RISS 학술연구정보서비스

검색
다국어 입력

http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.

변환된 중국어를 복사하여 사용하시면 됩니다.

예시)
  • 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
  • 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
닫기
    인기검색어 순위 펼치기

    RISS 인기검색어

      KCI등재

      셋톱박스 오디언스 타겟팅을 위한 세션 기반 개인화 추천 시스템 개발 = Personalized Session-based Recommendation for Set-Top Box Audience Targeting

      한글로보기

      https://www.riss.kr/link?id=A108639224

      • 0

        상세조회
      • 0

        다운로드
      서지정보 열기
      • 내보내기
      • 내책장담기
      • 공유하기
      • 오류접수

      부가정보

      국문 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 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.
      번역하기

      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.

      더보기

      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

      더보기

      동일학술지(권/호) 다른 논문

      분석정보

      View

      상세정보조회

      0

      Usage

      원문다운로드

      0

      대출신청

      0

      복사신청

      0

      EDDS신청

      0

      동일 주제 내 활용도 TOP

      더보기

      주제

      연도별 연구동향

      연도별 활용동향

      연관논문

      연구자 네트워크맵

      공동연구자 (7)

      유사연구자 (20) 활용도상위20명

      이 자료와 함께 이용한 RISS 자료

      나만을 위한 추천자료

      해외이동버튼