BLOG main image
분류 전체보기 (677)
2017 (42)
2016 (73)
2015 (71)
2014 (72)
2013 (72)
2012 (88)
2011 (57)
2010 (10)
~ 2009 (192)

Tistory Cumulus Flash tag cloud by BLUEnLIVE requires Flash Player 9 or better.

surviving military deployments..
surviving military deployments..
keeping your feet healthy on t..
keeping your feet healthy on t..
website
website
structured wiring
structured wiring
network wiring
network wiring
510,525 Visitors up to today!
Today 11 hit, Yesterday 90 hit
rss
2017.04.10 09:27

[기획코너] 개인 맞춤형 '도서 추천 시스템'

  추천 시스템 [ recommendation systems , 推薦 ]은 "정보 필터링을 사용하여 이용자에게 흥미로운 정보 아이템을 제공하는 시스템"을 말한다. 이 시스템은 2가지  프로세스를 거치는데 먼저 '정보 시스템'은 이용자에게 개인 신상, 관심 분야, 선호도 등을 질의하여 이용자의 정보 프로파일을 획득하는 기법을  사용하고, '추천 시스템'은 이러한 정보를 기반으로 고객의 심리 정보와 선호도 정보에 알맞은 정보 및 상품을 추천하거나 제공한다. 영화, 음악, 뉴스, 책, 연구 주제, 탐색 질의, 상품 등 검색에 적용될 수 있다. [네이버 지식백과, IT용어사전, 한국정보통신기술협회]

  저작(著作)도구의 눈부신 발달과 매체의 다양성으로 수 많은 정보가 도서, e-Book, 웹진, 블로그, SNS 등을 통해 생산되고 있으나 비대해진 콘텐츠로 인해 우리는 일상에서 짧은 시간에 나에게 맞는 정보와 콘텐츠를 찾는 것이 점점 더 어려워지고 있다.
각 도서관, 인터넷 서점 등의 콘텐츠마다 도서검색 기능을 제공하고 있음에도 이용자는 원하는 도서를 찾기 위해  더 많은 시간과 노력을 기울이고 있다.

  정보검색 분야에서는 오래 전부터 적합문서 선별 및 랭킹, 정보 필터링, 검색결과 클러스터링  분석 등 다양한 연구가 이루어졌고, 이용자의 요구와 관심에 따라 적합한 정보를 제공해주는 개인화서비스(Personalized Services)에 대한 많은 연구와 개발이 진행 되어 왔다. 대표적인 추천방법으로 콘텐츠 기반추천(Content-Based Recommendation) 방식과 협업필터링(Collaborative Filtering) 방식이 있다

  많은 이용자들로부터 얻은 기호정보(taste information)에 따라 이용자들의 관심사들을 자동적으로 예측하게 해주는 것이 협업필터링이다. 고객들의 관심 상품을 설문형식 또는 회원 가입 시 기재되는 정보를 통하여 고객들에게 추천 목록을 생성하여 고객들에게 보여줌으로 성공한 대표적인 사례가 아마존의 상품 추천 시스템이다. 이런 시스템을 통해 점점 줄어들고 있는 독서 인구를 끌어올리기 위한 노력이 활발하게 이루어지고 있다.

 협업필터링은 이용자를 기준으로 하는 '유저기반 협업필터링'과 아이템을 기준으로 하는 '아이템 협업필터링'으로 또 구분하고 있다. 기준은 이용자인가?, 아이템인가?의 차이이다. 이를 통해 이용자의 기호에 따라 자신과 성향이 비슷한 사람의 도서를 추천받거나 자신이 가장 선호하는 도서에 가까운 도서를 추천 받을 수 있다.

 

  20173월부터 동산도서관에서도 또 다른 시도를 시작했다. 이용자들의 검색 패턴을 분석하여 연관성이 있는 도서를 추천하거나 데이터베이스에 포함된 메타데이터인 서명, 저자명, 주제 등의 정보와 연관된 도서를 추천하는 시스템이다. 이용자에게 1차 검색 결과의 유사 자료 제공을 통한 우연한 검색기회’ 제공과 추천데이터의 활용도 조사 및 분석을 통해 유사자료 간 접근성을 향상시겼다. 우리 대학교의 도서 추천 시스템의 기능을 살펴보면 다음과 같다.

  첫 번째 기능은 유저기반과 아이템기반 협업필터링을 혼합한 방식으로 찾고 있는 도서와 함께 많이 대출한 도서를 보여준다.

  두 번째 기능 또한 유저기반과 아이템기반 협업필터링을 혼합한 방식으로 동일한 주제 분야 내에게 검색이나 대출이 많이 된 도서를 추천하는 것이다.

  세 번째 기능으로는 아이템 협업필터링 방식으로 검색된 자료의 청구번호 전, 후에 있는 자료들을 보여줌으로써 우연한 발견 기회를 제공해 주고 있다.

  도서 추천 시스템은 이용자 편의성과 스마트 도서관으로서의 이미지 제고와 학술정보 검색에 대한 다양한 접근과 검색결과의 연관도서 안내 등 추가 정보를 제공함으로써 이용자의 자료 선택권 확장할 것이다.

  향후 데이터가 누적되고, 세부 알고리즘이 확대된다면 우리 도서관 추천 시스템 또한 AI가 자유로운 사고로 선택한 도서를 이용자에게 추천하지 않을까?

<출처: 협업필터링과 데이터마이닝을 통한 도서추천 시스템 제안, 김영준외>



[편집위원 배대일 학술정보서비스팀 중앙대출실]

신고
크리에이티브 커먼즈 라이선스
Creative Commons License
Name
Password
Homepage
Secret

티스토리 툴바