소셜네트워크에서 분위기 벡터를 이용한 멀티미디어 콘텐츠 추천 방법Multimedia Contents Recommendation Method using Mood Vector in Social Networks
- Other Titles
- Multimedia Contents Recommendation Method using Mood Vector in Social Networks
- Authors
- 문창배; 이종열; 김병만
- Issue Date
- 2019
- Publisher
- 한국산업정보학회
- Keywords
- Multimedia Contents Mood; Cost-Satisfaction; 12 Mood Vector; Music Recommendation; Mood Tag; Social Networks; 멀티미디어 콘텐츠 분위기; 가심비; 12 분위기 벡터; 멀티미디어 콘텐츠 추천; 분위기 태그; 소셜 네트워크
- Citation
- 한국산업정보학회논문지, v.24, no.6, pp.11 - 24
- Journal Title
- 한국산업정보학회논문지
- Volume
- 24
- Number
- 6
- Start Page
- 11
- End Page
- 24
- URI
- https://scholarworks.bwise.kr/kumoh/handle/2020.sw.kumoh/207
- DOI
- 10.9723/jksiis.2019.24.6.011
- ISSN
- 1229-3741
- Abstract
- 웹에서 정보 구매자들의 성향은 가성비에서 가심비 형태로 변해가는 추세이다. 멀티미디 어 콘텐츠 추천에도 그러한 흐름이 있는데, 바로 폭소노미 (Folksonomy) 기반의 분위기를 이용한 추 천 방법이다. 하지만 이런 방법의 경우 동의어를 고려하지 못한다는 문제점이 존재한다. 이 문제를 해 결하기 위해 일부 연구에서는 Thayer모델의 12 분위기를 AV(Arousal and Valence)값으로 정의하여 그 문제점을 해결하였지만, 추천 성능이 재현 수준 0.1에서 키워드 기반 검색 방법보다 떨어지는 문제 점을 보였다. 본 논문에서는 재현 수준 0.1에서도 키워드 기반 검색 방법과 동일한 추천 성능을 유지 하면서 동의어 문제를 해결할 수 있도록 멀티미디어 콘텐츠의 분위기 벡터를 이용하는 방법을 제안하 였다. 또한, 추천 성능 분석을 위해 기존 AV값 기반 방법과 키워드 기반 방법과 비교 분석하였다. 추 천 성능 분석결과, 본 논문에서 제안한 방법이 전체적으로 기존 방법들 보다 우수한 추천 성능을 보 였다.
- Files in This Item
- There are no files associated with this item.
- Appears in
Collections - Department of Computer Software Engineering > 1. Journal Articles
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.