Earticle

국내 공공도서관의 역할과 기능은 다양해지고 있는 반면, 내부적으로는 편향된 도서 대출로 다양한 문제들이 나타나고 있다. 또한 최근 4차 산업혁명으로 공공도서관에서 인기도서 위주의 도서 추천시스템이 도입되고 있으나, 이 용자가 접할 수 있는 도서의 다양성은 제한되고 있다. 이에 본 연구에서는 공공도서관 이용자의 만족을 제고하기 위해 공간적으로는 대구시 두류도서관으로 한정하여 대출이력 자료(213,093건), 회원정보(35,561명) 등을 활용하여 군집분 석과 토픽 모델링, 콘텐츠 기반 필터링 추천 알고리즘으로 공공도서관 미대출 도서 추천시스템을 구현하였으며, 이에 대한 실제 이용자들의 만족도 설문조사를 실시하여 미대출 도서 추천시스템의 가능성과 시사점을 제시하였다. 분석 결 과 대다수의 이용자들이 높은 만족도로 응답하였으며, 특정 성·연령대, 직업, 평소 독서량 등으로 분류된 계층에서 만족 도가 상대적으로 높게 나타난 것을 확인할 수 있었다. 본 연구결과를 통해 공공도서관의 편향된 도서 대출, 운영 효율성 저하 등의 문제를 일부 개선할 수 있을 것으로 기대하며, 연구의 한계점 또한 제시하였다.

The roles and functions of domestic public libraries are diversifying, but various problems have emerged due to internally biased book lending. In addition, due to the 4th Industrial Revolution, public libraries have introduced a book recommendation system focusing on popular books, but the variety of books that users can access is limited. Therefore, in this study, the public library unborrowed book recommendation system was implemented limiting its spatial scope to Duryu Library in Daegu City to enhance the satisfaction of public library users, by using the loan records data (213,093 cases), user information (35,561 people), etc. and utilizing methods like cluster analysis, topic modeling, content-based filtering recommendation algorithm, and conducted a survey on actual users' satisfaction to present the possibility and implications of the unborrowed book recommendation system. As a result of the analysis, the majority of users responded with high satisfaction, and was able to find the satisfaction was relatively high in the class classified by specific gender, age, occupation, and usual reading. Through the results of this study, it is expected that some problems such as biased book lending and reduced operational efficiency of public libraries can be improved, and limitations of the study was also presented.

협력 필터링은 상업적 추천 시스템에서 널리 사용되어 왔는데, 고객의 사회적 행태를 구현하여 사용자의 흥 미에 부합하는 항목들을 제안하기 때문이다. 현재까지 적절한 항목을 추천하기 위한 가장 보편적인 방법은 유사한 사용자들을 찾아 그들의 평가치를 참조하는 방법이다. 본 논문은 영화를 추천하기 위해서 장르 흥미도를 기반으로 하는 새로운 유사도 공식을 제안하는데, 이는 기존 공식에서 사용자들의 평가등급 차이를 기반으로 하는 것과 대비 된다. 광범위한 실험 결과에 따르면, 제안한 공식은 정확도와 추천의 질에 있어서 전통적인 유사도 공식의 성능을 크게 향상시키는 것으로 확인되었다.

Collaborative filtering has been popular in commercial recommender systems, as it successfully implements social behavior of customers by suggesting items that might fit to the interests of a user. So far, most common method to find proper items for recommendation is by searching for similar users and consulting their ratings. This paper suggests a new similarity measure for movie recommendation that is based on genre interest, instead of differences between ratings made by two users as in previous similarity measures. From extensive experiments, the proposed measure is proved to perform significantly better than classic similarity measures in terms of both prediction and recommendation qualities.

We propose a content-based image retrieval system that uses a combination of completed local binary pattern (CLBP) and color autocorrelogram. CLBP features are extracted on a multi-resolution multi-direction filtered domain of value component. Color autocorrelogram features are extracted in two dimensions of hue and saturation components. Experiment results revealed that the proposed method yields a lot of improvement when compared with the methods that use partial features employed in the proposed method. It is also superior to the conventional CLBP, the color autocorrelogram using R, G, and B components, and the multichannel decoded local binary pattern which is one of the latest methods.

In this paper, we present a new texture image retrieval method which combines color and texture features extracted from images by a set of multi-resolution multi-direction (MRMD) filters. The MRMD filter set chosen is simple and can be separable to low and high frequency information, and provides efficient multi-resolution and multi-direction analysis. The color space used is HSV color space separable to hue, saturation, and value components, which are easily analyzed as showing characteristics similar to the human visual system. This experiment is conducted by comparing precision vs. recall of retrieval and feature vector dimensions. Images for experiments include Corel DB and VisTex DB; Corel_MR DB and VisTex_MR DB, which are transformed from the aforementioned two DBs to have multi-resolution images; and Corel_MD DB and VisTex_MD DB, transformed from the two DBs to have multi-direction images. According to the experimental results, the proposed method improves upon the existing methods in aspects of precision and recall of retrieval, and also reduces feature vector dimensions.

스마트 환경에서는 센서, 디스플레이, 스마트폰 등 각종 장치들이 존재하며, 이러한 장치들을 이용하여 다양한 콘텐츠가 제공될 수 있다. 그러나 방대한 양의 콘텐츠가 다수의 사용자들에게 제공되고 있지만, 대부분의 환경에서 사용자에 대한 고려가 없거나 위치, 시간 등의 간단한 요소만을 고려하고 있어 사용자를 위한 유의미한 콘텐츠 제공에한계가 있다. 이에 본 논문에서는 사용자에게 맞춤형 콘텐츠를 제공하기 위해 사용자, 장치, 콘텐츠가 가진 상황 정보를 인지하여 콘텐츠를 추천할 수 있는 시스템인 상황인지 기반 콘텐츠 추천 시스템을 제시한다. 상황인지 기반 콘텐츠 추천 시스템은 스마트 환경의 컨텍스트를 추론하고 사용자와 콘텐츠의 정보를 이용하여 사용자의 콘텐츠별 선호도를 산출하고 사용자에게 콘텐츠를 추천한다. 이러한 시스템의 프로세스를 구축하기 위해 도메인 지식을 온톨로지 모델로 구축하고, 콘텐츠 추천 시스템을 설계 및 구현하기 위한 방법을 제시한다. 그리고 부산의 센텀시티를 도메인으로 하여 사례 연구를 진행하며 산출된 0.8730의 평균 절대값 오차를 이용하여 제시한 시스템의 콘텐츠 추천성능의 우수성을 검증하였다.

There are many and various devices like sensors, displays, smart phone, etc. in smart environment. And contents can be provided by using these devices. Vast amounts of contents are provided to users, but in most environments, there are no regard for user or some simple elements like location and time are regarded. So there’s a limit to provide meaningful contents to users. In this paper, I suggest the contents recommendation system that can recommend contents to users by reasoning context of users, devices and contents. The contents recommendation system suggested in this paper recommend the contents by calculating the user preferences using the situation reasoned with the contextual data acquired from various devices and the user profile received from the user directly. To organize this process, the method on how to model ontology with domain knowledge and how to design and develop the contents recommendation system are discussed in this paper. And an application of the contents recommendation system in Centum City, Busan is introduced. Then, the evaluation methods how the contents recommendation system is evaluated are explained. The evaluation result shows that the mean absolute error is 0.8730, which shows the excellent performance of the proposed contents recommendation system.

Lightweight Mashup service become very prevalent now since there are lots of advantages for them, such as easy use, short development time, and strong scalability. It is a challenge problem how to recommend user-interested, high-quality Mashup services to user with the rapid development of more and more Mashup service. In this paper, we propose CSCF (a Mashup service recommendation approach based on Content Similarity and Collaborative Filtering). CSCF firstly computes the content similarity between user history records and Mashup services and gets user interest value. Secondly, according to Mashup QoS(Quality of Service) invocation records of user, user similarity model and service similarity model are designed, and then get the QoS prediction value of active user to target service by using collaborative filtering. Finally, combining user interest value and QoS predictive value of Mashup service, CSCF ranks and recommends Mashup services to user. The experiments are performed with real Mashup services dataset, and the results of experiments show that CSCF can effectively recommends Mashup services to user with well-interesting, high-quality, better prediction precision.

Combining collaborative filtering with some other technique is most common in hybrid recommender systems. As many recommended items from collaborative filtering seem to be similar with respect to content, the collaborative-content hybrid system suffers in terms of quality recommendation and recommending new items as well. To alleviate such problem, we have developed a novel method that uses a diversity metric to select the dissimilar items among the recommended items from collaborative filtering, which together with the input when fed into content space let us improve and include new items in the recommendation. We present experimental results on movielens dataset that shows how our approach performs better than simple content-based system and naive hybrid system

최근 스마트폰과 같이 개인화 서비스가 가능한 스마트 디바이스들이 급격히 보급되며 추천가 시스템에 대한 관심이 증가하고 있다. 그러나 활용 방안이 광범위함에도 불구하고 마케팅 등의 특정 분야에 한정되어 있거나 기술이 저수준에 머물러 있어 국내의 추천가 시스템은 아직 도입단계에 불과하다. 추천가 시스템은 어떠한 정보를 사용하는지에 따라 크게 내용 기반 필터링과 협업 필터링 두 가지로 분류한다. 본 연구에서는 메뉴 추천 분야에서 유저의 메뉴 선택이 주변 상황에 큰 영향을 받는다는 것에 착안해, 인근 유저와의 메뉴 선택 정보를 반영하는 협업 필터링과 사용자 개인의 취향에 최적화된 메뉴를 제공하는 내용 기반 필터링을 결합하는 방식으로 두 가지 필터링 기법을 결합한 메뉴 추천 시스템인 UBCRS(User-Based Collaborative Recommend System)를 제안한다.

최근 스마트폰과 같이 개인화 서비스가 가능한 스마트 디바이스들이 급격히 보급되며 추천가 시스템에 대한 관심이 증가하고 있다. 그러나 활용 방안이 광범위함에도 불구하고 마케팅 등의 특정 분야에 한정되어 있거나 기술이 저수준에 머물러 있어 국내의 추천가 시스템은 아직 도입단계에 불과하다. 추천가 시스템은 어떠한 정보를 사용하는지에 따라 크게 내용 기반 필터링과 협업 필터링 두 가지로 분류한다. 본 연구에서는 메뉴 추천 분야에서 유저의 메뉴 선택이 주변 상황에 큰 영향을 받는다는 것에 착안해, 인근 유저와의 메뉴 선택 정보를 반영하는 협업 필터링과 사용자 개인의 취향에 최적화된 메뉴를 제공하는 내용 기반 필터링을 결합하는 방식으로 두 가지 필터링 기법을 결합한 메뉴 추천 시스템인 UBCRS(User-Based Collaborative Recommend System)를 제안한다.

엄청난 속도로 증가하고 있는 정보의 홍수 시대에서는 정보들을 선별하기 위하여 정보 필터링기법이 필요하다. 정보 필터링은 내용 기반 방법과 협력에 의한 방법으로 분류할 수 있다. 내용 기반 기법에서는 내용에 기반을 두어 정보를 추출하는 반면 협력 기법은 다른 사람들의 의견을 이용하게 된다. 본 논문에서는 기존 협력 필터링 방법의 문제점을 해결하기 위한 방법의 일환으로 내용 기반 기법과 협력 기법을 보다 유기적으로 결합시키는 연구를 수행하였다. 이를 위해 협력 필터링 틀을 그대로 유지하면서 사용자 프로파일을 효과적으로 이용하는 방법을 제안하였다. 또한, 본 논문에서 제시한 기법을 실험적으로 분석하고 기존의 필터링 기법과 비교하였다. 실험 결과, 본 방법이 예측 질 면에서 상당한 성능 향상이 있었고 새로운 사용자에게도 보다 나은 추천을 할 수 있음을 알 수 있었다.

With the explosive growth of information in our real life, information filtering is quickly becoming a popular technique for reducing information overload. Information filtering technique is divided into two categories: content-based filtering and collaborative filtering (or social filtering). Content-based filtering selects the information based on contents; while collaborative filtering combines the opinions of other persons to make a prediction for the target user. In this paper, we describe a new filtering approach that seamlessly combines content-based filtering and collaborative filtering to take advantages from both of them, where a technique using user profiles efficiently on the collaborative filtering framework is introduced to predict a user's preference. The proposed approach is experimentally evaluated and compared to conventional filtering. Our experiments showed that the proposed approach not only achieved significant improvement in prediction quality, but also dealt with new users well.

전자 상거래 분야에서 증가하고 있는 정보들 중에 사용자가 자신의 기호에 맞는 정보 만들 만을 선택하기 위해서 각 정보를 일일이 검토하기 어려운 일이다. 이를 보완하기 위해 정보 여과 기술이 사용되는데 최근 추천 시스템은 협력적 여과 시스템의 희박성과 초기 평가 문제를 해결하기 위해서 내용 기반 여과 시스템과 협력적 적과 시스템을 병합하늘 방법을 사용한다. 본 논문에서는 혼합형 추천시스템에서의 예측의 정확도를 향상시키기 위해서 조화 평균 가중치(CBCF_harmonic_mean)를 사용자 유사도 가중치를 구할 때 사용한다. 내용 기반의 성능을 고려하여 임계치 값을 45로 설정한 후, n/45의 Significance weight을 사용자 유사도 가중치에 적용한다. 제안된 방법의 성능을 평가하기 위해서 기존의 협력적 여과 시스템과 내용 기반 여과 시스템을 병합한 방법과 비교 평가하였다. 그 결과 기존의 협력적 여과 시스템의 문제점을 해결하여 예측의 정확도를 높이는데 효과적임을 확인하였다.

Recent recommender system user a method of combining collaborative filtering system and content based filtering system in order to slove the problem of the Sparsity and First-Rater in collaborative filtering system. In this paper, to make up for the prediction accuracy in hybrid Recommender system, the harmonic mean weight(CBCF_harmonic_mean) is used for calculating the user similarity weight. After setting up the threshold as 45 considering the performance of content based filtering, we apply significance weight of n/45 to user similarity weight. To estimate the performance of the proposed method, it if compared with that of combing both the existing collaborative filtering system and the content- based filtering system. As a result, it confirms that the suggested method is efficient at improving the prediction accuracy as solving problems of the exiting collaborative filtering system.

A content recommendation according to users preferences comes up in the Internet application due to contents overwhelming. This paper newly proposes a method to predict contents preference using tags in conjunction with Content-Based Filtering. By implementing this method, this paper cleans up the contents sparsity problem in Content-Based Filtering, and shows the outstanding improvements.

내용 기반 음악 검색 시스템은 사용자가 원하는 음악에 대해 사전 정보를 모르더라도 곡의 일부로 질의를 함으로써 원하는 결과를 얻을 수 있게 한다. 그러나 내용 기반 음악 검색 시스템은 사용자의 질의에 대해 결과에 대한 순위만을 제공할 뿐 사용자의 취향이나 선호도와 같은 개인 정보를 고려하지 않기 때문에 사용자가 충분히 만족할만한 정보를 제공받지 못해 사용자의 만족도가 떨어진다. 이를 해결하기 위해 본 논문에서는 대표 선율을 이용하여 유사한 곡들로 클러스터링을 수행하고 내용 기반 검색 시 질의가 속하는 클러스터를 찾고 해당 클러스터 안에서 거리함수를 통해 질의와 유사한 곡들을 선별한다. 선별된 곡들과 사용자의 프로파일을 통해 음악 취향을 고려할 수 있는 내용 기반음악 필터링 기법을 적용하여 사용자의 만족을 증가시키는 결과를 제공한다.

일반적으로 혼합 추천 시스템(hybrid recommender system)이란 협업적 여과 방법(collaborative filtering)을 다른 기술들과 결합하여 사용하여 사용자가 원하는 정보를 손쉽게 찾을 수 있도록 도와주는 시스템이다. 협업적 여과 방법과 결합된 혼합 시스템은 대체로 내용이 유사한 아이템들이 추천 되어 전반적인 아이템 추천 성능 및 새로이 추가된 아이템에 대한 추천의 질이 떨어지는 문제가 있다. 이러한 문제를 해결하기 위해, 본 논문에서는 다양성(diversity)을 고려한 새로운 혼합 추천 시스템을 제안한다. 제안된 시스템에서는 첫 번째 단계로 협업적 여과 방법으로부터 추천된 아이템들 간의 비유사도를 측정한다. 두 번째 단계로는 첫 번째 단계에선 추천된 비유사도가 높은 아이템들을 내용 기반의 여과 방법(content-based filtering)에 적용하여 새로운 아이템에 대한 추천 성능을 향상 시킨다. 제안된 방법의 성능 평가를 위해 movielens 데이터를 이용하여 기존의 내용기반 추천 시스템 및 단순 혼합 시스템과 비교 평가하였다. 실험 결과 제안된 방법이 내용기반 추천 시스템 및 단순 혼합시스템보다 높은 추천 성능을 보였다.

Combining collaborative filtering with some other technique is most common in hybrid recommender systems. As many recommended items from collaborative filtering seem to be similar with respect to content, the collaborative-content hybrid system suffers in terms of quality recommendation and recommending new items as well. To alleviate such problem, we have developed a novel method that uses a diversity metric to select the dissimilar items among the recommended items from collaborative filtering, which together with the input when fed into content space let us improve and include new items in the recommendation. We present experimental results on movielens dataset that shows how our approach performs better than simple content-based system and naive hybrid system.

본 연구에서는 비정형화된 속성의 학습을 통한 자동화된 내용 기반 필터링 기법을 개발하였다. 기존의 내용 기반 필터링 기법은 사용자의 선호 정보와 각 콘텐츠 또는 상품의 프로파일 정보를 비교하여 각 사용자가 선호할만한 상품을 추천하는 기법이다. 그러나, 각 콘텐츠 또는 상품의 프로파일 정보를 관리자가 일일이 입력해야하는 번거로움과 속성을 정확히 정의하는 것이 매우 어려우므로, 기존의 내용기반 필터링 기법은 범용적으로 사용되지 못하였다. 그러나, 본 논문에서 개발한 방법은 기존의 내용 기반 필터링 기법과는 달리, 콘텐츠 또는 상품의 속성을 관리자가 일일이 정의할 필요가 없다. 즉, 기존의 내용 기반 필터링 기법의 한계점을 극복한 것이다. 본 연구에서 개발한 기법의 절차는 다음과 같다. 첫째, 각 문서의 형태소 분석을 통해 자동적으로 그 문서의 속성을 정의하게 된다. 둘째, 각 문서로부터 등장한 많은 형태소 중, 문서의 변별력에 도움이 되는 의미 있는 단어들을 추출하여, 이를 키워드 집합으로 정의한다. 셋째, 각 사용자의 키워드 선호도를 수치적으로 결정한다. 이는 각 사용자가 읽은 문서의 키워드를 문서의 위치 및 빈도수를 고려하여 결정된다. 마지막으로, 각 사용자별 키워드 선호도와 새로 등장한 문서의 키워드 집합을 대조시킨 다음, 가장 적절한 문서를 사용자에게 추천하게 된다. 본 연구에서 개발한 기법의 효용성을 검증하기 위해 실험용 뉴스 사이트를 운영하였으며, 개발한 방법의 우수성을 입증하였다.주요용어 : 내용 기반 필터링, 추천 시스템, 키워드 선호도, 정보 추출.

In this article, an automated content based filtering method was developed using learning non-structured features. Conventional content based filtering is a scheme for recommendation and uses user's preference information and profile of each content or product. However, content based filtering method was not used commonly since it is difficult and complicated for administrator to define the features of contents or products properly. Unlike the conventional content based filtering, the proposed approach is not required to define features of the contents or products. That is, the proposed approach overcome the limitation of the conventional content based filtering. The proposed method consists of the following four phases. First, a morphological analysis of the text is carried out in order to automatically define features of the text (i.e. news page). Second, for each text, a keyword set is defined based on the frequency and location of the words within the text. Third, each user's keyword preference is numerically determined. This process is carried out using the weighted count of keywords of the text which the user has selected. Finally, a recommended contents are generated based on the user's keyword preference and keyword sets of the new contents. The effectiveness of the proposed approach is assessed using an experimental news site. It is found that the recommended news pages by the proposed approach were clicked more than popular news or prompt news pages.

인공지능 필터링은 기술적 방식을 통하여 해로운 콘텐츠에 이용자가 접근하는 것을 차단하는 시스템이다. 플랫폼의 온라인 콘텐츠는 전통 미디어의 규제 방식과 달리 인간이 모니터링하는 것이 불가능하기에 주요 플랫폼 사업자를 중심으로 인공지능 필터링이 도입되고 있다. 본 연구는 플랫폼 사업자의 내용 규제가 사업자의 자율규제를 통해 이루어지는 상황에 개별 사업자의 인공지능 필터링 시스템이 가져올 수 있는 문제에 대해 다룬다. 인공지능 필터링은 오류 가능성을 가지고 있다. 오류의 원인은 시스템이 적절하게 판별하기 위한 학습이 부족하거나, 사회문화적 맥락을 판단하는 것이 어렵기 때문이다. 인공지능 필터링을 위해서는 무엇을 제재해야 하는지 명시적인 정의와 사례가 동반되어야 하지만, 개별 사업자의 자율규제 체제 아래서는 합의된 규정을 도출해 내기 어렵다. 플랫폼 사업자의 운영 정책을 분석한 결과에 따르면, 인공지능 필터링에 대해 명시적으로 알리고 있는 사업자는 페이스북이며, 선정성을 규제하는 정책 비교를 살펴보면 사업자별로 구체성과 예외 규정 제시에서 차이를 보였다. 본 연구에서는 인공지능 필터링을 위해서는 개별 사업자의 자율규제가 아닌 동일 정의와 사례에 기반한 규제안이 필요하며, 이를 위해 이해 당사자가 참여하는 자율규제 기구를 정부가 승인하고 법적 책임을 부과하는 규제된 자율규제를 고려해 볼 수 있음을 제안한다.

AI filtering is a system that blocks users from accessing harmful content using multiple computational technics. In online content moderation, it is impossible for humans to monitor the complete content of the platform, therefore AI filtering is being adopted by big tech platforms. This study explores the issues that an individual platform's AI filtering system under self-regulation can bring to. AI filtering has the potential for fallacy. The cause of the fallacy is that the system lacks learning to properly discriminate, or it is difficult to judge the socio-cultural context. For AI filtering, explicit definitions and examples of what to be sanctioned must be accompanied, but it is difficult to derive consented rules under the self-regulation system. According to analyzing the policies of major platforms, Facebook explicitly informs users about AI filtering, and the comparison of policies regarding sexually harmful content shows a difference in detail and the provision of exceptions. Therefore, policymakers might consider the regulated self-regulation that shares a common definition and database for AI filtering.

협력적 여과 시스템은 ｛사용자-문서｝의 행렬을 기반으로 사용자에게 웹 문서를 추천하는 데 있어서 효율적인 시스템이다. 그러나 협력적 여과 시스템은 초기 평가 문제와 희박성으로 인하여 추천의 정확도가 저하된다는 단점을 갖는다. 본 논문에서는 협력적 여과 시스템의 희박성과 초기 평가 문제를 해결하기 위하여 사용자 프로파일을 생성시킴으로써 자동으로 선호도를 평가하는 방법을 제안한다. 본 논문에서 사용하는 프로파일은 협력적 여과 시스템에서의 ｛사용자-문서｝ 행렬을 기반으로 생성된 사용자 프로파일에 내용 기반 여과 시스템에서 연관 피드백을 이용하여 생성한 사용자 프로파일을 상호정보의 방법에 의해 병합함으로써 생성한 내용 기반 협력적 사용자 프로파일이다. 생성한 내용 기반 협력적 사용자 프로파일을 정규화시키고, 정규화한 프로파일을 협력적 여과 시스템의 ｛사용자-문서｝ 행렬에 반영함으로써 자동으로 선호도를 평가한다. 제안된 방법은 사용자가 웹 문서에 대해서 선호도를 평가한 데이터베이스에서 평가되었으며, 기존의 방법보다 보다 효율적임을 증명한다.

Collaborative filtering systems based on ｛user-document｝ matrix are effective in recommending web documents to user. But they have a shortcoming of decreasing the accuracy of recommendations by the first rater problem and the sparsity. This paper proposes the automatic preference rating method that generates user profile to solve the shortcoming. The profile in this paper is content-based collaborative user profile. The content-based collaborative user profile is generated by combining a content-based user profile with a collaborative user profile by mutual information method. Collaborative user profile is based on ｛user-document｝ matrix in collaborative filtering system, thus, content-based user profile is generated by relevance feedback in content-based filtering systems. After normalizing combined content-based collaborative user profiles, it automatically rates user preference by reflecting normalized profile in ｛user-document｝matrix of collaborative filtering systems. We evaluated our method on a large database of user ratings for web document and it was certified that was more efficient than existent methods.

추천 시스템은 개인화 서비스의 한 종류로서 사용자의 요구 사항에 적합한 상품이나 서비스를 추천한다. 이러한 추천 기법 중 하나인 협력적 필터링은 우수한 성능(정확도와 계산 속도 측면)으로 인해 많이 사용되지만, 상황에 따라 적합한 추천을 하지 못하기도 한다. 이를 해결하기 위해 새로운 복합 추천 시스템을 제안한다. 먼저 콘텐츠 기반의 추천 시스템을 구축하고, 이 시스템이 예측하는 평점들을 다양한 신뢰도 척도를 사용하여 양질의 일부분만 선택한다. 선택된 평점들을 사용자가 실제로 매긴 평점 데이터에 더한 후, 이 모두를 협력적 필터링의 입력으로 사용하여 평점을 예측한다. 이렇게 제안한 시스템은 기존의 여러 협력적 필터링 방법의 추천 정확도를 추가적으로 상승시켰으며, 더욱 안전하게 콘텐츠 정보를 통합할 수 있다.

Recommender system is a kind of personalized services which recommends products or services suitable to users' requirements. Collaborative filtering is one of the recommendation techniques and widely used because of great performance in terms of computation and prediction accuracy. But it fails to produce good recommendations in particular situations. To solve this problem, we introduce a new hybrid recommender system. We first construct the content-based recommender and predict ratings. After then, we select quality ratings from them with various confidence measures. The selected ratings are combined with actual user ratings and used for recommendation with other collaborative filtering methods. The proposed system improves several existing collaborative filtering systems in terms of prediction accuracy, by combining content information safely and effectively.

애플리케이션에서 고객들에 의해 생성된 평가정보는 해당 콘텐츠에 대한 고객별 선호도 정보로 볼 수 있기 때문에, 개인에게 맞춤형 추천 시스템을 설계하기 위해서 매우 중요하다. 현재 추천 시스템 분야에서 가장 많이 사용되고 있는 사용자 기반 추천 시스템은 사용자의 평점 정보만을 가지고 유사도를 측정하여 추천에 사용하고 있다. 그러나 이러한 평점 정보만을 가지고 사용자 유사도를 도출하는 것은 정밀하지 못할 수 있다. 따라서 본 연구에서는 사용자의 평점 정보 뿐만 아니라 콘텐츠의 내용을 활용하여 사용자의 선호 콘텐츠를 지식구조의 형태로 나타냄으로써 콘텐츠와 사용자의 관계를 유기적으로 표현하였다. 이와 같은 사용자의 지식구조를 바탕으로 사용자간의 유사도를 평가하고 추천에 활용하였고, 실험결과 제시된 방법으로 더 우수한 성능을 얻을 수 있는 것으로 나타났다.

애플리케이션에서 고객들에 의해 생성된 평가정보는 해당 콘텐츠에 대한 고객별 선호도 정보로 볼 수 있기 때문에, 개인에게 맞춤형 추천 시스템을 설계하기 위해서 매우 중요하다. 현재 추천 시스템 분야에서 가장 많이 사용되고 있는 사용자 기반 추천 시스템은 사용자의 평점 정보만을 가지고 유사도를 측정하여 추천에 사용하고 있다. 그러나 이러한 평점 정보만을 가지고 사용자 유사도를 도출하는 것은 정밀하지 못할 수 있다. 따라서 본 연구에서는 사용자의 평점 정보 뿐만 아니라 콘텐츠의 내용을 활용하여 사용자의 선호 콘텐츠를 지식구조의 형태로 나타냄으로써 콘텐츠와 사용자의 관계를 유기적으로 표현하였다. 이와 같은 사용자의 지식구조를 바탕으로 사용자간의 유사도를 평가하고 추천에 활용하였고, 실험결과 제시된 방법으로 더 우수한 성능을 얻을 수 있는 것으로 나타났다.