Abstract

In order to provide with personalized recommendation service in context-awareness environment, the collected context data should be analyzed fast and the objective of user should be able to inferred effectively. But, the context collected from the mobile devices is not suitable for applying the existing inference algorithms as they are due to the omission or uncertainty of information and the efficient algorithms are required for mobile environment. In this paper, the behavior pattern was classified using naive bayes classification for minimize the loss caused by the omission or error of information. And pattern matching was used to effectively learn of the users inclination and infer the behavior purpose. The accuracy of the suggested inference model was evaluated by applying to the application recommendation service in the smart phones.

컨텍스트 인식 환경에서 개인화 추천 서비스를 제공하기 위해서는 수집된 컨텍스트 정보를 빠르게 분석하고, 효과적으로 사용자의 목적을 추론할 수 있어야 한다. 그러나 모바일 장비에서 수집되는 컨텍스트는 환경에 따라 데이터의 차이가 발생함으로 인해 기존의 추론 알고리즘을 그대로 적용하기에는 적합하지 않고 모바일 환경에 적합한 효율적인 알고리즘이 필요하다. 본 연구에서는 정보의 누락이나 오류 등으로 인한 손실을 최소화하기 위해 나이브 베이즈 분류기를 사용하여 행동 패턴을 분류하였다. 또한 사용자의 성향을 효과적으로 학습하고 행동 목적을 추론하기 위하여 패턴 매칭 기법을 시용하였다. 제안한 개인화 추천 서비스 시스템을 스마트폰에서 어플리케이션을 추천하는 서비스를 적용하여 정확도를 평가하였다.

Keywords

• Naive Bayes;
• Pattern matching;
• Context-awareness;
• Personalization;
• Inference

• 나이브 베이즈;
• 패턴 매칭;
• 컨텍스트 인식;
• 개인화;
• 행동 추론;