[추천 시스템 성능 향상]
추천 시스템의 성능을 향상하는 방법에 대한 연구에 참여하였고 프로그램 구현을 담당하였습니다. 사용자에게 영화를 추천할 때, 기존 추천 시스템 알고리즘을 활용하지만, 거기에 추가로 영화의 출연 배우, 장르, 감독 정보까지 활용하여 성능을 좀 더 향상시켰습니다.
그 과정에서 데이터셋을 작은 크기로 분해하고 다시 결합하는 알고리즘을 새롭게 제안하였고, 또한, 링크드 데이터를 통해 관련 정보를 얻는 방법을 익혔습니다. Netflix와 MovieLens의 데이터셋으로 성능을 증명하였고, 해당 논문은 2015년 World Wide Web 국제 학회에서 포스터로 발표되었습니다.
[사물인터넷 환경에서의 서비스 추천]
일상적으로 사용하는 사물들을 인터넷에 연결하여 다양한 서비스를 사용할 수 있게 하는 사물인터넷이 주목받고 있습니다. 하지만 너무 많은 수의 기기들이 한 공간에 존재하게 되면 어떤 서비스를 이용할 수 있는지, 어떤 서비스가 현재 상황에 적절한지를 판단하기 어려워지게 됩니다.
이런 문제를 해결하기 위해 사물인터넷 환경에 추천 시스템을 도입하는 아이디어를 떠올리게 되었습니다. 기존의 추천 시스템은 사용자의 성향과 취향을 파악하기 위한 알고리즘이기 때문에 사물인터넷 환경에서는 적절하지 않았습니다.
그래서 날짜, 요일, 시간, 온도, 날씨, 소음, 조명 등의 상황 정보를 종합하여 추천 시스템이 상황을 인지하게 하여 좀 더 정확하게 작동할 수 있도록 만들었습니다. 해당 논문은 제가 1 저자로 작성하였고, 2015년 국제 Web Engineering 학회에서 발표하였습니다.