SAMC 알고리즘을 이용한 미디어 패널 개인화 추천 알고리즘

김민정(Minjung Kim),장성봉(Sungbong Jang),서영수(Young Soo Seo),전수영(Sooyoung Cheon) 한국자료분석학회 2020 Journal of the Korean Data Analysis Society Vol.22 No.5

모바일 중심의 콘텐츠 소비가 지속되면서 영상 콘텐츠에 대한 수요가 꾸준히 높아지고 있는 요즘 OTT 서비스는 미디어 시장에서 가장 주목받고 있다. OTT 서비스는 기존에 TV 시청을 위해 사용했던 셋톱박스를 넘어 인터넷을 기반으로 언제 어디서나 쉽게 콘텐츠를 제공하는 온라인 콘텐츠 스트리밍 서비스로, 이용률이 급격하게 증가하고 있다. 콘텐츠 구성에 따른 OTT 서비스의 종류가 다양한 가운데, 언뜻 보면 비슷한 OTT 서비스지만 제각각 분명한 색깔을 지니고 있어 차이가 난다. 모든 OTT 서비스를 구독할 수는 없는 노릇이기에 어떤 OTT 서비스가 내 취향과 맞는지 파악해 선택적으로 이용할 수밖에 없다. 따라서 본 연구는 2019년 온라인 디지털 콘텐츠 서비스에 대한 미디어 패널 자료를 추천 알고리즘에 적용해 사용자들을 위한 맞춤형 추천 리스트를 만들고자 한다. 기존의 BPR 알고리즘에 이용된 확률적 경사 하강법은 탐색 경로가 비효율적이므로 이를 극복하기 위해 SAMC 알고리즘을 이용한 개인화 추천 알고리즘을 제시하고 다른 알고리즘과 성능을 비교해보았다. 분석 결과, SAMC-BPR 알고리즘의 성능이 우수함을 알 수 있었다. 미디어 패널 자료 특성상 조사한 대상자에 대한 변수가 많아 총 52개의 변수를 이용하여 다항 로지스틱 회귀, 변수선택법과 군집분석을 통해 군집별 성향을 파악하였다. SAMC-BPR 알고리즘의 추천 리스트를 통해 젊은 세대 사용자가 많이 포함된 군집에는 카카오TV, 기성세대가 주를 이루고 있는 군집은 넷플릭스를 가장 많이 추천하고 있다. OTT services are attracting the most attention in the media market these days, where the demand for video content is steadily increasing as mobile-oriented content consumption continues. OTT service is an online content streaming service that provides contents easily anytime, anywhere based on the Internet beyond the set-top box that was previously used to watch TV, and its utilization rate is rapidly increasing. There are various types of OTT services according to the composition of the contents. They seems to be similar OTT services, but are difference ones due to clear features. Since we can t subscribe to all OTT services, we have to find out which OTT service suits our taste. Therefore, this study intends to create a customized recommendation list for users by applying media panel data for online digital content services in 2019 to a recommendation algorithm. Since the stochastic gradient descent method used in the existing BPR algorithms is inefficient in the search path, we suggest a personalized recommendation algorithm using the SAMC algorithm and its performance is compared with other algorithms. The result indicates that the performance of the SAMC-BPR algorithm is excellent. Due to the characteristics of the media panel data, there were many variables for the subjects investigated, so a total of 52 variables were used to determine the propensity of each group through multinomial logistic regression, variable selection method, and cluster analysis. Through the recommendation list of the SAMC-BPR algorithm, Kakao TV is the most recommended for the cluster containing a large number of younger generation users, and Netflix is the most recommended for the cluster with the older generation.

강화학습을 통한 돼지 도매시장 수급 의사결정

정유림(Yurim Jung),장성봉(Sungbong Jang),주수빈(Subin Joo),이은주(Eunju Lee),전수영(Sooyoung Cheon) 한국자료분석학회 2021 Journal of the Korean Data Analysis Society Vol.23 No.4

최근 과학과 기술 발전을 바탕으로 빅데이터와 기계학습을 활용한 데이터 분석 및 활용에 대한 사회의 관심이 더욱 확대되고 있다. 이런 사회의 흐름에 발맞추어 농·축산 분야에서도 빅데이터 수집뿐만 아니라 분석을 통한 솔루션 서비스 제공과 활용 등의 사례가 다양하게 나타나는 추세이다. 특히 축산 경제를 활성화하기 위해 가격 예측을 통한 미래의 수익률을 예측하여 수급조절을 하려는 등의 연구가 다양하게 진행 중이다. 현재까지 기계학습을 이용한 연구는 주로 축산물 분야보다는 과일류 및 채소류와 같은 농산물 분야에서 활발하게 진행되었다. 축산물 분야에서는 최근까지는 한우를 포함한 소에 대한 연구가 활발하게 진행된 바가 있으나, 돼지에 대한 연구는 다소 미진하며 또한 최신 알고리즘과 빅데이터를 이용한 연구는 현저히 적다는 한계를 보인다. 따라서 돼지 축종에 대해 기계학습 알고리즘을 이용하여 분석한다면 더 개선된 분석 결과를 도출할 수 있을 것이다. 본 논문에서는 최신 연구가 적은 분야인 돼지에 대해 도매시장 내에서 적절한 수급 행동 결정을 통해 수익을 높이고자 한다. 계절에 따른 특정 패턴이 존재하는 돼지 도매가격에 대해 각 계절에서 어떤 매수 및 매도 행동을 취해야 하는지 결정을 하기 위한 A3C 강화학습 알고리즘을 이용하여 학습 및 분석을 하였다. 가격 데이터에 유의한 계절 간의 차이가 존재하는지 검증하기 위해 대응표본 t 검정과 일원 분산분석을 시행한 후, A3C 방법을 이용하여 에포크 1,000번 반복 학습한 결과 최종적으로 높은 수익이 발생한 것을 확인하였다. Based on advances in science and technology, society s interest in analysis using big data and machine learning has been expanding. In this trend, the provision and utilization of solution service through big data are appearing in the agricultural and livestock fields. In particular, various studies to revitalize the livestock economy are in progress, such as predicting future returns through price prediction to control supply and demand. Research using machine learning has been actively conducted in agricultural products rather than livestock. In the field of livestock products, research on pigs is rather insignificant and research using machine learning and big data has a limitation in that there are significantly fewer studies. Therefore, if the pig breeds are analyzed using machine learning, more improved analysis results can be derived. In this paper, we aim to increase profits by determining the appropriate supply and demand behavior in the wholesale market of pigs. The A3C reinforcement learning algorithm is used to determine which buying and selling actions should be taken for the wholesale price of pigs with a specific pattern for each season. The A3C method was used to repeatedly learn 1,000 epochs, confirming that a high profit was generated.

개인별 생활 루틴을 반영한 초개인화 추천 시스템

주수빈(Subin Joo),장성봉(Sungbong Jang),전수영(Sooyoung Cheon) 한국자료분석학회 2021 Journal of the Korean Data Analysis Society Vol.23 No.6

초개인화 추천 시스템은 과거 구매기록과 평점 등을 활용하여 추천하는 서비스인 ‘개인화’를 넘어서 소비자가 처한 상황과 맥락까지도 반영하는 시스템이다. 각자의 취향을 존중하는 취향의 시대로 접어들고 코로나19의 여파로 집에 있는 시간이 늘어 소비의 중심이 오프라인에서 온라인으로 전환되고 있기 때문에 다양한 연령대의 고객층을 만족시켜 소비를 유도하기 위한 초개인화 추천 시스템은 더욱더 중요한 역할을 할 것이다. OTT 서비스는 포스트 코로나 시대가 지속되면서 성장한 대표적인 산업 중 하나이고, 어느 디바이스에서도 접속 가능한 쉬운 접근성으로 이용자 수가 늘어나 비대면 문화를 이끌어가고 있다. 본 연구의 목적은 유료 OTT 서비스를 추천받고 싶어하는 소비자들에게 초개인화 추천 시스템을 사용하여 소비자들의 성향에 맞는 최적의 OTT 서비스를 추천해주는 것이다. 이를 위해, 한국미디어패널조사 데이터의 개인의 특성을 알 수 있는 개인 데이터와 초개인화 추천을 위한 개인의 생활 루틴을 알 수 있는 다이어리 데이터를 사용하여 데이터를 구축하였다. 본 연구는 개인의 성향과 특성을 잘 파악하기 위해 BSR 방법을 이용하여 유의한 변수를 선택하였고, 선택된 유의한 변수만을 사용하여 와이드 앤 딥러닝 추천 알고리즘에 적용한 추천 시스템을 제안한다. 전체 변수를 적용한 결과와 정확도를 비교해 본 결과, BSR 방법을 사용한 추천 알고리즘의 결과가 더 좋은 것으로 확인되었다. Hyper-personalization recommender system (HPRS) is a system providing a service that reflects the situation and context of consumers, in addition to past purchase records and ratings. As the center of consumption is shifting from offline to online due to COVID-19, HPRS to satisfy customers of various ages is playing an important role. The OTT service is one of the representative industries that have grown as the post-COVID-19 era continues and lead to a non-face-to-face culture. The purpose of this study is to recommend optimal OTT services tailored to consumers preferences by using a HPRS to consumers who want to be recommended for paid OTT services. To this end, we use Korean media panel survey data constructed using personal data with the characteristics of individuals and diary data with individual life routines. This study selects significant variables using the BSR method to grasp individual characteristics, and proposes a recommender system applied to a wide & deep learning algorithmin using selected significant variables. The numerical results indicate that the proposed method produces much more accurate prediction than the method including all variables.

데이터 수정을 최소화하는 사용자 수준 파일 시스템 설계 및 구현

유영준(Youngjun Yoo),장성봉(Sungbong Jang),고영웅(Youngwoong Ko) 한국정보기술학회 2021 한국정보기술학회논문지 Vol.19 No.12

In this paper, we propose a variable block file system to minimize data modification. A variable block is a concept created by modifying the metadata of the file system so that data with a capacity smaller than the size of a block can be stored in block-based storage. To show the usefulness of the proposed system, we designed and implemented a user-level file system. As a result of the experiment, the proposed variable block scheme showed higher performance compared to the existing system for data reading and writing. In experiment on file modification for a 1MB file, the performance improved by 50 times. In addition, when data modification was performed using all the variable blocks in a 1MB file as much as possible, the execution speed was more than 10 times faster than that of the existing file system.