디지털 사이니지 환경에서의 상황인지형 콘텐츠 추천 시스템
Context-Aware Content Recommender System in a Digital Signage Environment
- 주제(키워드) 도움말 추천 시스템 , 디지털 사이니지 , 그룹 추천 , 상황 정보 , 보행자 인식 , 얼굴 인식 , 회귀 모델링 , Recommender System , Digital Signage , Group Recommendation , Contextual Information , Pedestrian Detection , Face Detection , New Comer Profile Generation
- 발행기관 서강대학교 일반대학원
- 지도교수 양지훈
- 발행년도 2016
- 학위수여년월 2016. 2
- 학위명 석사
- 학과 및 전공 일반대학원 컴퓨터공학과
- 실제URI http://www.dcollection.net/handler/sogang/000000059060
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권보호를 받습니다.
초록/요약
최근 디지털 사이니지 시스템은 디스플레이 장치, 액정 기술의 발달로 인해 급성장하고 있는 추세이며 동영상 등의 동적 콘텐츠나 이미지나 텍스트와 같은 정적 콘텐츠와 같은 방대한 양의 정보를 효과적으로 제공하는 서비스로 거듭나고 있다. 하지만 광고의 대부분이 사용자의 의지와 상관없이 일방적으로 전달되는 광고 형태를 벗어나지 못하고 있는 실정이다. 이러한 상황에서 사용자가 선호할만한 콘텐츠를 선택적으로 서비스할 수 있는 콘텐츠 관리 시스템의 필요성이 나타난다. 우리는 기계학습 기법 중 하나인 추천 시스템을 이 문제에 적용해보고자 한다. 디지털 사이니지 환경이 가지는 특성으로 인해, 추천 시스템을 적용하기 앞서 익명의 유저에 대한 정보 생성 방법과 다수의 사용자를 위한 그룹 추천 방법이 필요하다. 본 논문에서는, 상황 정보를 활용하여 신원이 확인되지 않은 사용자에 대한 선호 정보 추정 방법과 다수의 사용자에 대한 정보를 통합하는 그룹 추천 방법을 제안한다. 여러 가지 상황 정보들 중에서도 카메라 센서를 통해서 획득할 수 있는 정보를 중심으로 현재 상황을 기반으로 사용자 맞춤형 콘텐츠 추천 시스템을 제공한다. 먼저 실제로 학내에서 디지털 사이니지 서비스를 통해 수집한 데이터를 사용하여 상황 인지형 모델링 수행에 대한 방법을 제시한다. 이어서 디지털 사이니지 상황에 특화된 새로운 그룹 추천 방식인 CWM 모델링 수행 과정에 대해 설명한다. 마지막으로 기존의 방법들과의 성능 평가 비교를 진행하였으며 제안한 방법이 기존의 방법들에 비해 더 높은 성능을 보여준다는 것을 확인하였다.
more초록/요약
Digital Signage, digital media used outside of the home, has been used to advertise various types of content such as video, images, text, etc. However, most recent forms of Digital Signage still use a traditional unidirectional advertising mechanism that delivers the content only to customers. We, therefore, need a more effective content management system that can offer selections for user preferences. This can be solved with Recommender Systems, a type of Machine Learning task, which attempts to predict new items of interest for users. In Digital Signage environments, we must strive to overcome the lack of user profile data and difficulty of recommending content for more than a single user. In this paper, we will present an effective system for using user profile generator based contextual information and a group recommender. Our approach uses context information gathered using a camera sensor and then provides personalized suggestions based on current situations. We first explain the methods for contextual modeling using real collected datasets and discuss specializing our group recommender model for CWM. We then compare the performance of our approach with others and present experimental results to show how this approach outperforms traditional group recommender methods.
more