초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

근래에 들어서 인터넷의 발전에 따라 사용자의 정보 검색 및 정보 서비스 이용에 대한 수요량이 많아지고 있으며, 이와 동시에 사용자 개인마다 적합하지 않은 정보에 대한 검색 시간과 서비스 이용에 대한 비용이 늘어나고 있다. 이에 따라서 사용자가 인터넷을 이용하면서 일어나는 행위들에 대한 정보를 수집하고, 이를 학습하여 생성한 사용자 프로파일을 기반으로 사용자 개인마다 맞추어진 적합한 정보를 제공하는 개인화 서비스가 늘어나고 있다. 본 논문에서는 사용자의 여러 행위에 대해 비 감독 학습 방법인 클러스터링을 이용하여 사용자 관심 클러스터를 생성, 사용하여 기존의 사용자 프로파일 학습에서 간과하고 있는 시간에 따라 변화하는 사용자의 관심에 대한 변화를 탐지하고, 변화하는 사용자의 관심 이동 형태에 따라 이를 사용자 프로파일을 생성하는 학습에 적용할 수 있도록 하는 방법을 제시하므로 해서 기존의 개인화를 위한 사용자 프로파일 학습 방법보다 진보한 학습 방법을 지닌 시스템 모델을 제시하려 한다.

근래에 들어서 인터넷의 발전에 따라 사용자의 정보 검색 및 정보 서비스 이용에 대한 수요량이 많아지고 있으며, 이와 동시에 사용자 개인마다 적합하지 않은 정보에 대한 검색 시간과 서비스 이용에 대한 비용이 늘어나고 있다. 이에 따라서 사용자가 인터넷을 이용하면서 일어나는 행위들에 대한 정보를 수집하고, 이를 학습하여 생성한 사용자 프로파일을 기반으로 사용자 개인마다 맞추어진 적합한 정보를 제공하는 개인화 서비스가 늘어나고 있다. 본 논문에서는 사용자의 여러 행위에 대해 비 감독 학습 방법인 클러스터링을 이용하여 사용자 관심 클러스터를 생성, 사용하여 기존의 사용자 프로파일 학습에서 간과하고 있는 시간에 따라 변화하는 사용자의 관심에 대한 변화를 탐지하고, 변화하는 사용자의 관심 이동 형태에 따라 이를 사용자 프로파일을 생성하는 학습에 적용할 수 있도록 하는 방법을 제시하므로 해서 기존의 개인화를 위한 사용자 프로파일 학습 방법보다 진보한 학습 방법을 지닌 시스템 모델을 제시하려 한다.

AI 본문요약

엑셀 다운로드 AI-Helper

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

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 본 논문은 기존의 개인화를 위한 프로파일 학습 방법에서 간과 하고 있는 시간에 따른 사용자 관심 변화(Concept Change)에 대해서 연구한 내용을 소개하고, 실제적으로 변화하는 관심, 즉 관심 이동(Concept Drift)에 대한 탐지 및 학습에의 적용에 연구의 목적을 둔다. 또한, 실제로 비감독 학습(Unsupervised Learning) 방법인 클러스터링(Clustering)을 이용헤서 사용자 행위에 대한 관심 올 클러스터로 만들어 관심을 표현하고, 이를 이용해서 관심 이동에 대한 탐지를 수행하고, 탐지된 결과를 이용해서 프로파일 학습에 적용하여 시간에 따라 변화하는 사용자 관심도 학습을 할 수 있는 시스템 모델에 대해서 개인화에서의 기대 효과를 서술한다.

제안 방법

• 본 논문은 기존의 개인화를 위한 프로파일 학습 방법에서 간과 하고 있는 시간에 따른 사용자 관심 변화(Concept Change)에 대해서 연구한 내용을 소개하고, 실제적으로 변화하는 관심, 즉 관심 이동(Concept Drift)에 대한 탐지 및 학습에의 적용에 연구의 목적을 둔다. 또한, 실제로 비감독 학습(Unsupervised Learning) 방법인 클러스터링(Clustering)을 이용헤서 사용자 행위에 대한 관심 올 클러스터로 만들어 관심을 표현하고, 이를 이용해서 관심 이동에 대한 탐지를 수행하고, 탐지된 결과를 이용해서 프로파일 학습에 적용하여 시간에 따라 변화하는 사용자 관심도 학습을 할 수 있는 시스템 모델에 대해서 개인화에서의 기대 효과를 서술한다.
• 본 논문에서 목적으로 두고 있는 시간에 따라 변화하는 관심 이동에 대한 탐지 및 학습에의 적용에 초점을 맞추어 볼 때, 기존의 시스템들 즉, 개인화 서비스를 위한 프로파일 학습을 수행하는 시스템 둘로 구성되어있다. 일반적으로 모니터 된 사용자의 행위에 대한 정보를 수집, 이를 분석하여 빈번히 발생되는 주요 키워드에 가중치를 부여하는 방식울 사용한다.
• 본 논문에서 제안하는 모델은 대부분의 개인화 정보를 제공하는 시스템에서 간과하고 있는 시간에 따라서 변화하는 사용자 관심을 학습에 적용할 수 있도톡 하였고, 이에 따라 다음을 고려하여 구성한다.
• 본 논문에서는 시간에 따라서 변화하는 관심을 탐지하기 위해서 클러스터링 방법을 사용하여 관심을 나타내는 클러스터를 생성할 때, 사응자가 흥미릍 가졌던 정보의 내용 (Content난)ased) 과 시간에 따라 입력된 정보의 시간 속성 (Temporal Property)을 고려하여 클러스터를 구성한다. 이때, 각 정보들은 현재 시점에서 정보들이 가진 시간 속성에 따라 클러스터를 이루는 정보들의 가중치를 계산하는 평가함수를 통해 클러스터를 구성하게 된다.
• 이러한 클러스터링 기법운 인터넷에서 문서를 브라우징하는 특정 사용자의 프로파일을 주출하뉸 기본 방법으로 자주 사용된다. 사용자가 브라우징한 문서들을 클러스터 甲 기법으로 분류하고, 각각의 문서 분류 내에서 사용자의 프로파일을 추출해 내는 것이다. 클러스터링을 수행하는 기법에는 개념적 클러스터링(Conceptual Clustering) 방식이 있는데, 이는 실 세계 인간의 분류 방식을 모델로 삼아 그와 유사한 방식으로 입력 데이터들을 분류하는 것을 말한다.
• 사용자가 현재 관심을 보인 문서에 대한 수집을 위해서 사용자 로그와 클릭 스트림 방식을 이용해서 모니터링하고, 이를 관심 클러스터를 생성하기 위해서 사용하기 위해서 데이터베이스에 저장하도록 수행한다.
• 생성되어진 최근의 관심 클러스터 속성을 추출하고, 이에 따라 사용자 프로파일을 구축한다. 이렇게 구축된 사용자 프로파일은 사용자마다 보다 적합하도록 지식기반으로 프로파일 재구성한다, 이 프로파일 통해서 개인화된 정보를 추천하므로 기존의 시스템보다 사용자에게 정확성 높은 정보를 제공한다.
• 관심 클러스터가 생성되어지고 나면, 현재 관심 클러스터의 중 심 값을 얻을 수 있다. 이렇게 얻어진 중심 값을 과거 값과 비교를 해서 변화량을 기록하고, 시간에 따른 변화 측정값을 이용하는 평가함수를 통해서 현재 관심 이동의 형태를 구분하고, 클러스터링을 수행하는데 사용되어진 정보들에 대해서 시간 윈 도우를 조절하도록 하여, 추후에 클러스터링 진행에 영향을 주도록 한다. 따라서, 최근 사용자의 관심을 끌고 있는 정보를 얻 올 수 있다.
• 따라서, 사용자의 장기적인 관심(Ix)ng Term Concept)을 고려하여, 이로 인해서 단기적인 관심(Short Term Concept)에 도움을 줄 수 있도록 하였다. 즉, 사용자는 갑작스럽게 예전에 보였던 관심을 일시적으로 나타낼 수 있는데, 이를 수응할 수 없는 단기적인 관심을 위해서는 장기적인 기억 (Long Term Memory) 방식을 통한 장기적 관심을 이용하여 수용 할 수 있도록 하였다. 따라서, 장기적인 기억을 통해서 기억되는 것은 많온 양의 정보들을 기억하는 것이 아니라, 과거에 가졌던 관심 클러스터의 대표 속성들을 저장하여 새로운 정보가 들어올 경우, 과거 관심과의 유사도를 통해서 일시적인 정보에 대해서 해결한다.

성능/효과

• 본 논문에서는 이런 점을 고려하기 위해서 클러스터링을 통해서 만들어진 관심 클러스터를 사용자 프로파일로의 적용에 있어서 같은 형태의 관심 클러스터이어도 사용자 둘마다 그 의미를 달리한다는 점을 착안하여 사용자에 대한 지식을 기반으로 프로파일 달리 생성을 하였다, 위와 같이 구성된 사용자 프로파일을 기반으로 한 시스템을 바탕으로 개인화 서비스 제공을 하여, 기존에 사용자 프로파일 올 이용한 시스템보다 정확성을 높일 수 있다.
• 셋째, ”시스템에서 생성해 내는 관심과 사용자가 가지고 있는 관심의 차이는 무엇 인가기이다. 일반적인 시스템에서 사용자 행위들을 분석하여 만들어지는 관심 분류기가 생성되면, 이를 통해서 관심에 대한 분류를 하게 된다.

후속연구

• 실제 동적인 환경에 맞도록 하기 위해서는 기존 방식보다는 동적인 시스템을 요구가 이루어질 것이다. 따라서 본 논문에서 제시하는 시스템 모델은 시간에 따라서 사용자가 가진 관심 변화를 탐지하는 기능을 가지고 있어 유동적으로 대처할 수 있도록 되어있 어, 개인화 서비스를 제공받는 사용자 관심에 대해 근접한 해결책을 제공할 것이다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기