$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] 사례기반추론 기법을 이용한 개인화된 추천시스템 설계 및 구현
Design and Implementation of personalized recommendation system using Case-based Reasoning Technique 원문보기

정보처리학회논문지. The KIPS transactions. Part D. Part D, v.9D no.6, 2002년, pp.1009 - 1016  

김영지 (창원대학교 대학원 컴퓨터공학과) ,  문현정 (창원대학교 대학원 전자계산과) ,  옥수호 (고신대학교 전산학과) ,  우용태 (창원대학교 컴퓨터공학과)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 인터넷 컨텐츠 사이트에서 묵시적인 평가정보를 이용한 새로운 사례기반 추천시스템을 설계하고 구현하였다. 본 시스템은 크게 사용자 프로파일 생성 모듈, 유사도 계산 및 추천 모듈, 개인화된 메일링 모듈로 구성된다. 사용자 프로파일 생성 모듈에서는 사용자가 컨텐츠를 이용하면서 남긴 로그 기록을 이용하여 컨텐츠에 대한 개인별 선호도를 추출할 수 있는 속성내, 속성간 가중치를 제시하였다. 유사도 계산 및 추천 모듈에서는 사용자 프로파일과 새로운 컨텐츠간의 유사도를 측정하기 위한 유사도 계산식을 제시하였다. 개인화된 메일링 모듈에서는 개인별 선호도에 의해 구성된 추천 컨텐츠를 플렛폼-독립적인 XML 문서 형식으로 변환하여 발송한다. 제안된 모델에 대한 추천 효율을 검증하기 위해 평균절대오차(MAE)와 반응자작용특성(ROC) 값을 이용하여 제안한 추천 모델과 협동적 필터링 기법과 비교 실험하였다. 실험결과, 본 논문에서 제안한 모델의 추천 효율이 기존의 협동적 필터링 기법보다 우수함을 보였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

We design and implement a new case-based recommender system using implicit rating information for a digital content site. Our system consists of the User Profile Generation module, the Similarity Evaluation and Recommendation module, and the Personalized Mailing module. In the User Profile Generatio...

Keyword

#추천시스템   #사례기반추론   #개인화  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 논문에서는 사람이 과거에 경험한 사례를 이용하여 새로운 문제를 해결하는 사례기반추론(case-based reasoning) 기법을 이용한 새로운 형태의 추천기법을 제안하였다. 제안된 기법은 인터넷 컨텐츠 사이트에서 사용자에 대한 최소한의 신상정보를 기반으로 컨텐츠에 대한 평가(rating) 정보를자동적으로 수집하고, 컨텐츠에 대한 개인별 선호도를 동적으로 학습하여 새로운 컨텐츠를 추천하기 위한 기법이다.
  • 본 논문에서는 사례기반추론 기법을 이용하여 인터넷 컨텐츠 사이트에서 컨텐츠 유형에 대한 개인별 선호도를 학습하여 새로운 컨텐츠를 개인 메일로 추천하는 시스템을 제안하였다. 이러한 사례기반추론 기법은 협동적 필터링과 달리 유사집단의 평가정보를 이용하지 않고, 개인별 속성에 대한 가중치와 속성 값을 이용하여 정보를 추천할 수 있다.
  • 단계이다. 본 시스템에서는 오라클의 Job Queue 기능을 사용하여 메일 발송 스케줄링을 자동화하는 방법을 개발하였다.
  • 본 논문에서는 인공지능 분야에서 주로 사용되는 사례기반추론 기법을 이용하여 인터넷 컨텐츠 사이트에서 컨텐츠유형에 대한 개인별 선호도를 학습하여 새로운 컨텐츠를 개인 메일로 추천하기 위한 시스템을 구현하였다. 본 시스템은 사용자에 대한 최소한의 신상정보와 컨텐츠를 구성하는 속성 정보에 대한 개인별 접속기록을 이용하여 컨텐츠유형에 대한 개인별 선호도를 학습할 수 있다.
본문요약 정보가 도움이 되었나요?

참고문헌 (12)

  1. G. Karypis, 'Evaluation of Item-Based Top-N Recommendation Algorithms,' Technical Report CS-TR-00-46, Computer Science Dept., Univiersity of Minnesota, 2000 

  2. B. M. Sarwar, G. Karypis, J. A. Konstan and J. Riedl, 'Analysis of Recommender Algorithms for E-Commerce,' Proc. of the 2nd ACM E-Commerce Conference, pp.158-167, 2000 

    crossref

  3. 한정기, '개인화(Personalization)의 핵심 기술,' http://www.personalization.co.kr/column[010319].htm, 2001 

  4. B. Krulwich, 'LIFESTYLE FINDER : Intelligent User Profiling Using Large-Scale Demographic Data,' Artificial Intelligence Magazine Vol.18, No.2, pp.37-45, 1997 

  5. M. J. Pazzani, 'A Framework for Collaborative, Content-Based and Demographic Filtering,' Artificial Intelligent Review, pp.394-408, 1999 

    crossref

  6. M. Claypool, A. Gokhale, T. Miranda, P. Murnikov, D. Netes and M. Sarti, 'Combining Content-Based and Collaborative Filters in an Online Newspaper,' ACM SIGIR Workshop on Recommender Systems, Berkeley, CA, 1999 

  7. B. Sarwar, G. Karypis, J. Konstan, and J. Riedl, 'Item-based Collaborative Filtering Recommendation Algorithms,' Proc. of the Tenth International World Wide Web Conference on World Wide Web, pp.285-295, 2001 

    crossref

  8. Rachael Rafter, Keith Bradley, Barry Smyth, 'Personalised Retrieval for Online Recruitment Services,' In Proceedings of the 22nd Annual Colloquium on Information Retrieval(BCS-IRSG 2000), Sidney Sussex College, Cambridge, UK. 

  9. Mark Claypool, David Brown, Phong Le and Makoto Waseda, 'Inferring User Interest,' Technical Report WPI-CS-TR-01-97, May, 2001 

  10. J. B. Schafer, J. Konstan and J. Riedl, 'Recommender Systems in E-Commerce,' ACM Conference on Electronic Commerce, pp.158-166, 1999 

    crossref

  11. R. Schank, 'Dynamic Memory : A Theory of Learning in Computers and People,' Cambridge University Press, New York, 1982 

  12. Good, N., Schafer, B., Konstan, J., Borchers, A. Sarwar, B., Herlocker, J., Riedle, J., 'Combining Collaborative Filtering with Personal Agents for Better Recommendation,' Proc. of the AAAI conference, pp.439-446, 1999 

저자의 다른 논문 :

활용도 분석정보

상세보기
다운로드
내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로