SNS 사진에 나타난 사용자 선호 기반의 장소추천
Travel Sites Recommendation Considering User’s Preferences Shown in User’s SNS Photos
- 주제(키워드) 추천시스템 , 위치기반 소셜 네트워크 , 사진 기반 사용자 선호 분석 , 사용자-ROA 평점 매트릭스 , Recommender System , Location Based SNS , Photo-Based User Preference Analysis , User-Roa Rating Matrix
- 주제(기타) 토목공학
- 설명문(URI) https://www.kci.go.kr/kciportal/ci/sereArticleSearch/ciSereArtiView.kci?sereArticleSearchBean.artiId=ART002660330
- 등재 KCI등재
- 발행기관 대한공간정보학회
- 발행년도 2020
- URI http://www.dcollection.net/handler/ewha/000000176392
- 본문언어 한국어
- Published As http://dx.doi.org/10.7319/kogsis.2020.28.4.127
초록/요약
최근 모바일 기반의 커뮤니케이션과 위치정보 획득 기술의 발달로, 장소에 기반한 다양한 정보들이 취합되면서, 위치에 기반한 예측이나 추천 알고리즘도 빠르게 발전하고 있다. 위치기반 소셜 네트워크(location-based social network)의 대표적 사례 중 하나인 플리커(Flickr) 데이터는 위치기반 추천시스템에서 다양하게 활용되어왔다. 그러나 사진을 공유하는 social networking service(SNS)임에도 불구하고, 사진 속성을 분석하여 사용자 선호를 파악하고 이를 기반으로 한 추천시스템에 관한 연구는 미미하였다. 본 연구에서는 SNS 사용자가 게시한 사진 속성을 기반으로 사용자의 선호도를 분석하고, 이를 가장 잘 반영하는 추천 알고리즘을 찾고자 하였다. 한국을 방문한 관광객이 게시한 플리커 사진을 딥러닝 모델로 훈련하여 74개의 카테고리로 분류하였다. 서울을 대상으로 57개의 주요 region of attraction(ROA)를 도출하였고, 사진 기반 사용자 선호 분석 결과를 반영한 사용자-ROA 평점 매트릭스를 구축하였다. 이후 사용자-ROA 평점 매트릭스 구축방법과 사용자 그룹핑 적용 여부에 따른 4가지 모델을 구축하였고, 최종적으로 모델의 성능을 비교하였다. 본 연구는 사용자가 게시한 사진에 나타난 선호를 어떤 방식으로 추천시스템에 반영할 수 있는지를 체계적으로 연구하였다는 점에 의의가 있다.
more초록/요약
With the recent development of mobile-based communication technology and location information acquisition, a variety of location-based data has been collected, enabling the rapid development of algorithms making recommendations or predictions based on location. Flickr, a representative example of a location-based social network, has provided data that have been used in various studies on location-based recommender systems. However, Despite being a social media that shares photos, there is little work on the analysis of user preference based on photo attributes and the development of a recommendation system based on this analysis. This paper aims to analyze user preferences based on the attributes of each user's photos, and to find a recommendation algorithm that best reflects them. a deep-learning model was trained to classify Flickr photos posted by tourists in Korea into 74 different categories. We drew 57 key ROA in Seoul and built a user-ROA rating matrix that reflects the user preferences shown in the photos. Then, We created four models that differ in the user-ROA rating matrix building method and whether or not the user grouping was applied. Finally, the performances of the models were compared. This paper is a systematic study of how preferences shown in user-posted photos can be reflected in a recommender system.
more