[논문]감성 및 상황 정보 융합 기반의 확장된 협업 필터링 기법을 이용한 음악추천시스템

최현석; 배효철; 서정진; 윤경로

감성 및 상황 정보 융합 기반의 확장된 협업 필터링 기법을 이용한 음악추천시스템
Music Recommendation System Using Extended Collaborative Filtering Based On Emotion & Context Information Fusion 원문보기

최현석 (건국대학교 컴퓨터공학부) , 배효철 (건국대학교 컴퓨터공학부) , 서정진 (건국대학교 컴퓨터공학부) , 윤경로 (건국대학교 컴퓨터공학부)

본 논문에서는 사용자의 개인적 취향에 맞는 음악을 추천할 수 있는 사용자 감성/상황 정보 융합 기반의 협업 필터링의 확장을 이용한 음악추천시스템을 소개한다. 본 논문에서 제안하는 시스템은 확장된 협업 필터링 방식을 사용하여 추천을 해준다. 이를 위해 본 논문에서는 추천의 근거가 되는 감성과 무드를 Thayer 음악 무드 모델을 이용하여 총 12 가지의 감성 정보, 8 cluster 의 무드 정보로 분류했다. 또한 사용자의 상황 정보, 활동 & 날씨 & 시간에 대해서도 분류하였다. 분류된 정보는 음악감상 UI 를 이용하여 사용자 별 감성, 상황 그리고 음원의 무드 정보로 수집이 되었고, 수집된 정보를 기반으로 사용자 감성과 청취 곡 횟수를 퓨전하여 평가치 매트릭스를 만들었으며, 이를 바탕으로 단계적 협업 필터링에 의해 사용자 취향에 맞는 음악을 추천해 주는 방법이다.

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

문제 정의

본 논문에서는 사용자의 개인적 취향에 맞는 음악을 추천할 수 있는 사용자 감성/상황 정보 융합 기반의 확장된 협업 필터링을 이용한 음악 추천 시스템을 소개하였다. 본 논문에서 제안한 시스템은 확장된 협업 필터링을 사용하여 추천을 해준다.
본 논문에서는 이러한 문제를 해결하기 위해 사용자의 감성/상황 정보융합 기반 확장된 협업 필터링을 이용한 음악추천시스템을 구현하였다.

제안 방법

또한 사용자의 상황 정보, 활동 & 날씨 & 시간에 대해서도 분류하였다.
본 논문에서는 사용자의 개인적 취향에 맞는 음악을 추천할 수 있는 사용자 감성/상황 정보 융합 기반의 확장된 협업 필터링을 이용한 음악 추천 시스템을 소개하였다. 본 논문에서 제안한 시스템은 확장된 협업 필터링을 사용하여 추천을 해준다. 이를 위해 본 논문에서는 추천의 근거가 되는 감성과 무드를 Thayer 음악 무드 모델을 이용하여 총 12 가지의 감성 정보, 8 cluster 의 무드 정보로 분류했다.
본 논문의 실험은 제안한 확장된 협업필터링의 정확성 평가를 위해 각각 다른 알고리즘에 의한 3 가지 추천 모듈을 만들어 다음과 같은 실험을 수행하였다.
추천 시스템은 자바로 개발되었으며 독립된 서버로 구성되어 클라이언트와 정해진 프로토콜에 따라 통신하도록 구현되었다. 이 추천 서버를 이용하여 사용자들이 청취한 음악 데이터를 기반으로 웹과 안드로이드 어플리케이션에서 추천을 수행하도록 구축이 되었으며 이를 바탕으로 실험을 수행하였다. 실험 결과 융합 협업 필터링의 확장을 이용한 추천 방법이 본 논문에서 제안한 실험 비교 추천 1, 2, 3 방법보다 높은 추천 정확도를 보였으며, 확장된 협업 필터링 추천의 MAE 값 또한 이웃의 수가 13 명에서부터 0.
본 논문에서 제안한 시스템은 확장된 협업 필터링을 사용하여 추천을 해준다. 이를 위해 본 논문에서는 추천의 근거가 되는 감성과 무드를 Thayer 음악 무드 모델을 이용하여 총 12 가지의 감성 정보, 8 cluster 의 무드 정보로 분류했다. 또한 사용자의 상황 정보, 활동 & 날씨 & 시간에 대해서도 분류하였다.

성능/효과

두 번째 실험결과는 특정 검색조건을 주고 모듈 별로 검색한 결과, 각 모듈이 주로 발라드, 재즈, ost 위주의 장르들로 검색되어 나오는 결과가 나왔다.
마지막으로 추천 모듈 별로 자신의 결과 값에 대한 사용자 만족도 조사를 수행한 결과 전반적으로 높은 만족도를 보였지만, 그 중에서도 제안한 확장된 협업 필터링 추천이 가장 높은 만족도를 나타낸 것을 확인할 수 있었다.
세 번째 실험결과는 각 모듈의 평균절대에러값을 구한 결과, 다른 추천 모듈에 비해 확장된 CF 모듈이 이웃의 수가 13 명일 때부터 에러 값이 가장 낮게 나오면서 안정된 값으로 유지되는 것을 확인할 수 있었다.
이 추천 서버를 이용하여 사용자들이 청취한 음악 데이터를 기반으로 웹과 안드로이드 어플리케이션에서 추천을 수행하도록 구축이 되었으며 이를 바탕으로 실험을 수행하였다. 실험 결과 융합 협업 필터링의 확장을 이용한 추천 방법이 본 논문에서 제안한 실험 비교 추천 1, 2, 3 방법보다 높은 추천 정확도를 보였으며, 확장된 협업 필터링 추천의 MAE 값 또한 이웃의 수가 13 명에서부터 0.32 로 안정이 된 결과를 나타냈다.
첫 번째 실험결과는 동일한 조건을 주고 모듈 별로 검색한 결과, 제안하는 확장된 CF 추천은 모두 유사곡으로 나온 반면에 나머지 추천 모듈들은 비유사곡들도 같이 검색되어 나오는 결과가 나왔다.

후속연구

현재 추천 시스템의 정확도를 높이기 위해 음악에 대한 다양한 컨텐츠를 부여하여 음악과 컨텐츠간의 관계 분석을 조합하는 방법을 연구하면 보다 좋은 추천 결과를 얻을 수 있을 것이다. 또한 본 추천 시스템을 상용화하여, 추천 결과에 대해 더 많은 사용자들의 주관적인 평가를 다양한 측면에서 분석해 본다면, 향후 더욱 정확한 사용자 취향에 맞는 추천이 될 수 있을 것이라 예상된다.
현재 추천 시스템의 정확도를 높이기 위해 음악에 대한 다양한 컨텐츠를 부여하여 음악과 컨텐츠간의 관계 분석을 조합하는 방법을 연구하면 보다 좋은 추천 결과를 얻을 수 있을 것이다. 또한 본 추천 시스템을 상용화하여, 추천 결과에 대해 더 많은 사용자들의 주관적인 평가를 다양한 측면에서 분석해 본다면, 향후 더욱 정확한 사용자 취향에 맞는 추천이 될 수 있을 것이라 예상된다.

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

감성 및 상황 정보 융합 기반의 확장된 협업 필터링 기법을 이용한 음악추천시스템
Music Recommendation System Using Extended Collaborative Filtering Based On Emotion & Context Information Fusion 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

감성 및 상황 정보 융합 기반의 확장된 협업 필터링 기법을 이용한 음악추천시스템 Music Recommendation System Using Extended Collaborative Filtering Based On Emotion & Context Information Fusion 원문보기

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

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

감성 및 상황 정보 융합 기반의 확장된 협업 필터링 기법을 이용한 음악추천시스템
Music Recommendation System Using Extended Collaborative Filtering Based On Emotion & Context Information Fusion 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper