Earticle

In this paper, we have implemented speeches that utilized the emotion information of the user’s speech and image matching and recommendation system. To classify the user's emotional information of speech, the emotional information of speech about the user’s speech is extracted and classified using the PLP algorithm. After classification, an emotional DB of speech is constructed. Moreover, emotional color and emotional vocabulary through factor analysis are matched to one space in order to classify emotional information of image. And a standardized image recommendation system based on the matching of each keyword with the BM-GA algorithm for the data of the emotional information of speech and emotional information of image according to the more appropriate emotional information of speech of the user. As a result of the performance evaluation, recognition rate of standardized vocabulary in four stages according to speech was 80.48% on average and system user satisfaction was 82.4%. Therefore, it is expected that the classification of images according to the user’s speech information will be helpful for the study of emotional exchange between the user and the computer.

오늘날 인터넷의 출현과 확산으로 인하여 정보의 홍수를 이루게 되었고, 고객들은 자신이 원하는 제품이나 서비스를 선택하기 위해서 정보를 탐색하는 작업이 더욱 어려워지게 되었다. 이러한 고객들에게 좀 더 편리하게 자신이 원하는 제품이나 서비스를 선택하도록 도와주는 것이 추천 시스템으로써, 고객 관계 관리의 중요한 부분으로 자리잡게 되었다. 본 연구에서는, 인터넷상의 여행사 사이트 등에서 고객이 여행지를 선택할 때 고객이 관심을 가질만한 여행지를 추천하여 줌으로써 고객이 최적의 여행지를 선택할 수 있는 새로운 추천 시스템을 개발하였다. 기존의 여러 추천 시스템에서 적용되던 협업 필터링 기법의 문제점으로 나타나고 있는 희소성과 확장성을 해결하기 위하여 본 연구에서는 퍼지로직과 인공신경망을 결합한 하이브리드 접근 방법인 뉴로 퍼지 기반의 여행지 추천시스템을 개발하였다. 제안한 추천시스템을 적용하여 실험한 결과 제안 시스템이 기본의 방법들보다 우수함을 입증하였다.

Collaborative filtering is one of the commonly used methods in the web recommendation system. Numerous researches on the collaborative filtering proposed the numbers of measures for enhancing the accuracy. This study suggests the movie recommendation system applied with Word2Vec and ensemble convolutional neural networks. First, user sentences and movie sentences are made from the user, movie, and rating information. Then, the user sentences and movie sentences are input into Word2Vec to figure out the user vector and movie vector. The user vector is input on the user convolutional model while the movie vector is input on the movie convolutional model. These user and movie convolutional models are connected to the fully-connected neural network model. Ultimately, the output layer of the fully-connected neural network model outputs the forecasts for user, movie, and rating. The test result showed that the system proposed in this study showed higher accuracy than the conventional cooperative filtering system and Word2Vec and deep neural network-based system suggested in the similar researches. The Word2Vec and deep neural network-based recommendation system is expected to help in enhancing the satisfaction while considering about the characteristics of users.

인공지능 기술이 발달함에 따라 빅데이터를 활용한 개인화 추천시스템에 대한 관심이 증가하고 있다. 특히 뷰티 제품의 경우 개인의 취향과 더불어 피부 특성 및 민감도에 따라 제품 선호도가 명확히 구분되므로 축적된 고객 데이터를 활용하여 고객 맞춤형 추천서비스를 제공하는 것이 필요하다. 따라서 본 연구에서는 딥러닝 기법을 활용하여 제품 검색 기록과 개인 사용자의 피부 타입과 고민 등의 콘텍스트 정보를 함께 반영한 심층 신경망 기반의 추천시스템 모델을 제시하고자 한다. 본 연구에서는 실제 화장품 검색 플렛폼의 데이터를 활용하여 성능 평가를 실시하였다. 본 연구의 실험 결과, 고객의 콘텍스트 정보를 포함한 모델이 제품 검색 기록만을 활용한 기존의 협업 필터링 모델들 보다 우수한 성능을 보임을 확인하였다.

As artificial intelligence technology advances, personalized recommendation systems using big data have attracted huge attention. In the case of beauty products, product preferences are clearly divided depending on customers’ skin types and sensitivity along with individual tastes, so it is necessary to provide customized recommendation services based on accumulated customer data. Therefore, by employing deep learning methods, this study proposes a neural network-based recommendation model utilizing both product search history and context information such as gender, skin types and skin worries of customers. The results show that our model with context information outperforms collaborative filtering-based recommender system models using customer search history.

최근 추천 시스템은 5G 시대의 시작과 동시에 여러 분야에서 도입하고 있으며, 주로 도서나 영화, 음악 분야의 서비스에서 크게 두각을 나타내고 있다. 그러나 이러한 추천 시스템에서 사용자마다 선호하는 정도가 주관적이고, 불확 실하여 정확한 추천 서비스를 제공하기가 어렵다. 추천 시스템의 성능을 향상시키기 위해서는 많은 양의 학습 데이터가 필요하며, 추론 기술이 보다 정확해야 한다. 이러한 문제점을 해결하기 위하여 본 연구에서는 Fuzzy-AHP와 Word2Vec 학습 기법을 이용한 영화 추천 시스템을 제안하였다. 본 시스템에서는 사용자의 선호도를 객관적으로 예측 하기 위해 Fuzzy-AHP를 사용하였으며, 스크레이핑한 데이터를 분류하기 위해 Word2Vec 학습 기법을 사용하였다. 본 시스템의 성능을 평가하기 위해 그리드 서치를 이용하여 Word2Vec 학습 결과의 정확도를 측정하였고, 그 후 본 시스템이 예측한 평점과 관객들이 평가한 영화의 평점 간 차이를 비교하였다. 그 결과 최적의 교차 검증 정확도가 91.4%로 우수한 성능을 나타내었으며, 예측한 평점과 관객들이 평가한 영화의 평점 간 차이를 Fuzzy-AHP 시스템과 비교한 결과 10% 정도 우수함을 확인할 수 있었다.

In recent years, a recommendation system is introduced in many different fields with the beginning of the 5G era and making a considerably prominent appearance mainly in books, movies, and music. In such a recommendation system, however, the preference degrees of users are subjective and uncertain, which means that it is difficult to provide accurate recommendation service. There should be huge amounts of learning data and more accurate estimation technologies in order to improve the performance of a recommendation system. Trying to solve this problem, this study proposed a movie recommendation system based on Fuzzy-AHP and Word2vec. The proposed system used Fuzzy-AHP to make objective predictions about user preference and Word2vec to classify scraped data. The performance of the system was assessed by measuring the accuracy of Word2vec outcomes based on grid search and comparing movie ratings predicted by the system with those by the audience. The results show that the optimal accuracy of cross validation was 91.4%, which means excellent performance. The differences in move ratings between the system and the audience were compared with the Fuzzy-AHP system, and it was superior at approximately 10%.

공연문화예술 시장의 확대에도 불구하고, 중소규모 공연장은 소비자의 정보 접근성이 좋지 않아 어려움을 겪고 있다. 본 연구는 중소규모 공연장의 마케팅 역량을 강화할 수 있는 하나의 대안으로써 머신러닝 기반의 장르 추천 시스템을 제시하고자 한다. 국내 한 공연장의 고객 마스터 DB와 거래이력 DB를 활용하여 고객당 3개의 장르를 추천하는 5개의 추천 시스템을 개발하였다. 추천시점 이후 1년 동안의 실제 공연구매 이력을 바탕으로 추천 시스템의 성능을 비교하여 최적의 추천시스템을 제안 하였다. 분석 결과, 단일 예측모형보다는 앙상블 모형 기반의 추천시스템이 우수한 성능을 보이는 것으로 나타났다. 본 연구는 공연문화예술 분야에는 일천했던 개인화 추천 기법을 적용했고, 분석 결과 공연문화예술 분야에서도 충분히 활용할 만한 가치가 있음을 시사하고 있다.

Despite the expansion of the market of performing arts and culture, small and medium size theaters are still experiencing difficulties due to poor accessibility of information by consumers. This study proposes a machine learning based genre recommendation system as an alternative to enhance the marketing capability of small and medium sized theaters. We developed five recommendation systems that recommend three genres per customer using customer master DB and transaction history DB of domestic venues. We propose an optimal recommendation system by comparing performances of recommendation system. As a result, the recommendation system based on the ensemble model showed better performance than the single predictive model. This study applied the personalized recommendation technique which was scarce in the field of performing arts and culture, and suggests that it is worthy enough to use it in the field of performing arts and culture.

최근 추천 시스템은 패션, 동영상, 음악 등을 중심으로 맞춤형 추천 서비스가 제공되어 사용자들의 관심을 모으 고 있다. 그러나 이러한 서비스들은 실시간으로 발생하는 상황 정보를 사용하지 않아 여러 상황에 따른 적합한 서비스를 사용자에게 제공하기가 어렵다. 또한 적용되는 상황 정보가 차원을 확장시킬 경우, 데이터 희소성(Data Sparsity)을 증가시켜 사용자들에게 적합한 음악들을 추천할 수 없는 문제가 발생한다. 본 연구에서는 이러한 문제점을 해소시키기 위해 연관규칙(Association Rules)을 적용하여 사용자의 현재 위치 정보와 시간 정보에 대한 관계성 및 규칙들을 이용 하여 실시간 상황에서 적합한 음악을 추천하는 시스템을 제안하였다. 수집된 상황 정보를 바탕으로 5-fold Cross Validation을 진행하여 위치와 시간 정보에 따른 추천 시스템의 정확도를 측정하였다. 그 결과 상황 정보가 누적됨에 따라 추천 시스템의 정확도가 향상되는 것을 확인할 수 있었다.

Recently, the recommendation system has attracted the attention of users as customized recommendation services have been provided focusing on fashion, video and music. But these services are difficult to provide users with proper service according to many different contexts because they do not use contextual information emerging in real time. When applied contextual information expands dimensions, it also increases data sparsity and makes it impossible to recommend proper music for users. Trying to solve these problems, our study proposed a music recommendation system to recommend proper music in real time by applying association rules and using relationships and rules about the current location and time information of users. The accuracy of the recommendation system was measured according to location and time information through 5-fold cross validation. As a result, it was found that the accuracy of the recommendation system was improved as contextual information accumulated.

최근 추천 시스템들은 고차원 데이터를 사용할 수 있는 시스템으로 발전하고 있다. 그러나 고차원 데이터는 차원을 확장시켜 알고리즘 복잡도가 증가하여 추천 항목의 정확도를 저하시킬 수 있다. 또한 데이터의 희소성(Sparsity) 문제가 발 생할 수 있어 사용자들에게 적합한 추천 항목을 제공하는 것이 어렵다. 본 연구에서는 Fuzzy-AHP를 이용하여 사용자들의 주관적 기준의 데이터를 객관적 기준으로 분류한 후, 퍼지 연관규칙 분석을 이용하여 반복적 패턴을 띄는 규칙들을 활용하 는 알고리즘을 제안하였다. 본 연구에서 적용된 알고리즘이 고차원 데이터의 문제점들을 어떻게 완화하는지 확인하기 위해 사용자 수의 변화에 따른 5-fold Cross Validation을 진행하였다. 그 결과 본 알고리즘이 적용된 시스템의 정확도는 Fuzzy-AHP만을 적용한 시스템보다 12.5% 정도 정확도가 우수하였고, 데이터의 희소성 문제도 완화할 수 있다는 것을 확인 하였다.

Recent recommendation systems are developing toward the utilization of high-dimensional data. However, high-dimensional data can increase algorithm complexity by expanding dimensions and be lower the accuracy of recommended items. In addition, it can cause the problem of data sparsity and make it difficult to provide users with proper recommended items. This study proposed an algorithm that classify users’ subjective data with objective criteria with fuzzy-AHP and make use of rules with repetitive patterns through fuzzy association rules. Trying to check how problems with high-dimensional data would be mitigated by the algorithm, we performed 5-fold cross validation according to the changing number of users. The results show that the algorithm-applied system recorded accuracy that was 12.5% higher than that of the fuzzy-AHP-applied system and mitigated the problem of data sparsity.

현재 추천 시스템은 실제 사용자가 선호하는 항목을 추천하는지, 아니면 단순히 관심 정도의 항목을 추천하는지 알 수 없다는 문제와 사용자들이 매우 적어 적합한 항목을 추천할 수 없는 데이터 희소성 문제, 새로운 사용자들이 유입됨 에 따라 사용자들이 만족하는 항목을 추천하기 위해 시스템의 성능이 저하되는 Cold-Start 문제 등이 발생한다. 본 연구에 서는 이러한 문제점을 해결하기 위해 불확실한 상황이나 문제들을 반영할 수 있는 퍼지-계층적 분석(Fuzzy-Analytic Hierarchy Process)과 주어진 항목들을 비슷한 항목들끼리 모으는 데이터 군집화 알고리즘을 활용하여 사용자들에게 만족 할 수 있는 영화를 추천하기 위한 시스템을 구현하였다. 61명을 대상으로 영화 선호도에 대한 설문 조사를 실시한 데이터를 본 시스템에 적용한 결과 Fuzzy-AHP 기법을 통해서 데이터 희소성 문제를 해소할 수 있었으며, 또한 데이터 군집화 알고 리즘을 통해 새로운 사용자들이 유입되어도 사용자에게 적합한 항목이 추천되었음을 확인할 수 있었다. 향후 노이즈 데이 터나 아웃라이어(Outlier) 데이터를 걸러낼 수 있는 밀도 기반 클러스터링에 대한 연구가 필요할 것으로 생각된다.

The current recommendation systems have problems including the difficulty of figuring out whether they recommend items that actual users have preference for or have simple interest in, the scarcity of data to recommend proper items due to the extremely small number of users, and the cold-start issue of the dropping system performance to recommend items that can satisfy users according to the influx of new users. In an effort to solve these problems, this study implemented a movie recommendation system to ensure user satisfaction by using the Fuzzy-Analytic Hierarchy Process, which can reflect uncertain situations and problems, and the data partition algorithm to group similar items among the given ones. The data of a survey on movie preference with 61 users was applied to the system, and the results show that it solved the data scarcity problem based on the Fuzzy-AHP and recommended items fit for a user with the data partition algorithm even with the influx of new users. It is thought that research on the density-based clustering will be needed to filter out future noise data or outlier data.

최근 스마트 기기 사용자의 증가에 따라 모바일 음악에 대한 수요와 생산이 꾸준히 증가하고 있다. 이에 따라 대중화된 음악의 폭이 넓어지면서 사용자가 선호하는 음악에 대한 선택의 기준 또한 매우 다양해지고 복잡해지는 추세이다. 이러한 이유로 모바일 환경에서 사용자 개인이 선호하는 음악을 정교하게 추천하기 위한 지능적 음악 추천 기법에 대한 연구가 활발히 진행되고 있다. 그러나 기존의 음악 추천시스템은 청취로그를 이용한 단순 추천 방법을 사용하고 있어 사용자의 선호도를 제대로 고려하지 못하고 있다. 본 논문에서는 사용자의 선호도를 반영한 개인화된 적응형 음악 추천 시스템을 제안한다. 본 시스템에서는 계층적 의사결정 도구인 AHP를 이용하여 사용자의 개개인의 음악적 선호도를 반영한 음악 추천이 가능토록 하였으며, 베이지안 네트워크 기반의 사용자 피드백 통해 지속적인 사용자의 음악적 선호도를 반영하도록 하였다. 본 시스템의 성능을 평가하기 위해 12명의 실험자를 각각 3명씩 4그룹으로 나누어 실험하였으며 그 결과 87.5%의 추천 만족도를 얻었다.

The demand and production for mobile music increases as the number of smart phone users increase. Thus, the standard of selection of a user’s preferred music has gotten more diverse and complicated as the range of popular music has gotten wider. Research to find intelligent techniques to ingeniously recommend music on user preferences under mobile environment is actively being conducted. However, existing music recommendation systems do not consider and reflect users’ preferences due to recommendations simply employing users’ listening log. This paper suggests a personalized music-recommending system that well reflects users’ preferences. Using AHP, it is possible to identify the musical preferences of every user. The user feedback based on the Bayesian network was applied to reflect continuous user’s preference. The experiment was carried out among 12 participants (four groups with three persons for each group), resulting in a 87.5% satisfaction level.

무선 기술의 고도화 및 이동통신 기술의 인프라가 빠르게 성장함에 따라 AI 기반 플랫폼을 적용한 시스템이 사용자의 주목을 받고 있다. 특히 사용자의 취향이나 관심사 등을 이해하고, 선호하는 아이템을 추천해주는 시스템은 고도화된 전자상거래 맞춤형 서비스 및 스마트 홈 등에 적용되고 있다. 그러나 이러한 추천 시스템은 다양한 사용자들의 취향이나 관심사 등에 대한 선호도를 실시간으로 반영하기 어렵다는 문제가 있다. 본 연구에서는 이러한 문제를 해소하 기 위해 GRU(Gated Recurrent Unit) 언어 모델을 이용한 Fuzzy-AHP 기반 영화 추천 시스템을 제안하였다. 본 시스 템에서는 사용자의 취향이나 관심사를 실시간으로 반영하기 위해 Fuzzy-AHP를 적용하였다. 또한 대중들의 관심사 및 해당 영화의 내용을 분석하여 사용자가 선호하는 요인과 유사한 영화를 추천하기 위해 GRU 언어 모델 기반의 모델을 적용하였다. 본 추천 시스템의 성능을 검증하기 위해 학습 모듈에서 사용된 스크래핑 데이터를 이용하여 학습 모델의 적합성을 측정하였으며, LSTM(Long Short-Term Memory) 언어 모델과 Epoch 당 학습 시간을 비교하여 학습 수행 속도를 측정하였다. 그 결과 본 연구의 학습 모델의 평균 교차 검증 지수가 94.8%로 적합하다는 것을 알 수 있었으며, 학습 수행 속도가 LSTM 언어 모델보다 우수함을 확인할 수 있었다.

With the advancement of wireless technology and the rapid growth of the infrastructure of mobile communication technology, systems applying AI-based platforms are drawing attention from users. In particular, the system that understands users' tastes and interests and recommends preferred items is applied to advanced e-commerce customized services and smart homes. However, there is a problem that these recommendation systems are difficult to reflect in real time the preferences of various users for tastes and interests. In this research, we propose a Fuzzy-AHP-based movies recommendation system using the Gated Recurrent Unit (GRU) language model to address a problem. In this system, we apply Fuzzy-AHP to reflect users' tastes or interests in real time. We also apply GRU language model-based models to analyze the public interest and the content of the film to recommend movies similar to the user's preferred factors. To validate the performance of this recommendation system, we measured the suitability of the learning model using scraping data used in the learning module, and measured the rate of learning performance by comparing the Long Short-Term Memory (LSTM) language model with the learning time per epoch. The results show that the average cross-validation index of the learning model in this work is suitable at 94.8% and that the learning performance rate outperforms the LSTM language model.

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.

일반적으로 사람들은 외출 시 실시간 날씨 및 기온 등을 참고하여 입고 나갈 의류를 선택하게 된다. 그러나 개인이 실시간 날씨 정보, 자신의 체감 온도 정보 등을 활용하여 자신이 소장한 의류 중에서 알맞은 의류를 선택하는 것은 어려운 일이다. 이러한 문제를 도와주기 위해 개발된 기존의 의류 추천 시스템들은 의류 범주가 명확하게 설정되어 있지 않고, 사용자가 소지하고 있지 않은 의류를 추천하는 문제점이 있다. 또한 사용자별 체감 온도를 고려하지 않아 사용자에게 적절하지 못한 의류를 추천하는 경우가 발생한다. 이러한 문제점들을 해결하기 위하여 본 연구에서는 사용 자가 소장하고 있는 의류에 대해 의류 범주를 결정하여 등록하고, 사용자별 체감 온도와 실시간 날씨 정보를 함께 고려 하여 개인별 맞춤형 의류를 추천하는 시스템을 개발하였다. 날씨 정보의 경우, 단순한 기온, 풍향 등의 기상 정보만이 아니라 온도 민감도를 이용하여 개인별 체감 온도에 따른 의류를 추천하였다. 본 시스템을 평가하기 위해 대학생 65명 을 대상으로 만족도 조사를 실시하였다. 그 결과 추천된 의류에 대해 만족한다는 의견이 80%를 차지하여 본 시스템의 만족도는 양호한 것을 확인할 수 있었다. 따라서 본 시스템을 사용할 경우, 개인별 체감 온도를 반영하여 개인이 소장한 의류를 기반으로 추천받게 됨으로써 실생활에서 활용도가 매우 높을 것으로 기대된다.

In general, people choose clothes to wear when they go out, referring to real-time weather and temperature. However, it is difficult for an individual to use real-time weather information and his or her temperature sensitivity information to choose the right clothes from among the clothes he or she owns. Existing clothing recommendation systems developed to help with these problems have problems recommending clothes that are not clearly set in the clothing category and are not in the possession of the user. In addition, user-specific temperature sensitivity is not taken into account, resulting in inappropriate clothing recommendations for users. To solve these problems, this study developed a system that determines and registers clothing categories for the clothing owned by the user, and recommends customized clothing for each user by considering temperature sensitivity and real-time weather information. In the case of weather information, not only weather information such as temperature and wind direction, but also clothes based on temperature sensitivity were recommended based on the calculation of temperature sensitivities. A satisfaction survey of 65 university students was conducted to assess the system. As a result, 80% of the respondents were satisfied with the recommended clothing, indicating that the satisfaction of the system was good. Therefore, it is expected that this system will be highly utilized in real life as it will be recommended based on clothes owned by individuals, reflecting individual temperature sensitivity.

다양한 정보가 대량으로 유통되는 IT 환경에서 사용자의 요구를 빠르게 파악하여 의사결정을 도와줄 수 있는 추천 시스템이 각광을 받고 있다. 그러나 현재 추천 시스템은 사용자의 취향이나 관심사가 바뀌었을 때 선호도가 즉시 시스템에 반영이 되지 않을 수가 있으며, 광고 유도로 인하여 사용자의 선호도와 무관한 아이템이 추천될 수가 있다는 문제점이 있다. 본 연구에서는 이러한 문제점을 해결하기 위해 양방향 순환 신경망 언어 모델을 이용한 Fuzzy-AHP 기반 영화 추천 시스템을 제안하였다. 본 시스템은 사용자의 취향이나 관심사를 명확하고 객관적으로 반영하기 위해 Fuzzy-AHP를 적용하였다. 그리고 사용자가 선호하는 영화를 예측하기 위해 양방향 순환 신경망 언어 모델을 이용하여 실시간으로 수집되는 영화 관련 데이터를 분석하였다. 본 시스템의 성능을 평가하기 위해 그리드 서치를 이용하여 전체 단어 집합의 크기에 대한 학습 모델의 적합성을 확인하였다. 그 결과 본 시스템의 학습 모델은 전체 단어 집합의 크기에 따른 평균 교차 검증 지수가 97.9%로 적합하다는 것을 확인할 수 있었다. 그리고 본 모델은 네이버의 영화 평점 대비 평균 제곱근 오차가 0.66, LSTM 언어 모델은 평균 제곱근 오차가 0.805으로, 본 시스템의 영화 평점 예측성이 더 우수 함을 알 수 있었다.

In today’s IT environment where various pieces of information are distributed in large volumes, recommendation systems are in the spotlight capable of figuring out users’ needs fast and helping them with their decisions. The current recommendation systems, however, have a couple of problems including that user preference may not be reflected on the systems right away according to their changing tastes or interests and that items with no relations to users’ preference may be recommended, being induced by advertising. In an effort to solve these problems, this study set out to propose a Fuzzy-AHP-based movie recommendation system by applying the BRNN(Bidirectional Recurrent Neural Network) language model. Applied to this system was Fuzzy-AHP to reflect users’ tastes or interests in clear and objective ways. In addition, the BRNN language model was adopted to analyze movie-related data collected in real time and predict movies preferred by users. The system was assessed for its performance with grid searches to examine the fitness of the learning model for the entire size of word sets. The results show that the learning model of the system recorded a mean cross-validation index of 97.9% according to the entire size of word sets, thus proving its fitness. The model recorded a RMSE of 0.66 and 0.805 against the movie ratings on Naver and LSTM model language model, respectively, demonstrating the system’s superior performance in predicting movie ratings.

최근, 애완동물의 급격한 증가로 애완동물의 건강상태 체크와 다양하게 수집된 데이터를 활용하여 사료 추천 등 통합적인 애완동물관련 개인화 상품 추천 서비스가 요구된다. 본 논문은 빅 데이터 기술을 활용하여 애완동물관련 데이터 수집, 전처리, 분석, 관리등 다양한 개인화서비스를 할 수 있는 상품 추천시스템을 구현한다. 먼저, 애완동물이 착용하고 있는 센서 정보와 고객의 구매 패턴, SNS 정보를 수집해 데이터베이스에 저장하고 통계적 분석을 활용하여 사료제작, 애완동물 건강관리 등 맞춤형 개인화 추천 서비스가 가능한 플랫폼을 구현한다. 본 플랫폼은 유사도가 분석 될 상품과 상품정보에 대한 유사도 상품 정보를 출력하고 최종적으로 추천 분석한 결과를 출력하여 고객에게 정보를 제공 할 수 있다.

Recently, due to the rapid increase of pets, there is a need for an integrated pet-related personalized product recommendation service such as feed recommendation using a health status check of pets and various collected data. This paper implements a product recommendation system that can perform various personalized services such as collection, pre-processing, analysis, and management of pet-related data using big data. First, the sensor information worn by pets, customer purchase patterns, and SNS information are collected and stored in a database, and a platform capable of customized personalized recommendation services such as feed production and pet health management is implemented using statistical analysis. The platform can provide information to customers by outputting similarity product information about the product to be analyzed and information, and finally outputting the result of recommendation analysis.

정보 통신과 스마트폰 등의 발달로 인한 편리한 접근성과 다양한 아이템의 종류로 인해 개인 맞춤형 추천의 필요성은 점차 커지고 있다. 날씨 및 기상환경은 사용자의 장소 및 활동의 의사결정에 많은 영향을 미친다. 이러한 날씨 정보를 이용하면 추천에 대한 사용자의 만족도를 높일 수 있다. 본 논문에서는 모바일 플랫폼에서 사용자의 위치 정보에 대한 생활지수를 활용하여 성향이 유사한 사용자를 구하고 장소에 대한 선호도를 예측하여 장소를 추천함으로 써 생활지수를 이용한 협업 필터링 기반 장소 추천 시스템을 제안한다. 제안된 시스템은 사용자의 날씨를 분석하고 분류하기 위한 날씨 모듈과 장소 추천을 위한 협업 필터링을 사용하는 추천 모듈, 그리고 사용자의 선호도 및 후기 관리를 위한 관리 모듈로 구성된다. 실험 결과, 제안된 시스템은 협업 필터링 알고리즘과 생활지수의 융합 및 개인의 성향을 반영하는 측면에서 유효함을 확인할 수 있었다.

The need for personalized recommendation is growing due to convenient access and various types of items due to the development of information communication and smartphones. Weather and weather conditions have a great influence on the decision-making of users' places and activities. This weather information can increase users' satisfaction with recommendations. In this paper, we propose a collaborative filtering-based place recommendation system using living index by utilizing living index of users' location information on mobile platform to find users with similar propensity and to recommend places by predicting preferences for places. The proposed system consists of a weather module for analyzing and classifying users' weather, a recommendation module using collaborative filtering for place recommendations, and a management module for user preferences and post-management. Experiments have shown that the proposed system is valid in terms of the convergence of collaborative filtering algorithms and living indices and reflecting individual propensity.

본 연구는 복합저장소 구축 방법과 복합지식 프로세스 개발을 위한 기술적 방법을 제안하였다. 본 연구에서 제안한 복합지식 저장소에 저장되는 데이터 대상은 복합지식 메타데이터와 디지털 자원 모두를 포함하며, 사용목적에 따라 사용자 역할, 기능적 요소, 서비스 범주로 나눌 수 있다. 이 세 가지 요소는 저장소의 추상적 모델을 설명하는 기본적인 구성요소이다. 본 연구에서는 복합지식의 메타데이터를 2가지 요소로 구분하여 정의하였다. Component는 지 식을 사용하고 생성하는 주체나 활동단위, 리소스 자체 등에 대한 속성을 나타내고, Context는 지식객체가 포함되어 있는 맥락을 나타낸다. 복합지식 프로세스 Agent는 복합지식의 분류와 등록, 검색, 패턴 정보 관리 등의 역할을 수행 하고 복합지식 저장소와 사용자 사이의 데이터 흐름과 처리를 담당한다. 복합지식 프로세스 Agent는 데이터의 검색과 추출, 분산 환경에서 데이터 교환을 위한 데이터의 수집과 출력, 저장된 데이터의 추가, 변경 등이 발생한 것을 알려 주는 경고, 데이터의 저장과 등록, 메타데이터 조회 후 원하는 물리적 자료를 요청하는 요청과 전달 등의 기능으로 구성하였다. 본 연구에서 개발하고자하는 추천시스템을 위한 복합지식저장소 구축은 산업 현장에서 적시에 다양한 콘 텐츠를 사용자에게 제시함으로서 일과 학습이 동시에 일어날 수 있도록 하여 시의적절한 지식을 실시간 가시화함으 로써 학습 생산성을 증대하는데 도움을 줄 수 있다.

The article herein suggested a compound repository and a descriptive method to develop a compound knowledge process. A data target saved in a compound knowledge repository suggested in this article includes all compound knowledge meta data and digital resources, which can be divided into the three following factors according to the purpose: user roles, functional elements, and service ranges. The three factors are basic components to describe abstract models of repository. In this article, meta data of compound knowledge are defined by being classified into the two factors. A component stands for the property about a main agent, activity unit or resource that use and create knowledge, and a context presents the context in which knowledge object are included. An agent of the compound knowledge process performs classification, registration, and pattern information management of composite knowledge, and serves as data flow and processing between compound knowledge repository and user. The agent of the compound knowledge process consists of the following functions: warning to inform data search and extraction, data collection and output for data exchange in an distributed environment, storage and registration for data, request and transmission to call for physical material wanted after search of meta data. In this article, the construction of a compound knowledge repository for recommendation system to be developed can serve a role to enhance learning productivity through real-time visualization of timely knowledge by presenting well-put various contents to users in the field of industry to occur work and learning at the same time.

이 연구는 국내 딥러닝 기반 추천 시스템의 최근 연구 문헌을 고찰하기 위해 국내 학술 최대 학술 DB인 학술연구정보서비스(RISS)를 활용하여 체계적 문헌고찰 연구방법을 적용하였다. 문헌 검색을 위해 RISS에 서 ʻ딥러닝ʼ과 ʻ추천 시스템ʼ을 키워드로 추출하고, 이 연구에서 정한 프로토콜(protocol)로 최종 35편의 문헌 을 선정하였다. 선정된 문헌을 바탕으로 국내 딥러닝 기반 추천 시스템의 연구 현황, 연구 주제, 연구 내용, 적용된 딥러닝 모델 등을 분석하여 향후 딥러닝 기반 추천 시스템의 연구 방향을 제시하고자 하였다. 이 연구의 결과로 얻은 결론은 다음과 같다. 첫째, 국내 딥러닝 기반 추천 시스템의 연구가 이미지나 텍스트 등의 정보 분석에서 벗어나 영상과 음성 등을 딥러닝 모델에 적용하는 방법적 연구가 필요하다. 둘째, 추천 시스템의 성능을 향상시키기 위해 보다 다양한 딥러닝 모델을 적용한 연구가 필요하다. 셋째, 기존 연구 경향과 같은 공학적 접근 외에 사회과학적 접근의 연구가 필요하다. 넷째, 교육 분야에서도 딥러닝 기반 추천 시스템에 대한 연구가 필요하다.

In this paper, we propose to review the recent research literature of the recommendation system based on deep learning in Korea, through systematic review method using RISS, the largest academic DB in Korea, To search for studies, we extract 'Deep Learning' and 'Recommendation System' as keyword in the RISS database, select the final 35 studies using the protocol defined in this study, research the current status of deep learning based on recommendation system in Korea, The purpose of this study is to suggest the research direction of domestic deep learning based on recommendation system by analyzing topics, contents, and applied deep learning technology models. The conclusions from this study are as follows. First, the study of recommendation system needs a methodology to apply study to deep learning model by analyzing information such as image and voice out of current image or text. Second, more diverse deep learning models are needed to improve the performance of the recommendation system. Third, the social science approach is needed in addition to the engineering approach as the existing study trend. Fourth, study on deep learning-based recommendation system is also needed in education.

최근 스마트폰 보급과 5G 환경 개선으로 바쁜 현대인들이 긴 동영상보다 짧은 동영상을 선호하면서 ‘쇼트클립’이 주목을 받고 있다. 중국에서 틱톡 출시 후 국내에서도 각 SNS앱이 잇따라 틱톡을 모방한 서비스를 내놓고 있다. 하지만 쇼트클립 간의 경쟁이 치열해지면서 콘텐츠 내용 동질화, 검토 강화, 내용 창의 부족 등 품질 문제가 쇼트클립의 발전을 저해하고 있다. 따라서, 본 연구는 쇼트클립의 서비스품질, 정보품질, 추천시스템이 사용자의 지속적 만족, 사용의도, 정보공유의도 간의 구조적 관계에 관해 살펴보고자 하였다. 또한, 쇼트클립 품질, 추천시스템과 사용자 만족 간에 광고의 지각된 침입성이 조절변수로의 역할을 하는지도 조사하였다. 자료수집은 릴스 사용 숙련도가 높은 대학생 100명을 대상으로 사전조사를 통해 척도의 신뢰도와 타당도를 검증하고 설문지를 수정·보완하여 본 조사는 2022년 5월 6일부터 13일까지 한국리서치회사를 통해 릴스 사용자 380명을 대상으로 URL를 제공하여 실시하였다. 실증분석 결과에서 사용자 만족에 영향을 미치는 품질변인들을 살펴보고 사용자 만족이 지속적 사용의도와 정보공유의도에 영향을 미치는 것을 확인하였다. 또한, 광고의 지각된 침입성은 품질속성과 사용자 만족의 관계에서 일부 조절효과가 있는 것을 살펴보았다. 마지막으로 연구결과에 대한 시사점, 연구의 한계점과 후속연구를 제시하였다.

After the launch of TikTok in China, each SNS app in Korea is also launching services that imitate TikTok one after another. However, as competition among short clips is fierce, quality problems such as content homogenization, reinforcing review, and lack of content creativity are hindering the development of short clips. In this study, the service quality, information quality, and recommendation system of Short Clip were to examine the structural relationship among users' continuous satisfaction, use intention, and information sharing intention. In addition, the purpose of this study was to investigate whether perceived invasiveness of advertisements played a role as a moderating variable between short clip quality, recommendation system, and user satisfaction. Data collection was conducted with 100 college students with high reels use proficiency through a preliminary survey to verify the reliability and validity of the scale, and to revise and supplement the questionnaire. It was implemented by providing the URL created for 380 reels users. As a result of the empirical analysis, quality variables affecting user satisfaction were identified, and user satisfaction was found to affect continuous use intention and information sharing intention. Also, the perceived invasiveness of advertisements was confirmed to have some moderating effects in the relationship between quality attributes and user satisfaction.