보다 바람직하다고 볼 수 있는데, 여기에도 추정된 선호도의 지표화에 주로 사용하는 카디널 척도가 추정 오차를 증가 시킨다는 점에서 문제점이 있다. 따라서 본 연구에서는 이러한 문제의 개선을 위해 웹 마이닝과 사전식 컨센서스 기법에 근간하여 서열 척도 기반의 고객 프로필을 생성, 활용하는 협업 추천 기법을 제안하고자 한다. 실제 온라인 쇼핑몰의 거래 데이터를 이용한 실험을 통해 제안된 기법의 우수성을 입증 하였다.