선호 자원 필터링을 위한 빅파이브 개인 유형을 사용한 추론 시스템
An Inference System Using BIG5 Personality Traits for Filtering Preferred Resource
3
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
IoT 환경은 다양한 사물들이 상호 유기적으로 동작하며 이를 바탕으로 여러 서비스를 구성할 수있다. 앞선 연구에서 우리는 자원 협업을 이용해 사용자의 개인용 단말에 부족한 자원들을 대체하여 서비스하기 위한 자원 협업 시스템을 개발했다. 그러나 앞선 시스템은 자원과 상황의 수가 증가하면 자원 추론 시간이 기하급수적으로 증가한다. 이러한 문제를 해결하기 위하여 본 연구는 BIG5 사용자 유형 분류 방법을 적용하여 사용자와 자원을 분류한다. 또한, 본 논문은 BIG5 유형 기반의전처리를 통해 사용자가 선호하는 자원들을 필터링하고, 필터된 자원들을 추천 시스템의 입력으로사용하여 추론 시간을 줄이는 방법을 제안한다. 논문은 제안한 방법을 프로토타입 시스템으로 구현하고 성능 평가와 사용자들의 만족도 평가를 통해 제안한 방법의 유효성을 보인다.
Abstract
In the IoT environment, various objects mutually interactive, and various services can be composed based on this environment. In the previous study, we have developed a resource collaboration system to provide services by substituting limited resources in the user's personal device using resource collaboration. However, in the preceding system, when the number of resources and situations increases, the inference time increases exponentially. To solve this problem, this study proposes a method of classifying users and resources by applying the BIG5 user type classification model. In this paper, we propose a method to reduce the inference time by filtering the user's preferred resources through BIG5 type-based preprocessing and using the filtered resources as an input to the recommendation system. We implement the proposed method as a prototype system and show the validation of our approach through performance and user satisfaction evaluation.
참고문헌 (15)
- Albrecht Schmidt, "Ubiquitous Computing: Are We There Yet?", Computer, 43(2), pp.95~97 (2010), Institute of Electrical and Electronics Engineers (IEEE)[DOI]
- José L. Hernández-Ramos, "SAFIR: Secure access framework for IoT-enabled services on smart buildings", Journal of Computer and System Sciences, 81(8), pp.1452~1463 (2015), Elsevier BV[DOI]
- 박종현, "자원 공유 환경에서 온톨로지와 사용자 모델 기반 맞춤형 자원 협업 시스템", 한국컴퓨터정보학회논문지, 23(4), pp.107~114 (2018), 한국컴퓨터정보학회[DOI]
- 박종현, "유비쿼터스 환경에서 자원 공유를 위한 상황인지 기반 개인화 추천", 한국컴퓨터정보학회논문지, 16(9), pp.19~26 (2011), 한국컴퓨터정보학회
- Chhavi Rana, "A study of the dynamic features of recommender systems", Artificial Intelligence Review, 43(1), pp.141~153 (2012), Springer Science and Business Media LLC[DOI]
- Bogdan Walek, "A hybrid recommender system for recommending relevant movies using an expert system", Expert Systems with Applications, 158, pp.113452~ (2020), Elsevier BV[DOI]
- Haifeng Liu, "Context-Based Collaborative Filtering for Citation Recommendation", IEEE Access, 3, pp.1695~1703 (2015), Institute of Electrical and Electronics Engineers (IEEE)[DOI]
- Pei Tian, "Collaborative filtering recommendation algorithm in cloud computing environment", Computer Science and Information Systems, 18(2), pp.517~534 (2021), National Library of Serbia[DOI]
- M. Zanker, "Measuring the impact of personalization and recommendation on user behaviour", International Journal of Human-Computer Studies, 68(8), pp.469~471 (2010)
- S. Niklander, "Emotions Inference Through Content and Sentimental Analysis in COVID-19 Context", Proceedings of HCII 2022, pp.589~592 (2022)
- S. Bai, "Predicting Big Five Personality Traits of Microblog Users", Proceedings of Web Intelligence 2013, pp.501~508 (2013)
- K. Mori, "An analysis of the relationship between immediate response syndrome and the Big Five Personality Scale using structural equation models", Proceedings of KES 2017, pp.2014~2021 (2017)
- F. Celli, "Is Big Five Better than MBTI? A Personality Computing Challenge Using Twitter Data", Procedding of CLiC-it, pp.93~98 (2018)
- "KaKao Big five"[URL]
- Y. Wang, "Big Five Personality Measurement Based on Lifelog", Procedding of LTA@MM 2017, pp.25~28 (2017)