개인화는 개인적인 기호를 바탕으로 각 사용자에게 맞춤화된 컨텐츠를 제공하는 것을 목표로 한다. 이러한 관점에서, 개인화의 핵심적인 부분은 각 사용자의 기호에 적합한 컨텐츠나 상품을 추천할 수 있는 추천기술이라 할 수 있다. 선행연구들은 추천시스템의 중요성을 인지하고 새로운 추천기술을 제안하여 왔다. 여러 추천기술들 중에서 협업필터링은 실무에서 활발하게 연구되고 활용되어 왔다. 그러나, 협업필터링은 종종 희박성 또는 확장성 문제를 겪게 된다. 선행연구들 역시 이 두 가지 문제점의 중요성을 인지하고 그에 대한 여러 가지 해결방안들을 제안하였다. 하지만, 여러 선행연구들은 기존의 사용자-상품 매트릭스 외에 다른 원천들로부터 생성된 추가적인 정보를 이용함으로써 문제점들을 해결하려 함으로 인하여 추가적인 시간과 비용을 요하는 다른 문제를 야기하였다. 본 연구에서는 희박성 문제를 완화하고 추천시스템의 성능을 개선하기 위하여 협업필터링을 위한 새로운 내재적 평가방법을 제안한다. 즉, 본 연구에서는 기존 사용자-상품 매트릭스를 이용하여 사용자 간의 신뢰수준을 측정할 수 있는 내재적 평가법에 기반한 사용자-상품 매트릭스의 보완을 통해 희박성 문제를 완화할 수 있는 방안을 제안한다. 또한, 본 연구에서는 제안하는 방안의 유용성을 평가하기 위한 탐색적 실험 결과를 제공한다.
추천 시스템은 일반적으로 서비스를 추천하기 위해 협력적 필터링 단계에서 실시간으로 얻어진 컨텍스트 정보를 정량화하여 사용하고 있다. 하지만 이러한 추천시스템은 컨텍스트 정보의 부족으로 부정확한 추천 결과를 가져오거나, 정량화 단계의 단순한 분류과정으로 인해 사용자를 부정확한 그룹으로 분류하는 문제점이 발생한다. 본 논문에서는 실시간으로 획득되는 컨텍스트 정보 부족 문제를 내용 기반 필터링에서 사용하는 사용자 프로파일 정보와 실시간으로 획득된 컨텍스트 정보를 결합하여 해결하였다. 그리고 정량화 단계의 분류 과정을 절대적인 방법이 아니라 상대적인 방법으로 개선하여 협력적 필터링하였다. 실험 결과, pure P2P 환경에서 컨텍스트 정보를 이용한 실시간 추천 시스템보다 예측 선호도가 5.8% 향상되었다.
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.
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.
인구의 고령화 및 건강에 대한 관심이 증가됨에 따라 유헬스케어 서비스는 발병 후 관리관점에서 발병 전의 예방 관점으로 그 목적이 점차 이동하고 있다. 그러나 기존의 유헬스케어 서비스는 원격진료 차원의 의료 서비스 성격이 강하여, 만성 성인병과 같은 대사 증후군을 예방 및 관리하기에는 한계가 있을 뿐만 아니라, 관리자 중심의 단방향 서비스를 제공함으로 인해 사용들이 중도에 이용을 포기하는 비율이 높았다. 이와 같은 문제를 해결하기 위하여, 본 연구에서는 사회 네트워크를 이용한 사용자 기반 유헬스케어 서비스 추천 시스템을 제안하였으며, 실세계에서 유헬스케어 서비스 추천 시스템의 활용 가능성을 제시하기 위하여 실제 의료원에서 대사 증후군 예방 및 관리를 위해 처방한 식단 및 운동 정보를 기반으로 유비쿼터스 컴퓨팅 환경에서 적용가능한 시스템을 구현하였다. 본 연구에서 제안한 시스템은 사용자가 선호하지 않는 서비스가 네트워크를 통해 확산될 가능성을 낮추는 동시에 추천의 신뢰성 제고를 위해 네이버들이 이용한 서비스를 공유함으로써 전체적인 추천 품질을 높인다. 즉, 사용자의 식습관 및 운동습관 등과 같은 생활습관을 개선하기 위하여 사회 네트워크를 활용함으로써 사용자간의 자율협업을 통한 개인화된 추천이 가능하다. 따라서 본 연구에서 제안하는 유헬스케어 서비스 추천 시스템은 생활습관 개선을 위하여 사용자에게 적합한 식단 및 운동을 제공하고, 생활습관의 개선을 통해 만성 성인병과 같은 대사증후군을 사전에 예방할 수 있을 것으로 기대된다.
온라인 쇼핑몰의 대중화로 인해 소비자는 폭 넓은 소비의 기회를 제공받고 있다. 소비자들은 온라인 쇼핑몰에서 제공되는 실제 상품을 구매한 사용자의 리뷰, 상품의 자세한 정보와 같은 정보를 활용하여 상품의 구매 여부를 결정한다. 방대한 정보가 신뢰할 수 있는 정보인지는 소비자들이 스스로 판단해야만하기 때문에 객관적이며 신뢰할 수 있는 정보의 제공이 필요하다. 본 논문에서는 신뢰할 수 있는 상품의 추천을 위해서 상품의 신뢰도를 고려한 개인화된 추천 기법을 제안한다. 제안하는 추천 기법은 개인화 추천을 위해서 사용자의 다양한 행위를 기반으로 사용자의 선호도를 판별한다. 또한, 최신의 성향을 반영하기 위해서 시간 가중치를 고려한 사용자 선호도 계산 방법을 제안한다. 마지막으로 사용자가 사용하지 않았던 상품에 대한 선호 점수를 예측하고 예측 점수가 높은 상품 중 신뢰도가 높은 상품들을 추천한다.
인터넷과 모바일 기기의 사용이 보편화되면서 사용자들이 다양한 웹 사이트에서 자신이 원하는 정보를 찾기 위해 검색과 추천을 이용하는 것이 일상화되고 있다. 본 논문에서는 사용자에게 보다 적합한 아이템을 추천하기위해 사용자의 활동과 시간 정보를 적용하여 시간의 흐름에 따른 사용자의 선호도 변화를 반영한 추천 기법을 제안한다. 제안하는 기법은 아이템 선택 시 고려되는 태그 정보를 포함한 데이터를 카테고리별로 분류한 후 시간 변화에 따른 사용자 선호도 변화 정보를 반영한 데이터만을 사용한다. 해당 카테고리를 선호하는 사용자에게는 협업 필터링 기법에 태그 정보를 적용하여 추출한 아이템을 추천하고, 일반 사용자에게는 태그 정보를 사용하여 계산한 순위를 기반으로 아이템을 추천한다. 제안하는 기법은 hetrec2011-movielens-2k 데이터셋을 사용하여 실험하였으며 실험을 통해 제안한 기법이 기존의 아이템 기반, 사용자 기반 기법보다 추천의 정확성과 적합성이 향상되는 것을 확인하였다.
본 연구는 대학 도서관 사용 증진을 위하여 개인별 맞춤 도서 추천시스템을 구축하는 것을 목적으로 한다. 특히 사용자의 아이템에 대한 선호도가 존재하는 다수의 추천시스템과는 달리, 선호도가 존재하지 않을 때에 도서 추천이 가능하도록 하는 방안인 도서관 이용자의 도서 대출 목록과 성향을 활용하여 평가지표를 생성하는 방법을 제안하고자 한다. 이용자가 아직 읽지 않은 책에 대한 예상 선호도를 산출하는 방식으로 도서를 추천하는 행렬 분해 방법인 Singular Value Decomposition(SVD)과 Stochastic Gradient Descent(SGD) 알고리즘을 활용한 모델을 구축했다. 더불어 유사도가 높은 이용자 그룹 내의 도서 대출 목록을 참조하여 추천하는 사용자 기반 협업 필터링 알고리즘을 활용해 모델을 구현했다. 최종적으로 평가지표를 활용한 세 가지 모델에 대하여 사용자 평가를 진행했다. 각각의 모델이 제시한 개인별 맞춤 도서 다섯 권의 목록을 해당 대출자에게 제공하고, 추천 도서에 대한 만족/불만족 여부를 이진화 점수화하여 모델에 대한 평가를 진행했다.
With the tremendous rise in popularity of the Internet and technological advancements, many news keeps generating every day from multiple sources. As a result, the information (News) on the network has been highly increasing. The critical problem is that the volume of articles or news content can be overloaded for the readers. Therefore, the people interested in reading news might find it difficult to decide which content they should choose. Recommendation systems have been known as filtering systems that assist people and give a list of suggestions based on their preferences. This paper studies a personalized news recommendation system to help users find the right, relevant content and suggest news that readers might be interested in. The proposed system aims to build a hybrid system that combines collaborative filtering with content-based filtering to make a system more effective and solve a cold-start problem. Twitter social media data will analyze and build a user's profile. Based on users' tweets, we can know users' interests and recommend personalized news articles that users would share on Twitter.
본 연구에서는 소셜 음악 사이트에서 사용자들이 음악 아이템을 청취한 횟수와 생성한 태그 정보를 혼합하여 음악을 추천하는 시스템을 제안한다. 현재, 상용화된 음악 추천 시스템들은 주로 사용자의 청취 습관과 외부적인 선호도 입력값을 기반으로 음악을 추천하고 있다. 그러나 이 방식은 아직 음악을 청취한 사용자가 많지 않은 새로운 음악이나 청취 정보가 없는 새로운 사용자의 경우 추천하는 데 어려움이 있다. 이 문제를 해결하기 위해서 본 논문에서는 사용자가 선정한 키워드를 아이템에 부여하는 협업 태깅으로 생성된 태그 정보를 활용하였다. 태그의 의미를 파악하여 감정 표현의 정도에 따라 가중치를 부여한 뒤, 태그 점수와 청취 횟수를 혼합하여 음악 아이템의 선호도를 산출하였다. 이를 기반으로 사용자 프로파일을 생성하고 협업 필터링 알고리즘을 수행하였다. 제안하는 추천 방법의 효율성을 평가하기 위해서, 청취 습관 기반 추천, 태그 점수 기반 추천, 하이브리드 추천 방법의 세 가지 추천 방법에 대해서 정확도, 재현율, 그리고 F-measure를 계산하였다. 실험 결과에 대해 통계적 검증을 시행한 결과, 하이브리드 추천 방법이 다른 두 가지 방식보다 통계적으로 유의한 차이를 보여 성능이 우수한 것으로 나타났다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.