[논문]자동 생성된 사용자 프로파일을 이용한 하이브리드 음식 추천 시스템

정주석; 강신재

doi:10.5391/jkiis.2011.21.5.609

자동 생성된 사용자 프로파일을 이용한 하이브리드 음식 추천 시스템
Hybrid Food Recommendation System Using Auto-generated User Profiles 원문보기

한국지능시스템학회 논문지 = Journal of Korean institute of intelligent systems, v.21 no.5, 2011년, pp.609 - 617

정주석 (대구대학교 대학원 컴퓨터정보공학과) , 강신재 (대구대학교 정보통신대학 컴퓨터.IT공학부)

초록
AI-Helper

본 논문에서는 트위터로부터 자동 생성한 사용자 프로파일을 이용하는 개인 맞춤형 음식 추천 시스템을 제안한다. 사용자 개인의 트위터 문장에서 명사를 추출하고, 감정단어와의 공기 여부에 따라 감정점수를 계산한 후. 사용자 프로파일을 생성한다. 각 음식에 관한 정보는 웹에서 검색한 웹 페이지를 분석, 가공하여 음식별 대표 명사 목록을 만들어 사용한다. 이렇게 구축된 사용자 프로파일과 각 음식별 특징 정보 간 유사도를 계산하여 사용자에 맞는 음식을 추천 해준다. 제안하는 방법은 추천 시스템을 처음 사용하는 사용자라 할지라도 사용자 프로파일이 자동으로 구축되어 추천에 사용되기 때문에 항상 추천 결과를 얻을 수 있는 장점이 있다.

Abstract ▼ AI-Helper

This paper proposes a personalized food recommendation system using user profiles auto-generated from Twitter. The user profiles are generated by extracting nouns from Twitter, and calculating emotional scores according to whether each noun is collocated with emotion words. Representative noun information for each food is constructed by analyzing web pages relevant to foods. Appropriate foods for users can be recommended by calculating similarities among the extracted resources. The proposed system has an advantage in that it can always recommend foods even if a user is a newcomer.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서 제안하는 추천 시스템은 처음 사용하는 사용자라 할지라도 사용자 프로파일이 자동으로 구축되어 추천에 사용되기 때문에 항상 추천 결과를 얻을 수 있고, 또한 하이브리드 추천 기법을 사용하여 추천 시스템을 사용하면 할수록 관련 데이터가 누적되어 활용되기 때문에 보다 정확한 추천이 가능한 방법을 제안하고자 한다.
본 논문에서는 사용자 프로파일을 자동으로 구축하고, 이를 이용하여 초기 단계부터도 추천을 할 수 있고, 시스템을 사용할수록 추천의 성능을 높일 수 있는 하이브리드 기반의 추천시스템을 제안한다.
본 논문에서는 음식을 추천 대상으로 선정하였기 때문에 이 단계에서 음식에 관한 기본 정보와 음식별 대표명사 목록을 구축하게 된다. 대표명사 목록을 구축하는 과정은 [그림 2]와 같다.
본 논문에서는 이러한 정보를 수집, 분석하여 사용자 프로파일을 자동으로 구축하고, 이를 활용하기 위한 응용으로 음식 추천을 선택하였다. 기존의 추천 시스템들은 실행 초기에 사용자에 관한 데이터(사용자가 기 선택한 음식 정보, 사용자가 기 검색한 음식 정보 등) 부족 문제로 인하여 정확한 추천을 할 수 없는 문제가 있다.
여기에는 음식 관련 명사뿐만 아니라 일반 명사들도 포함되어 있기 때문에, 기 구축한 “음식 관련 명사 목록”에 등록된 명사만을 선택한다. 이 가운데 각 음식을 대표하는 명사, 다시 말해 음식 간의 구분을 용이하게 할 수 있는 변별력 있는 명사를 선택하기 위해 명사별 가중치를 계산할 목적으로 각 명사의 출현 빈도수를 계산한다.

제안 방법

관련 연구들을 추천기법에 따라 요약하여 정리한 내용을 에 제시하였다.
1, 2 단계에서 구축된 정보를 이용하여 음식을 추천하는 과정은 <그림 4>와 같이 4가지 과정으로 나뉜다. 본 논문에서 제안하는 추천 방법은 하이브리드 기반의 방법으로, ②, ④과정에서 내용 기반의 추천 기법을 사용하고, ③과정에서 협력 기반의 추천 기법을 이용하게 되며, 각 과정의 결과들을 종합하여 최종 추천 결과를 생성하게 된다.
이 정도의 정보만으로도 사용자 프로파일의 역할을 할 수는 있겠지만, 사용자의 감정에 따른 보다 정교한 처리를 더하기 위해서 [15]에서 제시한 긍정적 또는 부정적 감정단어들을 “감정단어 목록”으로 구축하여 이용한다.
최근 아이폰(iPhone), 안드로이드(Android)²⁾ 폰과 같은 스마트폰이 기본적인 휴대전화로서의 기능뿐만 아니라 다양한 소프트웨어 애플리케이션을 설치/운영할 수 있는 컴퓨터의 기능과, 언제 어디서든 사용할 수 있는 이동성을 제공하고 있기 때문에[1], 본 추천시스템의 클라이언트를 안드로이드 플랫폼으로 구현하였다.
최근 유행하는 소셜 네트웍 서비스인 트위터를 이용하여 사용자의 성향을 나타내는 프로파일을 자동으로 구축하고, 이를 기반으로 음식을 추천해 주는 하이브리드 시스템을 제안 하였다. 기존의 추천 시스템들은 실행 초기에 데이터 부족 문제로 인하여 정확한 추천을 할 수 없는 문제가 있으나, 본 연구에서는 트위터 계정을 가지고 있다면 사용자가 추천 시스템을 처음 사용한다 할지라도 사용자 프로파일이 자동으로 구축되어 추천에 사용되기 때문에 항상 추천 결과를 얻을 수 있었다.
추천 시스템의 클라이언트는 상황정보 수집과 이동성, 활용성을 높이기 위해 안드로이드 애플리케이션으로 개발하였다. 추천 기능 외에 트위터 사용 기능과 음식별 칼로리 검색 기능, 사용자별 섭취 칼로리 관리 기능, 상황정보를 직접 입력하여 음식을 검색하는 조건검색 기능도 구현하였다. [그림 5]에 모바일 클라이언트의 초기 실행 화면과 음식 메뉴의 추천 결과 화면을 예시하였는데, 결과 화면 중 각 과정의 추천 결과는 독자의 이해를 돕기 위해 추가로 표시한 정보이며, 실제 사용 시에는 최종 추천 결과만 표시하면 된다.
추천 프로그램은 Java와 안드로이드 API로 구현하였고, Tomcat과 Mysql로 웹 서버와 DB 서버를 구축하였다. 추천 시스템의 클라이언트는 상황정보 수집과 이동성, 활용성을 높이기 위해 안드로이드 애플리케이션으로 개발하였다. 추천 기능 외에 트위터 사용 기능과 음식별 칼로리 검색 기능, 사용자별 섭취 칼로리 관리 기능, 상황정보를 직접 입력하여 음식을 검색하는 조건검색 기능도 구현하였다.
추천 프로그램은 Java와 안드로이드 API로 구현하였고, Tomcat과 Mysql로 웹 서버와 DB 서버를 구축하였다. 추천 시스템의 클라이언트는 상황정보 수집과 이동성, 활용성을 높이기 위해 안드로이드 애플리케이션으로 개발하였다.
트위터에 실제 등록된 글 가운데 음식 추천을 위한 사용자 프로파일 구축에 유용하게 사용될 수 있는 문장의 일부를 에 제시하였다.

대상 데이터

먼저, 위키피디아와 네이버 백과사전과 같은 구조적 정보(테이블 등)에서 “음식 관련 명사 목록”을 추출하고, 여기에 [13]에서 제시한 음식 관련 명사 목록을 수작업으로 추가하여 약 2,400여개의 목록을 수집하였다.
<그림 2>의 과정을 통해 수집된 음식 데이터 가운데, 일상생활에서 가장 많이 먹는 음식 54개를 선택하고 각 음식의 대표명사 목록을 구축하였다. <표 5>에 음식 대표명사 목록의 일부를 제시하였다.
이 가운데 기 구축한 “음식 관련 명사 목록”에 등록된 명사만을 대상으로 고빈도 명사 순으로 선택한다.

이론/모형

명사의 문서 간 가중치는 전체 문서집합 가운데 해당 명사가 나타난 문서가 어느 정도인지를 수치화한 idf(inverse document frequency)를 이용한다. 이는 특정문서에만 나타나는 명사는 가중치를 높이고, 대부분의 문서에 나타나는 범용 명사는 가중치를 낮추는 역할을 한다.

성능/효과

최근 유행하는 소셜 네트웍 서비스인 트위터를 이용하여 사용자의 성향을 나타내는 프로파일을 자동으로 구축하고, 이를 기반으로 음식을 추천해 주는 하이브리드 시스템을 제안 하였다. 기존의 추천 시스템들은 실행 초기에 데이터 부족 문제로 인하여 정확한 추천을 할 수 없는 문제가 있으나, 본 연구에서는 트위터 계정을 가지고 있다면 사용자가 추천 시스템을 처음 사용한다 할지라도 사용자 프로파일이 자동으로 구축되어 추천에 사용되기 때문에 항상 추천 결과를 얻을 수 있었다. 또한 추천 시스템을 사용하면 할수록 관련 데이터가 누적되어 내용 기반 및 협력 기반을 결합한 하이브리드 형태로 활용되기 때문에 보다 정확한 추천이 가능하게 된다.

후속연구

다만 사용자의 만족도를 대안으로 사용할 수는 있겠다. 향후에는 트위터 뿐만 아니라 블로그나, 미투데이, 싸이월드 같은 시스템의 Open API를 활용하여 보다 정확한 사용자 프로파일을 구축하는 방법과 이를 개인화 시맨틱 정보검색에 활용하는 방법에 대해 연구하고자 한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	하이브리드 방법은 무엇인가?	하이브리드 방법은 내용 기반과 협업 기반 방법을 따로 구현하여 운영하고, 각각의 결과를 적절하게 조합해서 추천하는 방식이다. 추천에 필요한 데이터의 유무에 따라 융통성 있게 처리할 수 있는 장점이 있어 최근 연구에서 많이 채택하고 있는 방법이다.
	추천 문제는 기본적으로 무엇에 기반을 두고 있나?	추천 문제는 기본적으로 평가 구조에 기반을 두고 있으며, 사용자가 접하지 못한 새로운 아이템에 대한 평가의 추정 문제로 볼 수 있다. C를 모든 사용자의 집합으로, S를 추천될수 있는 모든 아이템의 집합(예: 책, 영화, 식당, 음식 등)으로, u를 사용자 c에 대한 아이템 s의 유용성을 평가하는 함수라 가정할 때, 모든 사용자 c에 대해 각 사용자의 만족도를 최대 화할 수 있는 아이템 s'를 찾는 다음과 같은 식으로 추천 문제를 형식화할 수 있다.
	하이브리드 방법은 어떤 장점이 있는가?	하이브리드 방법은 내용 기반과 협업 기반 방법을 따로 구현하여 운영하고, 각각의 결과를 적절하게 조합해서 추천하는 방식이다. 추천에 필요한 데이터의 유무에 따라 융통성 있게 처리할 수 있는 장점이 있어 최근 연구에서 많이 채택하고 있는 방법이다.

참고문헌 (15)

김수동, 라현정, "안드로이드 기반 모바일 서비스 애플리케이션의 아키텍처", 한국정보과학회지, vol. 28, no. 6, pp.25-34, 2010.
G. Adomavicius, and A. Tuzhilin, "Toward the Next Generation of Recommender Systems: A Survey of the State-of-the-Art and Possible Extensions", IEEE Transactions on Knowledge and Data Engineering, vol. 17, no. 6, June 2005.

상세보기
토비 세가란, 집단지성 프로그래밍, O'Reilly, 2008.
한현구, 서의현, "학습기반 개인 맞춤형 음식 추천 에이전트", 한국정보처리학회 논문지, vol. 16, no. 2, pp.313-314, 2009.
김성기, 김영학, "항목기반 패턴을 사용한 학습 방법 추천 시스템의 설계 및 평가", 한국콘텐츠학회 논문지, vol. 9, no. 5, pp.346-354, 2009.

원문보기 상세보기
S. K. Ray and S. Singh, "Blog Content Based Recommendation Framework Using WordNet and Multiple Ontologies", Proceedings of the International Conference on Computer Information Systems and Industrial Management Applications (CISIM), pp.432-437, 2010.
이재식, 이진천, "상황 인식을 이용한 사례기반 음악추천시스템", 한국지능정보시스템학회 논문지, vol. 12, no. 3, pp.111-123, 2006.
오유수, 최아영, 우운택, "차세대 건강관리 밥상 시스템: 맥락 인식 기반 개인화된 음식 추천 시스템", 한국정보 처리학회 논문지, vol. 15, no. 1, pp.51-61, 2008.

원문보기 상세보기
이재식, 박석두, "장르별 협업필터링을 이용한 영화 추천시스템의 성능 향상", 한국지능정보시스템학회 논문지, vol. 13, no. 4, pp.65-78, 2007.
Y. Ying, "A Personalized Collaborative Recommendation Algorithm based on User Clustering Smoothing", Proceedings of the International Conference on Future BioMedical Information Engineering, pp.383-385, 2009.
김기수, "개인화된 추천을 위한 하이브리드 협업 필터링 알고리즘 및 인터넷 전자상거래에서의 활용", 인터넷전자상거래연구, vol.8, no.4, pp.1-20, 2008.

상세보기
C. Liu, C. Sun, J. Yu, "The Design of an Open Hybrid Recommendation System for Mobile Commerce", Proceedings of the International Conference on Computational Intelligence for Modelling Control & Automation (CIMCA), pp.861-866, 2008.
이홍식, "음식 명사의 사전 기술에 대하여", 한국어학회지, vol. 38, no. 1, pp.307-344, 2008.
K. Makice, Twitter API: Up and Running: Learn Howto Build Applications with the Twitter API,O'Reilly, 2009.
박인조, 민경환, "한국어 감정단어의 목록 작성과 차원 탐색", 한국심리학회지, vol. 19, no. 1, pp.109-129, 2005

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증