$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

셋톱박스 오디언스 타겟팅을 위한 세션 기반 개인화 추천 시스템 개발
Personalized Session-based Recommendation for Set-Top Box Audience Targeting 원문보기

지능정보연구 = Journal of intelligence and information systems, v.29 no.2, 2023년, pp.323 - 338  

차지수 (연세대학교 산업공학과) ,  정구섭 (연세대학교 산업공학과) ,  김우영 (연세대학교 산업공학과) ,  양재원 (연세대학교 산업공학과) ,  백상덕 (연세대학교 산업공학과) ,  이원준 (연세대학교 산업공학과) ,  장서호 (연세대학교 디지털애널리틱스융합학과) ,  박태준 (한국방송광고진흥공사) ,  정찬우 (한국방송광고진흥공사) ,  김우주 (연세대학교 산업공학과)

초록
AI-Helper 아이콘AI-Helper

셋톱박스 오디언스(TV 시청자) 타겟팅의 핵심은 오디언스의 시청패턴을 분석하여 광고의 효과성이 높을 것으로 예상되는 오디언스에게 맞춤형 광고를 내보내는 것이다. 세션 기반 추천 시스템은 인터넷 광고 추천, 유저 검색 기록 기반 추천 등에 많이 이용되고 있지만, TV 광고의 측면에서 셋톱박스 데이터 수집의 어려움을 이유로 연구하기에 어려움이 있었다. 또한 오디언스 개인의 식별정보가 있는 데이터에서, 오디언스의 선호가 반영되는 시청 패턴을 모델링하는 데 한계가 있었다. 따라서 본 연구에서는 한국방송광고진흥공사(KOBACO)와 방송3사(SKB, KT, LGU+)와의 협업을 통해 익명화된 오디언스 4,847명의 6개월간 시청 데이터를 확보하여 연구를 진행하였으며, 유저-세션-아이템의 계층적 구조를 가지는 개인화 세션 기반 추천 시스템을 개발하여 성능 검증을 진행하였다. 그 결과, 셋톱박스 오디언스 데이터셋과 그 외 검증을 위한 2개의 데이터셋에서 제안된 모델이 비교 대상 모델보다 높은 성능을 보이는 것을 확인하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

TV advertising with deep analysis of watching pattern of audiences is important to set-top box audience targeting. Applying session-based recommendation model(SBR) to internet commercial, or recommendation based on searching history of user showed its effectiveness in previous studies, but applying ...

주제어

#세션 기반 추천 시스템   #오디언스 타겟팅   #그래프 뉴럴 네트워크   #추천 시스템   #표현 학습  

표/그림 (5)

참고문헌 (18)

  1. 나혜연, 남기환.(2020).사용자 선호도 변화에 따른？추천시스템의 다양성 적용. 지능정보연구,？26(4), 67-86. 

  2. 장동수, 이청용, 김재경.(2023).딥러닝 기반 온라인？리뷰의 언어학적 특성을 활용한 추천 시스템？성능 향상에 관한 연구. 지능정보연구,？29(1), 41-63. 

  3. 홍태호, 홍준우, 김은미, 김민수. (2022). 영화 리뷰의 상품 속성과 고객 속성을 통합한 지능형 추천시스템. 지능정보연구, 28(2), 1-18. 

  4. Chung, J., Gulcehre, C., Cho, K., & Bengio, Y.？(2014). Empirical evaluation of gated recurrent？neural networks on sequence modeling. arXiv？preprint arXiv:1412.3555. 

  5. Hamilton, W., Ying, Z., & Leskovec, J. (2017).？Inductive representation learning on large graphs.？Advances in neural information processing？systems, 30. 

  6. Hidasi, B., Karatzoglou, A., Baltrunas, L., & Tikk,？D. (2015). Session-based recommendations with？recurrent neural networks. arXiv preprint arXiv:1511.06939. 

  7. Hornik, K., Stinchcombe, M., & White, H. (1989). Multilayer feedforward networks are universal？approximators. Neural networks, 2(5), 359-366. 

    상세보기

  8. Kipf, T. N., & Welling, M. (2016). Semi-supervised？classification with graph convolutional networks.？arXiv preprint arXiv:1609.02907. 

  9. Koren, Y., Bell, R., & Volinsky, C. (2009). Matrix？factorization techniques for recommender？systems. Computer, 42(8), 30-37. 

  10. Li, J., Ren, P., Chen, Z., Ren, Z., Lian, T., & Ma, J.？(2017, November). Neural attentive session-based？recommendation. In Proceedings of the 2017？ACM on Conference on Information and？Knowledge Management (pp. 1419-1428). 

  11. Liu, Q., Zeng, Y., Mokhosi, R., & Zhang, H. (2018,？July). STAMP: short-term attention/memory？priority model for session-based recommendation.？In Proceedings of the 24th ACM SIGKDD？international conference on knowledge discovery？& data mining (pp. 1831-1839). 

  12. Michael, K. (2020). eCommerce Events History in？Cosmetics Shop. Released March 2020, Retrieved？April 30, 2023, from https://www.kaggle.com/datasets/mkechinov/ecommerce-events-history-in-cosmetics-shop 

  13. Sahoo, N., Singh, P. V., & Mukhopadhyay, T. (2012).？A hidden Markov model for collaborative？filtering. MIS quarterly, 1329-1356. 

  14. Sarwar, B., Karypis, G., Konstan, J., & Riedl, J.？(2001, April). Item-based collaborative filtering？recommendation algorithms. In Proceedings？of the 10th international conference on World？Wide Web (pp. 285-295). 

  15. Shani, G., Brafman, R., & Heckerman, D. (2002,？August). An MDP-based recommender system,？Proc. 18th Conf. In Uncertainty in Artificial？Intelligence. 

  16. Shepard, C., Rahmati, A., Tossell, C., Zhong, L.,？& Kortum, P. (2011). LiveLab: measuring？wireless networks and smartphone users in？the field. ACM SIGMETRICS Performance？Evaluation Review, 38(3), 15-20. 

  17. Velickovic, P., Cucurull, G., Casanova, A., Romero,？A., Lio, P., & Bengio, Y. (2017). Graph attention？networks. arXiv preprint arXiv:1710.10903. 

  18. Wu, S., Tang, Y., Zhu, Y., Wang, L., Xie, X., & Tan,？T. (2019, July). Session-based recommendation？with graph neural networks. In Proceedings of？the AAAI conference on artificial intelligence？(Vol. 33, No. 01, pp. 346-353). 

저자의 다른 논문 :

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로