[졸업 논문] 데이터마이닝 기법을 활용한 음원 추천 시스템 개발

소개

"[졸업 논문] 데이터마이닝 기법을 활용한 음원 추천 시스템 개발"에 대한 내용입니다.

목차

1. 제 1 장 서 론

2. 제 2 장 문헌 고찰
2.1 추천시스템 관련 연구
2.2 텍스트마이닝 관련 연구
2.3 주요 기법 소개

3. 제 3 장 알고리즘 구현
3.1 데이터 수집 및 전처리
3.2 알고리즘 개발

4. 제 4 장 실험 결과

5. 제 5 장 결 론
5.1 요약
5.2 한계와 의의

6. 참고 문헌

7. 부 록

본문내용

웹의 급속한 발전과 하드웨어의 발달로 인해 멀티미디어 데이터의 수량 및 쓰임새가 증대되고 있다. 이러한 시대적인 요구에 따라 멀티미디어 데이터의 양은 기하급수적으로 늘어나고 있으며 정보의 홍수 속에서 개인이 원하는 정보를 빠른 시간 내에 검색해내는 일은 더욱 어려워지고 있다.
최근에는 정보 과잉 문제를 해결하기 위하여 사용자가 원하는 정보만을 미리 예측하여 추천해주는 추천 시스템이 활발히 연구되고 있다. 아마존의 Rating 추천시스템이나 넷플릭스의 Netflix Prize Contest와 같은 사이트에서는 이미 여러 가지 추천 기법들을 활용하여 고객에 대한 맞춤 서비스를 제공하고 있다. 추천 시스템(Recommendation System)이란 대상자가 좋아할 만한 무언가를 추천하는 시스템을 일컫는다. 그 중에는 사용자가 원하는 정보만을 제공해주는 기법이 필터링 기법이다.
황영숙(2016)의 ‘빅데이터와 자연어처리 기술을 이용한 11번가 상품추천에 대한 연구’에 따르면, 추천 시스템에 사용되는 대표적인 필터링 기법으로는 아이템에 대한 다른 사용자의 평가 정보를 사용하여 사용자들을 비슷한 선호도를 가진 집단으로 나누고 그 집단 내에서 서로에게 추천해주는 방식인 협업 필터링 기법과 아이템을 구성하는 요소들을 사용자 프로파일과 비교하여 아이템을 추천해주는 방식인 내용 기반 필터링 기법이 있다.
협업 필터링(Collaborative Filtering)은 고객의 행동 이력을 기반으로 고객의 소비 패턴을 분석한다. 고객과 고객, 아이템과 아이템, 고객과 아이템 간의 유사도를 측정하고, 이를 기반으로 아이템을 추천하는 방식이다. 하지만 특정 수 이상의 아이템 에 대한 평가 정보가 없으면 추천할 수 없다는 점과 비슷한 성향을 가지는 일부 사용자 정보에 근거하여 추천함으로써 나머지 사용자 정보가 무시된다는 한계가 있다. [1]

참고자료

· Ahn, J.Y., Bae, J.H. (2015), A Study on Emotion Trigger Using Text Mining, Graduate School of Library and Information Science, Yonsei Univ
· Bae, J.H., Son, J.E. (2013), Twitter analysis of 2012 presidential elections using text mining, Graduate School of Library and Information Science, Yonsei Univ
· Choi, H. G. and Hwang E. J. (2012), Emotion-based Music Recommendation System based on Twitter Document Analysis, Journal of KIISE: 18(11), 762-767
· Choi, J. M. and Kang, I. O. (2015), Development of indi Services Platform Platform based on Data Mining, Korean Institute Of Industrial Engineers: 2015(11), 222-236
· Chung, Y. M. and Lee, Y. G. (2002), Developing a Book Recommendation System Using Filtering Techniques, Library& Information Science Dept., Yonsei Univ
· Gong, M. S. (2015), Music recommendation technique using user's listening history analysis and content-based filtering, Graduate School of Software Characterization, Soongsil Univ
· Ha, S. W., Kim, H. J. (2011), Trends of filtering techniques for effective recommendation for users, Korea Information and Communication Equipment Society: 2011(1), 379-381
· Heo, S. W. (2015), Text mining techniques for Korean web categorization, Dept of Software Specialization, Ajou Univ
· Heo, C. (2016), A Study on Emotion Dictionary Construction Method using Word2vec and Label Propagation, Dept of Computer Science, Graduate School of Korea Aerospace Univ
· Hwang, Y. S. (2016), Recommendation on 11 Street Products Using Big Data and Natural Language Processing Technology, SK Planet Conference
· Huh, J. (2016), A noble method for constructing sentiment dictionaries using Word2vec and label propagation, Computer Science Dept, Korea Aerospace Univ
· Jang, H. W. (2015), Semantic-based navigation of documents using Word2Vec, Dept of Information Industry Engineering, Yonsei Univ
· Jeong, Y. M. (2002), Establishment of recommendation system using filtering technique, Yonsei Univ
· Jo, S.K., Jo, J.H, Kim, S.B. (2015), Trends in US Presidential Inaugural Speech Using Text Mining, Dept of Industrial Management, Korea Univ, Kwangwoon Univ
· Jung, Y.B., Park, E.S. (2015), Analysis of main text of rock science SCI thesis using text mining, Korea Institute of Geoscience and Mineral Resources: 25(4), 303-319
· Kang, E. Y. (2007), Development and Application of Personalized Recommendation Framework Based on Hybrid Filtering, Jeju National Univ
· Ko, G.S., Jung, W.K. (2011), A Study on Development of Patent Information Retrieval Using Text Mining, Industrial Management and Engineering, Korea Univ
· Kim, M. H. (2012), Recommendation System: Focusing on Collaborative Filtering, Computer Science and Applied Algorithms Laboratory, KAIST
· Kim, K. H. and Lee, D. H. (2015), Input Dimension Reduction based on Continuous Word Vector for Deep Neural Network Language Model, Korean Society of Speech Sciences: 7(4), 3-8
· Kim, Y. D. (2016), Implementation of Wikipedia text data analysis system using Word2Vec Text mining technique for Korean web categorization, Graduate School of Software Characterization, Soongsil Univ
· Lee, C. J. and Bang, H. Y. (2015), Music Recommendation System Using Text Analysis of Lyrics, Korean Institute of Intelligent System: 25(2), 99-100.
· Lee, J. H. and Lim, H. W. (2016), Similarity Evaluation of Popular Music based on Emotion and Structure of Lyrics, KIISE Transactions on Computing Practices, Computer Science Dept, Seoul National Univ
· Oh, S. W., Jin, S.H. (2012), Analysis of shopping mall purchases using text mining, Korea Data Analysis Society: 14(1), 125-137
· Park, T. S. and Jeong O. R. (2015), Social Network Based Music Recommendation System, Journal of Internet Computing and Services(JICS) 2015.: 16(6), 133-141
· Shin, J.S., Lee, J.S. (2015), Validation of patent clustering analysis based on text mining, Dept of Technology Management, Sungkyunkwan Univ
· Son, C. H., Kim, K. S. (2006), Hybrid Collaborative Filtering to Improve Prediction Accuracy of Recommendation System, Korean Society of Industrial Management: 2006(-), 561-587
· Blei, etal. (2002), Latent Dirichlet Allocation, Advances in neural information processing systems: 1(14), 601-608
· Joseph A. Konstan., John Riedl. (2012), Deconstructing Recommender Systems – How Amazon and Netflix predict your preferences and prod you to purchase