중개자형 쇼핑몰에서 구매자 전자 카탈로그의 디렉터리 서비스를 위한 템플릿 관리 시스템

하인애(Inay Ha),민두영(Doo-Young Min),홍명덕(Myung-Duk Hong),조근식(Geun-Sik Jo) 한국정보기술학회 2009 한국정보기술학회논문지 Vol.7 No.4

In the recent years many companies have grown their interest in Internet shopping malls explosively and competed with each other by constructing Internet shopping malls and developing new e-commerce models. B2B e-commerce especially accounts for a big part of the whole e-commerce field and its size is growing bigger and bigger. Besides, compatible operation between shipping malls, expandability for B2B e-commerce, importance of customized services, shopping mall UI modification and management for maximizing sales are becoming more significant issues. This paper designed and implemented a template management system that enables to efficiently manage dozens of client shopping malls and UIs in the intermediary-focused shopping mall, one of B2B e-commerce types. In addition, this paper proposed services that facilitate the construction, maintenance and management of shopping malls by applying different templates to each client shopping mall UI, allowing them to provide various services depending on the person, business type and business division. In conclusion, this paper proved that the template management system is useful to cope with customers’ frequent modification requests more easily and efficiently by reducing the work time conspicuously, compared to the existing method in which B2B shopping mall managers construct, maintain and manage shopping malls, based on each customer company.

블로그 환경에서의 협업 학습을 위한 E-Learning 시스템

하인애(In-ay Ha),정재은(Jason Jung),조근식(Geun-Sik Jo) 한국정보과학회 2005 한국정보과학회 학술발표논문집 Vol.32 No.2

인터넷이 생활의 일부로 자리 잡은 최근 개인의 개성을 표출할 수 있는 블로그가 각광받고 있다. 본 논문에서는 이러한 블로그 환경에 교육계 분야에서 최근 화두가 되는 E-Learning을 접목시켜 각 개인의 블로그를 조직화하여 협업 학습을 할 수 있는 E-Learning 시스템을 제안한다. 현재 E-Learning 시스템들이 다양한 시도에도 불구하고, 아직은 학교 교육에 대한 과외 대체 교육에 머물고 있고 학습자 개개인에게 개별적인 학습 피드백을 제공하기 위해 많은 시간이 소요되며, 전통적인 교실 수업에 존재하는 사회적 교류를 제공하지 못하고 있다. 따라서 이 논문에서는 블로그 환경에서 학습자끼리의 코멘트에 의한 상호작용을 통해 자발적인 협업 학습 서비스를 제공하고자 한다.

이러닝 시스템에서 온라인 비디오 강좌의 협업적 추천 방법

하인애(In-Ay Ha),송규식(Gyu-Sik Song),김흥남(Heung-Nam Kim),조근식(Geun-Sik Jo) 한국컴퓨터정보학회 2009 韓國컴퓨터情報學會論文誌 Vol.14 No.9

온라인 비디오 강좌는 내용 파악이 힘든 컨텐츠들이 대부분이기 때문에 학습자가 원하는 정보를 찾기란 쉽지 않다. 그래서 학습자들이 필요로 하는 내용을 정확하고 빠르게 제공해 주는 서비스가 필요하게 되었다. 본 논문에서는 학습자의 요구에 맞는 비디오 강좌를 제공해주기 위해 사용자 기반의 협업적 여과 방법을 변형하여 적용하고자 한다. 제안하는 알고리즘 방법은 학습자가 평가한 선호도 정보를 바탕으로 강좌의 특성을 이용해 분할한 영역에서 학습자와 비슷한 이웃 학습자들을 찾고, 이웃 학습자들에 의해 높은 선호도를 보인 강좌를 선별하고 강좌의 속성 정보를 반영하여 학습자에게 추천해 주는 방식이다. 즉, 강좌의 특성을 고려하여 강좌별로 분할한 후사용자 기반의 협업적 여과 방법을 통해 학습자의 선호도를 예측한다. 그리고 강좌의 속성을 이용한 속성 기반의 여과 방법을 적용해 예측된 강좌들과 유사도를 비교한 후 최종적으로 학습자의 선호도와 가장 유사한 강좌를 추천해 준다. It is becoming increasingly difficult for learners to find the lectures they are looking for. In turn, the ability to find the particular lecture sought by the learner in an accurate and prompt manner has become an important issue in e-Learning. To deal this issue, in this paper. we present a collaborative approach to provide personalized recommendations of online video lectures. The proposed approach first identifies candidated video lectures that will be of interest to a certain user. Partitioned collaborative filtering is employed as an approach in order to generate neighbor learners and predict learners'preferences for the lectures. Thereafter, Attribute-based filtering is employed to recommend a final list of video lectures that the target user will like the most.

Freebase 기반의 추천 시스템 시각화

홍명덕(Myung-Duk Hong),하인애(Inay Ha),조근식(Geun-Sik Jo) 한국컴퓨터정보학회 2013 韓國컴퓨터情報學會論文誌 Vol.18 No.10

본 논문에서는 영화 추천을 위해 사용자들이 명시적으로 표시한 신뢰 정보를 이용하여 소셜 네트워크와 유사하게 신뢰 네트워크를 생성하고, 그 사용자들의 연결 정도를 이용하여 추천 시스템에 적용하며, 추천 정보는 시각화 방법을 이용하여 제공하는 방법을 제안한다. 이를 통해 사용자가 명시적으로 신뢰 관계를 표현한 신뢰 네트워크에서 숨겨진 신뢰 관계를 추론한다. 시각화된 추천 정보는 영화, 음악, 인물 등 다양한 토픽에 대한 정보를 구조화된 형태로 제공하는 Freebase를 이용하였으며, 시각화 방법은 다음 3가지와 같다. (1) 사용자가 제공받고자 하는 영화의 수만큼 영화 포스터로 시각화하고, (2) 추천된 영화 중 특정 영화를 선택하면 영화 감독, 주연 배우, 장르 등의 부가적인 정보를 시각화하여 제공한다. 마지막으로 (3) 신뢰 기반의 사용자들 중 임의로 몇 명을 이웃 사용자로 선택하여 추천한다. 본 논문에서는 시각화 방법을 적용함으로써 추천 수 또는 이웃 사용자의 수, 그리고 부가 정보 요청 등 사용자의 의견(요구)을 바탕으로 추천하기 때문에 사용자의 의사결정 능력을 향상시킬 수 있다. 뿐만 아니라 본 논문에서 제안하는 추천 시각화 방법을 통해 동적으로 사용자들의 요구를 반영할 수 있고, Freebase, LinkedMDB, 위키피디아 등 현존하는 LOD의 정보 재사용을 통해 보다 풍부하게 추천 정보를 제공할 수 있다. In this paper, the proposed movie recommender system constructs trust network, which is similar to social network, using user's trust information that users explicitly present. Recommendation on items is performed by using relation degree between users and information of recommended item is provided by a visualization method. We discover the hidden relationships via the constructed trust network. To provide visualized recommendation information, we employ Freebase which is large knowledge base supporting information such as movie, music, and people in structured format. We provide three visualization methods as the followings: i) visualization based on movie posters with the number of movies that user required. ii) visualization on extra information such as director, actor and genre and so on when user selected a movie from recommendation list. iii) visualization based on movie posters that is recommended by neighbors who a user selects from trust network. The proposed system considers user's social relations and provides visualization which can reflect user's requirements. Using the visualization methods, user can reach right decision making on items. Furthermore, the proposed system reflects the user's opinion through recommendation visualization methods and can provide rich information to users through LOD(Linked Open Data) Cloud such as Freebase, LinkedMDB and Wikipedia and so on.

조작된 선호도에 강건한 협업적 여과 방법

김흥남 ( Heung-nam Kim ),하인애 ( Inay Ha ),조근식 ( Geun-sik Jo ) 한국인터넷정보학회 2009 인터넷정보학회논문지 Vol.10 No.6

협업적 여과는 추천 시스템을 구축하는데 가장 널리 보급된 정보 여과 기법으로 사용자 각 개인의 관심에 적합한 정보 및 아이템을 추천함으로써 사용자들의 의사 결정에 도움을 준다. 그러나 협업적 여과 기법은 우수한 추천 성능에도 불구하고, 최근에는 실링 공격이라 일컫는 악의적인 목적을 가진 사용자들의 추천 결과 조작에 쉽게 노출될 수 있는 문제가 새로운 이슈로 대두되고 있다. 본 논문에서는 협업적 여과의 실링 공격 문제들을 보완하기 위해, 추천 시스템에서 발생할 수 있는 실링 공격의 유형을 분석하고 악의적인 사용자의 조작된 선호도가 시스템에 미치는 영향을 최소화하기 위한 강건한 신뢰 모델 구축 방법을 제시한다. 그리고 그 모델을 적용하여 신뢰할 수 있는 아이템 추천 및 선호도 예측 방법을 제안한다. Collaborative filtering, one of the most successful technologies among recommender systems, is a system assisting users in easily finding the useful information and supporting the decision making. However, despite of its success and popularity, one notable issue is incredibility of recommendations by unreliable users called shilling attacks. To deal with this problem, in this paper, we analyze the type of shilling attacks and propose a unique method of building a model for protecting the recommender system against manipulated ratings. In addition, we present a method of applying the model to collaborative filtering which is highly robust and stable to shilling attacks.

협업적 여과 시스템의 성능 향상을 위한 장르 패턴 기반 사용자 클러스터링

최자현(Ja-Hyun Choi),하인애(In-Ay Ha),홍명덕(Myung-Duk Hong),조근식(Geun-Sik Jo) 한국컴퓨터정보학회 2011 韓國컴퓨터情報學會論文誌 Vol.16 No.11

협업적 여과 시스템은 사용자에 대한 클러스터링을 구축한 후, 구축된 클러스터를 기반으로 사용자에게 아이템을 추천한다. 그러나 사용자 클러스터링 구축에 많은 시간이 소요되고, 사용자가 평가한 아이템이 피드백 되었을 경우 재구축이 쉽지 않다. 본 논문에서는 영화 추천 시스템에서의 사용자 클러스터링의 재구축 시간을 단축시키기 위해서 빈발 패턴 네트워크를 이용하여 사용자가 선호하는 장르 패턴을 추출하고, 추출된 패턴을 통해 사용자 클러스터링을 구축한다. 구축된 사용자 클러스터링을 협업적 여과에 적용하여 사용자에게 영화를 추천한다. 사용자 정보가 피드백 될 때, 전통적 협업적 여과는 사용자 클러스터링을 재구축하기 위해 모든 이웃 사용자를 재탐색하여 클러스터링 한다. 하지만 빈발 패턴 네트워크를 이용하여 장르 패턴 기반의 사용자 클러스터링을 적용한 협업적 여과는 사용자 클러스터링을 재구축시 사용자 탐색 공간을 국한시킴으로써 탐색 시간을 줄일 수 있다. 제안하는 장르 패턴기반의 사용자 클러스터링을 통해 사용자 정보가 피드백 된 후 사용자 클러스터를 재구축시 소요되는 시간을 줄일 수 있고, 전통적인 협업적 여과 시스템과 유사한 성능의 추천이 가능하게 되었다. Collaborative filtering system is the clustering about user is built and then based on that clustering results will recommend the preferred item to the user. However, building user clustering is time consuming and also once the users evaluate and give feedback about the film then rebuilding the system is not simple. In this paper, genre pattern of movie recommendation systems is being used and in order to simplify and reduce time of rebuilding user clustering. A Frequent pattern networks is used and then extracts user preference genre patterns and through that extracted patterns user clustering will be built. Through built the clustering for all neighboring users to collaborative filtering is applied and then recommends movies to the user. When receiving user information feedback, traditional collaborative filtering is to rebuild the clustering for all neighbouring users to research and do the clustering. However by using frequent pattern Networks, through user clustering based on genre pattern, collaborative filtering is applied and when rebuilding user clustering inquiry limited by search time can be reduced. After receiving user information feedback through proposed user clustering based on genre pattern, the time that need to spent on re-establishing user clustering can be reduced and also enable the possibility of traditional collaborative filtering systems and recommendation of a similar performance.

효율적인 협업적 여과 시스템을 위한 장르 패턴 기반의 사용자 클러스터링

최자현(Ja-Hyun Choi),하인애(In-Ay Ha),홍명덕(Myung-Duk Hong),조근식(Geun-Sik Jo) 한국컴퓨터정보학회 2011 한국컴퓨터정보학회 학술발표논문집 Vol.19 No.2

협업적 여과 시스템은 사용자에 대한 클러스터링을 구축한 후, 구축된 클러스터를 기반으로 사용자에게 영화를 추천한다. 하지만 사용자 클러스터링 구축에 많은 시간이 소요되고, 사용자가 평가한 영화가 피드백이 되었을 경우 재구축이 쉽지 않다. 본 논문에서는 사용자 클러스터링의 재구축을 용이하게 하기 위해 빈발패턴 네트워크를 이용하여 클러스터링을 구축하고, 이를 협업적 여과 시스템에 적용하여 영화를 추천한다. 구축된 클러스터를 통해 사용자 클러스터를 재구축시 소요되는 시간 비용을 줄이면서, 전통적인 협업적 여과 시스템과 유사한 성능의 추천이 가능하게 되었다.

빈발 패턴 네트워크에서 아이템 클러스터링을 통한 연관규칙 발견

오경진(Kyeong-Jin Oh),정진국(Jin-Guk, Jung),하인애(Inay Ha),조근식(Geun-Sik Jo) 한국지능정보시스템학회 2008 지능정보연구 Vol.14 No.1

데이터 마이닝은 대용량의 데이터에 숨겨진 의미있고 유용한 패턴과 상관관계를 추출하여 의사결정에 활용하는 작업이다. 그 중에서도 고객 트랜잭션의 데이터베이스에서 아이템(item) 사이에 존재하는 연관규칙을 찾는 것은 중요한 일이 되었다. Apriori 알고리즘 이후 연관규칙을 찾기 위해 대용량의 데이터베이스로부터 압축된 의미있는 정보를 저장하기 위한 데이터 구조와 알고리즘들이 많이 제안되어 왔다. 연관규칙을 발견하기 위한 기존의 연구들은 모든 규칙을 찾아내지만, 사람이 분석하기에 너무 많은 규칙이 생성되기 때문에 규칙을 분석하기 위한 일 또한 많은 과정을 거쳐야 한다. 본 논문에서는 빈발 패턴 네트워크(Frequent Pattern Network)라 부르는 자료 구조를 제안하고 이를 활용하였다. 네트워크는 정점과 간선으로 구성되며 정점은 아이템을 표현하고, 간선은 두 아이템 집합을 표현한다. 아이템의 빈도수를 이용하여 빈발 패턴 네트워크를 구성하고, 아이템 사이의 유사도를 측정한다. 그리고 클러스터 내의 아이템과는 유사도가 높고, 다른 클러스터의 아이템과는 유사도가 낮도록 클러스터를 생성한다. 클러스터를 이용해 연관규칙을 생성하고 실험을 통해 Apriori와 FP Growth 알고리즘과의 성능을 비교를 하였다. 그 결과 빈발 패턴 네트워크에서 신뢰도 유사도를 이용하는 것이 클러스터의 정확성을 높여줌을 볼 수 있었다. 그리고 전통적인 방법과 비교를 통해 빈발 패턴 네트워크를 이용하는 것이 최소지지도에 유연성을 가짐을 알 수 있었다. Data mining is defined as the process of discovering meaningful and useful pattern in large volumes of data. In particular, finding associations rules between items in a database of customer transactions has become an important thing. Some data structures and algorithms had been proposed for storing meaningful information compressed from an original database to find frequent itemsets since Apriori algorithm. Though existing method find all association rules, we must have a lot of process to analyze association rules because there are too many rules. In this paper, we propose a new data structure, called a Frequent Pattern Network (FPN), which represents items as vertices and 2-itemsets as edges of the network. In order to utilize FPN, We constitute FPN using item's frequency. And then we use a clustering method to group the vertices on the network into clusters so that the intracluster similarity is maximized and the intercluster similarity is minimized. We generate association rules based on clusters. Our experiments showed accuracy of clustering items on the network using confidence, correlation and edge weight similarity methods. And We generated association rules using clusters and compare traditional and our method. From the results, the confidence similarity had a strong influence than others on the frequent pattern network. And FPN had a flexibility to minimum support value.

Clustering Method based on Genre Interest for Cold-Start Problem in Movie Recommendation

Tithrottanak You(유띳로따낙),Ahmad Nurzid Rosli(누르지드),Inay Ha(하인애),Geun-Sik Jo(조근식) 한국지능정보시스템학회 2013 지능정보연구 Vol.19 No.1

Social media has become one of the most popular media in web and mobile application. In 2011, social networks and blogs are still the top destination of online users, according to a study from Nielsen Company. In their studies, nearly 4 in 5active users visit social network and blog. Social Networks and Blogs sites rule Americans’ Internet time, accounting to 23 percent of time spent online. Facebook is the main social network that the U.S internet users spend time more than the other social network services such as Yahoo, Google, AOL Media Network, Twitter, Linked In and so on. In recent trend, most of the companies promote their products in the Facebook by creating the “Facebook Page” that refers to specific product. The “Like” option allows user to subscribed and received updates their interested on from the page. The film makers which produce a lot of films around the world also take part to market and promote their films by exploiting the advantages of using the “Facebook Page”. In addition, a great number of streaming service providers allows users to subscribe their service to watch and enjoy movies and TV program. They can instantly watch movies and TV program over the internet to PCs, Macs and TVs. Netflix alone as the world’s leading subscription service have more than 30 million streaming members in the United States, Latin America, the United Kingdom and the Nordics. As the matter of facts, a million of movies and TV program with different of genres are offered to the subscriber. In contrast, users need spend a lot time to find the right movies which are related to their interest genre. Recent years there are many researchers who have been propose a method to improve prediction the rating or preference that would give the most related items such as books, music or movies to the garget user or the group of users that have the same interest in the particular items. One of the most popular methods to build recommendation system is traditional Collaborative Filtering (CF). The method compute the similarity of the target user and other users, which then are cluster in the same interest on items according which items that users have been rated. The method then predicts other items from the same group of users to recommend to a group of users. Moreover, There are many items that need to study for suggesting to users such as books, music, movies, news, videos and so on. However, in this paper we only focus on movie as item to recommend to users. In addition, there are many challenges for CF task. Firstly, the “sparsity problem”; it occurs when user information preference is not enough. The recommendation accuracies result is lower compared to the neighbor who composed with a large amount of ratings. The second problem is “cold-start problem”; it occurs whenever new users or items are added into the system, which each has norating or a few rating. For instance, no personalized predictions can be made for a new user without any ratings on the record. In this research we propose a clustering method according to the users’ genre interest extracted from social network service (SNS) and user’s movies rating information system to solve the “cold-start problem.” Our proposed method will clusters the target user together with the other users by combining the user genre interest and the rating information. It is important to realize a huge amount of interesting and useful user’s information from Facebook Graph, we can extract information from the “Facebook Page” which “Like” by them. Moreover, we use the Internet Movie Database(IMDb) as the main dataset. The IMDbis online databases that consist of a large amount of information related to movies, TV programs and including actors. This dataset not only used to provide movie information in our Movie Rating Systems, but also as resources to provide movie genre information which extracted from the “Facebook Page”. Formerly, the user must login with their Facebook account to l