논문 94편

The purpose of this study is to propose a smart tourism restaurant recommendation algorithm based on deep sequential interaction embedding to successfully predict the preferred choices of tourists and promote their decision-making. We use Doc2Vec, a deep learning-based natural language processing technology, to learn the representation vectors of tourists and items by considering their interactions’ sequence, and then input them into multi-layer perceptron and matrix factorization that make up a deep artificial neural network to learn nonlinearity and linearity of interactions. Finally, we predict the possibility of tourists preferring restaurants and recommend top-N restaurants for each user. Indeed, the results of comparing the TripAdvior and MovieLens data sets demonstrated that our proposed recommendation algorithm (DSESTRR) significantly improved the recommendation accuracy compared to other algorithms. Based on the above results, the usefulness of DSESTRR in the tourism field was discussed, and theoretical and practical implications were proposed.

In this study, a personalized gamified recommender system was developed to help secondary-school students in Saudi Arabia learn computer programming. This recommender system supports those students by providing personalized recommendations to address their weaknesses and increase their motivation to

유튜브 알고리즘 추천은 인간의 편견을 배제하고 객관적인 정보를 전달한다는 유용 성을 인식하게 한다. 이러한 유용성 인식은 유튜브 미디어 신뢰에 영향을 미친다. 그러 나 알고리즘의 결함과 위험에 대한 우려가 확산되는 가운데, 알고리즘 추천의 유용성 인식과 미디어 신뢰 간에 지각된 유해성, 확증편향, 프라이버시 염려가 미치는 매개효 과를 살펴보았다. 각 변수 간 경로별 효과를 분석한 결과, 알고리즘 추천의 유용성 인식 이 미디어 신뢰에 정적(+) 영향을 미쳤다. 또한 확증편향과 프라이버시 염려에도 정적 (+) 영향을 미쳤다. 확증편향은 유튜브에 대한 미디어 신뢰도에 정적(+) 영향을 미쳤 다. 매개효과 분석 결과, 알고리즘 추천의 유용성 인식과 유튜브에 대한 미디어 신뢰 간 관계에서 확증편향의 매개효과가 유의미하게 나타났다. 알고리즘 추천에 대한 유용성 인식에 더해 개인의 심리적인 기제인 확증편향이 유튜브 미디어 신뢰에 영향을 미친다 는 사실을 통해 정보안심의 소비습관과 뉴스관여도의 영향력을 읽을 수 있다. 이러한 정보안심의 소비습관을 방지하기 위해 노출의 다양성을 촉진할 추천 알고리즘의 정교 화가 필요하다.

4차 산업혁명 시대에 부상하고 있는 산업 및 연구용 드론은 임무 중심의 관제 운항 형태로 전환되고 있으며, 임무를 지정하고 실시간으로 확인할 수 있는 지상 관제 시스템에 대한 기술이 개발되고 있다. 이러한 관제 운항은 비 시야거리에서 원격 조종에 따른 자체 일시적인 결함부터 기상현상, 악의적 공격 등 다양한 외적 요인으로 인하여 다양한 문제점이 발생하고 있다. 그러나, 지상 관제 시스템에 나타나는 드론의 정보는 단순 데이터들의 집합형태로 순차적인 데이터들의 표현 중심이기 때문에 전문 드론 자격증을 갖추었더라도 모든 정보에 대한 습득과 해석은 어려운 상황이다. 이에 따라 본 연구에서는 비 시야 거리에서 운항중인 원격지 드론에서 습득되는 데이터들에 대하여 임무 수행자가 적극적인 대응이 가능하도록 지상 관제 시스템의 시인성을 향상시킬 수 있는 방법을 연구하였다. 구체적으로 지상 관제 시스템의 기본 구성을 분석하고 드론으로부터 전송되는 데이터들을 식별한 후, 우선적으로 고려해야 할 요소들에 대하여 FGI를 통하여 도출하고 지상 관제 시스템에 적용하기 위한 방안을 도출하였다.

날씨는 여행 일정 결정에 많은 영향을 미친다. 날씨와 관광의 데이터 결합은 새로운 가치를 만들어 낼 수 있다. 본 연구는 기상조건에 따른 한국형 관광기후지수와 관광지 인기도를 고려한 경상북도 관광지 추천알고리즘을 제안한다. 먼저 네이버에서 제공하는 관광지별 리뷰 수, 평점, 블로그 수를 이용해 관광지 인기도를 구하였다. 또한, 한국관광 데이터랩에서 제공하는 월별 관광지 검색 건수와 비교하여 최적화된 인기도 점수를 구하였다. 이후 관광지의 관광기후지수를 생성하기 위해 관광지의 열적쾌적성, 풍속, 강수, 일조시간을 이용한다. 관광지의 기상정보는 크리깅 기법을 이용해 기상청의 기상관측소 날씨 데이터와 관광지의 위·경도를 이용하여 관광지의 날씨를 예측하였다. 예측된 기상정보를 통해 관광지의 한국형 관광기후지수 (Korean tourism climate index, KTCI)를 계산하면 관광지의 기상조건이 관광에 미치는 영향을 정량적으로 평가할 수 있다. 최종적으로 최적화한 경상북도 지역 관광지의 인기도에 KTCI 점수를 반영하여 관광지 추천 알고리즘을 개발하였다. 본 연구 결과, 관광지 추천에 있어 맑은 날과 흐린 날은 차이는 있으나 관광지 추천에 큰 영향을 미치지 않으며 인기도만 고려한 순위와 비슷하였다. 비가 내리는 날은 야외 노출 정도가 적은 실내 관광지 위주의 추천이 우선되었다.

최근 딥러닝 기술의 발전과 함께 추천 시스템의 영역도 다양해졌다. 본 논문은 학습률 향상을 위한 알고리즘을연구하였으며 Word2Vec 모델의 성능 특징과 비교를 통해 단어에 따른 유의어 결과를 연구하였다. 문제 추천 알고리즘은 Word2Vec 모델의 특징인 텍스트 간 의미 반영 및 유사성 테스트를 통해 표현된 값으로 구현됐다. Word2Vec 의학습 결과를 통해 텍스트 유사도 값을 이용해 문제 추천을 진행하였으며 유사도가 높은 문제를 추천할 수 있다. 실험과정에서 정량적인 데이터양으로는 정확성이 낮아지는 결과를 보았으며 데이터 셋의 데이터양이 방대할수록 정확성을높일 수 있음을 확인하였다.

중국 디지털 경제의 성장은 BAT라고 불리는 바이두(Baidu), 알리바바(Alibaba), 텐센트(Tencent) 등의 빅테크 기업이 주도하고 있는데, 최근 해당 기업은 자사 플랫폼에서 중소기업과상생할 수 있는 사업모델보다 독자 생존⋅성장할 수 있는 사업모델을 지향하면서 양극화를 더욱부추기고 있는 것으로 지적받고 있다. 이에 중국 당국은 빅테크 기업에 대한 반독점 규제 등의정책 대응을 펼치게 되었다.
 이와 같은 상황에서 2022년 1월 4일, 중국 국가인터넷정보판공실, 공업⋅정보화부, 공안부, 국가시장감독관리총국은 공동성명을 통해 2022년 3월 1일자로 「인터넷 정보 서비스 알고리즘추천 관리 규정」(이하 ‘「규정」’)의 시행을 발표하였다. “인터넷 정보 서비스와 관련된 알고리즘추천 활동을 규범화하고, 사회주의의 핵심 가치관을 증진하며, 국민⋅법인⋅기타 조직의 합법적인 권익을 보호하며, 인터넷 정보 서비스의 건강한 발전을 촉진하기 위해” 제정된 본 「규정」은「네트워크안전법」, 「데이터안전법」, 「개인정보보호법」, 「인터넷 정보 서비스 관리 방법」 과 함께 중국의 알고리즘 거버넌스 구축에서 주요 역할을 담당할 것으로 전망된다.
 EU는 2020년 12월 15일 미국 빅테크 기업의 독점구조 개선을 겨냥한 「디지털 시장법」 초안을공개하였으며, 미국은 2021년 6월 11일 빅테크 기업에 반경쟁적 행위의 책임을 지우기 위한 5개법안을 발표하는 등 빅테크 기업의 규제는 전 세계적으로도 뜨거운 이슈로 떠올랐다. 자국 빅테크 기업의 무분별한 사업 확장에 불만을 표시해온 중국 당국의 빅테크 기업 통제가 「규정」의시행을 통해 본격화될 수 있을 것으로 예상된다. 각국이 처한 다양한 대내외적 요인에 의해 빅테크 기업에 대한 규제 정도는 달라질 수 있으나, 본 「규정」 시행 후 알고리즘 규제를 통한빅테크 기업에 미치는 영향을 연구하여 자국 빅테크 기업 규제 정책에 적용할 가능성도 있을 것이다.
 이에 본고에서는 총 6장⋅35개의 조항으로 구성된 「규정」을 ‘제1장 총칙’, ‘제2장 정보 서비스규정’, ‘제3장 사용자 권익 보호’, ‘제4장 감독관리’, ‘제5장 법률책임’, ‘제6장 부칙’으로 나누어 전문(全文)을 검토하고 주요 내용을 살펴보았다. 이를 통해 「규정」의 역할과 지위를 상세히 분석하였으며, 「규정」에 대한 중국 내 전문가의 평가를 종합하여 특징을 살피고, 향후 심도 있게 진행될 알고리즘 거

본 연구는 디지털 플랫폼의 알고리즘 추천 서비스의 개인화 지각이 이용자들의 콘텐츠 이용 태도에 미치는 영향을 살펴보았다. 또한 허위합의와 지각된 위험성, 지각된 편향성이 이용자들의 이용태도를 어떻게 매개하는지 살펴보았다. 디지털 플랫폼 이용자 330명에 대한 조사결과, 알고리즘 추천 서비스의 개인화 지각은 콘텐츠 이용태도에 정적인 영향을 미쳤다. 허위합의와 지각된 위험과 지각된 편향은 개인화 지각과 콘텐츠 이용태도 간에 부분매개하여 정적 영향을 미쳤다. 알고리즘 추천 서비스의 개인화는 다양성과 용이성 및 유용성 측면에서 콘텐츠 이용태도에 긍정적인 영향을 미쳤으며 허위합의효과, 지각된 위험성, 지각된 편향성은 콘텐츠 이용태도에 유의미한 매개효과를 나타내었다. 이용자 개인의 태도 형성에 알고리즘 리터러시 교육과 시민권 함양의 중요성을 제안한다.

AI(Artificial Intelligence)를 다양한 산업에서 접목하기 위해 알고리즘 선택에 대한 관심이 증가하고 있다. 알고리즘 선택은 대부분 데이터 과학자의 경험에 의해 결정되는 경우가 많다. 하지만 경험이 부족한 데이터 과학자의 경우 데이터셋 특성 기반의 메타학습(meta learning) 을 통해 알고리즘을 선택한다. 기존의 알고리즘 추천은 선정 과정이 블랙박스이기 때문에 어떠한 근거에 의해 도출되는지 알 수 없었다. 이에 따라 본 연구에서는 k-평균 군집분석을 활용하여 데이터셋 특성에 따라 유형을 나누고 적합한 분류 알고리즘과 클래스 불균형 해소 방법을 탐색한다. 본 연구 결과 네 가지 유형을 도출하였으며 데이터셋 유형에 따라 적합한 클래스 불균형 해소 방법과 분류 알고리즘을 추천하였다.

본 연구는 사용자 기반-, 아이템 기반 추천 알고리즘 이론을 바탕으로 예측 정확도를 결정하는 요인을 알고리즘의 시스템 차원이 아니라 제품 속성 관점에서 고찰하였다. 제품이 소비자에게 전달하고자 하는 주요 가치를 경험적 가치와 기능적 가치로 양분하고 각각을 대표하는 상품으로 영화와 뷰티 상품, 자동차와 전자제품을 채택하였다. 실증 분석을 위한 표본은 Movie Lens 100k 데이터와 아마존 상품 데이터를 사용하였다. 대규모 용량 처리 문제를 해결하기 위해 원본 데이터를 각각 약 2만개로 축소하여 처리하였으며, 추천 알고리즘의 예측력 비교를 위한 기준으로 평균제곱근오차(RMSE: Root Mean Square Error)를 사용하였다. 분석 결과, 영화와 뷰티 상품과 같이 경험적 가치가 중요한 제품의 경우 아이템 기반 추천 알고리즘의 RMSE 값이 사용자 기반 추천 알고리즘의 RMSE 값보다 높은 것으로 나타나 사용자 기반 추천 알고리즘의 상대적 우수성을 확인하였다(가설 1 지지). 반면 자동차와 전자제품과 같이 기능적 가치가 중요한 제품의 경우 아이템 기반 추천 알고리즘의 RMSE 값이 사용자 기반 추천 알고리즘의 RMSE 값보다 낮아 아이템 기반 추천 알고리즘의 예측력이 상대적으로 우수한 것으로 나타났다(가설 2지지). 이 연구에서 발견된 사실은 기존 선행연구에서 보여준 개별 추천 알고리즘의 기술적 우수성의 절대성과 달리 추천 알고리즘의 예측력은 제품 속성에 따라 달라진다는 사실을 알게 해준다. 따라서 기업은 제품 속성에 맞는 추천 알고리즘을 사용하여 마케팅 전략과 브랜드 아이덴터티 수립을 모색해야 한다.

최근 아이돌 가수 등 여러 연예인이 다양한 형태의 신한복을 착용한 모습이 방송에 공개되면서, 신한복에 대한 대중적 관심이 높아지고 있다. 또 한류의 지속적 확산으로 신한복에 대한 세계적 관심 또한 높아지고 있다. 오늘날 의류 산업은 IT 산업의 발전과 모바일 기기의 성능 향상으로 온라인의 비중이 점점 상승하고 있다. 2020년 통계청이 발표한 자료에 따르면, 국내 온라인 패션시장 규모는 전년 대비 13.4% 성장한 42조 6천 879억원으로 나타났다. 이러한 현상은 코로나 팬더믹 이후 가속화되어 2021년에는 주요 온라인 패션 플랫폼 빅5의 거래액이 2020년 대비 40% 이상 성장할 것이라는 예측도 있다. 반면 백화점을 비롯한 오프라인 매장의 거래량은 지속해서 감소하는 추세다. 온라인 쇼핑에서 추천 알고리즘은 사용자의 구매력을 높이기 위한 기본적인 방법이다. 대표적 추천 알고리즘으로는 협업 필터링이 있다. 그러나 협업 필터링을 적용하기 위해서는 상품에 대한 평점이 반드시 필요하다는 단점이 있다. 특히 신한복은 아직 시장이 활성화되지 않았기 때문에 축적된 데이터가 부족한 상황이다. 이에 본 논문은 기존 연구의 분석결과를 바탕으로 신한복 온라인 커스터마이징 플랫폼 개발에 적합한 추천 방식을 제안한다. 본 논문에서 제안하는 방식은 신한복 온라인 커스터마이징 플랫폼의 초기 추천 알고리즘으로 활용할 수 있다.

알고리즘 기반 추천시스템의 설계와 운용은 공학적 차원에서 이루어지지만, 추천 알고리즘의 비정상적 예측이나 결과물의 생산은 공학적 데이터 처리에서 나타날 수 있는 문제뿐만 아니라, 이용자의 문제적 사용, 사회적 문제점이 반영되는 등 다양한 환경의 영향을 받아 편향과 차별이라는 결과를 가지고 오게 된다. 해외의 경우, ‘공정성’이라는 개념 하에 편향과 차별을 보정하기 위한 노력이 이루어지고 있다. 우리나라는 알고리즘 기반 추천시스템의 도입이 비교적 최근이기 때문에 알고리즘 추천 시스템 관련 문제점의 논의가 부족하였다. 본 연구는 알고리즘 공정성 관련 제반 문제점 및 쟁점 사항에 대해 이론적으로 살펴본 후, 공정성 관련 쟁점 중에서 현 수준에서 알고리즘 공정성의 범위와 목표 및 공정성 측정 방법, 제도적 접근 방법으로서 알고리즘 평가제도의 운용방식에 대해 법학, 경영학, 정책학, 전산학 분야의 전문가를 대상으로 심층 조사를 수행하였다. 연구결과, 공정성을 개념화 하는 것은 어렵지만, 알고리즘의 공정성은 ‘투명성’과 ‘다양성’의 확보 및 ‘알고리즘 결과에 대한 대중의 수용가능성’ 및 이 범위와 목표가 될 수 있다. 알고리즘 공정성을 분석하고 보완할 수 있는 측정방법은 혼합방법론이 적합하고, 알고리즘의 평가제도는 다양한 배경의 산업계, 학계, 시민단체의 전문가들이 참여해야 하고, 평가대상은 공공영역과 민간영역이 모두 포함되어야 한다. 이러한 연구결과는 방법론적인 측면에서는 알고리즘 공정성 분석에 활용될 수 있는 다양한 방법론의 장단점을 파악하고, 이를 실제로 적용할 수 있게 할 수 있으며, 정책 측면에서는 알고리즘 평가제도의 접근 방법에 대한 기초자료로서 기여할 수 있다.

본 연구에서는 주로 사용되는 SIFT, SURF, ORB, AKAZE 알고리즘을 데이터 세트를 통해 비교 분석하는 실험을 통하여 사용자 요구에 맞는 특징점 검출기를 추천하는 모델을 개발하고 신뢰성을 검증하였다. 이를 위해, 특징점 검출기 추천 모델을 설계하고 모델 검증을 위하여 동일 이미지를 선택하여 추천된 모델과 실제 매칭율을 비교하는 실험을 수행하였다. 이를 통해 최적의 특징점 검출기 계산 산식을 개발하였다. 또한 산식의 신뢰성을 검증하기 위하여 동일 이미지를 선택하여 검출기 별 매칭률을 기반으로 합계값을 비교함으로써 추천 결과와 결과가 일치함을 확인하였다. 본 연구는 사용자가 분석하고자 하는 대상에 적합하고, 사용자가 원하는 도구의 중요한 특성을 반영할 수 있는 보다 정교한 도구 선택의 기회를 제공한다는데 그 의의가 있다.

이 연구에서는 필터버블 현상의 주요 요인인 추천 알고리즘의 정치적 편향성(추천 알고리즘이 이용자가 선호하는 정치 성향의 영상을 제한적으로 제공하는 것)과, 이용자들의 선택적 노출(이용자가 자신이 선호하는 정치 성향의 영상을 자발적으로 선택하는 것)을 실증적으로 검증하고자 하였다. 이를 위해 새로운 유튜브 계정 2개를 개설하여 각각의 계정을 보수/진보 계정으로 일주일 동안 훈련시켰고, 각 계정에서 추천받은 영상들은 이틀 간격으로 수집하였다. 텍스트 마이닝(Text Mining) 방법을 통해 보수 계정에서는 보수 성향의 영상이 더욱 추천되는지, 진보 계정에서는 진보 성향의 영상이 더욱 추천되는지를 알아보았다. 또한 각각의 계정에서 정치적으로 편향된 주제들이 다뤄지고 있는지를 관찰하였다. 설문조사를 통해 유튜브로 정치 및 뉴스 영상을 소비하는 이용자들에게 보수/진보 계정에서 6일째에 추천된 영상 리스트를 제공하여 이용자들이 선택적 노출을 보이는지를 알아보았다. 연구결과, 시간이 지날수록 보수 계정에서는 보수 성향의 영상과 채널이 더욱 추천되고, 진보 계정에서는 진보 성향의 영상과 채널이 더욱 추천되었으며, 보수 계정과 진보 계정에서 추천된 영상들은 대부분 정치적으로 편향된 주제를 다루고 있는 것으로 나타났다. 응답자들의 약 77%는 자신이 선호하는 정치 성향의 영상에 선택적으로 노출되어 보이는 것으로 나타났다.

이커머스 업계에서는 기존의 단순 상품판매 위주의 방식에서 벗어나 트래픽을 높이고 즉각적이 구매가 가능한 새로운 유통방식에 대해서 고민해왔다. COVID-19로 촉발된 온라인 쇼핑의 폭발적 증가와 더불어 가정에서의 체류가 길어짐에 따라 콘텐츠와 결합을 통한 상품제공 방식이 경쟁적으로 도입되고 있다. 유튜브, 인스타그램의 커머스 기능 도입, 이커머스 업계의 라이브 커머스 도입 등이 촉매 역할을 하고 있다. 본 연구에서는 미디어 커머스에서 콘텐츠 추천을 통해 구매효율을 높이기 위한 알고리즘을 제안하였다. 이를 위해서 쇼핑몰에서의 성연령별 인기도 기반의 MAB 알고리즘을 사용한 콘텐츠 추천과 고객의 행동 이력기반으로 고객의 최근 본 상품의 연관 콘텐츠 추천의 방식을 제안하였다. 이를 통해서 A/B 테스트를 수행한 결과 MAB 알고리즘 기반 추천 대비 CF기반 동영상 추천의 CTR이 65.3% 더 우수하였다. 향후 CF기반의 단점인 커버리지 극복을 위해서 영화, 드라마, 음악 등 고객의 미디어 소비행태를 추가 분석하여 추천의 효율성을 높이기 위한 시도를 해 볼 계획이다.

This study examines data from a field experiment investigating the effects of a personalized recommendation algorithm that proposes to students which videos to watch next, after they complete mini-assessments for algebra that available on the Math Nation intelligent virtual learning environment (IVL

기존 중소기업 정책자금의 경우 정책목적만을 고려한 집행 실적 위주로 사업을 추진하였고 그 결과 수요자 중심 아닌 공급자 중심의 사업으로 각인되어 왔다. 이제 정책자금의 지원성과를 분석하여 그 결과 데이터를 기반으로 한 고객가치와 정책목적을 동시에 고려한 맞춤형 성과창출을 지원할 수 있게끔 방향 전환이 필요하다.
 본 논문에서는 과거 정책자금 지원 데이터를 분석하여 기업 특성 및 정책 지원성과를 분류하고, 기업에 맞는 최적의 정책자금을 추천하는 알고리즘을 제안한다.

어떤 학술단체의 학술지에 소속된 연구자가 논문을 투고하는 경우 관련된 연구전문가들의 심사를 받고 게재여부가 판가름된다. 이때 학술지 책임자(편집위원장) 입장에서는 심사위원들의 전공 pool을 참고하여 주관적으로 심사위원을 배정하게 되는데, 이에 대한 배정이 연구주제와 관련하여 제대로 배정이 되었는지 타당성 문제가 발생하는 경우가 많다. 왜냐하면, 연구자들의 세부 전공 분야는 끊임없이 변화하기 때문에 초기 입력된 전공 pool 정보만으로는 정확한 심사 배정에 한계를 가지게 된다. 본 연구에서는 이와 같은 심사위원 배정 혹은 평가위원 배정 문제를 머신러닝 기법을 활용하여 관련 연구자들의 연구주제 그룹 pool을 새롭게 생성하고 이로부터 무작위 배정을 자동으로 실행하는 심사위원 자동추천 알고리즘을 제안하고자 한다. 여기서 제안하는 자동추천 알고리즘 타당성을 확인하기 위해서 머신러닝 기법 중 비지도 학습알고리즘인 k-평균 군집방법을 이용하여 문서를 군집화하고, 그 결과를 이용하여 군집 소속정보를 원 데이터에 라벨링(labelling)하였다. 그다음 단계로 라벨링된 데이터를 텍스트분류에 많이 사용하는 나이브베이즈방법을 이용하여 문서(논문제목) 분류 모형을 개발하였으며, 평가용 데이터에 적용해본 결과 1.1%의 오분류을 보여주었다.

모바일 중심의 콘텐츠 소비가 지속되면서 영상 콘텐츠에 대한 수요가 꾸준히 높아지고 있는 요즘 OTT 서비스는 미디어 시장에서 가장 주목받고 있다. OTT 서비스는 기존에 TV 시청을 위해 사용했던 셋톱박스를 넘어 인터넷을 기반으로 언제 어디서나 쉽게 콘텐츠를 제공하는 온라인 콘텐츠 스트리밍 서비스로, 이용률이 급격하게 증가하고 있다. 콘텐츠 구성에 따른 OTT 서비스의 종류가 다양한 가운데, 언뜻 보면 비슷한 OTT 서비스지만 제각각 분명한 색깔을 지니고 있어 차이가 난다. 모든 OTT 서비스를 구독할 수는 없는 노릇이기에 어떤 OTT 서비스가 내 취향과 맞는지 파악해 선택적으로 이용할 수밖에 없다. 따라서 본 연구는 2019년 온라인 디지털 콘텐츠 서비스에 대한 미디어 패널 자료를 추천 알고리즘에 적용해 사용자들을 위한 맞춤형 추천 리스트를 만들고자 한다. 기존의 BPR 알고리즘에 이용된 확률적 경사 하강법은 탐색 경로가 비효율적이므로 이를 극복하기 위해 SAMC 알고리즘을 이용한 개인화 추천 알고리즘을 제시하고 다른 알고리즘과 성능을 비교해보았다. 분석 결과, SAMC-BPR 알고리즘의 성능이 우수함을 알 수 있었다. 미디어 패널 자료 특성상 조사한 대상자에 대한 변수가 많아 총 52개의 변수를 이용하여 다항 로지스틱 회귀, 변수선택법과 군집분석을 통해 군집별 성향을 파악하였다. SAMC-BPR 알고리즘의 추천 리스트를 통해 젊은 세대 사용자가 많이 포함된 군집에는 카카오TV, 기성세대가 주를 이루고 있는 군집은 넷플릭스를 가장 많이 추천하고 있다.

영화장르는 주제, 줄거리, 분위기 등이 요약된 특성이고, 같은 장르의 영화들은 비슷한 특성을 가지며, 영화 제작자나 전문가에 의해 영화장르가 분류된다. 사용자가 새로운 영화를 선택할 때, 영화장르로부터 유추된 내용을 바탕으로 의사결정하기 때문에, 영화장르는 선호도를 대표할 수 있는 중요한 단서가 된다. 기존의 방법은 영화장르 분석을 통해 추천 정확성을 향상시켰지만, 협업 필터링 기반의 평점예측으로 인해 복잡도가 크고, 영화분류에 사용된 매개변수 값에 따른 성능편차가 크기 때문에 모델의 최적화가 어려우며, 분류된 영화들의 조합으로 추천목록을 작성하기 때문에 인위적인 추천결과를 보였다. 본 논문에서는 제시된 문제해결을 위한 알고리즘을 제안하며, 실험을 통해 제시된 문제들이 해결됨을 확인할 수 있었다.

본 연구는 음악 스트리밍 서비스 사용자가 특정 음악청취 상황에서 느끼기 원하는 감성 특성을 활용하여 구성한 음악 추천 플레이리스트가 유효성을 가지는지 평가하고자 하였다. 연구 1단계에서 일상생활 중 음악을 청취하는 빈도가 높은 상황을 평가하여 추출하였다. 2단계에서는 추출된 음악청취 상황들에 대해 평소 경험하는(being) 감정 상태와 경험하기 원하는(to be) 감정 상태 변화를 각각 평가하여 비교 분석하였다. 마지막으로 3단계에서는 음악청취자가 경험하기 원하는 감성적 방향성을 갖는 음악청취 상황과 유사한 감성차원 특성을 지니는 추천 플레이리스트의 샘플 음악들을 제시하여 음악청취 상황과의 적합성을 평가 및 분석하였다. 이를 통해 음악청취 상황이 갖는 감성차원의 포지셔닝과 청취대상인 추천 음악들의 감성차원 특성이 갖는 공간적 연결성을 논의하고, 그 관계를 보다 밀접하게 설명 가능한 요인들을 탐색하고자 하였다.

관광객이 관광 도중에 각종 문화제, 전시회, 공연 등의 이벤트에 참여하는 경우가 있다. 관광객이 이벤트에 참여 후 다음 관광지를 결정하게 되는데, 관광지 정보를 얻을 수 있는 수단은 지도 서비스, 블로그와 같은 소셜네트워크서비스 등이 존재한다. 지도 서비스를 활용하면 관광객이 현재 위치한 장소 주변의 관광지를 쉽게 검색할 수 있다. 이는 위치 기반 관광지 추천으로 활용될 수 있다. 블로그 등은 관광지의 내용을 담고 있기 때문에 관광객이 이벤트의 내용과 관련된 관광지를 찾을 수 있다. 이는 내용 기반 관광지 추천으로 활용될 수 있다. 하지만, 위치 기반 추천의 경우 이벤트의 내용과 관련이 없이 단순히 가까운 관광지가 추천이 될 수 있고, 내용 기반 추천의 경우 거리가 먼 관광지가 추천이 될 수 있는 단점이 있다. 위치와 내용을 모두 고려하는 관광지 추천 서비스는 거의 없다. 본 연구에서는 두 가지 방법의 장점만을 취하기 위해 한국관광공사 LOD(Linked Open Data), 위키피디아, 국어사전 등에 기반하여 위치와 내용을 모두 고려한 관광지 추천 알고리즘을 제시한다. 관광지의 설명글로부터 명사들을 추출한 뒤 다른 관광지의 명사들과 비교를 하여 동일한 명사가 많이 있을수록 내용이 관련이 있다고 판단한다. 정확히 동일한 명사가 없어도 위키피디아에 있는 키워드를 활용하여 관련된 명사가 존재할 경우에도 관련이 있다고 판단한다. 각 관광지의 위도와 경도를 기준으로 거리를 계산한 뒤 사용자가 선택한 가중치로 상기 내용 기반 관련도와 선형결합하여 추천순위를 계산한다.

The recommender system has gained research attention from education research communities mainly due to two main reasons: increasing needs for personalized learning and big data availability in the education sector. This paper presents a hybrid user-collaborative, rule-based filtering recommendation

음악은 인간의 감성을 소리로 표현하는 창조적 예술 행위이다. 음악은 사람들의 기분을 우울하게 혹은 기쁘게 변화시킬 수 있다. 따라서 음악을 감상하는 데 있어 감성은 소비자에게 적합한 음악을 찾고 들려주는 데 매우 중요한 요소인데, 다양한 음원 서비스에서 제공하는 추천 알고리즘은 사용자의 기본적인 정보(성별, 나이, 감상 횟수 등)와 사용자의 플레이 기록에 기반한 음악 추천 방식을 주로 사용하고 있다. 본 연구에서는 음악을감상하는 개인의 감성을 고려하여 각 음원이 가지는 고유의 감성을 기본으로 한 음악 추천 알고리즘을 제안해보고자 한다. 구체적으로, 사용자들이 자주 듣는 음악과 그렇지 않은 음악을 기준으로 ‘감정 패턴’을 추출 후 상관관계를 확인하고자 하며, 앞선 결과를 기반으로 사용자들이 원하는 노래에 대한 검색과 사용자 감성 기반 추천 방법을 도출해내보고자 한다. 이를 위해 본 연구에서는 사례기반추론 기법을 이용하여 사람들이 주로 듣는음악과 비슷한 ‘감성 패턴’을 갖는 특정한 곡을 추천해주는 알고리즘을 개발하였다. 먼저, 분석에 필요한 감정형용사를 정리하여 변수화 시키고, 의미 있는 것끼리 묶어 음악 감성지수를 개발하였고, 분석의 대상이 될 음원에 대해 고유의 감성지수 점수를 측정하였다. 마지막으로 도출된 점수의 결과를 통해 유사한 감정 패턴이 나오는 곡들을 유사 곡 리스트로 분류하고 사용자들에게 추천하는 과정을 거친다. 앞선 일련의 과정을 거처 도출된결과는 음원 추천 시스템뿐만 아니라, 인기 있는 곡과 아닌 곡에 영향을 미치는 변수 도출 및 음원 출시 전, 해당 곡의 스트리밍 수 예측 모형 구축 등 다양한 용도로 사용될 수 있을 것으로 기대한다.

본 연구는 디자인 영역 중 웹 스타일에 대해서 소비자 감성과 만족과의 관계를 연구했다. 기존 웹 스타일 연구들은 웹의 레이아웃과 구조도 등과 색상 등이 감성에 미치는 영향에서 연구했다. 본 연구는 기존 연구들과차별되게 웹의 구성 요소를 배제하고 소비자의 감성 지표만을 갖고 소비자 만족과의 관계를 분석했다. 분석을위해 검증을 위해 소비자 204명을 대상으로 40개 웹 스타일 테마를 선정, 각 소비자에게 4개씩 평가하도록 하였다. 소비자에게 평가하도록 한 감성 형용사는 18개의 대비되는 쌍을 갖는 감성 형용사로 구성하였고, 요인 분석을 통해 상위 감성 지표를 추출했다. 각 감성 지표들은 ‘부드러움’, ‘모던함’, ‘명확함’, ‘꽉 참’ 이었으며, 감성지표들이 소비자 만족에 미치는 영향이 다를 것으로 판단하여 가설을 수립했다. 분석 결과에 따라 가설 1과 2, 3은 채택되었으며, 가설 4의 경우는 기각되었다. 가설 4의 경우 기각되었지만 정의 방향이 아닌 부의 방향으로유의한 것으로 나타났다. 이때, 조절 초점 성향이 감성이라는 정보처리 과정에서 소비자 만족에 미치는 영향이다를 것으로 판단했다. 조절 초점 성향은 조직 행동 및 의사결정에 영향을 주기도 하며, 정치, 문화, 윤리적 판단 및 행동은 물론 광범위적 심리적 문제와 사고 프로세스, 감정적 반응에도 영향을 미친다. 때문에 각 감성 지표에 대한 조절 초점 간 차이를 확인할 필요성이 있고, 각 감성 지표에 대한 세부 가설을 수립했다. 세부 가설을 검증하기 위해 조절 회귀 분석을 수행했다. 분석 결과 가설 5는 부분적으로 지지됐고, 가설 5.3만 지지되었고, 5.4의 경우 기각되었지만 가설과의 반대 방향으로 지지되었다. ‘명확함’의 경우 향상 초점이 소비자 만족에더 큰 영향을 보였고, 예방 초점일수록 ‘꽉 참’을 더 선호한 것으로 나타났다. 분석 결과를 바탕으로 조절 초점성향을 향상, 예방, 중간 성향으로 3집단으로 구분, 소비자 감성 기반으로 웹 스타일에 대한 추천을 할 수 있는알고리즘을 개발했다.

최근 블루홀에서 개발한 배틀그라운드 게임은 고립된 섬에서 100명의 유저들이 무기와 방어구, 회복 아이템, 탈 것 등을 이용하여 최후의 1인이 남을 때까지 싸우는 다중 접속자 온라인 배틀로얄 슈팅게임이다. 이 게임을 플레이하는데 있어서 자신의 게임 상황을 종합적으로 판단하여 매 순간 교전여부를 결정해야 하는데 초급자나 미숙달자의 경우 경험 부족으로 적절하게 판단하기가 어렵다. 본 논문에서는 유저의 상황에 따라 교전여부를 추천하고 향후 지속적으로 추천 시스템을 향상시킬 수 있는 알고리즘을 개발하였다. 교전을 추천하기 위해 무기 종류, 방어구 요소, 거리 및 지형 요소를 고려한 학습데이터를 구축하고 이를 인공신경망에 학습시켰다. 실험을 통해 제시하는 알고리즘이 초급자에게 어느 정도 효과가 있는 것을 확인하였으며, 향후 게임 맵 요소, 탈 것, 보급품 등의 요소를 추가함으로써 그 성능이 높아질 것으로 기대한다.

기상은 관광객들의 여행 일정 결정에 많은 영향을 미친다. 기상과 관광의 데이터 융합은 새로운 가치를 창출할 수 있다. 본 연구는 기상조건에 따른 한국형 관광기후지수(Korean tourism climate index, KTCI)와 소셜미디어 정보를 고려한 관광지 추천알고리즘을 제안한다. 관광지의 관광기후지수를 생산하기 위해선 관광지의 열적쾌적성, 풍속, 강수, 일조시간을 알아야 한다. 관광지의 기상정보는 인근 기상관측소 사이의 거리 역수에 가중치를 부여한 역거리 가중법으로 예측하였다. 예측된 기상정보를 통해 관광지의 관광기후지수를 계산하면 관광지의 기상조건이 관광에 얼마나 좋은지 정량적으로 평가할 수 있다. 관광지는 실내관광지와 실외관광지로 구분된다. 실내관광지는 기상환경에 영향을 적게 받으므로 이를 고려한 관광기후지수를 제안하였다. 또한, 기상악조건(태풍, 폭염 등) 하에서는 관광객들이 위험에 노출되므로 관광하기 적합하지 않도록 관광기후지수를 수정하였다. 마지막으로 KTCI에 여행 정보사이트인 트립어드바이저의 리뷰와 평점을 가중치로 부여한 기상을 고려한 제주도 관광지 추천 알고리즘을 개발하였다. 본 연구 결과, 비가 내린 날의 경우는 실내 관광지들이 우선순위로 나타났으며, 기상 악조건의 경우는 모든 관광지가 부적합으로 나타났다.

With advanced technology, teenagers have become spending lots of time on watching video contents (e.g. video streaming services) as their leisure. YouTube, a major video-sharing and streaming website worldwide, becomes a mainstream of a media channel, therefore it’s highly needed to figure out if there’s a safe security system for teenagers from harnful contents on their website. We ran an experiment with 30 university students to see if “recommended contents” placed on the right side of the YouTube website could lead any adult-related or violent contents that teenagers should not watch. The result showed that 60% of participants could access harmful contents by clicking just 2 recommended “off-topic” contents. This has shown that teenagers could access any violent or lewd videos on YouTube if they want, even though the website requires the verification of an adult user. In this paper, we criticize this issue and discuss a solution.

This study proposes a novel recommendation algorithm that reflects the results from trust/distrust network analysis as a solution to enhance prediction accuracy of recommender systems. The recommendation algorithm of our study is based on memory-based collaborative filtering (CF), which is the most popular recommendation algorithm. But, unlike conventional CF, our proposed algorithm considers not only the correlation of the rating patterns between users, but also the results from trust/distrust relationship network analysis (e.g. who are the most trusted/distrusted users?, whom are the target user trust or distrust?) when calculating the similarity between users. To validate the performance of the proposed algorithm, we applied it to a real-world dataset that contained the trust/distrust relationships among users as well as their numeric ratings on movies. As a result, we found that the proposed algorithm outperformed the conventional CF with statistical significance. Also, we found that distrust relationship was more important than trust relationship in measuring similarities between users. This implies that we need to be more careful about negative relationship rather than positi

추천 알고리즘의 예측 정확도를 높이는 것은 상품추천시스템 영역에서 주요 과제 중 하나이다. 상품추천시스템에서 많이 활용되고 있는 방법에 협업필터링 이 있다. 사용자 기반 협업필터링은 선호도 유사성이 높은 이웃사용자의 상품 선호 정보를 이용하여 상품을 추천한다. 신뢰관계나 친구관계가 있는 사용자간에는 이런 관계 정보를 추천에 활용할 경우 추천시스템의 예측 정확도가 개선될 수 있음을 보이는 연구가 최근 발표되고 있다. 본 연구에서는 협업필터링 방식의 예측 정확도를 높이기 위해서 신뢰관계 기반 사회연결망을 생성하고 구조적 공백을 적용하는 방법에 대해 제안하였다. 신뢰관계를 나타낸 데이터를 이용하여 사회연결망을 구성하고 사회연결망 분석 기법 중 하나인 구조적 공백을 적용하여 연결망에서의 사용자 영향도를 찾아낸다. 추천 대상자의 이웃사용자 유사도는 찾아진 이웃사용자의 영향도를 반영하여 조정된다. 유사도를 조정하는 방식으로 두 가지를 실험하였다. LinearImpCF는 이웃사용자의 영향도에 를 곱하고, 이 값을 기존의 유사도에 곱하여 조정한다. ExpImpCF는 이웃사용자의 영향도에 승을 하고 이 값을 기존의 유사도에 곱하여 조정한다. 제안한 알고리즘의 검증을 위해 filmtrust 데이터셋에 제안된 알고리즘을 적용하여 실험하였다. 10-겹 상호검증 결과 LinearImpCF과 ExpImpCF의 평균 MAE가 전통적인 협업필터링 방식인 CF보다 낮았다. 연구에서 제안한 LinearImpCF과 ExpImpCF의 방법이 예측 정확도를 개선했음을 알 수 있다. 통계적 유의성을 검정하기 위해 10-겹 상호검증을 3회 실시하였다. 실험결과를 바탕으로 쌍체 t-검정을 실시한 결과 통계적으로 유의함을 확인하였다. 결론적으로 전통적인 협업필터링 방식에 사용자 간의 신뢰관계를 사회연결망으로 구성하고, 구조적 공백을 활용하여 사용자의 영향도를 찾아 반영하는 제안된 추천 알고리즘이 예측 정확도를 개선시킴을 알 수 있었다.

본 연구는 과학 학술정보 서비스 플랫폼 이용자의 정보 검색 편의성을 확보하고 적합한 정보의 획득에 소요되는 시간을 절약하기 위하여, 운영 중인 서비스 메뉴와 각 서비스 별 콘텐츠 정보를 제공하는 알고리즘 중 콘텐츠 추천 알고리즘을 최적화하고 그 결과를 비교평가 하는 것이다. 추천 정확도를 높이기 위해 이용자의 ‘전공’ 항목을 기존 알고리즘에 추가하였으며, 기존 알고리즘과 최적화된 알고리즘을 통한 추천 결과의 성능평가를 수행하였다. 성능평가 결과 최적화된 알고리즘을 통해 이용자에게 제공되는 콘텐츠의 적합도가 21.2% 증가함을 파악하였다. 이용자에게 적합한 콘텐츠를 시스템에서 자동 도출하여 각 서비스 메뉴 별로 제공함으로써 정보 획득 시간을 단축하고, 연구정보로서 가치 있는 연구결과물의 생명주기를 연장할 수 있는 방안이라는 데 본 연구의 의의가 있다.

Dynamic learning is a featured learning style in the second decade of the 21st century, emphasizing on the processes of individual or collaborative learning. Conducting dynamic assessment becomes critical to achieve the goals of learning. As learning becomes more individualized, online learning plat

대부분의 온라인 소셜 네트워크 플랫폼에서는 사용자들로 하여금 컨텐츠 제공자에 대한 신뢰수준을 명시적으로 평가하도록 장려하고, 이를 기반으로 사용자 간 신뢰네트워크를 구축, 유지하고 있다. 이를 활용해 사용자 개개인에게 신뢰할 만한 컨텐츠 제공자를 추천함으로써, 신뢰도 높은 컨텐츠가 더 활발하게 유통될 수 있도록 돕는다. 본 연구는 사용자의 신뢰네트워크 정보를 활용하여, 사용자에게 신뢰할 수 있는 새로운 컨텐츠 제공자를 추천해 주는 모형을 제안한다. 특히 사용자 간 암묵적으로 내제된 신뢰관계를 예측하기 위해 최근 상품 추천시스템에서 그 효과성이 입증된 행렬 분해 방법론을 활용한 추천 시스템을 제안한다. 그리고 추천의 정확도를 높이기 위해 신뢰여부, 즉 이진형태로 주어지는 신뢰관계를 연속형 신뢰강도로 재정의하고, 소셜추천을 반영함으로써 추천 엔진의 성능을 개선하였음을 보인다.

최근 인터넷의 성장과 함께 사용자들은 물건이나 화, 음악 등을 구매 할 때 여러 가지 추천 사이트를 참고한 다. 하지만 이러한 추천 사이트에는 악의으로 아이템의 평을 높이거나 낮추려는 악의인 사용자 (Sybil)들이 존재하며, 결과으로 추천시스템은 불완하거나 부정확한 결과를 일반 사용자들에게 추천할 수 있다. 본 논문에서 는 사용자 들이 생성하는 평들을 안정상태 (stable state) 불안정상태 (unstable state)로 구분하고, 상태 정보를 활용하여 악의 사용자의 향력을 최소화 하는 추천 알고리즘을 제안한다. 제안하는 기법의 성능을 입증하 기 해 유명한 화사이트에서 실제 데이터를 직 수집 (crawling)하여 성능분석을 진행하다. 성능분석결과 제 안하는 기법의 성능이 기존 알고리즘 보다 향상됨을 확인하다.

현재 저널 논문 투고 및 심사 시스템에서 저자는 언제든지 논문 투고가 가능하며 그에 따라 저널 편집위원들이 투고된 논문들에 가장적절한 심사위원들을 찾아 배정하는 데에 어려움을 겪고 있다. 본 논문에서는 편집위원들의 이러한 심사위원 선정의 어려움을 해결하기 위하여, 투고된 논문들에 적절한 심사위원들을 추천하는 탐욕 알고리즘과 유전 알고리즘을 제시한다. 제안하는 두 알고리즘에서는 투고 논문들의 키워드(Keyword)와 심사위원들의 전문지식 태그(Expertise Tag) 정보를 활용하여 심사위원들의 전문성을 평가하고, 추천되는 심사위원들 간의 공정성 및 심사 참여빈도를 고려하여 심사위원들에게 심사기회가 균등하게 이루어지도록 한다. 제안하는 알고리즘을 검증하기위하여 본 논문에서는 한국정보처리학회에서 운영하고 있는 JIPS 논문 투고 및 심사 시스템에 추천 알고리즘을 적용해보고 이의 결과를제시한다. 마지막으로, 제안하는 두 알고리즘의 성능 분석을 수행하여 유전 알고리즘이 탐욕 알고리즘에 비해 추천 심사위원들의 적합도 측면에서 더 좋은 성능을 나타냄을 제시한다.

인터넷과 스마트폰의 발전과 함께 소셜 미디어 공유 사이트인 유튜브도 크게 성장하여 수많은동영상을 공유하는 사이트가 됐다. 사용자들이 유튜브를 통해 동영상을 공유하면서 소셜 데이터를 만들어내고, 많은 동영상들 중에서 본인의 관심사가 반영된 동영상 추천을 원하게 된다. 본 논문에서는 유튜브 데이터를 이용하여 사용자의 사회적 관계와 유튜브의 특징이 반영된 소셜 카테고리 분류 목록을 기반으로 사용자의 소셜 카테고리를 추출한다. 우리는 좀 더 정확하고 의미있는 추천을 위해 추출된 사용자 소셜 카테고리를 이용한 유튜브 동영상을 추천하는 알고리즘을 제안하였다. 또한 실험을 통해 그 유효성을 검증하였다.

‘실시간성’, ‘사람들 간의 관계정보’, ‘빅 데이터’와 같은 다양한 특성을 갖는 소셜 네트워크 콘텐츠는 개인화 추천 시스템의 성능 향상에 큰 도움이 되고 있다. 그 중 ‘사람들 간의 관계정보’가 가장 중요한 역할을 하기 때문에, 이를 활용한 다양한 연구가 진행되고 있다. 하지만 기존의 연구에서는 사람들 간의 친밀도를 고려하지 않고 있어서 개인의 성향을 반영하기 어렵고 다양한 도메인에서 정확한 추천이 불가능하다. 본 논문은 기존 연구의 문제를 해결하기 위해 사용자간 친밀도를 측정하는 친밀도 알고리즘과 소셜 네트워크의 다양한 특성에 기반한 개인화 추천 알고리즘인 PReAmacy를 제안한다. 실험을 통해 PReAmacy가 기존의 알고리즘에 비해 높은 성능을 가지며 친밀도가 PReAmacy 알고리즘에 큰 비중을 차지한다는 것을 보였다.

전쟁에서의 승리를 담보하는 핵심적 역할 중 하나는 최적의 군수지원을 통해 전투력을 극대화하고 지속능력을 가능한 장기적으로 유지하는 것이다. 주요 무기체계의 효과적인 사용을 위한 다양한 군수지원 방법론이 지속적으로 제안되고 있으나, 모든 군수지원 요소를 종합적으로 고려한 군수지원 접근법에 대한 연구는 전무한 실정이다. 본 논문에서는 기존 군수지원의 주요 방법론 이었던 고장률 분석을 통한 접근법에서 벗어나, 비용, 수송, 고장률, 정비, 시스템 복잡도 등 군수지원의 다양한 요소를 종합적으로 식별하여, 각각의 영향력을 결합할 수 있는 방법론과 stationary 분포를 이용한 최적의 군수지원 우선순위를 결정하여 추천하는 알고리즘을 최초로 제안한다.

최근 다수의 소셜 네트워크가 빠르게 확산되었다. 그 중에서도 소셜 북마킹 시스템은 가장 널리 사용되는 것 중 하나이다. 소셜 북마킹 시스템은 사용자들이 온라인 자원에 태그를 부여해서 공유하고 관리할 수 있는 환경을 제공한다. 소셜 북마킹 시스템에서는 품질향상을 위해 태그와 시간 정보를 반영하여 개인에 특화된 추천을 할 수 있다.. 본 논문에서는 가중치와 유사도 측정 과정에서 태그와 시간을 반영한 추천 시스템을 제안하였다. 또한 제안 방법론을 실제 데이터에 적용하였고, 실험결과 태그와 시간 정보를 함께 반영하였을 때 추천 성능이 향상됨을 확인하였다.