In this paper, the author proposed following two methods to improve the accuracy of the recommender system. First, in order to classify the users more accurately, the author used a EMC(Expanded Moving Center) heuristic algorithm which improved clustering accuracy. Second, the author proposed the Neighborhood-oriented preference prediction method that improved the conventional preference prediction methods, so the accuracy of the recommender system is improved. The test result of the recommender system which adapted the above two methods suggested in this paper was improved the accuracy than the conventional recommendation methods.

Many studies on predicting and recommending information and products have been studying to meet customers' preference. Unnecessary information should be removed to satisfy customers' needs in massive information. The some information filtering methods to remove unnecessary information have been suggested but these methods have scarcity and scalability problems. Therefore, this paper explores a personalized recommendation system based on artificial neural network (ANN) to solve these problems. The insurance product recommendation is adapted as an example to demonstrate the proposed method. The proposed recommendation system is expected to recommended a suitable and personalized insurance products for customers' satisfaction.

노인의 일상생활을 편안하고 즐겁게 지낼 수 있도록 도와주는 동반자 로봇의 기능 중 부정적인 감정/정서상태 개선을 위한 Infotainment Service를 소개한다. 노인의 일상생활 중에서 부정적인 감정/정서상태를 정의하고, 이들의 정서상태를 개선할 수 있는 방법들을 모색한다. 인지행동치료에서의 배경지식을 기반으로 노인의 부정적인 정서상태를 개선할 수 있는 애니메이션 클립들을 제작, 편집하여 검증해 보기로 한다. 또한, 검증된 애니메이션 클립들을 이용하여 바람직한 감정상태로의 전이를 위한 감성 컨텐츠를 제공하는 기능을 도출한다. 구체적으로 일련의 실험적 접근방법을 토대로 제작, 편집한 애니메이션 클립을 이용하여 영화의 감정요소를 분석할 수 있는 도구를 설계하고, 기존의 선호도를 고려한 영화추천 시스템을 확장한 감정요소를 고려한 영화 추천시스템을 제안한다.

다양한 데이터 마이닝 기법들의 발전과 더불어, 속성 (Feature 또는 Attribute) 의 범위 (Dimension) 를 줄이기 위해 많은 요소 선택 방법이 개발되었다. 이는 확장성 (Scalability) 을 향상시킬 수 있고 학습 모델 (Learning Model)을 더욱 쉽게 해석할 수 있도록 한다. 이 논문에서는 네스티드 분할 (Nested Partition, 이하 NP) 을 이용한 새로운 최적화 기반 속성 선택 방법을 NP 기본 구조와 다양한 실험 문제의 수치적 결과들과 함께 제시하여 어떻게 NP의 최적화 구조가 속성 선택 과정에 기여를 하고 있는지 보여준다. 그리고 이 새로운 지능적인 분할 방법이 어떻게 매우 효율적인 분할을 수행하는지를 제시한다. 이 새로운 속성 선택 방법은 필터 (Filter) 방법과 래퍼 (Wrapper) 방법 두 가지로 구현될 수 있다. 사례 연구로서, B2B e-비즈니스 시스템에서 효과적으로 사용될 수 있는 추천 시스템(Recommender System) 을 제안하였다. 이 추천 시스템은 분류 기법 (Classification Rule) 과 제시된 NP 기반 요소 선택 방법을 사용하고 있다. 이 추천 시스템은 사용자의 인터넷 경매 참여를 추천하는데 사용되며, 이 때 제안된 요소 선택 앨고리듬은 추천 규칙들이 쉽게 이해될 수 있도록 모델을 간략화 하는데 사용된다.

  다양한 데이터 마이닝 기법들의 발전과 더불어, 속성 (Feature 또는 Attribute)의 범위 (Dimension)를 줄이기 위해 많은 요소 선택 방법이 개발되었다. 이는 확장성 (Scalability)을 향상시킬 수 있고 학습 모델 (Learning Model)을 더욱 쉽게 해석할 수 있도록 한다. 이 논문에서는 네스티드 분할 (Nested Partition, 이하 NP)을 이용한 새로운 최적화 기반 속성 선택 방법을 NP 기본 구조와 다양한

To be successful in increasingly competitive Internet marketplace, it is essential to capture customer loyalty. In this paper, we provide an intelligent agent approach to incorporate human sensibility into an one-to-one recommendation service in cyber shopping mall. Our system exploits human sensibility ergonomics and on-line preference matching technologies to tailor to the customer the suggestion of goods and the description of store catalog. By presenting goods that are consistent with user interests as well as user sensibility, the accuracy and satisfaction of the recommendation service may be improved.