메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
김민정 (고려대학교) 장성봉 (금오공과대학교) 서영수 (서울사이버대학교) 전수영 (고려대학교)
저널정보
한국자료분석학회 Journal of The Korean Data Analysis Society Journal of The Korean Data Analysis Society 제22권 제5호
발행연도
2020.1
수록면
1,835 - 1,847 (13page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
모바일 중심의 콘텐츠 소비가 지속되면서 영상 콘텐츠에 대한 수요가 꾸준히 높아지고 있는 요즘 OTT 서비스는 미디어 시장에서 가장 주목받고 있다. OTT 서비스는 기존에 TV 시청을 위해 사용했던 셋톱박스를 넘어 인터넷을 기반으로 언제 어디서나 쉽게 콘텐츠를 제공하는 온라인 콘텐츠 스트리밍 서비스로, 이용률이 급격하게 증가하고 있다. 콘텐츠 구성에 따른 OTT 서비스의 종류가 다양한 가운데, 언뜻 보면 비슷한 OTT 서비스지만 제각각 분명한 색깔을 지니고 있어 차이가 난다. 모든 OTT 서비스를 구독할 수는 없는 노릇이기에 어떤 OTT 서비스가 내 취향과 맞는지 파악해 선택적으로 이용할 수밖에 없다. 따라서 본 연구는 2019년 온라인 디지털 콘텐츠 서비스에 대한 미디어 패널 자료를 추천 알고리즘에 적용해 사용자들을 위한 맞춤형 추천 리스트를 만들고자 한다. 기존의 BPR 알고리즘에 이용된 확률적 경사 하강법은 탐색 경로가 비효율적이므로 이를 극복하기 위해 SAMC 알고리즘을 이용한 개인화 추천 알고리즘을 제시하고 다른 알고리즘과 성능을 비교해보았다. 분석 결과, SAMC-BPR 알고리즘의 성능이 우수함을 알 수 있었다. 미디어 패널 자료 특성상 조사한 대상자에 대한 변수가 많아 총 52개의 변수를 이용하여 다항 로지스틱 회귀, 변수선택법과 군집분석을 통해 군집별 성향을 파악하였다. SAMC-BPR 알고리즘의 추천 리스트를 통해 젊은 세대 사용자가 많이 포함된 군집에는 카카오TV, 기성세대가 주를 이루고 있는 군집은 넷플릭스를 가장 많이 추천하고 있다.

목차

등록된 정보가 없습니다.

참고문헌 (8)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0