Earticle

본 연구는 연구자의 연구 맥락을 반영한 학술정보 서비스 고도화를 위해 연구 단계와 행동 수준을 핵심 기준으로 하는 이용자 프로파일링 프레임워크를 제안한다. 기존 학술정보 서비스는 정적 프로필과 단순 행동 데이터에 의존하여 연구자의 실제 정보 요구와 연구 과정 단계를 반영하기 어렵다는 한계가 있다. 이를 보완하기 위해 본 프레임워크는 정적 정보, 동적 탐색 정보, 의미 기반 속성, 연구 단계, 행동 수준을 통합한 다차원 프로파일 구조를 설계하였다. 또한 임베딩·지식그래프·토픽 모델링 기반의 의미 분석 계층을 통해 논문·특허·보고서 등 이기종 학술정보를 의미적으로 연결하고, 연구 단계와 행동 수준에 따라 차별화된 추천을 제공하도록 구성하였다. 타당성 검증을 위해 문헌정보학, 학술정보 플랫폼, AI 개발 전문가로 구성된 3인의 패널 평가를 실시한 결과, 프레임워크는 이론적 타당성, 구조적 정합성, 실무적 유용성에서 높은 평가를 받았다. 다만 연구 단계 및 행동 수준 판별을 위한 레이블 데이터 확보의 어려움이 주요 고려사항으로 제기되었으며, 이를 위해 규칙 기반 초기 레이블링과 능동 학습 전략을 제안하였다. 본 연구는 연구자 중심의 개인화된 학술정보 서비스의 구현 가능성을 제시하며, 향후 지능형 학술정보 플랫폼 구축의 핵심 기반으로 활용될 수 있다.

This study proposes a user-profiling framework for scholarly information services that integrates research stages, behavior levels, and semantic analysis to overcome the limits of keyword-based systems. The framework unifies static attributes, dynamic behavioral signals, semantic topic representations, and contextual research states to support adaptive, researcher-centered information services. Five core components structure the model: research stage modeling (SE-1), behavior-level classification (SE-2), embedding- and knowledge-graph-based semantic analysis (SE-3), log-driven dynamic profiling (SE-4), and a modular architecture for interoperability (SE-5). Structural validation confirmed that the framework satisfies ten requirements derived from prior studies, including semantic linkage, quality filtering, adaptive interfaces, and predictive recommendations. Expert evaluation by three specialists yielded an average score of 4.6 out of 5, highlighting strong theoretical grounding and practical usefulness. The main challenge identified was the scarcity of labeled data for inferring contextual user states. To address this, heuristic bootstrapping and active-learning strategies are proposed.

Collaborative filtering is one of the popular techniques for personalized recommendation in e-commerce. In collaborative filtering, user profiles are usually managed per product category in order to reduce data sparsity. Product diversification of Internet storefronts and multiple product category sales of e-commerce portals require cross-product category usage of user profiles in order to overcome the cold start problem of collaborative filtering. In this paper, we study the feasibility of cross-product category usage of user profiles, and suggest a method to improve recommendation performance of cross-product category user profiling. First, we investigate whether user profiles on a product category can be used to recommend products in other product categories. Furthermore, a way of utilizing user profiles selectively is suggested to increase recommendation performance of cross-product category user profiling. The feasibility of cross-product category user profiling and the usefulness of the proposed method are tested with real click stream data of an Internet storefront which sells multiple product categories including books, music CDs, and DVDs. The experiment results show that user profiles on a product category can be used to recommend products in other product categories. Also, the selective usage of user profiles based on correlations between subcategories of two product categories provides better performance than the whole usage of user profiles.

방대해지고 있는 온라인 패션 시장에서는 소비자도 자신이 원하는 스타일에 대해 키워드 검색으로 원하는 패션 스타일을 일일이 찾기란 쉽지 않은 일이다. 이를 해소해줄 수 있는 것은 소비자의 니즈를 반영한 패션 추천이다. 기존 온라인 쇼핑 사이트는 소비자의 니즈를 파악하고 추천하기 위하여 설문조사 형식으로 소비자의 선호 스타일을 파악하는 것이 대부 분이었다. 본 논문에서는 기존 방법의 한계점을 해소하고자 암묵적 프로파일링 방법을 통하여 소비자들의 니즈와 선호하는 스타일에 대해 간편하고 효과적으로 파악할 수 있는 모델을 제안하였다. 또한 이렇게 수집된 데이터로 학습한 딥러닝기반의 지능형 선호 패션 모델을 통하여 이미지 자체에 대한 특성을 반영하도록 학습하는 방법을 제안하였다. 제안한 모델의 정성적 평가를 통하여 의미있는 결과를 얻을 수 있었다.

In the massive online fashion market, it is not easy for consumers to find the fashion style they want by keyword search for their preferred style. It can be resolved into consumer needs based fashion recommendation. Most of the existing online shopping sites have collected cumtomer’s preference style using the online quastionnair. In this paper, we propose a simple but effective novel model that resolve the traditional method in fashion profiling for consumer’s preference style and needs using implicit profiling method. In addition, we proposed a learning model that reflects the characteristics of the images itself through the deep learning-based intelligent preferred fashion model learned from the collected data. We show that the proposed model gave meaningful results through the qualitative evaluation.

The growth of data and information has encouraged researchers to overcome information overloaded. One of the convincing methods is through utilization of WordNet, a large lexical database of English. Generally, WordNet is used in Natural Language Processing (NLP) area and increasingly manipulated in the information retrieval field. Some search engines have using the WordNet in acquiring better meaning of user-entered keyword. Its usage might help in addressing the emergence of huge numbers of information on the web. This paper discusses the WordNet as an alternative database for semantic search engine (SSE). The SSE is then used for information retrieval. We tested our semantic search engine and compare it using Google and Yahoo search engines. Results show that our SSE gives better information retrieval when it comes towards personalization using user profiling to produce more relevant results.

Distributed computing guarantees to on a very basic level change the way we utilize PCs and get to and store our own specific and business data. With these new registering and correspondences models develop new data security challenges. Existing information security structures, for instance, encryption have fizzled in imagining information theft strikes, particularly those executed by an insider to the cloud supplier. We propose a substitute methodology for securing information in the cloud utilizing adversarial mimic improvement. We screen data access in the cloud and perceive unpredictable data access outlines. Right when unapproved access is suspected and after that confirmed using test questions, we dispatch a disinformation strike by giving back a considerable measure of fake information to the attacker. This secures against the misuse of the customer's real data. Trials coordinated in a neighbor-hood archive setting give confirmation this technique may give unprecedented levels of customer data security in a Cloud space.

There has been an increase in the services and contents based on heterogeneous multiple media in the wake of the emergence of various smart devices. However, it is difficult to share the services and contents because the smart devices adopt independent OS. HTML5 has come under the limelight which provides the interoperability and can solve such a problem. Nonetheless, the standardization for HTML5 has yet to be completed, making it difficult to achieve the integrated authentication for safe use of services. This paper presents the user profile design method for the integrated authentication within the service based on HTML5. We intend to discuss the measure which enables the integrated management of personal information within the heterogeneous devices using the designed integrated user profile information and can help provide the authentication by phase depending on the selection of user.

Web 2.0 이 도래한 이후 SNS(Social Network Service)에 대한 관심이 널리 퍼짐에 따라 인터넷 사용자들은 SNS 를 통하여 수 많은 정보를 교류하고 있다. SNS 에서는 사용자들을 중심으로 수많은 메시지가 생성되고 있으며, 그러한 메시지에는 사람들의 성향이 그대로 묻어 있다. 수많은 사람들이 만들어내는 메시지들은 매우 방대하며 의미 있고 실속 있는 다양한 개인 정보를 담고 있다. 본 논문에서는 트위터를 이용하여 특정 사용자 중심의 네트워크에서 생성되는 메시지들을 집단지성의 측면에서 수집, 분석하는 시스템을 개발하였다. 이 시스템은 사용자 주변에서 오가는 키워드들을 찾아내고, 그런 키워드를 생성하고 있는 사람들이 누구인지를 알아본다. 그 결과 한 사용자 주변에 분포되어 있는 집단들의 특성을 알아볼 수 있다. 특정 사용자 주변에는 어떠한 집단이 있는지 알 수 있고, 그 집단들의 연관성을 분석한다면 이는 마케팅, 서비스 차원의 사회 여러 분야에서 유용하게 쓰일 수 있을 것이다.

Web 2.0 이 도래한 이후 SNS(Social Network Service)에 대한 관심이 널리 퍼짐에 따라 인터넷 사용자들은 SNS 를 통하여 수 많은 정보를 교류하고 있다. SNS 에서는 사용자들을 중심으로 수많은 메시지가 생성되고 있으며, 그러한 메시지에는 사람들의 성향이 그대로 묻어 있다. 수많은 사람들이 만들어내는 메시지들은 매우 방대하며 의미 있고 실속 있는 다양한 개인 정보를 담고 있다. 본 논문에서는 트위터를 이용하여 특정 사용자 중심의 네트워크에서 생성되는 메시지들을 집단지성의 측면에서 수집, 분석하는 시스템을 개발하였다. 이 시스템은 사용자 주변에서 오가는 키워드들을 찾아내고, 그런 키워드를 생성하고 있는 사람들이 누구인지를 알아본다. 그 결과 한 사용자 주변에 분포되어 있는 집단들의 특성을 알아볼 수 있다. 특정 사용자 주변에는 어떠한 집단이 있는지 알 수 있고, 그 집단들의 연관성을 분석한다면 이는 마케팅, 서비스 차원의 사회 여러 분야에서 유용하게 쓰일 수 있을 것이다.

추천 시스템에서부터 1:1 마케팅에 이르는 전자 상거래의 다양한 응용 영역에서, 개별 사용자로부터 개인화된 사용자 프로파일을 구축하는 것은 매우 중요하다. 이러한 프로파일들은 사용자들의 구매 행위와 같은 개인별 행동들을 설명해주며, 특히 다양한 데이터 마이닝(Data Mining) 기술들을 이용해 사용자의 거래 기록으로부터 학습된 규칙들을 발견해낼 수 있다. 발견된 규칙들 중에는 거짓이거나 연관 없거나 또는 하찮은 것들도 존재하기 때문에, 가장 중요한 문제 가운데 하나는 발견된 규칙들을 처리후-분석을 어떻게 수행하느냐이다. 예를 들어, 발견된 규칙을 사용자 프로파일에 적합한 것인지를 확인할 때 좋은 규칙과 나쁜 규칙을 어떻게 판명하는가 하는 문제이다. 이 논문에서는 규칙을 확인하는 과정에서 객관적 척도를 이용하는 방법을 제안하였다.

추천 시스템에서부터 1:1 마케팅에 이르는 전자 상거래의 다양한 응용 영역에서, 개별 사용자로부터 개인화된 사용자 프로파일을 구축하는 것은 매우 중요하다. 이러한 프로파일들은 사용자들의 구매 행위와 같은 개인별 행동들을 설명해주며, 특히 다양한 데이터 마이닝(Data Mining) 기술들을 이용해 사용자의 거래 기록으로부터 학습된 규칙들을 발견해낼 수 있다. 발견된 규칙들 중에는 거짓이거나 연관 없거나 또는 하찮은 것들도 존재하기 때문에, 가장 중요한 문제 가운데 하나는 발견된 규칙들을 처리후-분석을 어떻게 수행하느냐이다. 예를 들어, 발견된 규칙을 사용자 프로파일에 적합한 것인지를 확인할 때 좋은 규칙과 나쁜 규칙을 어떻게 판명하는가 하는 문제이다. 이 논문에서는 규칙을 확인하는 과정에서 객관적 척도를 이용하는 방법을 제안하였다.

초기에 하나의 상품 카테고리만을 다루던 전자상거래 사이트들이 브랜드 확립 후에 다른 상품 카테고리까지 확대해 나가는 모습을 많이 보아왔다. 고객이 아직 방문하지 않은 신규 상품 카테고리의 상품에 대하여 기존 상품 카테고리에서 만들어진 사용자 프로파일을 활용하여 개인화된 추천을 할 수 있다면, 고객이 다양한 상품 카테고리를 방문하도록 유도할 수 있을 것이다. 하지만 일반적으로 전자상거래 사이트에서는 상품 카테고리별로 사용자의 선호도를 파악하여 개인화된 추천을 수행하기 때문에, 해당 카테고리 내 상품의 구매나 방문 기록이 없다면 개인화된 추천을 수행하기가 어렵다 . 본 논문에서는 협업 필터링을 통해 신규 상품카테고리 내의 상품을 추천하기 어려운 고객들을 대상으로 기존의 사용자 선호도 데이터를 활용하여 신규 상품 카테고리 내의 상품을 추천하는 방안의 타당성을 살펴보도록 한다. 즉, 기존 사용자의 특정상품 카테고리 선호도 데이터를 통해 사용자간 유산도를 계산하고, 이를 추천하려는 타 상품 카테고리 내의 상품들에 대한 예측 선호도 계산에 활용 타당성을 살펴본다. 이를 실증적으로 검토하기 위해서, Yes24 사이트의 서적, 음반, DVD 3개의카테고리 내의 상품을 방문한 웹 패널 데이터를 이용하여 타당성 분석을 수행하였다. 분석 결과, 동일 상품 카테고리 내의 선호도 정보를 가지고 현업 필터링을 수행하는 것보다는 추천 성과가 낮았지만 활용할만한 추천 성과를 보였으며, 활용하는 상품 카테고리와 예측하는 상품 카테고리별로 추천성과가 상이했다.

인터넷 서비스의 급속한 발전으로 전자상거래에서의 매우 많은 정보와 다양한 컨텐츠가 개인 사용자들에게 제공되고 있다. 또한, 이러한 개인을 고객으로 하는 각종 인터넷 쇼핑몰이 많이 생성되고 서비스됨에 따라 고객 개인을 위한 차별화된 정보가 매우 중요한 하나의 이슈로 작용하고 있다. 본 논문은 인터넷 쇼핑몰을 이용하는 각각의 고객에 대한 관심 제품에 대한 사양을 프로파일링 에이전트를 이용하여 자동화된 프로파일링을 생성하여 고객에 대한 정확한 선호 상품을 예측 및 제시하여 줌으로서 고객에게 개인화된 상품 정보를 제공해 줄 수 있는 시스템을 설계하고자 한다.

인터넷의 급속한 발전으로 매우 많은 정보와 다양한 컨텐츠가 개인 사용자들에게 제공되고 있다. 또한, 개인을 고객으로 하는 각종 포탈 사이트들이 많이 생성됨에 따라 고객 개인을 위한 고객화된 정보가 매우 중요한 하나의 컨텐츠로 작용하고 있다. 하지만, 현재 국내외 전자상거래를 주목적으로 하는 포탈 사이트의 시스템들은 고객에 관한 정보를 단순한 개인 프로파일로 활용하고 있을 뿐 고객 정보를 이용하여 더 많은 개인화된 새로운 정보를 창출하지 못하고 있다. 본 논문은 고객에 대한 정보를 세분화하고 분석하여 제3의 개인화 정보를 생성하여 자동으로 각 개별 고객에게 개인화된 정보를 제공해 줄 수 있는 시스템을 설계 및 구현하고자 한다. 고객의 이메일 오픈율과 마우스 이벤트 정보를 분석 및 계산하여 개별 고객에게 고객의 관심정보 및 관심 컴포넌트를 생성한 후 관심정보와 관심 컴포넌트를 이용하여 개별 고객의 관심 정보를 고객이 선호하는 이메일 규격 및 양식에 맞게 에이전트를 통해 자동으로 재구성하여 푸쉬해 주는 개인화 메일 자동 생성 에이전트 시스템을 개발하고자 함이 본 논문의 목적이다.

최근에 웹 기반 교육 시스템으로서 다양한 온라인 학습에 대한 새로운 교수 모형이 제시되고 있다. 또한, 학습자의 요구에 맞는 코스웨어의 주문이 증가되고 있는 추세이며 그에 따라 웹 기반 교육 시스템에 효율적이고 자동화된 교육 에이전트의 필요성이 인식되고 있다. 그러나 현재 연구되고 있는 많은 교육 시스템들은 학습자 성향에 맞는 코스를 적절히 서비스해 주지 못할 뿐 아니라 지속적인 피드백과 학습자가 코스를 학습함에 있어서 취약한 부분을 재학습 할 수 있도록 도와주는 서비스를 원활히 제공하지 못하고 있다. 본 논문에서는 취약성 분석 알고리즘을 이용한 학습자 중심의 코스 스케쥴링 멀티 에이전트 시스템을 제안한다. 제안한 시스템은 먼저 학습자의 학습을 지속적으로 모니터링하고 평가하여 개인 학습자의 학습 성취도를 계산하며, 이 성취도를 에이전트의 스케쥴에 적용하여 학습자에게 적합한 코스를 제공하고, 학습자는 이러한 코스에 따라 능력에 맞는 반복된 학습을 통하여 적극적인 완전학습을 수행하게 된다.

최근 시작된 국내 디지털 지상파 방송으로 이제 본격적인 디지털 방송 시대가 열리게 되었다. 디지털 방송 서비스는 다매체, 다채널을 통한 방송 프로그램의 증가와 양방향 TV 방송 서비스로 인해 사용자에게 다양한 방송 프로그램의 선택과 개인별 맞춤형 시청 기회를 제공함으로써 새로운 방송 서비스 환경을 필요로 하게 되었다. 이에 본 논문에서는 맞춤형 DTV(Digital TV) 방송 서비스를 제공하기 위하여 TV-Anytime 영상 메타데이터에 대한 연속 데이터 마이닝 기법을 이용하여 시청 선호도 프로파일을 생성하는 효율적인 기법을 제안한다. 또한, 내장형 운영체제 기반의 사용자 디스플레이 모듈을 제공하며, 실험을 통하여 본 논문에서 제안하는 방법의 효율성을 고증한다.