셋톱박스 오디언스(TV 시청자) 타겟팅의 핵심은 오디언스의 시청패턴을 분석하여 광고의 효과성이 높을 것으로 예상 되는 오디언스에게 맞춤형 광고를 내보내는 것이다. 세션 기반 추천 시...
http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
https://www.riss.kr/link?id=A108639224
2023
Korean
KCI등재
학술저널
323-338(16쪽)
0
상세조회0
다운로드국문 초록 (Abstract)
셋톱박스 오디언스(TV 시청자) 타겟팅의 핵심은 오디언스의 시청패턴을 분석하여 광고의 효과성이 높을 것으로 예상 되는 오디언스에게 맞춤형 광고를 내보내는 것이다. 세션 기반 추천 시...
셋톱박스 오디언스(TV 시청자) 타겟팅의 핵심은 오디언스의 시청패턴을 분석하여 광고의 효과성이 높을 것으로 예상 되는 오디언스에게 맞춤형 광고를 내보내는 것이다. 세션 기반 추천 시스템은 인터넷 광고 추천, 유저 검색 기록 기반 추천 등에 많이 이용되고 있지만, TV 광고의 측면에서 셋톱박스 데이터 수집의 어려움을 이유로 연구하기에 어려움이 있었다. 또한 오디언스 개인의 식별정보가 있는 데이터에서, 오디언스의 선호가 반영되는 시청 패턴을 모델링하는 데 한계가 있었다. 따라서 본 연구에서는 한국방송광고진흥공사(KOBACO)와 방송3사(SKB, KT, LGU+)와의 협업을 통해 익명화된 오디언스 4,847명의 6개월간 시청 데이터를 확보하여 연구를 진행하였으며, 유저-세션-아이템의 계층적 구조를 가지는 개인화 세션 기반 추천 시스템을 개발하여 성능 검증을 진행하였다. 그 결과, 셋톱박스 오디언스 데이터셋과 그 외 검증을 위한 2개의 데이터셋에서 제안된 모델이 비교 대상 모델보다 높은 성능을 보이는 것을 확인하였다.
참고문헌 (Reference)
1 홍태호 ; 홍준우 ; 김은미 ; 김민수, "영화 리뷰의 상품 속성과 고객 속성을 통합한 지능형 추천시스템" 한국지능정보시스템학회 28 (28): 1-18, 2022
2 나혜연 ; 남기환, "사용자 선호도 변화에 따른 추천시스템의 다양성 적용" 한국지능정보시스템학회 26 (26): 67-86, 2020
3 장동수 ; LI QINGLONG ; 김재경, "딥러닝 기반 온라인 리뷰의 언어학적 특성을 활용한 추천 시스템 성능 향상에 관한 연구" 한국지능정보시스템학회 29 (29): 41-63, 2023
4 Michael, K, "eCommerce Events History in Cosmetics Shop"
5 Hidasi, B., "Session-based recommendations with recurrent neural networks" 2015
6 Wu, S., "Session-based recommendation with graph neural networks" 33 (33): 346-353, 2019
7 Kipf, T. N., "Semi-supervised classification with graph convolutional networks" 2016
8 Liu, Q., "STAMP: short-term attention/memory priority model for session-based recommendation" 1831-1839, 2018
9 Li, J., "Neural attentive session-based recommendation" 1419-1428, 2017
10 Hornik, K., "Multilayer feedforward networks are universal approximators" 2 (2): 359-366, 1989
1 홍태호 ; 홍준우 ; 김은미 ; 김민수, "영화 리뷰의 상품 속성과 고객 속성을 통합한 지능형 추천시스템" 한국지능정보시스템학회 28 (28): 1-18, 2022
2 나혜연 ; 남기환, "사용자 선호도 변화에 따른 추천시스템의 다양성 적용" 한국지능정보시스템학회 26 (26): 67-86, 2020
3 장동수 ; LI QINGLONG ; 김재경, "딥러닝 기반 온라인 리뷰의 언어학적 특성을 활용한 추천 시스템 성능 향상에 관한 연구" 한국지능정보시스템학회 29 (29): 41-63, 2023
4 Michael, K, "eCommerce Events History in Cosmetics Shop"
5 Hidasi, B., "Session-based recommendations with recurrent neural networks" 2015
6 Wu, S., "Session-based recommendation with graph neural networks" 33 (33): 346-353, 2019
7 Kipf, T. N., "Semi-supervised classification with graph convolutional networks" 2016
8 Liu, Q., "STAMP: short-term attention/memory priority model for session-based recommendation" 1831-1839, 2018
9 Li, J., "Neural attentive session-based recommendation" 1419-1428, 2017
10 Hornik, K., "Multilayer feedforward networks are universal approximators" 2 (2): 359-366, 1989
11 Koren, Y., "Matrix factorization techniques for recommender systems" 42 (42): 30-37, 2009
12 Shepard, C., "LiveLab : measuring wireless networks and smartphone users in the field" 38 (38): 15-20, 2011
13 Sarwar, B., "Item-based collaborative filtering recommendation algorithms" 285-295, 2001
14 Hamilton, W., "Inductive representation learning on large graphs" 30 : 2017
15 Veličković, P., "Graph attention networks" 2017
16 Chung, J., "Empirical evaluation of gated recurrent neural networks on sequence modeling" 2014
17 Shani, G., "An MDP-based recommender system" 2002
18 Sahoo, N., "A hidden Markov model for collaborative filtering" 1329-1356, 2012
프로세스 마이닝을 활용한 온라인 교육 오픈 플랫폼 내 학습 패턴 분석 방법 개발
동영상 안정화를 위한 옵티컬 플로우의 비지도 학습 방법
KOMUChat : 인공지능 학습을 위한 온라인 커뮤니티 대화 데이터셋 연구
지형정보 기반 조난자 행동예측을 위한 마코프 의사결정과정 모형