[논문]멀티미디어 콘텐츠의 맞춤형 정보 제공 연구

박지수; 김무철; 노승민

doi:10.7838/jsebs.2015.20.3.079

멀티미디어 콘텐츠의 맞춤형 정보 제공 연구
A Study for Personalized Multimedia Information Services 원문보기

한국전자거래학회지 = The Journal of Society for e-Business Studies, v.20 no.3, 2015년, pp.79 - 87

박지수 (Department of Multimedia, Sungkyul University) , 김무철 (Department of Multimedia, Sungkyul University) , 노승민 (Department of Multimedia, Sungkyul University)

초록
AI-Helper

최근 웹 2.0의 도래와 더불어 멀티미디어 콘텐츠 제작 과정에서 사용자의 참여를 장려하기 시작했다. 이에 따라서 멀티미디어 콘텐츠 관련 연구들은 사용자 참여형 환경에 맞추어 맞춤형정보를 제공하는데 연구의 초점을 맞추기 시작했다. 이에 본 연구는 사용자의 요구사항과 개인별 맞춤정보를 제공하기 위한 방법론을 정리하고 분석함으로써 적용 방안을 사용자가 적극적으로 웹 콘텐츠 제작 과정에 참여하여 해당 콘텐츠의 카테고리 및 정의를 설정할 수 있는 환경을 마련하여 사용자의 선택의 폭을 확장하며, 콘텐츠 제작에 참여할 수 있는 환경을 마련해줄 수 있을 것으로 기대된다.

Abstract ▼ AI-Helper

With recent emergence of Web 2.0 technology, many services are encouraging the user participation. Then, many approaches dealing with multimedia contents focused on the personalized information provisioning. The proposed approach analyzes the user requirements and previous methodology for personaliz...

주제어

AI 본문요약
AI-Helper

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

문제 정의

따라서 소셜 네트워크를 통하여 자신과 관련 있는 사람들을 추출하고 그에 대한 위치를 분석하고 사용자가 직접 콘텐츠에 태깅한 메타데이터를 비교 분석하여 관련성 높은 유사한 콘텐츠를 제공하여 정확도 높은 서비스를 제공한다. 따라서 본 연구에서는 개인화 맞춤형 이벤트 정보를 멀티미디어 콘텐츠로 제공함으로써 효과적인 서비스를 제안한다.
따라서 본 연구에서는 사용자의 요구 사항과 사용자 맞춤형 정보 제공을 위한 방법론을 정리하고 분석하여, 사용자의 필요를 채워줌으로써 사용자가 활발하고 적극적으로 콘텐츠를 생성하고 공유하는데 참여할 수 있는 환경을 제안한다.
Ryu and Kim[6]은 정보의 홍수 시대 속에서 저작내용과 의미적 극성이 높은 콘텐츠를 추천하는 방법을 제안했다. 본 논문에서는 두 단계를 통해 의미적 연관성이 높은 콘텐츠를 추천하고자 하였다. 첫 번째로, 저작내용을 기반으로 콘텐츠를 분류하기 위해 각 개인의 프로파일(profile)을 기반으로 적합하다고 판단되는 정보를 필터링하여 맞춤형정보를 추천하는 내용기반 필터링(content-based filtering)을 사용했다.
본 연구에서는 멀티미디어 콘텐츠에 대한 사용자 요구사항과 개인화 맞춤형 방법론에 대해 분석하고 정리하였다. 최근 스마트기기의 이용률이 높아짐에 따라 자신의 위치에서 발생되는 이벤트나 정보 등을 얻고 싶어하는 사용자의 요구가 증폭되었다.
본 연구에서는 사용자 맞춤형 멀티미디어콘텐츠 추천 서비스를 구현하였다. 사용자의 요구사항과 기술적 요구사항을 결합하여 서비스를 제공해줌으로써 사용자에게 만족도 높은 콘텐츠를 제공해 줄 수 있으며 사용자는 다양한 콘텐츠 정보를 실시간으로 쉽고 빠르게 얻을 수 있게 될 것이다.
본 연구에서는 소셜 네트워크의 사용자 팔로우들의 콘텐츠를 기반으로 하여 맞춤형 콘텐츠를 추천해주는 서비스이다. 소셜 네트워크상의 많은 콘텐츠가 존재하지만 사용자의 팔로우 중심으로 콘텐츠를 수집함으로써 사용자의 관심 분야에 맞춰 좀 더 정확한 콘텐츠를 추천해 줄 수 있다.
본 연구에서는 추천 시스템에 적용되는 다양한 기술들인 협업적 필터링, 내용 기반 필터링, 소셜 네트워크 기반 맞춤형 콘텐츠 분석 방법에 대해서 알아보고, 이를 본 연구에서 제안하는 개인 맞춤형 정보 제공 서비스에 적용할수 있는 방안을 모색한다.
본 장에서는 이미지 기반 멀티미디어 콘텐츠를 이용하는 사용자들에게 맞춤형 정보 제공에 필요한 기술들에 대해 분석한다. 많은 사람들이 이미지를 통해서 콘텐츠 자체에 대한 접근은 물론이고, 인물정보, 촬영장소, 촬영시간 등의 사진과 관련된 메타데이터정보에 많은 관심을 가지고 있다[7].

제안 방법

사용자가 업로드 한 이미지의 속성 중 위치정보인 경도, 위도의 값을 추출한다. 경도, 위도의 값을 이용하여 약 10km 근방의 위치정보를 가지고 있는 콘텐츠를 DB에서 검색하여 해당 콘텐츠에 대한 정보를 추출한다. 콘텐츠의 추천 우선순위를 결정해 주기 위하여 사용자가 입력한 태그를 이용한다.
첫 번째로, 저작내용을 기반으로 콘텐츠를 분류하기 위해 각 개인의 프로파일(profile)을 기반으로 적합하다고 판단되는 정보를 필터링하여 맞춤형정보를 추천하는 내용기반 필터링(content-based filtering)을 사용했다. 내용 기반 콘텐츠 분류 단계에서 저작자의 시시각각 변하는 저작의도를 즉각적으로 반영할 수 있도록 프로파일을 구축, 갱신하였고, 저작내용과 가장 유사한 콘텐츠를 분류하였다. 두 번째로, 의미적 극성 판단 단계를 통하여 분류된 콘텐츠와 저작내용의 의미적극성을 판단하였다.
사용자가 입력한 태그와 불러온 콘텐츠의 태그를 비교하여 누적빈도수가 가장 큰 순서대로 콘텐츠를 추천해준다. 더불어 콘텐츠의 위치정보를 구글의 역지오코딩(Reverse Geocoding) 을 사용하여 콘텐츠의 위치좌표를 주소로 변환 하여 맵의 형태로 제공한다.
내용 기반 콘텐츠 분류 단계에서 저작자의 시시각각 변하는 저작의도를 즉각적으로 반영할 수 있도록 프로파일을 구축, 갱신하였고, 저작내용과 가장 유사한 콘텐츠를 분류하였다. 두 번째로, 의미적 극성 판단 단계를 통하여 분류된 콘텐츠와 저작내용의 의미적극성을 판단하였다. 이로써 저작내용과 의미적극성이 높은 콘텐츠를 추천할 수 있었다.
유사한 성향을 가진 사용자지만 현재 같은 위치에서 같은 상황을 공유한다는 것만으로 정보를 제공하기에는 부족함이 있다. 따라서 소셜 네트워크를 통하여 자신과 관련 있는 사람들을 추출하고 그에 대한 위치를 분석하고 사용자가 직접 콘텐츠에 태깅한 메타데이터를 비교 분석하여 관련성 높은 유사한 콘텐츠를 제공하여 정확도 높은 서비스를 제공한다. 따라서 본 연구에서는 개인화 맞춤형 이벤트 정보를 멀티미디어 콘텐츠로 제공함으로써 효과적인 서비스를 제안한다.
콘텐츠의 추천 우선순위를 결정해 주기 위하여 사용자가 입력한 태그를 이용한다. 사용자가 입력한 태그와 불러온 콘텐츠의 태그를 비교하여 누적빈도수가 가장 큰 순서대로 콘텐츠를 추천해준다. 더불어 콘텐츠의 위치정보를 구글의 역지오코딩(Reverse Geocoding) 을 사용하여 콘텐츠의 위치좌표를 주소로 변환 하여 맵의 형태로 제공한다.
Kim[4]은 가장 대표적인 추천방법론인 협업적 필터링을 시간, 상황 정보를 고려하여 사용자에게 적합한 음악 추천 서비스를 제안했다. 사용자들의 음악 청취이력에서 음악을 들은 횟수를 통하여 유사한 성향을 가진 사용자들을 분류 추천해주는 기존의 방법론에서 시간 상황정보인 계절, 월, 요일, 하루 중 때의 시간 개념을 고려하여 음악을 추천하였다. 학습군과 평가군을 나누어 실험을 한 결과 단순 협업적 필터링을 수행하는 것보다 향상된 성능을 확인하였다.
인물정보 수집을 위해서는 haar-like 특징을 추출하고, 인식을 위해서 사진의 얼굴의 폭을 일정한 비율로 조정하여 비교 분석한다. 이벤트 정보는 스마트폰에 내장된 GPS를 통하여 기록된 사진의 위치정보를 기반으로 LBS(위치 기반 서비스)를 이용하며, 소셜 네트워크 서비스와 연계하여 특정 위치의 이벤트를 제공받을 수 있다.
첫 번째로 사용자들은 이미지 혹은 사진 콘텐츠의 고유한 특징인 색, 질감, 형태를 추출하여 원하는 검색 결과를 얻고자 한다. 색상 정보는 이미지 전체에 대한 좌표정보 및 이에 대한 색상 값을 가지고 있다.

이론/모형

본 논문에서는 두 단계를 통해 의미적 연관성이 높은 콘텐츠를 추천하고자 하였다. 첫 번째로, 저작내용을 기반으로 콘텐츠를 분류하기 위해 각 개인의 프로파일(profile)을 기반으로 적합하다고 판단되는 정보를 필터링하여 맞춤형정보를 추천하는 내용기반 필터링(content-based filtering)을 사용했다. 내용 기반 콘텐츠 분류 단계에서 저작자의 시시각각 변하는 저작의도를 즉각적으로 반영할 수 있도록 프로파일을 구축, 갱신하였고, 저작내용과 가장 유사한 콘텐츠를 분류하였다.

성능/효과

개인의 사용자 프로파일을 바탕으로 소셜 네트워크를 형성한 후, 형성된 소셜 네트워크를 기본으로 각 그룹화된 개인들이 직접 콘텐츠를 등록한 결과를 바탕으로 콘텐츠의 추천 서비스가 진행된다는 점이다. 구현 결과를 검증하기 위해 사용자 별로 MRR(Mean Reciprocal) 분석을 실시하였고, 사용자 프로파일만 사용했을 때 보다 소셜네트워크를 이용했을 때 만족도가 높게 나왔음을 확인하였다.
사용자들의 음악 청취이력에서 음악을 들은 횟수를 통하여 유사한 성향을 가진 사용자들을 분류 추천해주는 기존의 방법론에서 시간 상황정보인 계절, 월, 요일, 하루 중 때의 시간 개념을 고려하여 음악을 추천하였다. 학습군과 평가군을 나누어 실험을 한 결과 단순 협업적 필터링을 수행하는 것보다 향상된 성능을 확인하였다. Lee[8]는 협업에 의한 태그 작성 시스템으로 소셜 네트워크에서 다양한 공유 콘텐츠에 대해서 사용자들이 직접 태그를 달 수 있는 기회를 제공함으로써 사용자의 선호도 파악에 도움이 될 수 있는 방안을 제안했다.

후속연구

사용자가 친구요청을 한 경우 친구에게 관심도가 높게 평가될 수 있으므로 의미 있는 콘텐츠로 생각할 수 있으며, 사용자간의 기본정보가 동일한 경우 유사한 성향을 가질 수 있는 확률이 높다고 할 수 있다. 또한 사용자간의 그룹이 형성되어 있거나 같은 콘텐츠의 댓글 수, 관심도 등을 분석하여 사용자 간의 친밀강도를 수치화 하여 좀 더 정확한 개인 맞춤형 정보 제공을 할 수 있다.
이로써 저작내용과 의미적극성이 높은 콘텐츠를 추천할 수 있었다. 본 논문은 기존의 기법 두 가지를 융합하여 하이브리드 형태의 콘텐츠 추천 방법을 제안했다는 점에 의의를 두었고, 현재까지 검증이 이루어지지 않은 연구이기 때문에 추가적인 평가가 필요하다.
하지만 콘텐츠 자체에 대한 분석이 부족하여 정확도가 떨어지고 태그를 통한 우선수위 결정시 누적빈도 값을 사용하기 때문에 신뢰도가 떨어질 수 있다. 이를 보완하기 위해 추후 연구에서는 영상처리 알고리즘을 이용하여 콘텐츠 자체에 대한 분석을 통하여 유사한 이미지의 추천이 가능하게 하고, 벡터공간모델(Vector Space Model)을 이용하여 태그 간의 우선순위 신뢰도를 높여 사용자들의 만족도를 향상 시킬 수 있는 추천 시스템을 제공할 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	Ryu and Kim은 어떤 단계를 통해 의미적 연관성이 높은 콘텐츠를 추천하고자 하였는가?	본 논문에서는 두 단계를 통해 의미적 연관성이 높은 콘텐츠를 추천하고자 하였다. 첫 번째로, 저작내용을 기반으로 콘텐츠를 분류하기 위해 각 개인의 프로파일(profile)을 기반으로 적합하다고 판단 되는 정보를 필터링하여 맞춤형정보를 추천하는 내용기반 필터링(content-based filtering)을 사용했다. 내용 기반 콘텐츠 분류 단계에서 저작자의 시시각각 변하는 저작의도를 즉각적으로 반영할 수 있도록 프로파일을 구축, 갱신 하였고, 저작내용과 가장 유사한 콘텐츠를 분류하였다. 두 번째로, 의미적 극성 판단 단계를 통하여 분류된 콘텐츠와 저작내용의 의미적극성을 판단하였다. 이로써 저작내용과 의미적극성이 높은 콘텐츠를 추천할 수 있었다. 본 논문은 기존의 기법 두 가지를 융합하여 하이브리드 형태의 콘텐츠 추천 방법을 제안했다는 점에 의의를 두었고, 현재까지 검증이 이루어지지 않은 연구이기 때문에 추가적인 평가가 필요하다.
	협업적 필터링은 어떤 방법인가?	협업적 필터링은 사용자들의 유사성향을 기반으로 추천해주는 방법이다. 많은 사용자들의 콘텐츠에 대한 선호도 정보를 파악하여 유사한 성향을 가진 사용자들을 그룹화 한다. 하나의 그룹 안에 있는 사용자들이 공통적으로 선호하는 콘텐츠를 사용자에게 추천해 주는 방법이다. 사용자들의 주관적인 선호도를 기반으로 하기 때문에 정량적으로 확인할 수 없는 콘텐츠를 선별하는데 유용하다.
	웹 2.0 환경에서 무엇이 마련되었는가?	웹 2.0 환경에서는 사용자가 직접 콘텐츠를 생성하고 공유할 수 있는 기반이 마련되었다[1]. 더불어 멀티미디어 기술의 발전과 함께 이미지, 동영상, 오디오 등의 멀티미디어 콘텐츠의 생산과 소비가 급증하게 되었다.

참고문헌 (12)

Eom, T. Y., Kim, W. J., and Park, S. U., "Personalized Bookmark Recommendation System Using Tag Network," The Journal of Society for e-Business Studies, Vol. 15, No. 4, pp. 181-195, 2010.
Hong, J. U., Lee, J. Y., and Min, M. H., "Using Collaborative filtering portal content recommendation system," Proceedings of KIIS Fall Conference 2010, Vol. 20, No. 2, 2010.
Kim, B. Y., Lee, J. H., Lee, M. S., Kim, Y. J., and Tian, L. "Social networking services tailored recommendation techniques," Ewha Womans University, 2013.
Kim, H. D., "Collaborative Tag-Based Recommendation Methods Using the Principle of Latent Factor Models," The Journal of Society for e-Business Studies, Vol. 14, No. 4, pp. 47-57, 2009.
Kim, H. K., Seo, H. C., and Jang, M. G., "User Requirements for personal media management software," Korea Information Science Society 2006 Proceedings of Korea Computer Conference(B), Vol. 33, No. 1, pp. 124-126, 2006.
Kim, S. H., "Study on content-based image and video retrieval system performance analysis," Biblia Korea, Vol. 15, No. 2, 2004.
Lee, B. S. and Hwang, B. Y., "Web documents prediction system using a Web log mining," Korea Information Science, Vol. 32, No. 2, pp. 97-99, 2005.
Lee, D. J., Lee, S. K., and Lee, S. G., "Music using collaborative filtering recommendation considering the time context information," Proceedings of Korea Computer Conference, Vol. 36, No. 1, 2009.
Lee, I. G., "Image search methods using color information and texture information Features," Chungwoon University, 2005.
Lee, S. P., "Social network-based system customized content recommendation," proceedings of Broadcasting Engineers, Vol. 18, No. 1, 2013.
Ryu, G. G. and Kim, H. C., "Content-based content recommendation method using the polarity information," Proceedings of Korea Computer Education Association Winter Conference, Vol. 19, No. 1, 2015.
Uhm, K. H. and Bang, N. H., "Image search technology analysis using shape features," Research Database, Vol. 17, No. 4, 2001.

저자의 다른 논문 :

LOADING...

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