http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
기대불일치 이론을 이용한 심층 신경망 기반 추천시스템의 정확도, 다양성 및 고객 만족도 평가
이청용,최일영,김재경 한국경영정보학회 2019 한국경영정보학회 학술대회논문집 Vol.2019 No.11
정보기술의 발달과 모바일 기기의 대중화로 인해 구매내역, 행동패턴 등 다양한 유형의 고객 데이터 수집이 가능하다. 이러한 고객 데이터가 기하급수적 으로 증가함에 따라 고객에게 차별화된 서비스를 제 공해주는 개인화 서비스에 대한 수요가 급격히 커지 고 있다. 기존의 추천 시스템에 대한 연구에서 추천 알고리즘의 정확도가 반드시 추천 서비스 이용자의 만족도로 이어지지는 않는다는 문제점이 지속적으로 제기되어왔다. 또한, 다양한 아이템들이 추천되었을 때 추천 시스템에 대한 만족도가 높다고 지적하고 있다. 본 연구에서는 추천시스템을 사용하여 개인화 서비스를 제공하는 경우 고객 만족도를 결정하는 요 인을 확인하고자 한다. 기존의 추천시스템은 데이터 희소성, 확장성 등 문제점이 꾸준히 존재했다. 하지 만 최근에 이러한 문제점을 해결하기 위해 인공 신 경망을 추천시스템에 적용시키는 다양한 연구가 진 행되었다. 따라서 이번 연구에서는 인공신경망의 한 종류인 심층 신경망을 추천시스템에 적용하여 MovieLens의 실제 사용자 데이터를 이용하여 사용자의 패턴을 학습하고 고객의 정확도, 다양성, 고객 만족 도를 측정했다. 연구 결과는 심층 신경망 기반 추천 시스템의 정확도가 고객 만족도에 긍정적인 영향을 주었고 다양성은 부정적인 영향을 주었다.
온라인 리뷰의 제목과 내용의 일치성이 리뷰 유용성에 미치는 영향
이청용,김재경,Li, Qinglong,Kim, Jaekyeong 한국지식경영학회 2022 지식경영연구 Vol.23 No.3
Many studies have proposed several factors that affect review helpfulness. Previous studies have investigated the effect of quantitative factors (e.g., star ratings) and affective factors (e.g., sentiment scores) on review helpfulness. Online reviews contain titles and contents, but existing studies focus on the review content. However, there is a limitation to investigating the factors that affect review helpfulness based on the review content without considering the review title. However, previous studies independently investigated the effect of review content and title on review helpfulness. However, it may ignore the potential impact of similarity between review titles and content on review helpfulness. This study used text consistency between review titles and content affect review helpfulness based on the mere exposure effect theory. We also considered the role of information clearness, review length, and source reliability. The results show that text consistency between the review title and the content negatively affects the review helpfulness. Furthermore, we found that information clearness and source reliability weaken the negative effects of text consistency on review helpfulness.
이청용(Qinglong Li),전상홍(Sanghong Jeon),이창재(Changjae Lee),김재경(Jae Kyeong Kim) 한국IT서비스학회 2021 한국IT서비스학회지 Vol.20 No.3
Recently, online job websites have been activated as unemployment problems have emerged as social problems and demand for job openings has increased. However, while the online job platform market is growing, users have difficulty choosing their jobs. When users apply for a job on online job websites, they check various information such as job contents and recruitment conditions to understand the details of the job. When users choose a job, they focus on various details related to the job rather than simply viewing and supporting the job title. However, existing online job websites usually recommend jobs using only quantitative preference information such as ratings. However, if recommendation services are provided using only quantitative information, the recommendation performance is constantly deteriorating. Therefore, job recommendation services should provide personalized services using various information about the job. This study proposes a recommended methodology that improves recommendation performance by elaborating on qualitative preference information, such as details about the job. To this end, this study performs a topic modeling analysis on the job content of the user profile. Also, we apply LDA techniques to explore topics from job content and extract qualitative preferences. Experiments show that the proposed recommendation methodology has better recommendation performance compared to the traditional recommendation methodology.
CNN 기반 리뷰 유용성 점수 예측을 통한 개인화 추천 서비스 성능 향상에 관한 연구
이청용(Qinglong Li),이병현(Byunghyun Lee),이흠철(Xinzhe Li),김재경(Jae Kyeong Kim) 한국지능정보시스템학회 2021 지능정보연구 Vol.27 No.3
전자상거래 시장이 빠르게 성장하면서 다양한 유형의 제품이 출시되고 있으며, 이로 인해 사용자들은 구매 의사결정과정에 많은 시간이 소요되는 정보 과부하 문제에 직면하고 있다. 따라서 사용자에게 맞춤형 제품 및 서비스를 제공해줄 수 있는 개인화 추천 서비스의 중요성이 대두되고 있다. 대표적으로 Netflix, Amazon, Google 등 세계적 기업은 개인화 추천 서비스를 도입하여 사용자의 구매 의사결정을 지원하고 있다. 이에 따라 사용자의 정보탐색 비용이 감소하는 효과가 나타났고, 기업의 매출 상승에도 긍정적인 영향을 끼치고 있다. 기존 개인화 추천 서비스 관련 연구에서 주로 사용된 협업 필터링(Collaborative Filtering, CF) 기법은 정량화된 정보를 활용하여 사용자의 선호도를 예측하였다. 그러나 정량화된 정보만을 활용하면 사용자의 구매 의도는 고려하지 못하므로 추천 성능이 저하될 수 있다는 문제점이 제기되고 있다. 이와 같은 기존 연구의 문제점을 개선하기 위해 최근에는 사용자가 작성한 리뷰를 활용한 개인화 추천 서비스 연구가 활발히 진행되고 있다. 그러나 리뷰에는 광고성 내용, 거짓 후기, 의미를 전혀 파악할 수 없거나 제품과 관련 없는 내용 등 구매 의사결정을 저해하는 요소들이 포함되어 있다. 이러한 요소들이 포함된 리뷰를 활용하여 추천 서비스를 제공하게 되면, 추천 성능이 저하되는 문제가 발생할 수 있다. 따라서 본 연구에서는 이러한 문제점을 개선하기 위해 Convolutional Neural Network(CNN) 기반 리뷰 유용성 점수 예측을 통한 새로운 추천 방법론을 제안하였다. 본 연구에서 제안하는 유용한 리뷰를 포함하는 방법론과 기존 모든 선호도 평점을 고려하는 추천 방법론을 비교한 결과, 본 연구에서 제안한 방법론이 더 우수한 예측 성능을 나타내고 있음을 확인할 수 있었다. 또한 본 연구의 결과는 리뷰 유용성에 대한 정보를 개인화 추천 서비스에 반영하면 전통적인 CF의 성능을 향상할 수 있음을 시사한다. Recently, various types of products have been launched with the rapid growth of the e-commerce market. As a result, many users face information overload problems, which is time-consuming in the purchasing decision-making process. Therefore, the importance of a personalized recommendation service that can provide customized products and services to users is emerging. For example, global companies such as Netflix, Amazon, and Google have introduced personalized recommendation services to support users" purchasing decisions. Accordingly, the user"s information search cost can reduce which can positively affect the company"s sales increase. The existing personalized recommendation service research applied Collaborative Filtering (CF) technique predicts user preference mainly use quantified information. However, the recommendation performance may have decreased if only use quantitative information. To improve the problems of such existing studies, many studies using reviews to enhance recommendation performance. However, reviews contain factors that hinder purchasing decisions, such as advertising content, false comments, meaningless or irrelevant content. When providing recommendation service uses a review that includes these factors can lead to decrease recommendation performance. Therefore, we proposed a novel recommendation methodology through CNN-based review usefulness score prediction to improve these problems. The results show that the proposed methodology has better prediction performance than the recommendation method considering all existing preference ratings. In addition, the results suggest that can enhance the performance of traditional CF when the information on review usefulness reflects in the personalized recommendation service.
이청용(Cheongyong YI),이영민(Youngmin YI) 한국정보과학회 2012 한국정보과학회 학술발표논문집 Vol.39 No.1A
얼굴인식은 보안 등 다수의 응용분야에서 중요하게 이용되는데, 얼굴인식을 위한 학습은 많은 계산시간이 소요되기 때문에 신속한 학습이 필요한 경우 가속화가 필요하다. 한편, 그래픽스 프로세서 유닛(GPU)은 대용량 정보처리를 빠르게 수행 할 수 있어 최근 폭넓은 분야에서 널리 이용되고 있다. 본 논문에서는 주성분 기반의 얼굴인식 알고리즘을 GPU 에서 병렬 수행하여 가속하는 기법을 제안하였다. 주성분 기반의 얼굴인식 각각의 과정들의 병렬성을 분석하여 가속화 이득을 최대하였고, C/OpenCV[2]로 구현된 순차적인 버전[3]과 비교했을 때, 전체 학습 시스템에서 최대 약 40 배의 성능이득을 얻었다.