Earticle

초록

영어

Recently, with a rapidly growing of the mobile content market, a variety of mobile-based applications are being launched. But mobile devices, compared to the average computer, take a lot of effort and time to get the final contents you want to use due to the restrictions such as screen size and input methods. To solve this inconvenience, a recommender system is required, which provides customized information that users prefer by filtering and forecasting the information.In this study, an tailored multi-information recommendation system utilizing a Personalized information recommendation system on smartphone is proposed. Filtering of information is to predict and recommend the information the individual would prefer to by using the user-based collaborative filtering. At this time, the degree of similarity used for the user-based collaborative filtering process is Euclidean distance method using the Pearson's correlation coefficient as weight value.As a real applying case to evaluate the performance of the recommender system, the scenarios showing the usefulness of recommendation service for the actual restaurant is shown. Through the comparison experiment the augmented reality based multi-recommendation services to the existing single recommendation service, the usefulness of the recommendation services in this study is verified.

한국어

최근 모바일 콘텐츠 시장이 급속도로 성장하면서 다양한 모바일 기반의 애플리케이션들이 출시 되고 있다. 하지만 모바일 기기들은 일반 컴퓨터와 비교하였을 때 화면의 크기 및 입력 방법 등과 같 은 제약으로 최종 이용하고자 하는 콘텐츠까지 도달하는데 많은 노력과 시간이 소요된다. 이러한 불 편함을 해결하기 위해서는 사용자가 선호할 만한 정보를 예측하고 필터링 되어진 맞춤형 정보를 제공 하는 추천시스템이 필요하다. 본 연구에서는 스마트폰 기반의 사용자 정보추천 시스템을 제안한다. 정 보의 필터링은 사용자 기반 협업 필터링을 이용하여 개인이 선호할 것이라 판단되는 정보를 예측하고 추천하였다. 이때 사용자 기반 협업필터링 과정에서 사용되는 유사도는 피어슨 상관계수를 가중치로 이용한 유클리디안 거리 기법의 유사도를 사용하였다. 성능 평가를 위해 음식점 추천 시나리오를 이 용하였으며 이를 통해 제안 추천 시스템의 유용성을 보였다. 실험을 통하여 본 연구의 추천 서비스의 유용성을 검증하였다.

목차

요약
Abstract
1. 서론
2. 관련 연구
2.1 상황 인식
2.2 위치기반서비스(LBS)
2.3 협업 필터링(Collaborative Filtering)
2.4 추천 시스템
3. 스마트폰 기반의 사용자 정보추천 시스템
3.1 시스템 구성
3.2 상황 추출 단계
3.3 사용자 기반 협업 필터링 단계
3.4 목적 행위에 따른 후위 행위 필터링 단계
3.5 추천목록 생성 및 제공
3.6 사용자 평점 피드백
4. 실험 및 평가
4.1 실험 환경
4.2 실험 및 결과
5. 결론
참고문헌

키워드

저자

• 김진아 [ Jin-A Kim | 인하대학교 컴퓨터 정보공학과 ]
• 권응주 [ Eung-ju Kwon | 인하대학교 컴퓨터 정보공학과 ]
• 강상길 [ Sanggil Kang | 인하대학교 컴퓨터 정보공학과 ]

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  정보화연구 [정보화연구(구 정보기술아키텍처연구)]

• 간기

  계간

• pISSN

  1738-382X

• 수록기간

  2004~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 325 DDC 658