$\require{mediawiki-texvc}$

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.

자동 추출된 사용자 그룹을 이용한 콘텐츠 및 사용자 히스토리 기반의 사용자 별 콘텐츠 추천 방법
Contents prediction method applying automatically extracted user groups based on users' consuming logs about contents 원문보기

한국방송공학회 2012년도 하계학술대회, 2012 July 05, 2012년, pp.55 - 58  

신사임 (전자부품연구원 디지털미디어 연구센터) ,  양창모 (전자부품연구원 디지털미디어 연구센터) ,  장세진 (전자부품연구원 디지털미디어 연구센터) ,  이석필 (전자부품연구원 디지털미디어 연구센터)

초록
AI-Helper 아이콘AI-Helper

본 논문은 사용자의 각종 멀티미디어 콘텐츠 소비 히스토리를 수집하여 체계화 및 패턴 분석을 수행하고, 이를 바탕으로 사용자가 선호할 것으로 예측되는 멀티미디어 콘텐츠들을 추출하여 제공하는 콘텐츠 추천 시스템에 관한 연구이다. 본 논문에서는 콘텐츠 소비와 연관된 사용자 로그와 엔진에서 자동 추출한 사용자 그룹을 통하여 콘텐츠 추천을 수행한다. 각 사용자들의 선호정보 데이터를 분석하여 선호정보 패턴이 유사한 사용자들을 사용자 그룹으로 정의하고, 각 사용자들이 속한 사용자 그룹의 사용자 로그를 활용하여 사용자별 선호 콘텐츠를 예측한다. 본 시스템은 웹 또는 모바일 환경에서 음악, 방송, 광고, 기사 등의 방대하고 다양한 콘텐츠를 복합적으로 사용자들에게 선별하여 제공해 주며, 이들의 연관성과 사용자의 콘텐츠 선호패턴을 반영한 개인 맞춤형 콘텐츠 추천 엔진은 사용자가 선호할만한 콘텐츠들을 추천하여 사용자의 콘텐츠 소비 시의 만족도를 높여줄 수 있다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 이의 극복을 위해서는 양질의 다향의 데이터에 대한 통계적 분석을 통한 결과 도출이 어느 정도 도움은 되지만, 데이터량이 늘어난다고 해도 희귀한 데이터의 비율은 여전히 극소량이기 때문에 근본적인 해결책이라고는 할 수 없다. 그러므로, 새로운 통계적 방법의 제안이 필요하였고, 본 연구에서는 협업 필터링 방식의 협업 사용자 구릅 (Collaborative User Group) 기반의 사용자 그룹 기반의 콘텐츠 추천 방법을 제안함으로 이러한 문제를 극복해보고자 시도하였다.
  • 본 논문은 자동 추출한 사용자 그룹 정보를 활용한 콘텐츠 추천 알고리즘을 소개하였다. 사용자 그룹은 사용자들의 사용자 선호정보를 분석하여 활영함으로 콘텐츠 점수화 과정에서 활용하는 사용자 히스토리의 범위를 확장하였다.
  • 많은 사용자 로그가 기록된 사용자들은 정확한 분석을 통하여 만족도 높은 콘텐츠 추천을 받을 수 있지만, 사용 빈도가 적은 사용자들의 경우 분석에 활용할 데이터가 부족하여 추천 결과의 양과 충실도가 떨어지게 되고, 결국 이같은 사용자들은 추천 결과의 마족도 저하로 해당 서비스의 이용 빈도가 더 줄어들게 되는 지속적인 악순환이 반복되는 것이다. 이러한 콘텐츠 추천 시스템의 고질적인 문제인 데이터 부족 현상을 극복하기 위한 방법으로 본 연구에서는 협업 필터링 방식 (Collaborative Filtering)의 콘텐츠 추천 알고리즘을 제안하였다. 사용자들의 콘텐츠 선호 패턴을 분석하여 추천엔진이 자동으로 구성해준 사용자 그룹을 기반으로 그룹간 사용자들의 사용자 로그의 이들 사이의 선호패턴 유사도를 가중치로 활용한 콘텐츠 추천 알고리즘을 제안하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
콘텐츠 추천 알고리즘이란 무엇인가? 콘텐츠 추천 알고리즘은 사용자의 콘텐츠 소비 성향을 파악하여 사용자 별로 선호할 만한 콘텐츠들을 예측하는 알고리즘이다. 사용자의 콘텐츠 소비 성향을 파악하는 기존의 대표적인 방법으로는 각 사용자의 콘텐츠 관련 히스토리 (usage history)를 분석하여 이를 통한 사용자 선호 정보 (user preferences)를 파악하는 로그 기반의 콘텐츠 추천 방식이다.
기존의 콘텐츠 추천 방식은 어떠한 특징과 문제점이 있는가? 기존의 콘텐츠 추천 방식은 사용자 별 콘텐츠 소비 히스토리를 분석하여, 각 사용자들의 기록 분석 결과를 바탕으로 콘텐츠 기반의 추천을 수행한다. 이 방법은 활용하는 데이터의 성격이 단순하고 제한적이어서 데이터 희귀문제가 자주 발생한다. 많은 사용자 로그가 기록된 사용자들은 정확한 분석을 통하여 만족도 높은 콘텐츠 추천을 받을 수 있지만, 사용 빈도가 적은 사용자들의 경우 분석에 활용할 데이터가 부족하여 추천 결과의 양과 충실도가 떨어지게 되고, 결국 이같은 사용자들은 추천 결과의 마족도 저하로 해당 서비스의 이용 빈도가 더 줄어들게 되는 지속적인 악순환이 반복되는 것이다.
사용자의 콘텐츠 소비 성향을 파악하는 기존의 대표적인 방법으로는 무엇이 있는가? 콘텐츠 추천 알고리즘은 사용자의 콘텐츠 소비 성향을 파악하여 사용자 별로 선호할 만한 콘텐츠들을 예측하는 알고리즘이다. 사용자의 콘텐츠 소비 성향을 파악하는 기존의 대표적인 방법으로는 각 사용자의 콘텐츠 관련 히스토리 (usage history)를 분석하여 이를 통한 사용자 선호 정보 (user preferences)를 파악하는 로그 기반의 콘텐츠 추천 방식이다. 이 방식에서 드러나는 데이터 희귀 문제 (data sparseness problems)는 통계적 처리에 적합하지 않은 양의 데이터를 통계적으로 처리하여 학습 및 예측을 함으로써 소수의 잘못된 선택이 전혀 다른 예측 결과를 만들어 낸다거나, 실제로 의미 있는 결과가 통계 기반 데이터에 의해 무시되어 예측에 반영되지 못하는 현상을 보인다.
질의응답 정보가 도움이 되었나요?

관련 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