KR100368521B1 - 다중 예측 에이전트들을 이용하는 선호도 예측 시스템 - Google Patents
다중 예측 에이전트들을 이용하는 선호도 예측 시스템 Download PDFInfo
- Publication number
- KR100368521B1 KR100368521B1 KR10-1999-0052123A KR19990052123A KR100368521B1 KR 100368521 B1 KR100368521 B1 KR 100368521B1 KR 19990052123 A KR19990052123 A KR 19990052123A KR 100368521 B1 KR100368521 B1 KR 100368521B1
- Authority
- KR
- South Korea
- Prior art keywords
- prediction
- agent
- user
- predictive
- information
- Prior art date
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
다중 예측 에이전트를 이용하는 선호도 예측 시스템에 관한 것으로서, 각각 독립적인 방식으로 예측대상에 대한 예측사용자의 예측선호도와 각 예측대상에 대한 부가 정보를 제시하는 예측 에이전트로서 복수개의 예측 에이전트들; 예측사용자 기본 정보, 예측대상 기본 정보 및 예측사용자에 대한 각 예측 에이전트의 영향력 정보를 보유하는 사용자 에이전트; 및 상기 사용자 에이전트로부터의 예측사용자 기본 정보, 예측대상 기본 정보 및 예측사용자에 대한 각 예측 에이전트의 영향력 정보를 이용하여 상기 복수개의 예측 에이전트들 중 하나나 그 이상의 예측 에이전트들을 선택하고, 상기 사용자 에이전트로부터의 예측사용자 기본 정보, 예측대상 기본 정보 및 각 예측 에이전트의 영향력과 선택된 예측 에이전트들로부터의 부가 정보를 이용하여 선택된 예측 에이전트로부터 제시되는 예측선호도로부터 최종 예측선호도를 생성하며, 예측 결과에 따라서 상기 사용자 에이전트가 보유하는 예측 에이전트의 영향력을 조정하는 예측 관리수단를 포함하는 것을 특징으로 한다. 본 발명에 의한 예측 시스템에서는, 각 예측 에이전트들은 독립적인 방식으로 예측선호도를 생성하여 예측 관리수단에게 제시하므로, 각 예측 에이전트에 의하여 종래의 다양한 예측 방법들이 시도될 수 있다. 또한, 예측 관리수단가 예측 에이전트에 의하여 생성된 예측선호도로부터 부가 정보, 예측사용자 정보, 예측 에이전트의 영향력 값을 고려하여, 최종적인 예측선호도를 결정하므로, 각 예측 에이전트에 의하여 시도된 종래의 다양한 예측 방법들이 예측 관리수단에 의하여 통합될 수 있음은 물론, 예측 후, 예측사용자의 반응에 의하여 예측 에이전트의 영향력 값을 조정하여 다음 예측에 이를 반영하므로, 더욱 질 높은 예측을 수행할 수 있는 장점이 있다.
Description
본 발명은 정보 필터링의 한 방법으로서의 예측 시스템에 관한 것으로서, 특히 다중 예측 에이전트를 이용하여, 다양한 예측 방법을 통합 이용할 수 있고, 예측사용자의 각 예측 에이전트의 영향력 값을 조정하여 다음 예측에 반영하는 것을 특징으로 하는 다중 예측 에이전트를 이용한 선호도 예측 시스템에 관한 것이다.
현대인이 겪고 있는 '정보의 과다(Information Overload)'는 더 이상 새로울 것이 없으며, '정보의 양'은 더욱 빠른 속도로 증가하고 있다. 이와 같이 과다한 정보로부터 적절한 정보를 얻기 위한 노력 중에 하나가 자동화된 '정보 필터링'이다.
넓은 의미에서의 '정보 필터링'이란, 넘쳐나는 정보들 가운데에서 사용자에게 필요한 정보만을 골라주는 모든 행위를 의미한다. 정보 필터링 기술은 초기 전자 우편이나 뉴스에서부터 최근 웹 문서, 전자 상거래 상의 상품에 이르기까지, 시대의 정보 원천과 정보 소비상을 반영하여 널리 적용되고 있다. 특히, 최근에는 인터넷과 전자 상거래의 폭발적인 성장에 따라 정보 필터링 기술에 대한 요구가 어느 때보다 절실하다.
종래에 알려진 정보 필터링 방법으로는, '내용 기반 필터링(Content-Based Filtering)'과 '공동 필터링(Collaborative Filtering)'이 있다.
내용 기반 필터링은 등장 초기에서부터 지금까지 가장 많이 이용되는 방법이다. 내용 기반 필터링을 간단하게 설명하면, 평가 대상의 내용에 대한 특성을 프로그램하여 인식하고, 사용자가 선호하는 특성에 비추어 그 가치를 판단하는 방법이다. 이 방법은 웹 상의 문서 검색, 전자 우편의 필터링 등에서 뛰어난 성과를 거두었다.
그러나, 이러한 내용 기반 필터링은 내용을 기반으로 하기 때문에, 컴퓨터로 내용을 인식하는 경우에만, 다시 말해서, 문서와 같은 경우에만 적용되고, 내용을 분석하기 어려운 대상, 예를 들어서 영화, 음악, 음식 등에는 적용하기 어려운 단점이 있다. 또한, 사용자가 이미 이용했거나, 이미 이용했던 것과 비슷한 대상만을 예측하게 되어 새롭거나 우연한 발견이 생기기 어렵고, 사용자의 프로 파일을 구성하고 발전시키기 위한 사용자 피드백을 얻어야 한다.
공동 필터링은 내용 기반 필터링의 단점을 보완하기 위하여 제시된 방법이다. 공동 필터링 방법은 기본적으로 속도는 느릴지라도 컴퓨터보다 사람이 더 질 높은 판단을 할 수 있다는 생각에서 출발하였다. 공동 필터링 방법에서는 필터링 대상에 대한 가치 판단(평가)을 프로그램에 맡기는 것이 아니라, 사람이 직접 하되, 그 평과 결과는 프로그램에서 이용하도록 하는 것이다. 즉, 사람이 독립적으로 대상에 대한 평가를 내리고, 컴퓨터는 자동적으로 이러한 평가들을 모아 선호 경향이 비슷한 사람들을 찾아내어 이 결과를 특정인과 관련된 의사 결정이나 대상의 가치 판단에 이용하는 방법이다. 주로, 음악, 영화, 식당, 여행지 예측 등 내용 기반 필터링이 취약한 부분에서는 물론 일반 문서 필터링에까지도 적용되고 있다. 공동 필터링 방법에 관한 특허로서, 미국 특허 제4,870,579호, 제4,996,642호가 있다.
그러나, 이러한 공동 필터링 방법 역시, 사용자의 프로파일을 구성하고 발전시키기 위한 사용자 피드백을 얻어야 한다. 또한, 새로운 사용자나 대상이 출현할 경우, 예측이나 평가가 어려우므로, 특이한 특성을 가지는 사용자에게는 좋은 예측을 하기 어렵고, 대상의 특성에 대한 정보를 고려하지 않음으로 인하여 더 좋은 예측의 가능성을 포기하는 단점이 있다.
최근에는 상기한 두 가지 방법을 병합하려는 노력이 있어 왔지만 이러한 노력들은 어느 한 기술을 중심으로 다른 기술을 부분적으로 이용하거나 매우 제한적인 적용 분야를 가지는 것들이 대부분이다. 또한, 이러한 연구들은 적용 기술 자체에 대한 개선의 노력일 뿐 예측을 소비하는 사용자에 대한 고려는 부족했으며, 결과적으로 특정 적용 방법이 가지는 구조적인 한계를 벗어나기 어려운 문제점이 있다.
본 발명의 목적은 상기한 바와 같은 종래 기술의 문제점들을 해결하고자 하는 것으로서, 본 발명에서는, 자동화된 필터링 기술을 이용하여 전자 상거래 및 인터넷 서비스를 포함한 전자적인 컨텐트 서비스에서 상품이나 서비스 컨텐트 등에 대한 사용자의 관심 정도를 지능적으로 예측해 줄 수 있는 시스템을 제공하고자 한다.
또한, 본 발명에서는 예측 대상에 대한 다양한 분석 방법을 통합 적용할 수 있고, 각 분석 방법이 특정 사용자에 대한 개인화가 가능하도록 하며, 동시에 적용하는 분석 방법까지도 사용자에 맞추어서 차별화될 수 있는 예측 시스템을 제공하고자 한다.
도1은 본 발명에 의한 예측 시스템의 주요 구성 요소를 설명하는 도면,
도2는 본 발명에 의한 예측 시스템에서의 예측 과정의 흐름도,
도3은 본 발명에 의한 예측 시스템에서의 사용자 에이전트가 관리하는 정보를 설명하는 도면,
도4는 본 발명에 의한 예측 시스템에서의 예측 관리수단와 예측 에이전트간에 교환되는 정보를 설명하는 도면,
도5는 본 발명에 의한 예측 시스템에서 예측 관리수단의 영향력 조정 과정을 설명하는 도면,
도6은 본 발명에 예측 시스템의 전체 구성도.
* 도면의 주요한 부분에 대한 부호의 설명 *
10 : 예측 관리수단 20 : 사용자 에이전트
30 : 예측 에이전트 집합
61 : 예측사용자 62 : 사용자 에이전트
63 : 예측 관리수단 64∼67 : 다중 예측 에이전트들
본 발명은 예측 관리수단; 각각 독립적인 방식으로 예측선호도 및 신뢰도를 상기 예측 관리수단에 제공하는 복수개의 예측 에이전트들; 및 사용자 기본정보 및 사용자에 대한 각 예측 에이전트의 영향력 정보를 보유하는 사용자 에이전트를 포함하는 선호도 예측 시스템에 관한 것으로서,상기 예측 관리수단은상기 사용자 에이전트가 보유하고 있는 사용자 기본정보 및 사용자에 대한 각 예측 에이전트의 영향력 정보를 이용하여 상기 복수개의 예측 에이전트들 중 실제 예측에 참여하게 될 하나 이상의 예측 에이전트들을 선택하고,상기 선택된 하나 이상의 예측 에이전트들이 제공한 예측선호도 및 신뢰도, 및 사용자 에이전트의 사용자 기본 정보 및 사용자에 대한 각 예측 에이전트의 영향력 정보로부터 최종 예측선호도를 생성하며,상기 최종 예측선호도에 대한 사용자의 반응 결과에 따라서, 상기 사용자 에이전트가 보유하는 각 예측 에이전트의 영향력을 조정하는 것을 특징으로 한다.먼저, 본 발명에 의한 예측 시스템을 설명하기 위하여 이하에서 사용되는 용어들을 정의한다.'예측사용자'란 특정한 개별 사용자 또는 사용자를 논리적으로 그룹화한 특정된 사용자 집단을 의미한다.
'예측대상'이란 인터넷 서비스에서 예측사용자의 선호도를 예상하고자 하는 컨텐트 또는 인터넷 쇼핑 몰에서 공급하는 상품을 의미한다.
'예측선호도'란 예측 대상에 대한 예측사용자의 선호도를 의미한다.
'예측'은 예측사용자가 예측대상에 대하여 어느 정도의 선호도를 가질 것인가를 예상하는 과정, 즉 예측선호도를 구하는 과정을 의미한다.
'예측 기반 정보'는 예측 과정에서 이용할 수 있는 정보를 의미하는 것으로서, 이 정보에는 예측사용자의 특성, 예측사용자 이외의 사용자들의 특성, 예측대상의 특성, 예측대상 이외의 대상들의 특성, 예측사용자의 반응, 예측사용자 이외의 사용자들의 반응 등의 일차 정보와 이로부터 도출된 각종 가공 정보를 포함한다.
'에이전트(Agent)'란 예측 기반 정보를 보유하고, 이를 기반으로 예측을 하는 소프트웨어 컴포넌트를 의미한다. 본 명세서에서 사용하는 '에이전트'라는 용어는 실제 생활에서의 유사성을 바탕으로 정해진 이름으로서, 인공 지능 분야에서 일반적으로 의미하는 '소프트웨어 에이전트'의 특성을 모두 가지는 것은 아니다.
이하에서 첨부된 도면을 참조하면서 본 발명에 의한 예측 시스템을 상세하게 설명한다.
도1은 본 발명에 의한 예측 시스템의 주요 구성 요소를 설명하는 도면이다.
도1에 도시된 바와 같이, 본 발명에 의한 예측 시스템은, 예측 관리수단(10), 사용자 에이전트(20) 및 예측 에이전트 집합(30)의 3가지 구성 요소를 포함한다.
사용자 에이전트(20)는 예측사용자의 기본 정보 및 가공 정보와 예측사용자에 대한 각 예측 에이전트의 영향력 값을 보유한다. 예측 에이전트 집합(30)은 예측사용자를 위한 예측 작업을 수행하는 다수의 예측 에이전트로 구성된다. 예측 관리수단(10)는 사용자 에이전트(20)와 예측 에이전트 집합(30)을 관리한다.
먼저, 본 발명에 의한 예측 시스템을 전체적으로 설명한다.
도2는 본 발명에 의한 예측 시스템에서의 예측 과정의 흐름도이다.
예측 요청이 있는 경우(단계: 21), 예측 관리수단(10)는 예측사용자의 사용자 에이전트(20)로부터, 각 예측 에이전트가 예측사용자에게 어느 정도의 영향력을 가지고 있는지를 확인한다(단계: 22). 다음은 예측 관리수단(10)가 각 예측 에이전트의 개별 예측선호도를 접수받는 단계(단계: 23)이다. 이 단계에서 예측 관리수단(10)는 기설정된 내부 논리에 따라서 하나 또는 그 이상의 예측 에이전트들을 선택하고, 선택된 각 예측 에이전트로부터, 각 예측 에이전트가 독립적인 방법으로 생성한 예측선호도와 부가 정보를 넘겨받는다. 마지막 단계는 최종 예측 결과를 생성하는 단계로서, 이 단계에서, 예측 관리수단(10)는 각 예측 에이전트의 영향력 값과 상기 단계 23에서 접수받은 부가 정보를 종합하여, 상기 단계 23에서 접수받은 예측선호도로부터 최종 예측선호도를 생성한다(단계: 24).
이제 본 발명에 의한 예측 시스템의 구성 요소인 사용자 에이전트, 예측 에이전트 및 예측 관리수단 각각의 기능을 설명한다.
먼저, 사용자 에이전트를 설명한다.
도3은 본 발명에 의한 예측 시스템에서의 사용자 에이전트가 관리하는 정보를 설명하는 도면이다.
본 발명에 의한 예측 시스템에서 모든 예측사용자는 자신에게 할당된 사용자 에이전트를 가진다. 사용자 에이전트는 예측사용자 정보와 각 예측 에이전트의 영향력 값이라는 정보를 보유한다. 예측사용자 정보로는 예측사용자의 일반적인 정보인 '기본 사용자 정보(31)'와 '가공된 사용자 선호 정보(32)'가 있을 수 있다. '예측 에이전트의 영향력(33)'은 각 예측 에이전트가 예측사용자에 대하여 얼마나 예측을 잘 하고 있는지를 나타내는 정보이다.
어떤 예측 에이전트의 영향력이란, 과거의 이력을 통하여 이 예측 에이전트가 개별적으로 제시한 예측선호도가 각 예측사용자에게 얼마나 잘 맞는지를 나타낸 값이다, 하나의 사용자 에이전트는 각각의 예측 에이전트에 대한 영향력 값을 보유하며, 이러한 영향력 값들은 예측사용자가 예측에 대한 만족 정도를 표현함에 따라서 변경된다. 예측 에이전트의 영향력을 변화시키는 작업은 예측 관리수단가 수행하며, 이를 '영향력 조정 작업'이라고 한다. 이는 예측 관리수단를 설명할 때 상세하게 후술한다.
예측 에이전트를 설명한다. 예측 에이전트는 예측 관리수단의 예측 요청에 대하여 독립적인 분석 방법을 통하여 예측선호도를 생성해내는 역할을 수행한다. 예측 에이전트는 예측 관리수단와 통신하는 인터페이스를 유지하는 한, 예측 에이전트 내부의 구조 또는 논리에 대하여 제한을 받지 않고, 예측 관리수단와 독립적으로 운영된다.
각 예측 에이전트가 독립적인 방법으로 예측선호도를 생성하므로 이 단계에서 종전에 제시되었던 다양한 예측 방법이 각 예측 에이전트에 따라서 시도될 수 있다.
예측 에이전트는 예를 들어서, 예측사용자와 예측사용자 이외의 사용자들의 인구통계학 자료, 예측대상과 예측대상 이외의 대상들의 특성 정보, 예측사용자와 예측사용자 이외의 사용자들의 행위 정보, 기타 환경 정보 등을 바탕으로 예측 작업을 수행한다. 예측 에이전트는 하나의 프로세스로 구현되거나, 속도 및 효율성을 위하여 다단계 구조를 가지기도 한다.
도4는 본 발명에 의한 예측 시스템에서의 예측 관리수단와 하나의 예측 에이전트간에 교환되는 정보를 설명하는 도면이다.
예측 관리수단(41)는 예측 에이전트(42)에게 예측사용자 정보와 예측대상 정보를 알려주는 예측 요청을 한다. 각 예측 에이전트(42)는 예측 관리수단(41)로부터의 예측 요청에 따라서 예측사용자에 적합한 예측선호도와 함께 부가 정보를 예측 관리수단(41)에게 제공한다.
예측 에이전트(42)가 제공하는 부가 정보로는 '신뢰도'가 있다. '신뢰도'는 해당 예측 에이전트(42)가 예측한 선호도에 대한 자신감을 표현한 수치 정보이다.예측 에이전트(42)에 의하여 예측선호도와 함께 제공되는 부가 정보인 신뢰도는, 예측대상에 대한 예측사용자의 반응이 발생하는 경우, 예측사용자에 대한 영향력 조정 작업(아래에서 상술함)에서 이용된다.
예측사용자의 선호 반응은, 예측대상에 대한 직접적인 평가, 북 마크 설정, 방문, 출력, 구매, 검색 등의 형태로 나타난다.
예측 에이전트의 예측선호도는 전체 시스템에 있어서 의미있고 통일된 수치 정보이어야 한다. 다시 말해서, 본 발명에 의한 예측 시스템에서 '예측선호도'와 예측 후 이를 조정하는 예측사용자의 선호 반응은 모든 예측 에이전트간에 같은 기준에서 비교할 수 있는 값으로 설정되어야 한다. 예를 들어서, 100점 만점인 정수로 된 점수 체계로 예측선호도를 나타낼 수 있다.
한편, 신뢰도는 모든 예측 에이전트가 공유하는 수치 체계를 이용하는 것이 바람직하지만, 각각의 예측 에이전트가 독립적으로 계산하고 자체의 신뢰도간의 비교만이 가능한 값일 수도 있다. 신뢰도는 예측선호도에 대한 예측 에이전트의 자신감의 표현이라는 것은 앞에서도 설명한 바와 같다. 이 신뢰도는 예측된 선호도와 예측사용자 실제 반응간의 차이에 대한 상/벌 크기 결정에 이용될 수 있는데, 이를 구체적으로 설명하면, 신뢰도를 높게 설정한 예측선호도와 예측사용자의 실제 반응이 차이가 날 때에는 영향력 값을 낮게 조정하도록 하는 것에 의하여 벌을 받도록 하는 것이다.
예측 관리수단는 등록된 다수의 예측 에이전트를 구동하고, 이들로부터 개별 예측선호도를 받아서 최종적으로 예측사용자에 대한 개인화된 예측선호도를 생성하는 역할을 한다. 예측 관리수단는 단일 인터페이스를 통하여 각 예측 에이전트와 교류하므로, 예측 에이전트 내부의 분석 방법과 독립적이며, 결과적으로 인터페이스 규칙만을 따른다면, 다양한 예측 에이전트를 수용할 수 있다.
예측 관리수단의 주요 기능은 예측사용자에 대한 예측 에이전트의 영향력 조정, 영향력을 바탕으로 한 개별 예측선호도의 종합, 사용자 에이전트와 예측 에이전트간의 통신 중계 및 예측대상에 대한 정보 등의 공유 자원의 관리 등이다.
도5는 본 발명에 의한 예측 시스템에서 예측 관리수단의 영향력 조정 과정을 설명하는 도면이다.
예측사용자(51)가 예측 대상에 대하여 반응을 보이는 경우, 예측 관리수단(52)는 이로부터 사용자 에이전트(53)가 보유하는 각 예측 에이전트의 영향력 값을 조정한다. 즉, 해당 예측을 수행한 예측 에이전트는 예측사용자가 보인 반응 결과와 자신이 예측한 예측선호도 및 이에 대한 신뢰도에 따라서 상/벌을 받게 되며, 이는 사용자 에이전트(53)가 보유하는 각 예측 에이전트 영향력 값에 반영되고, 이는 다음 예측 작업에서 고려된다.
예측 에이전트의 영향력은 예측사용자(51)가 예측에 대한 반응을 표시함에 따라서 변하는 동적인 정보이므로, 예측 방법까지도 개인화가 가능하게 하는 중요한 근거가 된다.
영향력 조정은 수학식에 의거하여 수행된다. 예를 들어서, 예측사용자 i의 예측 에이전트 k에 대한 n번째 예측에 대한 영향력 값(Influencek i(n))은, 예측사용자 i의 예측 에이전트 k에 대한 바로 이전의 영향력 값, 즉, n-1번째 영향력 값(Influencek i(n-1))과, 예측 에이전트 k에 의하여 예측된 예측사용자 i의 예측대상 j에 대한 예측 예측선호도(scorek ij'), 예측사용자 i의 예측대상 j에 대한 실제 선호도(scorek ij), 예측 에이전트 k에 의하여 예측된 예측사용자 i의 예측 대상 j에 대한 신뢰도(beliefk ij)를 변수로 하는 공식에 의하여 결정된다.
예측이 필요한 경우, 예측 관리수단는 예측사용자의 사용자 에이전트로부터 예측사용자 정보(기본 사용자 정보, 가공된 사용자 선호 정보) 및 각 예측 에이전트의 영향력 값을 얻는다. 예측 관리수단는 이러한 정보들을 토대로, 기설정된 내부 논리에 따라서 하나 또는 그 이상의 예측 에이전트들을 선택하고, 선택된 각 예측 에이전트로부터, 예측대상에 대하여 각 예측 에이전트가 독립적인 방법을 생성한 예측선호도와 부가 정보를 넘겨받는다.
기설정된 내부 논리의 구체적인 예들로는, 영향력에 대한 상대 비율로 각 예측 에이전트의 예측선호도를 반영하거나, 아예 일정 회수 이후에는 하나의 예측 에이전트가 전담하도록 하는 것과 같이 비교적 간단한 로직으로 구현하는 것들과, 예측선호도와 신뢰도를 독립 변수로 이용한 회귀 분석, 신경 망 기술 적용 등의 체계적인 방법이 있을 수 있다.
이 과정은 예측 관리수단가, 각 예측 에이전트가 제시한 예측선호도, 신뢰도와 사용자 에이전트가 보유하는 각 예측 에이전트에 대한 영향력을 이용하여, 예측사용자별로 개인화된 예측 작업을 수행하는 핵심이라고 볼 수 있다.
마지막으로 예측 관리수단는 각 예측 에이전트의 영향력 값과 예측 에이전트로부터 예측선호도와 함께 접수받은 부가 정보를 종합하여, 예측 에이전트로부터 접수받은 예측선호도로부터 예측사용자에게 제시할 최종 예측선호도를 생성한다.
또한, 필요한 경우, 예측 관리수단는 각 예측 에이전트가 요구하는 공통 정보를 사용자 에이전트로부터 얻어 중계해주는 역할을 수행하며, 각 예측 에이전트가 공동으로 사용하는 데이터 접근 경로, 자료 캐쉬, 계산 논리 등의 공유 자원에 대한 관리를 수행한다.
도6은 본 발명에 의한 예측 시스템의 전체 구성도이다.
본 발명에 의한 예측 시스템에서 예측을 받는 예측사용자(61)는 사용자 에이전트(62)에 속하여야 한다. 사용자 에이전트(62)는 사용자 에이전트에 속하는 각 예측사용자에 대하여 사용자 정보와 예측 에이전트의 영향력 값을 보유한다.
예측사용자(61)에 대한 예측이 필요한 경우, 예측 관리수단(63)는 예측사용자(61)가 속하는 사용자 에이전트(62)로부터 예측사용자 정보와 각 예측 에이전트의 영향력 값을 얻는다. 그런 다음, 예측 관리수단(63)는 기설정된 내부 논리에 의하여 하나나 그 이상의 예측 에이전트들을 선택한다. 이 경우, 내부 논리에 따라서 예측 에이전트 전체가 선택될 수도 있다. 예측 관리수단(63)는 선택된 예측 에이전트들(64∼67)에게 예측사용자 정보와 예측대상 정보를 보내어 예측 요청을 한다. 각 예측 에이전트들(64∼67)은 독립적인 방식으로 예측선호도를 예측 관리수단(63)에게 제시한다. 이때, 예측선호도에 대한 신뢰도를 부가 정보로서 함께 제시한다. 예측 관리수단(63)는 예측 에이전트들(64∼67)로부터 접수된 예측선호도와 부가 정보 및 사용자 에이전트(62)로부터 접수된 예측사용자 정보와 예측 에이전트의 영향력 값을 고려하여 최종 예측선호도를 결정하여 예측사용자(61)에게 제시한다. 예측 관리수단(63)는 예측 후, 예측 대상에 대한 예측사용자(61)의 반응으로부터, 사용자 에이전트(62)가 보유하는 예측사용자(61)에 대한 각 예측 에이전트의 영향력 값을 조정한다.
정리하면, 본 발명에 의한 예측 시스템은 크게 두 가지의 작업, 예측사용자에 대한 예측 작업과 예측사용자의 반응으로부터 내부 정보를 변화시키는 작업을 수행한다.
예측 작업은, 독립적인 분석 방법을 이용하는 예측 에이전트가 예측선호도를 생성하고, 예측 관리수단가 사용자 에이전트가 보유한 정보를 토대로 내부 논리에 의하여 예측에 참여할 예측 에이전트를 결정하고, 최종적으로 예측선호도를 결정하여 예측사용자에게 제시함에 의하여 달성된다.
예측사용자의 반응으로부터 내부 정보를 변화시키는 작업은, 예측사용자가 예측대상에 대하여 선호 정도를 알 수 있는 반응을 보이는 경우에, 이에 따라 예측사용자에 대한 각 예측 에이전트의 영향력 값을 조정하여, 다음 예측에 반영하도록 사용자 에이전트가 보유함에 의하여 달성된다.
본 발명에 의한 예측 시스템에서는 특히, 예측사용자에 대한 각 예측 에이전트의 영향력 값 등을 이용하여, 각 예측사용자에 대한 개인화된 예측이 가능하도록 하다. 또한, 각 예측 에이전트들은 독립적인 방식으로 예측선호도를 생성하여 예측 관리자에게 제시하므로, 각 예측 에이전트에 의하여 종래의 다양한 예측 방법들이 시도될 수 있다. 이 단계에서 종래의 예측 시스템이 이용하였던 인구 통계학 자료 분석, 일반 확률 및 통계 이론, 공동 필터링 방법, 내용 기반 필터링 방법, 규칙 기반 예측 방법, 신경 망 이론 등이 적용된 다양한 방법들이 시도될 수 있다.
또한, 예측 관리수단가 예측 에이전트에 의하여 생성된 예측선호도로부터 부가 정보, 예측사용자 정보, 예측 에이전트의 영향력 값을 고려하여, 최종적인 예측선호도를 결정하므로, 각 예측 에이전트에 의하여 시도된 종래의 다양한 예측 방법들이 예측 관리수단에 의하여 통합될 수 있음은 물론, 예측 후, 예측사용자의 반응에 의하여 예측 에이전트의 영향력 값을 조정하여 다음 예측에 이를 반영하므로, 더욱 질 높은 예측을 수행할 수 있는 장점이 있다.
Claims (4)
- 예측 관리수단;각각 독립적인 방식으로 예측선호도 및 신뢰도를 상기 예측 관리수단에 제공하는 복수개의 예측 에이전트들; 및사용자 기본정보 및 사용자에 대한 각 예측 에이전트의 영향력 정보를 보유하는 사용자 에이전트를 포함하고;상기 예측 관리수단은상기 사용자 에이전트가 보유하고 있는 사용자 기본정보 및 사용자에 대한 각 예측 에이전트의 영향력 정보를 이용하여 상기 복수개의 예측 에이전트들 중 실제 예측에 참여하게 될 하나 이상의 예측 에이전트들을 선택하고,상기 선택된 하나 이상의 예측 에이전트들이 제공한 예측선호도 및 신뢰도, 및 사용자 에이전트의 사용자 기본 정보 및 사용자에 대한 각 예측 에이전트의 영향력 정보로부터 최종 예측선호도를 생성하며,상기 최종 예측선호도에 대한 사용자의 반응 결과에 따라서, 상기 사용자 에이전트가 보유하는 각 예측 에이전트의 영향력을 조정하는 것을 특징으로 하는 선호도 예측 시스템.
- 삭제
- 제1항에 있어서, 신뢰도는 해당 예측 에이전트가 예측한 예측선호도에 대한 자신감을 표현한 수치인 선호도 예측 시스템.
- 제1항에 있어서, 상기 예측선호도에 대한 사용자의 반응 결과에 따라서 조정되는, 예측 에이전트의 사용자에 대한 영향력 정보는 각 예측 에이전트의 예측선호도와 사용자의 실제 선호도 사이의 차이 및 신뢰도에 의하여 결정되는 것임을 특징으로 하는 선호도 예측 시스템.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR10-1999-0052123A KR100368521B1 (ko) | 1999-11-23 | 1999-11-23 | 다중 예측 에이전트들을 이용하는 선호도 예측 시스템 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR10-1999-0052123A KR100368521B1 (ko) | 1999-11-23 | 1999-11-23 | 다중 예측 에이전트들을 이용하는 선호도 예측 시스템 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20010047761A KR20010047761A (ko) | 2001-06-15 |
KR100368521B1 true KR100368521B1 (ko) | 2003-01-24 |
Family
ID=19621351
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR10-1999-0052123A KR100368521B1 (ko) | 1999-11-23 | 1999-11-23 | 다중 예측 에이전트들을 이용하는 선호도 예측 시스템 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR100368521B1 (ko) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102515139B1 (ko) * | 2022-09-05 | 2023-03-27 | 세종대학교산학협력단 | 강화 학습 기반의 가상 모델 학습 방법 및 가상 모델 서비스 제공 방법 |
-
1999
- 1999-11-23 KR KR10-1999-0052123A patent/KR100368521B1/ko not_active IP Right Cessation
Also Published As
Publication number | Publication date |
---|---|
KR20010047761A (ko) | 2001-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR100328670B1 (ko) | 다중 추천 에이전트들을 이용하는 추천 시스템 | |
CN108256093B (zh) | 一种基于用户多兴趣及兴趣变化的协同过滤推荐算法 | |
KR102345945B1 (ko) | 맞춤형 현장 정보 교환을 제공하기 위한 방법 및 시스템 | |
KR20200003106A (ko) | 정보 검색 방법, 장치 및 시스템 | |
KR102294125B1 (ko) | 인공지능을 적용한 제품 수요 예측 방법 및 시스템 | |
US20050050094A1 (en) | Method and system for creating and maintaining a database of user profiles and a related value rating database for information sources and for generating a list of information sources having a high estimated value | |
CN105260171B (zh) | 一种虚拟道具的生成方法及装置 | |
CN108460082A (zh) | 一种推荐方法及装置,电子设备 | |
CN111797333B (zh) | 舆情传播任务展示的方法及装置 | |
Anithadevi et al. | A design of intelligent QoS aware web service recommendation system | |
US20120158950A1 (en) | Method and a system for managing a website using profile key patterns | |
KR20110096488A (ko) | 최적화된 도메인간 정보 퀄리티 평가를 갖는 협동적 네트워킹 | |
Goyal et al. | Dynamic user preference based network selection for vertical handoff in heterogeneous wireless networks | |
Wang et al. | Hybrid customer requirements rating method for customer-oriented product design using QFD | |
Mármol et al. | Linguistic fuzzy logic enhancement of a trust mechanism for distributed networks | |
Mansouri et al. | A practical model for ensemble estimation of QoS and QoE in VoIP services via fuzzy inference systems and fuzzy evidence theory | |
KR100368521B1 (ko) | 다중 예측 에이전트들을 이용하는 선호도 예측 시스템 | |
CN106055665B (zh) | 基于异常值剔除的情境感知Web服务推荐方法和*** | |
KR100918167B1 (ko) | 사용자 성향 데이터를 이용한 사용자 프로파일 학습 방법 | |
KR20220163089A (ko) | 제품 공동구매 연계 시스템 및 방법 | |
Shalini Lakshmi et al. | A predictive context aware collaborative offloading framework for compute-intensive applications | |
Chalyi et al. | Temporal Modeling of User Preferences in Recommender System. | |
WO2002033626A1 (en) | Demographic profiling engine | |
Smirnov et al. | Multicriteria context-driven recommender systems: Model and method | |
Hassan et al. | A computational model for improving the accuracy of multi-criteria recommender systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
N231 | Notification of change of applicant | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20090106 Year of fee payment: 7 |
|
LAPS | Lapse due to unpaid annual fee |