논문 94편

온라인 쇼핑몰을 통한 구매가 일반화되면서 사용자의 구매 선호도에 기반한 상품 추천 시스템이 널리 보급되고 있다. 본 논문에서는 일회적인 상품 구매가 아닌 반복적으로 유사한 상품을 주기적으로 자주 구매하게 되는 쇼핑몰에서의 상품 추천 알고리즘을 제안한다. 첫 번째로 사용자의 구매 이력을 분석하여 사용자가 로그인할 때마다 구매할 시점이 된 상품들을 자동으로 장바구니에 넣어주는 자동 선택 시스템을 고안하였다. 두 번째로는 협업 필터링 추천기법을 활용하여 구매 패턴이 유사한 다른 사용자들의 단골 상품을 구매주기 별로 5개의 집단으로 분류한 후 각 집단별 일정개수의 상품을 추천 대상으로 하여 top-N개를 추천하는 알고리즘을 구현하였다. 본 알고리즘을 국내 한 생협 업체의 실제 판매데이터를 사용하여 실험해 보았으며 추천 성능 및 사용자 유사도와 추천점수의 분포성향에 대하여 분석하였다.

추천 시스템은 사용자의 관심을 고려하여 새로운 추천 아이템을 예측한다. 대부분의 추천 시스템은 협력적 필터링 또는 콘텐츠 기반의 방법을 사용한다. 두 방법은 각자의 장점을 가지고 있지만, 하나만 사용할 경우에는 상황에 따라 알맞은 추천 결과를 내지 못하기도 한다. 두 방법의 이점들을 통합한 하이브리드 추천 시스템은 각 방법들의 단점을 극복할 수 있다. 본 논문에서는, 콘텐츠 기반의 방법과 협력적 필터링을 효과적으로 통합할 수 있는 구조를 소개한다. 제안한 방법은 하나의 기법만 이용한 모델에 비해 높은 성능을 보여주었다.

One of the anticipated challenges of today's e-learning is to solve the problem of recommending from a large number of learning materials. In this study, we introduce a novel architecture for an e-learning recommender system. More specifically, this paper comprises the following phases i) to propose

We propose a new photomosaics method using principle components of candidate photo set. PCA(Principle Component Analysis) reduces dimensions of non-intuitive high dimension data set and allows us to deal the data set more easily. Principle component is a good direction of a basis representing each data according to its distribution. Two data projected onto a certain principal component are similar if their projected position are similar. More principle components provide more accurate comparison between data. We selected the most similar candidate photo to an input photo tile using properties of PCA. Unlike most previous photomosaics methods,photomosaics author can choose candidate photo set and manipulate the number of principle components to change mood of the result of his work. For more active making of photomoasics, we expend room for intervention of author's opinions and propose a method to make various results by a simple way.

웹 2.0 시대에는 웹 상의 사용자들이 수많은 멀티미디어 컨텐츠를 생성함에 따라서 멀티미디어 검색이 더욱 중요하게 되었다. URL, 사진, 동영상과 같은 웹 컨텐츠를 설명하는 간단한 키워드인 태그는, 웹 컨텐츠의 메타데이터 역할을 하고 있다. 태그가 달린 데이터의 양이 많아지면 훨씬 풍부한 메타데이터를 포함한 웹 컨텐츠를 대상으로 검색이 가능하기 때문에 태그를 이용한 검색으로 사용자가 원하는 결과를 찾을 수 있는 가능성이 높아지게 된다. 하지만 실제로 태그를 사용하는 사용자의 수는 많지 않다. 태그를 입력하는 과정이 번거롭기 때문이거나 어떠한 태그를 입력하는 것이 다른 사용자들로부터의 접근성을 높일 수 있는지 모르기 때문이다. 이러한 문제를 해결하기 위해서, 사용자의 태그 입력 과정을 도와주는 기법인 태그 추천이 연구되었다. 사용자가 어떠한 웹 컨텐츠를 게재하려고 할 때, 태그 추천 시스템이 해당 웹 컨텐츠에 적절한 태그를 추천하면, 사용자는 적절한 태그를 선택하는 것으로 태그 입력이 이루어진다. 본 연구에서는 이러한 태깅 시스템에서의 다양한 태그 추천 방법론을 분석하고, 분류하였다.

A recommender system is a piece of software that helps users to identify the most interesting and relevant learning items from a large number of items. Recommender systems may be based on collaborative filtering (by user ratings), content-based filtering (by keywords), and hybrid filtering (by both

The enormity of the amount of learning materials in e-learning has led to the difficulty of locating suitable learning materials for a particular learning topic, creating the need for recommendation tools within a learning context. In this paper, we aim to address this need by proposing a novel e-le

유비쿼터스 기술이 발달하면서 모바일 기기를 통해 다양한 콘텐츠를 사용자에게 적합한 정보
 만을 제공하기 위한 연구가 활발하게 진행되고 있다. 그러나 모바일 기기의 작은 사용자 인터페
 이스로 인해 정보제공에 한계가 있다. 본 논문에서는 이런 문제점을 해결하고 모바일 환경에 적
 합한 지능형 에이전트 모델과, 각 개인 사용자들이 관심 있는 일자리 정보를 능동적으로 제공할
 수 있는 시스템을 제안한다. 사용자 행동패턴을 감시하는 Personalization Engine과, 모바일 기
 기에 정보제공을 위한 Learning Algorithm 으로 구성되었다. 조사를 통해 성별, 나이, 학력 에
 따라 선호하는 직업 항목이 다른 것을 알았으며, 지역은 직업을 검색 할 때 많은 영향을 주는
 것으로 나타났다.

정보 기술과 인터넷의 발전은 멀티미디어 컨텐츠의 양에 있어서 폭발적인 성장을 가져 왔으며 이러한 멀티미디어 컨텐츠 양의 증가는 이용자의 요구에 맞는 멀티미디어 컨텐츠 추천에 대한 필요성을 더 증가 시켰다. 현재까지 일반상품과 멀티미디어 컨텐츠 추천을 위한 기법에는 협업필터링 (CF: Collaborative Filtering)이 있다. 하지만 기존의 CF 기법은 이미지가 갖고 있는 시각적 특징을 제대로 표현하지 못하고 있으며, 입력 데이터의 희박성 (Sparsity) 문제와 신상품 추천 문제 그리고 선호도의 동적인 변화 문제를 포함하고 있기 때문에 이미지 컨텐츠 추천에는 적합하지 않다. 이와 같은 기존의 CF기법의 단점을 해결하기 위해서 본 논문에서는 새로운 이미지 추천 방법으로 FBCF (Feature Based Collaborative Filtering) 기법을 제안한다. FBCF 기법은 시각적 특징을 선호도에 따라 군집화한 새로운 사용자 프로파일 구성방법을 제시하며, 선호도 피드백을 통하여 구매자의 현재 성향을 추천에 반영할 수 있다. 실제 모바일 이미지 데이터를 사용한 실험에서 FBCF 기법이 기존의 CF 기법보다 400% 향상된 성능을 보임을 확인할 수 있다.

월드 와이드 웹(World-Wide Web)은 가장 커다란 분산된 정보저장소로서 계속하여 빠른 속도로 성장해왔다. 그러나 비록 웹이 빠른 속도로 성장하고 있다 할지라도, 웹의 정보를 읽고 이해하는 데는 본질적으로 한계가 있다. 웹 사용자 입장에서 보면 웹의 정보 폭발, 꾸준하게 변화하는 환경, 사용자 요구에 대한 이해 부족 등으로 오히려 혼란을 겪을 수 있다. 웹의 이러한 환경에서 사용자의 순회패턴(traversal patterns)을 탐사하는 것은 시스템 설계나 정보서비스 제공 측면에서 중요한 문제이다. 순회패턴 탐사에 관한 기존의 연구들은 세션(sessions)에 나타나는 페이지들간의 연관성 정보를 충분히 활용하지 못한다. 본 논문에서는 세션에 나타나는 페이지들간의 연관성 정보를 활용하여 빈발 k-페이지집합을 탐사하고, 이를 기반으로 하여 추천 페이지집합을 생성함으로써 효율적인 웹 정보서비스를 제공할 수 있는 Web Page Recommend(WebPR) 알고리즘들을 제안한다. 제안한 WebPR 알고리즘은 웹 사이트를 방문한 사용자에게 추천 페이지집합을 포함하는 새로운 페이지뷰(pageview)를 제공함으로써 궁극적으로 찾고자하는 목표 페이지에 효과적으로 접근할 수 있도록 해준다. 기존 연구들과의 가장 큰 차이점은 페이지들간의 연관성 정보를 활용하는 방법들을 일관성있게 고려하고 있다는 점과 가장 효율적인 트리모델을 제안한다는 점이다. 두개의 실제 웹로그(Weblog) 데이터에 대한 실험은 제안한 방법이 기존의 방법들보다 성능이 우수함을 보여준다.

ExplaNet is a web-based, anonymous, asynchronous explanation-sharing network. Instructors post questions to the network and students submit explanatory answers. Students then view and rank the explanations submitted by their peers before optionally resubmitting a final and revised answer. Three clas

지식정보화시대가 시작되면서 멘토링은 인재 발굴 및 관리를 위한 효율적인 방법으로 인식되고 있다. 멘토링 효과를 높이기 위한 요소는 여러 가지이다. 그 중 멘토와 멘티를 매칭하는 요소는 멘토링 시스템에서 핵심이라 할 수 있다. 기존 e-멘토링 시스템의 매칭은 대부분 개인 정보를 충분히 활용하지 못하고 관리자에 의해 일괄적으로 처리되는데, 이는 멘토링 효과에 부정적인 영향을 미칠 수 있다. 본 논문에서는 중고등학생을 대상으로 개인선호도를 입력받아 매칭 항목으로 결정하고 이를 기반으로 가장 적절한 멘토/멘티를 매칭시키는 개인선호도기반의 멘토/멘티 추천 알고리즘을 제안한다. 또한, 본 논문에서는 기존의 알고리즘과 함께 제안한 알고리즘을 정교성, 일치성, 다양성 측면에서 분석하여 제안한 알고리즘의 효율성을 증명한다.

In this paper, we present a similar product finding algorithm for the cooperative business companies that share the product taxonomy table and have exchangeable products information. The main idea of the proposed algorithm is to compute the aggregated utility ranges over specification values of products in the same product class of the companies and find similar ones between the products. Experimental results from a laboratory application are provided in terms of user satisfaction rates. Their comparative implications with a distance measure-based recommendation algorithm are suggested. The experiment confirmed that our algorithm could be used as a solution for similar product recommendation when a buyer’s residence site was different from a receiver’s one and the buyer had his/her own incomplete information about the weights of product specifications.

웹은 가장 커다란 분산 정보저장소로서 빠른 속도로 성장했으나, 웹의 정보를 읽고 이해하는 데는 본질적으로 한계가 있다. 웹의 이러한 환경에서 사용자의 순회패턴(traversal patterns)을 탐사하는 것은 시스템 설계나 정보서비스 제공 측면에서 중요한 문제이다. 본 논문에서는 세션에 나타나는 페이지들간의 연관성 정보를 활용하여 빈발 -페이지집합을 탐사하여 추천 페이지집합을 생성함으로써 효율적인 웹 정보서비스를 제공할 수 있는 Web Page Recommend(WebPR) 알고리즘[11]을 확장한다. 확장된 내용은 WebPR(A) 알고리즘을 추가하였으며, WebPR(T)에서 윈도우 개념을 도입한 새로운 winWebPR(T) 알고리즘을 제안하고 있다. 두개의 확장된 알고리즘을 포함하여 두개의 실제 웹로그(Weblog) 데이터에 대해 실험 결과에서 알 수 있듯이 윈도우 개념을 도입한 winWebPR(T) 알고리즘이 세션에 나타나는 페이지들간의 모든 연관성 정보를 활용함으로써 가장 우수한 성능을 보였다.