• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2005년도 춘계학술대회
• /
• pp.232-239
• /
• 2005

Collaborative-filtering-enabled Web sites that recommend books, CDs, movies, and so on, have become very popular on the Internet. Such sites recommend items to a user on the basis of the opinions of other users with similar tastes. This paper discuss an approach to collaborative filtering based on the Simple Bayesian and apply this model to two variants of the collaborative filtering. One is user-based collaborative filtering, which makes predictions based on the users' similarities. The other is item-based collaborative filtering which makes predictions based on the items' similarities. To evaluate the proposed algorithms, this paper used a database of movie recommendations. Empirical results show that the proposed Bayesian approaches outperform typical correlation-based collaborative filtering algorithms.

• 대한설비관리학회지
• /
• 제23권4호
• /
• pp.57-64
• /
• 2018

User-based collaborative filtering is a method of recommending an item to a user based on the preference of the neighbor users who have similar purchasing history to the target user. User-based collaborative filtering is based on the fact that users are strongly influenced by the opinions of other users with similar interests. Item-based collaborative filtering is a method of recommending an item by comparing the similarity of the user's previously preferred items. In this study, we create a recommendation model using user-based collaborative filtering and item-based collaborative filtering with consumer's consumption data. Collaborative filtering is performed by using RFM (recency, frequency, and monetary) technique with purchasing data to recommend items with high purchase potential. We compared the performance of the recommendation system with the purchase amount and the performance when applying the RFM method. The performance of recommendation system using RFM technique is better.

• Asia pacific journal of information systems
• /
• 제16권3호
• /
• pp.159-176
• /
• 2006

Collaborative filtering is one of the popular techniques for personalized recommendation in e-commerce. In collaborative filtering, user profiles are usually managed per product category in order to reduce data sparsity. Product diversification of Internet storefronts and multiple product category sales of e-commerce portals require cross-product category usage of user profiles in order to overcome the cold start problem of collaborative filtering. In this paper, we study the feasibility of cross-product category usage of user profiles, and suggest a method to improve recommendation performance of cross-product category user profiling. First, we investigate whether user profiles on a product category can be used to recommend products in other product categories. Furthermore, a way of utilizing user profiles selectively is suggested to increase recommendation performance of cross-product category user profiling. The feasibility of cross-product category user profiling and the usefulness of the proposed method are tested with real click stream data of an Internet storefront which sells multiple product categories including books, music CDs, and DVDs. The experiment results show that user profiles on a product category can be used to recommend products in other product categories. Also, the selective usage of user profiles based on correlations between subcategories of two product categories provides better performance than the whole usage of user profiles.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 가을 학술발표논문집 Vol.30 No.2 (1)
• /
• pp.10-12
• /
• 2003

Recommender systems help consumers to find the useful products from the overloaded information. Researchers have developed content-based recommenders, collaborative recommenders, and a few hybrid systems. In this research, we extend the classic collaborative recommenders by clustering method to form a hybrid recommender system. Using the clustering method, we can recommend the products based on not only the user ratings but also other useful information from user profiles or attributes of items. Through our experiments on well-known MovieLens data set, we found that the information provided by the attributes of item on the item-based collaborative filter shows advantage over the information provided by user profiles on the user-based collaborative filter.

• 지능정보연구
• /
• 제14권2호
• /
• pp.157-177
• /
• 2008

최근 웹 2.0의 영향으로 태깅을 지원하는 인터넷 서비스들이 많아졌다. 태깅의 원래 목적은 컨텐츠를 분류하고 재검색을 용이하게 하는 것이지만, 컨텐츠에 태깅되어 있는 태그들을 분석하여 컨텐츠의 특성을 파악할 수 있다. 본 논문에서는 내용 파악이 힘든 컨텐츠들이 증가함에 따라 이러한 컨텐츠들의 효과적인 추천을 위해, 여러 사용자들에 의해 협업적으로 태깅된 정보를 이용한 여과 기법을 제시한다. 제안하는 방법은 사용자가 태깅한 정보들을 바탕으로 사용자의 관심을 파악하는 부분과 파악된 관심에 맞는 컨텐츠를 선별하는 부분으로 나뉘어진다. 사용자의 관심을 파악하는 부분은 사용자가 태깅한 정보들을 협업적 여과를 이용하고, 컨텐츠 선별은 확률적인 방법인 나이브 베이지안 분류자를 이용한다. 이를 통해 협업적 여과 방법의 문제점인 희박성 문제(sparsity problem)와 초기 사용자 문제(cold-start user probleam) 대해 기존의 방법들과 비교하여 그 효과를 보인다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2017년도 추계학술대회
• /
• pp.151-153
• /
• 2017

추천시스템 증 가장 대표적인 협업 필터링은 여러 아이템에 대한 사용자 평가 데이터를 이용하여 공통적 패턴을 찾고 특정 사용자이 대한 성호 아이템을 에상하여 추천하는 기법이다. 분 논문에서는 모두 5가지 알고리즘을 사용하였다. Recall-Precision, FPR-TPR, RMSE, MSE, MAE등 지표를 측정하였다. 실험 결과를 보면 MovieLens 데이터를 이용해 사용자에 기반 협업 필터링 알고리즘을 적용해 영화를 추천하는 것이 좋은 효과를 얻고 있다.

• 한국정보통신학회논문지
• /
• 제19권1호
• /
• pp.113-118
• /
• 2015

추천 시스템은 증가되고 있는 정보에서 사용자가 요구하는 적합한 정보를 선별해 제공해준다. 추천 시스템은 기존에 입력된 정보들을 알고리즘을 통해 선별하는 과정을 거치고 사용자의 정보나 내용 기반으로 정보를 제공한다. 추천 시스템의 문제점으로는 Cold-Start가 있으며, Cold-Start는 새로운 사용자의 정보가 충분하지 않아서 추천 시스템에서 새로운 사용자에게 정보를 추천할 때 발생한다. Cold-Start를 해결하기 위해선 사용자의 정보나 항목 정보가 충족해야 한다. 이에 본 논문에서는 협업 필터링 기법과 내용 기반의 필터링 기법을 혼합한 혼합 필터링 기법 기반으로 Cold-Start 문제를 해결하고 이를 사용하는 영화 추천 시스템을 제안한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 봄 학술발표논문집 Vol.30 No.1 (B)
• /
• pp.386-388
• /
• 2003

We are developing a web-based movie recommender system that catches and reasons with user profiles and ratings to recommend movies. In the paper, we outline the current status of our implementation with particular emphasis on the mechanisms used to provide effective recommendations. Social recommender systems collect ratings of items from many individuals and use nearest-neighbor techniques to make recommendations to a user. However, these methods only depend on the ratings and ignore other useful information. Our primary concern is to provide an approach that can recommend the movies based on not only the user ratings but also the significant amount of other information that is available about the nature of each items - such as cast list or movie genre. We experimentally evaluate our approach and compare them to conventional social filtering, which suggests merits to our approach.

• 한국인터넷방송통신학회논문지
• /
• 제21권5호
• /
• pp.221-226
• /
• 2021

협력 필터링 기반의 추천 시스템은 사용자들의 평가 이력을 바탕으로 하여 현 사용자가 선호할 만한 상품들을 추천해 주며 현재 다양한 상업용 목적의 필수불가결한 기능이다. 추천 상품을 결정하기 위하여, 유사한 평가 이력을 기반으로 미평가 상품들에 대한 선호 예측치를 산출하는데, 기존 연구에서 대개 두 가지 방법, 즉, 유사 사용자 기반 또는 유사 항목 기반 방법을 각기 개별적으로 활용해 왔다. 이들 방법들은 사용자들의 평가 데이터가 희소할 경우 또는 유사 사용자나 유사 항목을 구하기 어려울 경우에 산출한 예측치의 정확성이 저하되는 문제점이 있다. 본 연구에서는 이들 두가지 방법을 통합하여 평가치를 예측하는 새로운 방법을 제안한다. 제안 방법의 장점은 보다 많은 수의 유사 평가치들을 참조할 수 있으므로 추천의 질이 향상된다는 점이다. 성능 실험 결과 제안 방법은 희소한 데이터셋에서 예측치 정확도, 추천 항목 적합도, 항목 순위 적합도의 모든 측면에서 기존 방법의 성능을 크게 향상시켰으며, 다소 밀집한 데이터셋에서는 예측치 정확도 측면에서는 가장 우수하고, 다른 평가 척도에서는 기존 방법과 대등한 결과를 보였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제9권1호
• /
• pp.446-465
• /
• 2015

In this modern era of technology and information, e-learning approach has become an integral part of teaching and learning using modern technologies. There are different variations or classification of e-learning approaches. One of notable approaches is Personal Learning Environment (PLE). In a PLE system, the contents are presented to the user in a personalized manner (according to the user's needs and wants). The problem arises when a new user enters the system, and due to the lack of information about the new user's needs and wants, the system fails to recommend him/her the personalized e-learning contents accurately. This phenomenon is known as cold-start problem. In order to address this issue, existing researches propose different approaches for recommendation such as preference profile, user ratings and tagging recommendations. In this research paper, the implementation of a novel interaction-based approach is presented. The interaction-based approach improves the recommendation accuracy for the new-user cold-start problem by integrating preferences profile and tagging recommendation and utilizing the interaction among users and system. This research work takes leverage of the interaction of a new user with the PLE system and generates recommendation for the new user, both implicitly and explicitly, thus solving new-user cold-start problem. The result shows the improvement of 31.57% in Precision, 18.29% in Recall and 8.8% in F1-measure.