[논문]퍼지 기반의 식단 추천 시스템 설계 및 구현

김혜미; 노승민; 홍진근

doi:10.12673/jkoni.2012.16.6.1109

퍼지 기반의 식단 추천 시스템 설계 및 구현
Design and Implementation of Fuzzy-based Menu Recommendation System 원문보기

한국항행학회논문지 = Journal of advanced navigation technology, v.16 no.6 = no.57, 2012년, pp.1109 - 1115

김혜미 (백석대학교 정보통신학부) , 노승민 (백석대학교 정보통신학부) , 홍진근 (백석대학교 정보통신학부)

초록
AI-Helper

본 논문에서는 사용자의 신체 정보를 이용하여 애매한 신체정보를 퍼지화하고 사례자 데이터베이스를 통해 식단을 추천하는 시스템을 제안한다. 사용자의 신체 정보 중에서도 키와 몸무게를 입력받아 BMI(Body Mass index)지수로 계산한다. 사용자의 신체정보 중 근육량 정도와 계산되어진 BMI지수를 퍼지화 시켜 사용자 개개인의 신체 상황을 고려한 비만도를 계산한다. 사용자의 비만도를 기준으로 사례자 데이터베이스 내에 사례자들의 비만도를 비교하여 가장 비슷한 사례자 비만도에 대한 식단을 추천할 수 있다. 안드로이드 환경에서 구현을 하였으며, 다양한 실험을 통해 제안한 퍼지 기반의 추천 기법이 만족할 만한 결과를 나타내고 있음을 보인다.

Abstract ▼ AI-Helper

In this paper, we propose a system that recommends the appropriate menu using the fuzzy rules and the case database. The rules are defined by using the user's body information such as height and weight and these information is often vague. Due to its fuzziness, we use the fuzzy logic to represent the information. In our system, it firstly gets the body information for computing the BMI (Body Mass Index) values. Then it combines the muscle mass factor and BMI values to make a fuzzification for calculating the obesity rate. It finally recommends the most relative menu by comparing with the user's obesity rate from each cases in the database. We implement the system on the Android platform and show that our proposed method can achieve reasonable performance through the various experiments,

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 사용자 개개인에 맞는 비만도를 퍼지화하여 구한 후 사례를 기반으로 한 식단에 대하여 추천하는 시스템을 제안하였다. 이를 위하여 사용자의 키와 몸무게를 입력받아 BMI 지수를 구한 후 이를 정도의 개념으로 보고 소속도를 구했다.
이러한 문제점을 개선하기 위해 본 논문에서는 개인의 신체정보를 입력받아 개개인에 맞는 식단을 출력하여 준다. 이 때 체중이나 키와 같은 신체정보를 집합으로 표현 시 생기는 애매함을 Fuzzy set으로 표현함으로서 보다 정확한 추천이 가능하게 했다.
이런 경우 식단을 추천할 때에도 수치의 정도에 따라 세세한 식단 추천이 불가능하게 된다. 이러한 문제점을 개선하기 위해 본 논문에서는 사용자의 신체정보들을 바탕으로 애매한 부분을 처리하고 개개인의 특성에 맞는 비만도를 계산하기 위해 신체정보들을 퍼지화한다. 이 때 사용자의 신체정보란 키와 몸무게, 근육량을 뜻한다.

제안 방법

그림 5의 첫 번째 결과는 키가 170cm이고 몸무게가 62kg, 근육량이 ‘적다’에 가까운 사용자 데이터 값을 입력하였다. 가장 먼저 170cm와 62Kg의 BMI 지수를 계산한 후 근육량과 퍼지를 이용하여 비만도를 구한다. 구해진 비만도와 데이터베이스 내의 사례자비만도와 비교하여 차가 가장 작은 사례자의 비만도에 대한 식단이 추천되어진다.
이를 위하여 사용자의 키와 몸무게를 입력받아 BMI 지수를 구한 후 이를 정도의 개념으로 보고 소속도를 구했다. 또한 개개인의 신체 특성을 고려하여 근육량을 언어변수로 받아 소속도로 구해진 BMI 지수와 함께 퍼지화하여 식단을 추천받을 수 있는 기준인 비만도를 구하였다. 이러한 식단 추천 시스템은 사례자 데이터베이스를 기반으로 하기 때문에 데이터베이스 내에 식단의 종류가 많을수록 또한 사례자가 많을수록 다양한 식단을 추천받을 수 있다.
표 2는 실험에서 사용된 데이터로 사례자 비만도와 식단 번호가 임의로 저장되어있다. 또한 식단 번호에 따른 식단 목록과 총 칼로리를 임의로 저장했다. 실험 결과 화면은 그림 5와 같다.
그 외에도 신체계측 및 체지방 정도를 BMI(Body Mass index) 지수로 계산하고 이 외의 여러 요인들을 입력받아 식단을 추천하는 다양한 방법들이 연구되고 있다 [4]. 본 논문에서는 BMI지수를 구하는 식을 이용하고, 구해진 수치와 지방량을 입력받아 퍼지화하여 사례 데이터베이스를 통해 식단을 구한다.
본 장에서는 실험을 통해 지금까지 기술한 퍼지를 이용한 식단 추천 시스템을 평가한다. 실험은 Windows 7 환경에서 Android 2.
퍼지를 이용한 비만도 처리 과정은 다음과 같다. 사용자에게 키, 몸무게, 근육량 정도를 입력받은 후 키와 몸무게로 BMI지수를 구한다. 이를 근육량 정도와 같이 퍼지화를 한 후 비만도를 구하고 비퍼지화 과정을 통해 출력 값을 정한다.
사용자에게 키, 몸무게, 근육량 정도를 입력받은 후 키와 몸무게로 BMI지수를 구한다. 이를 근육량 정도와 같이 퍼지화를 한 후 비만도를 구하고 비퍼지화 과정을 통해 출력 값을 정한다. 그림 1은 비만도 처리 순서를 보여주며, 식 1은 BMI 지수를 구하는 식으로 B는 사용자의 BMI 지수를, W는 체중(Weight)을, H는 키(Height)를 의미한다.
본 논문에서는 사용자 개개인에 맞는 비만도를 퍼지화하여 구한 후 사례를 기반으로 한 식단에 대하여 추천하는 시스템을 제안하였다. 이를 위하여 사용자의 키와 몸무게를 입력받아 BMI 지수를 구한 후 이를 정도의 개념으로 보고 소속도를 구했다. 또한 개개인의 신체 특성을 고려하여 근육량을 언어변수로 받아 소속도로 구해진 BMI 지수와 함께 퍼지화하여 식단을 추천받을 수 있는 기준인 비만도를 구하였다.
85의 비만도가 나왔다면 평가 범위는 4 ≤ F 사용자 < 5 가 나오므로 이 범위 안에 들어가는 사례자들만 검색하게 된다. 해당 범위 안에 포함되는 사례자들의 비만도를 각각 사용자의 비만도와 차연산 한 후 음수의 경우를 고려하여 절대값 처리를 한다.

이론/모형

결과로 얻어진 값은 두 값이 합성되어진 퍼지 값으로, 합성되어진 퍼지 값을 실질적인 시스템에 적용시키려면 비퍼지화 과정을 필요로 한다. Min-Max 방법은 다음과 같으며, 비퍼지화에는 무게중심법을 사용하였다.
이 때 사용자의 신체정보란 키와 몸무게, 근육량을 뜻한다. 퍼지추론은 맘다니형 기법과 Min-Max 방법을 사용하며 실수 형태의 값 출력을 위한 비퍼지화에는 무게중심법 (COG: Center of Gravity Method)을 사용하였다.

후속연구

비교적 적은 식단 데이터베이스에서도 다양한 사람들이 자신에게 맞는 식단을 추천받을 수 있으며, 또한 사용자가 자신과 비슷한 신체정보를 가진 사례자를 통해 식단을 추천받을 수도 있다. 향후 연구로는 사례 기반 추론 (Case Based Reasoning) 기법을 활용하거나 클러스터링(Clustering) 기법을 이용한 추천 식단의 유사도 측정을 함으로써 제안한 기법들을 보완하고자 한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	BMI지수를 구하기 위해 필요한 자료는 무엇인가?	퍼지를 이용한 비만도 처리 과정은 다음과 같다. 사용자에게 키, 몸무게, 근육량 정도를 입력받은 후 키와 몸무게로 BMI지수를 구한다. 이를 근육량 정도와 같이 퍼지화를 한 후 비만도를 구하고 비퍼지화 과정을 통해 출력 값을 정한다.
	본 고에서 어떻게 비만도를 계산하는가?	사용자의 신체 정보 중에서도 키와 몸무게를 입력받아 BMI(Body Mass index)지수로 계산한다. 사용자의 신체정보 중 근육량 정도와 계산되어진 BMI지수를 퍼지화 시켜 사용자 개개인의 신체 상황을 고려한 비만도를 계산한다. 사용자의 비만도를 기준으로 사례자 데이터베이스 내에 사례자들의 비만도를 비교하여 가장 비슷한 사례자 비만도에 대한 식단을 추천할 수 있다.
	식단 관련 어플리케이션들의 한계점은 무엇인가?	또한 여러 측면을 고려한 추천이 아닌 정해진 식단을 차례대로 출력함으로써 모든 사용자가 같은 식단을 받게 된다. 즉, 추천되어지는 식단은 정해져있고 더불어 사용자의 상황이 전혀 고려되어있지 않은 것이다.

참고문헌 (9)

Jong-Hun Kim, Jee-Song Park, Eun-Young Jung, Dong-Kyun Park, Young-Ho Lee, "A Diet Prescription System for U-Healthare Personalized Services", The Journal of the Korea Contents Association '10 Vol. 10 No.2', pp.111-119, 2009.

원문보기 상세보기
ByungSung Lee, JunChul Chun, "A Development of Vision based Calory Measurement and Menu recommendation System", Proceedings of the Korea Multimedia Society Spring Annual Conference, 2008.
Ju-Seok Jeong, Sin-Jea Kang, "Hybrid Food Recommendation System Using Auto-generatend User Profiles", The Jorunal of the Korea Intelligent Information System Society, Vol. 21 No. 5 pp.609-617, 2011.
Sang-Mi Jeon, Sung-Mee Kim, "A Study on Physical Indices, Food Habits and Nutrient Intakes in Patients with Hypertension", J East Asian Soc Dietary Life, 15(3) : pp. 271-282, 2005.
Sanghoon Jun, Seungmin Rho, Eenjun Hwang, "A Music Retrieval Scheme based on Fuzzy Inference on Musical Mood and Emotion", Proceedings of the Korea Information Processing Society Spring Annual Conference, Vol. 15 No. 1호, 2008.
Jin-Hee Park, Eun-Young Roh, Doo-Ywan Kim, Hwan-Mook Chung "Psycholsy Diagnostsis System Using Fuzzy Reasoning", Proceedings of KFIS Fall Conference, Volume 14 pp.236-239, 2004.
Park Ji Soo, Jeong Suk Jae, Lee Young Hoon, Kim Kyung Sup, "Implementation of Rule Based Insurance Product Recommend and Design System using Fuzzy Inference", The Journal of Society for e-Business Studies, Vol. 12 No. 1 pp.99-122, 2007.
Su-Young An, Doo-Ywan Kim, Hwan-Mook Chung, "An Aptitude Test System using Fuzzy Reasoning", Proceedings of KFIS Fall Conference, pp.451-454, 2002.
Keun-Ho Jeong, Jea-heung Oh, Young-Hoon Joo, "Fuzzy Inference-Based Emotion Recognition of Color Image", Proceedings of the Korea Institude of Electrical Engineers Summer Annual Conference, pp.2100-2102, 2003.

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