홈페이지에 우리 연구실 연구 분야에 대한 설명 페이지를 만드려 합니다. (아래 양식처럼 만들 예정)
한글로 각 분야에 대한 설명 부탁드립니다. (어떤 분야 및 비즈니스에 응용되는지 포함)
Related Projects와 Selected Publications은 저희가 추가하여 교수님께 논의드릴 예정입니다.
(참고) 이번에 새로 작성한 추천 시스템 문구는 아래와 같습니다.

Recommender Systems

추천 시스템은 영화/음악 스트리밍, E-commerce, 뉴스 포털 등의 플랫폼에서 각 사용자에게 사용자 개개인의 취향이 잘 반영된 아이템(상품)을 제공하기 위한 기술입니다. 이를 위해 추천 시스템은 각 사용자, 아이템의 프로필 정보와 사용자의 과거 아이템 이용/평가 내역을 고려하여 해당 사용자가 선호할 가능성이 높은 아이템들을 예측합니다. 추천 시스템 기술은 사용자의 아이템 선호도 예측을 위해 이용하는 정보에 따라 크게 3가지 방법으로 구분됩니다. (1) 아이템의 컨텐츠 (예: 영화 장르)를 기반으로 구성된 아이템 프로필 정보를 이용하는 컨텐츠 기반 (content-based) 방법, (2) 사용자와 취향이 유사한 이웃 사용자들을 찾아 그들의 과거 아이템 평가 내역을 이용하는 협업 필터링 (collaborative filtering) 방법, (3) (1)과 (2)의 방법들에서 사용하는 정보들을 모두 이용하는 하이브리드 (hybrid) 방법으로 구분됩니다.

최근, 플랫폼 상에서 사용자들에게 제공되는 아이템의 종류와 수가 빠르고 크게 증가함에 따라, 높은 정확도의 추천 시스템을 위한 연구가 학계/산업계에서 활발히 진행되고 있습니다. 특히, Netflix, YouTube, Amazon, Naver 등의 다양한 실세계 플랫폼들에서 사용자 맞춤형 서비스 제공, 마케팅 등을 위해 추천 시스템을 적극적으로 도입 및 활용하고 있으며, 사용자들 또한 이러한 개인화 추천 서비스에 높은 만족도를 느끼며 보다 다각화된 방향으로 플랫폼을 경험하는 경우가 늘어나고 있습니다. 즉, 추천 시스템은 학술적인 가치 뿐만 아니라, 매우 높은 실용성을 갖는 기술입니다.

빅데이터 사이언스 연구실에서는 데이터 마이닝 및 인공 지능 기술을 기반으로, 다양한 추천 시스템과 이와 연관된 응용 기술들을 연구하고 있습니다. 특히, 사용자의 아이템 이용 패턴을 분석하여 각 사용자의 무관심 아이템을 도출한 뒤 이를 통해 각 사용자에게 최적화된 아이템만을 추천해주는 기술은, 그 우수성을 인정받아 빅데이터공학 분야의 탑 컨퍼런스인 IEEE ICDE 2016에 발표되었으며, 이후 추천 시스템 분야를 진전시키는 다양한 관련 기술들을 AAAI, ACM WWW, ACM CIKM, ACM SIGIR, IEEE ICDM 등의 탑 컨퍼런스에 지속적으로 발표하고 있습니다. 또한, NAVER (뉴스 및 키워드 추천 시스템), KT (대화형 추천 시스템), 현대자동차 (POI 추천 시스템) 등 다양한 기업들과의 협업을 통해 활발한 연구를 진행하고 있습니다.

(SW 스타랩) 과학기술정보통신부, 실세계의 다양한 다운스트림 태스크를 위한 고성능 빅 하이퍼그래프 마이닝 플랫폼 개발, 2022.04 - 2029.12

Publications

Jeewon Ahn\*, Hong-Kyun Bae* and Sang-Wook Kim, “Is the Impression Log Beneficial to Effective Model Training in News Recommender Systems? No, It’s NOT”, In Proceedings of the ACM Web Conference 2023 (WWW 2023), pp., Texas, USA, April 30 – May 4, 2023 (short paper). (*co-first authors with equal contribution) (accepted to appear).