최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기방송공학회논문지 = Journal of broadcast engineering, v.18 no.1, 2013년, pp.88 - 97
한성희 (KBS 기술연구소) , 오연희 (KBS 기술연구소) , 김희정 (KBS 기술연구소)
Collaborative filtering(CF) for the personalized recommendation is a successful and popular method in recommender systems. But the mainly researched and implemented cases focus on dealing with independent items with explicit feedback by users. For the domain of TV program recommendation in VOD servi...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
협력 필터링이란 무엇인가? | 본 논문에서는 개인화된 추천을 위하여 사용자 소비 이력을 이용하는 기법 중 가장 널리 활용되는 아이템 기반 협력 필터링(Item Based CF : IBCF)을 기본적으로 사용하되, 위와 같은 추천 도메인에 대한 분석 결과에 특화된 방식으로 적용한다. 협력 필터링은 사용자들의 과거 소비 이력을 바탕으로 유사한 사용자나 아이템을 도출함으로써 사용자의 미래의 선호를 예측하는 방법이다. 유사한 아이템을 도출하는 방식인 아이템 기반 협력 필터링은 유사한 사용자를 도출하는 방식인 사용자 기반 협력 필터링(User Based CF : IBCF)에 비하여 더 높은 정확도와 계산 속도를 보이는 것으로 알려져 있다[4]. | |
현재 KBS가 VOD 콘텐츠를 제공하는 서비스는 어떤것이 있는가? | 서비스 플랫폼 특이성에 의한 제한은 사용자들로부터 받을 수 있는 아이템에 대한 평가가 비명시적인 이진값(Implicit & Binary Data)이라는 사실이다. 현재 KBS가 VOD 콘텐츠를 제공하는 서비스로는 KBS 홈페이지, 플레이어 K, 콘팅 등이 있으며 각 서비스들은 모두 사용자 평가와 같이 적극적인 데이터 수집 과정이 존재하지 않는다. 사용자가 가입시와 프로그램 시청 후에 사용자로부터 적극적으로 선호에 대한 데이터를 수집하는 것은 사용자의 선호에 대한 모호성을 쉽게 없애주는 장점이 있지만 사용자를 번거롭게 하는 UI에 의한 거부감을 불러 일으킬 수 있다. | |
방송 콘텐츠 추천 검색 시스템을 구축하는 이유는 무엇인가? | 방송사는 콘텐츠 소비 형태와 단말의 종류에 따라 여러 서비스 플랫폼을 운용한다. 이렇게 매일 쏟아져 나오는 많은 양의 콘텐츠를 서비스하는 플랫폼에서는 사용자의 취향을 고려하여 통찰력 있는 콘텐츠 배치를 제공하는 것이 중요할 수밖에 없다. 따라서 KBS에서도 방송 콘텐츠의 메타데이터와 사용자의 소비 이력을 분석한 방송 콘텐츠 추천 검색 시스템[1]을 구축 중에 있다. |
Soo-Young Oh, Yeonhee Oh, Sunghee Han, Hee Jung Kim, "Broadcast Content Recommender System based on User's Viewing History", JBE, Vol. 17, No. 1, pp130-140, Jan, 2012
Xiaoyuan Su and Taghi M. Khoshgoftaar. "A Survey of Collaborative Filtering Techniques," Advances in Artificial Intelligence Vol. 2009, Article No. 4, 2009.
Istvan Pilaszy and Domonkos Tikk. 2009. "Recommending new movies: Even a few ratings are more valuable than metadata," in Proc. Recsys 2009, ACM, New York, 2009.
Badrul Sarwar, George Karypis, Joseph Konstan, and John Riedl. "Item based collaborative filtering recommendation algorithms," in Proc. 10th International Conference on WWW, ACM, NewYork, 2001.
Eunhui Kim, Shinjee Pyo, Eunkyung Park, and Munchrul Kim. "An automatic recommendation scheme of TV program contents for IPTV personalization," IEEE Transactions on Broadcasting, Vol. 57, No. 3, 2011.
Yifan Hu, Yehuda Koren and Chris Volinsky. "Collaborative filtering for implicit feedback datasets," in Proc. 8th IEEE International Conference on Data Mining, pp. 263-272, 2008.
Manzhao Bu, Shijian Luo, and Ji he. "A fast collaborative filtering algorithm for implicit binary data," IEEE 10th International Conference on Computer-Aided Industrial Design & Conceptual Design, pp. 973- 976, 2009.
Hyung Jun Ahn. "A new similarity measure for collaborative filtering to alleviate the new user cold-starting problem," Information Sciences 178, ScienceDirect, pp. 37-51, 2008.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.