[논문]공공도서관 미대출 도서 추천시스템 구현 : 대구 D도서관을 중심으로

진민하; 정승연; 조은지; 이명훈; 김건욱

doi:10.14400/jdc.2021.19.5.175

공공도서관 미대출 도서 추천시스템 구현 : 대구 D도서관을 중심으로
Implementation of the Unborrowed Book Recommendation System for Public Libraries: Based on Daegu D Library 원문보기

디지털융복합연구 = Journal of digital convergence, v.19 no.5, 2021년, pp.175 - 186

진민하 (한동대학교 경영학) , 정승연 (경북대학교 통계학과) , 조은지 (영남대학교 컴퓨터공학과) , 이명훈 (경북대학교 수학과) , 김건욱 (대구디지털산업진흥원 빅데이터활용센터)

초록
AI-Helper

국내 공공도서관의 역할과 기능은 다양해지고 있는 반면, 내부적으로는 편향된 도서 대출로 다양한 문제들이 나타나고 있다. 또한 최근 4차 산업혁명으로 공공도서관에서 인기도서 위주의 도서 추천시스템이 도입되고 있으나, 이용자가 접할 수 있는 도서의 다양성은 제한되고 있다. 이에 본 연구에서는 공공도서관 이용자의 만족을 제고하기 위해 공간적으로는 대구시 두류도서관으로 한정하여 대출이력 자료(213,093건), 회원정보(35,561명) 등을 활용하여 군집분석과 토픽 모델링, 콘텐츠 기반 필터링 추천 알고리즘으로 공공도서관 미대출 도서 추천시스템을 구현하였으며, 이에 대한 실제 이용자들의 만족도 설문조사를 실시하여 미대출 도서 추천시스템의 가능성과 시사점을 제시하였다. 분석 결과 대다수의 이용자들이 높은 만족도로 응답하였으며, 특정 성·연령대, 직업, 평소 독서량 등으로 분류된 계층에서 만족도가 상대적으로 높게 나타난 것을 확인할 수 있었다. 본 연구결과를 통해 공공도서관의 편향된 도서 대출, 운영 효율성 저하 등의 문제를 일부 개선할 수 있을 것으로 기대하며, 연구의 한계점 또한 제시하였다.

Abstract ▼ AI-Helper

The roles and functions of domestic public libraries are diversifying, but various problems have emerged due to internally biased book lending. In addition, due to the 4th Industrial Revolution, public libraries have introduced a book recommendation system focusing on popular books, but the variety of books that users can access is limited. Therefore, in this study, the public library unborrowed book recommendation system was implemented limiting its spatial scope to Duryu Library in Daegu City to enhance the satisfaction of public library users, by using the loan records data (213,093 cases), user information (35,561 people), etc. and utilizing methods like cluster analysis, topic modeling, content-based filtering recommendation algorithm, and conducted a survey on actual users' satisfaction to present the possibility and implications of the unborrowed book recommendation system. As a result of the analysis, the majority of users responded with high satisfaction, and was able to find the satisfaction was relatively high in the class classified by specific gender, age, occupation, and usual reading. Through the results of this study, it is expected that some problems such as biased book lending and reduced operational efficiency of public libraries can be improved, and limitations of the study was also presented.

주제어

표/그림 (11)

표 Table 1. Book Recommendation System previous study
표 Table 2. Components of the Data
표 Table 3. Types of Preprocessing
표 Table 4. Keyword of Topics
표 Table 5. Topics Popular by Gender and Age
그림 Fig. 1. Unborrowed Books Recommendation System Dashboard
표 Table 6. Example of Unborrowed Book Recommendation List by Gender and Age
표 Table 7. General Characteristics of the Subjects
표 Table 8. Survey Result on satisfaction with unborrowed book recommendation system
표 Table 9. Survey Result on satisfaction based on General Characteristics of the Subjects
표 Table 10. Survey Result on preference with various book recommendation system

참고문헌 (22)

Y. S. Kim. (2007). A Study on the Effective Enhancement of the Public Library Infrastructure in Korea: Focusing on the Operation of Small Public Libraries in the UK. Journal of Korean Library and Information Science Society, 38(1), 29-48. DOI : 10.16981/kliss.38.1.200703.29

원문보기 상세보기
Y. J. Shin & Y. H. Noh. (2020). A Study on the Program Structure and Activation Plan of the Complex Cultural Space in Public Library. Journal of the Korean Society for Library and Information Science, 54(1), 89-114. DOI : 10.4275/KSLIS.2020.54.1.089

원문보기 상세보기
W. S. Kim. (2019). Content Recommendation Techniques for Personalized Software Education. Journal of Digital Convergence, 17(8), 95-104. DOI : 10.14400/JDC.2019.17.8.095

원문보기 상세보기
H. Y. Cho. (2017). A Experimental Study on the Development of a Book Recommendation System Using Automatic Classification, Based on the Personality Type. Journal of Korean Library and Information Science Society, 48(2), 215-236. DOI : 10.16981/kliss.48.201706.215

원문보기 상세보기
Y. J. Jung & Y. H. Cho. (2017). Topic Modeling-based Book Recommendations Considering Online Purchase Behavior. Knowledge Management Research, 18(4), 97-118. DOI : 10.15813/kmr.2017.18.4.004

원문보기 상세보기
Y. S. Jeong. (2018). A study on the Book Recommendation Model Using Big Data.
I. S. Choi & S. K. Park & Y. H. Cho & C. Y. Lee & A. W. Kim & W. C. Kim. (2020). Developing a Book Recommendation Model Based on Reading Level Using Book Information and Book Review Data. Journal of the Korean Institute of Industrial Engineers, 46(3), 179-189. DOI : 10.7232/JKIIE.2020.46.3.179

상세보기
D. W. Park. (2020). A Study on Architecture for BigData-based Book Curation System
Keita Tsuji et al. (2014). Book Recommendation Based on Library Loan Records and Bibliographic Information. Journal of Procedia - Social and Behavioral Sciences, 147, 478-486. DOI : 10.1016/j.sbspro.2014.07.142

상세보기
Yonghong Tian & Bing Zheng & Yanfang Wang & Yue Zhang & Qi Wu. (2019). College Library Personalized Recommendation System Based on Hybrid Recommendation Algorithm. Journal of Procedia CIRP, 83, 490-494. DOI : 10.1016/j.procir.2019.04.126

상세보기
B. H. Oh & J. H. Yang & H. J. Lee. (2014). A Hybrid Recommender System based on Collaborative Filtering with Selective Utilization of Content-based Predicted Ratings. Journal of KISS : Software and Applications, 41(4), 289-294. DOI : 10.1016/j.procir.2019.04.126

상세보기
K. J. Kim & H. C. Ahn. (2009). User-Item Matrix Reduction Technique for Personalized Recommender Systems. Journal of Information Technology Applications & Management, 16(1), 97-113.
Y. J. Lee & C. H. Lee. (2020). What Do The Algorithms of The Online Video Platform Recommend: Focusing on Youtube K-pop Music Video. Journal of the Korea Contents Association, 20(4), 1-13. DOI : 10.5392/JKCA.2020.20.04.001

원문보기 상세보기
Airoldi. M & Beraldo, D & Gandini, A. (2016). Follow the algorithm : An exploratory investigation of music on Youtube. Journal of Poetics, 57, 1-13. DOI : 10.1016/j.poetic.2016.05.001

상세보기
S. Y. Yun & S. D. Yoon. (2020). Item-Based Collaborative Filtering Recommendation Technique Using Product Review Sentiment Analysis. Journal of the Korea Institute of Information and Communication Engineering, 24(8), 970-977. DOI : 10.6109/jkiice.2020.24.8.970

원문보기 상세보기
J. Y. Kang & H. S. Lim. (2019). Proposal of Content Recommend System on Insurance Company Web Site Using Collaborative Filtering. Journal of Digital Convergence, 17(11), 201-206. DOI : 10.14400/JDC.2019.17.11.201

원문보기 상세보기
H. W. An & N. M. Moon. (2019). Influential Factor Based Hybrid Recommendation System with Deep Neural Network-Based Data Supplement. Journal of Broadcast Engineering, 24(3), 515-526. DOI : 10.5909/JBE.2019.24.3.515

원문보기 상세보기
E. Y. Bae & S. J. Yu. (2018). Keyword-based Recommender System Dataset Construction and Analysis. Journal of Korean Institute of Information Technology, 16(6), 91-99. DOI : 10.14801/jkiit.2018.16.6.91

상세보기
J. E. Son & S. B. Kim & H. J. Kim & S. Z. Cho. (2015). Review and Analysis of Recommender Systems. Journal of the Korean Institute of Industrial Engineers, 41(2), 185-208. DOI : 10.7232/JKIIE.2015.41.2.185

원문보기 상세보기
Barragans-Martinez, A. B. & Costa-Montenegro, E. & Burguillo, J. C. & Rey-Lopez, M. & Mikic-Fonte, F. A. & Peleteiro, A. (2010). A hybrid content-based and item-based collaborative filtering approach to recommend TV programs enhanced with singular value decomposition. Information sciences, 180(22), 4290-4311. DOI : 10.1016/j.ins.2010.07.024

상세보기
Y. J. Jung & H. J. Kim. (2020). A Study on the School Library Research Trends Using Topic Modeling. Journal of Korean Library and Information Science Society, 51(3), 103-121. DOI : 10.16981/kliss.51.3.202009.103

원문보기 상세보기
H. S. Kim & B. R. Kang. (2019). Analysis of Research Topics among Library, Archives and Museums using Topic Modeling. Journal of Korean Library and Information Science Society, 50(4), 339-358. DOI : 10.16981/kliss.50.201912.339

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