PowerPoint 프레젠테이션

Size: px
Start display at page:

Download "PowerPoint 프레젠테이션"

Transcription

1 미디어소비 : 추천 Personalized Media Lab. / 미디어기술원

2 YouTube:

3 YouTube: 현재 ( ) 2

4 무엇을볼것인가? 무엇을보여줄것인가? 무엇을볼것인가? 검색 1 2 무엇을보여줄것인가? 제안 3

5 추천의적용영역 미디어라이프사이클 시청전 시청중 후 무엇을볼것인가? 감상을돕는정보는? 컨텐츠의연관서비스는? 추천 4

6 사용자에게추천의기대효과 : 선택고민제거, 편리한 UI/UX 미디어라이프사이클 시청전 시청중 후 무엇을볼것인가? 감상을돕는정보는? 컨텐츠의연관서비스는? 추천 : 편리 5

7 사업자에게추천의기대효과 : 지속적인소비 미디어라이프사이클 시청전 시청중 후 무엇을볼것인가? 감상을돕는정보는? 컨텐츠의연관서비스는? 추천 : 지속적소비 6

8 추천 : Discovery & Fatten long tail 7

9 추천서비스 맛집 Item Peo ple 친구 Admob 8

10 실제효과 YouTube 는 2012 이후지금까지 10 배이상의시청률증가를달성했으며이는시청자들을개인화하는알고리즘에의해가능했다 - 월스트리트저널, 2017 년 2 월 동영상시청연장 ( 체류시간증가 ) 을통한광고수입증가 Netflix 개인화추천엔진의가치는십억달러이상이다. 이는매출의 1/7 수준이다 -Netflix Personalized Research Report, 2016 년 6 월 알고리즘적용기준 : 1 0.1% 고객유지개선도 (Retention Improvement), 2 0.1% 단위시간당시청수 (Viewing) ( 연기준 500~5,000 만달러 ) 9

11 사용자에게추천이란? 마지막에중단한 ( 또는시리즈 ) 컨텐츠가장최근 ( 또는오늘 / 주간 / 월간 ) 컨텐츠가장인기컨텐츠비슷한컨텐츠취향이비슷한사용자가본컨텐츠전문가가고른컨텐츠좋아할컨텐츠 10

12 개발자에게추천이란? 컨텐츠소비통계 가장최근 ( 또는오늘 / 주간 / 월간 ) 컨텐츠 가장인기컨텐츠 비슷한컨텐츠 컨텐츠 ( 딥 ) 메타 사용자소비통계 큐레이션??? 취향이비슷한사용자가본컨텐츠전문가가고른컨텐츠상황 ( 또는분위기 ) 에맞는컨텐츠좋아할컨텐츠 컨텐츠 ( 딥 ) 메타 & 환경정보 개인화 추천알고리즘분류 Top k Content-based filtering: 장르, 주제 ( 키워드 ), 악기등과같은컨텐츠속성의유사성으로추천 Collaborative filtering: 비슷한재생패턴의사용자를묶어추천 11

13 CB (Contents Based Filtering) 정의및특징 아이템의속성을계산하여속성의유사도를기반으로추천 액션을좋아하는사용자에게액션영화를 Shakira 가수음악을좋아하는사용자에게 Shakira 노래를 피아노곡을좋아하는사용자에게피아노곡을 음식과전원생활을좋아하는사용자에게 { 음식 & 전원생활 } 주제의영화를 속성과유사도는미리계산가능함에따라빠른추천이가능 추천의정확도판별이명확하나속성에따라품질의차이가발생 추천결과가정형화됨 공유되는속성이존재하지않으면추천될수없음 대표적특성 장르 악기 키워드 수동 vs 자동 (oksusu의 이런영화어때요? 예 ) 리틀포레스트 # 요리, # 힐링, # 시골 ) 12

14 CF (Collaborative Filtering) 정의및특징 사용자혹은컨텐츠간의재생이력혹은재생연관성기반의추천 컨텐츠타입혹은속성에영향받지않음 교차추천 User based CF 사용자의평가내역으로사용자간의유사도를얻고비슷한선호도를가진사람들이선택한상품을추천 서비스초창기데이터가별로없거나신규사용자에대해서는추천정확도가떨어질수있음 Item based CF 사용자가조회하는아이템간의조회 ( 구매 ) 유사도를기반으로연관아이템을보여주는방식 아이템평가를하지있지않은신규사용자에도추천가능 Cold start problem User based CF Item based CF 13

15 CF 알고리즘 1: Matrix completion 사용자의켄텐츠구매 ( 재생 ) 이력과선호도는사용자 - 컨텐츠를축으로한행렬로표현 결국추천은사용자가구매하지않은컨텐츠에대해어떤선호도를주는지를예측하는문제이고이는 행렬에서빈항목을채우는문제 (Solver: Matrix completion) 와같음 Log - User0 이 Item0 을구매후평점 3 으로평가 - User1 이 Item0 을구매후평점 4 로평가 - User2 가 Item0 을구매후평점 1 로평가 User4 가 Item4 를구매후평점 3 으로평가 Recommendation - User3 에게는무엇을추천할까? - User0 에게는무엇을추천할까? Item 0 Item 1 Item 2 Item 3 Item 4 User User User User User

16 CF 알고리즘구현 1: Matrix completion Matrix factorization 사용자의켄텐츠구매 ( 재생 ) 이력과선호도는사용자 - 컨텐츠를축으로한행렬로표현 결국추천은사용자가구매하지않은컨텐츠에대해어떤선호도를주는지를예측하는문제이고이는 행렬에서빈항목을채우는문제 (Solver: Matrix completion) 와같음 Matrix completion 해결은추천영역에서는 Matrix factorization 을통해해결 Item 0 Item 1 Item 2 Item 3 Item 4 NEW User User User User User

17 MF (Matrix Factorization) SVD (Singular Value Decomposition) 원리이용 특이값인수분해 : 행렬을몇개의잠재변수차원으로축소시켜서분해시킬수있다

18 MF (Matrix Factorization) SVD를이용한 Matrix Completion를통해사용자영화선호도예측 - SVD에서가중치행렬이 U와 V로분산되었다고가정 - K개의잠재유저속성을가진 U행렬과 K개의아이템속성을가진 V행렬 2개로분해할수있다고가정

19 MF (Matrix Factorization) 근사된 M 행렬 (M ) 과 M 행렬의차이 (RMSE) 를최소화해서 M 의빈자리채우기

20 MF (Matrix Factorization) ALS (Alternative Least Square) 1. V 매트릭스에만임의값을채움 2. V를고정하고 U를최적화 3. U를고정하고 V를최적화 4. 2,3를반복하여원하는조건을충족하면종료 SGD (Stochastic Gradient Descent) 1. U, V를임의의값으로초기화 2. User-rating Matrix에서임의의값선택 3. U, V에서해당값에영향을주는성분만 Update해서 M과의오차최소화 4. 2,3을반복하여원하는조건을충족하면종료 19

21 CF 알고리즘 2: DL (Deep Learning) 사용자의켄텐츠구매 ( 재생 ) 이력을 Vector 화하고 DNN/RNN 으로학습하고이를통하여특정사 용자가다음에볼컨텐츠를확률순으로출력하여추천 대규모사용자 / 아이템에대해우수한성능사용자선호도에크게민감하지않음 Hybrid(CF + CB 시스템으로확장이용이대부분 Global top player는 MF에서 DL로전환 Candidate Generation DNN Model Ranking DNN Model 데이터정제 / Vector 화 N 개의추천영상후보 예상시청시간으로정렬 20

22 그밖의추천시스템고려사항 Serendipity 우연또는우연적발견이라는의미로얼마나놀라운추천을해주는가 Discovery 사용자가인지하지못하는아이템을추천 Long tail 아이템을제공하여사용자의서비스 Exploration 을높임 Coverage 추천되는아이템의총비율 (n/n*100) Diversity 추천시스템은사용자에게다양한추천결과를제공해줘야함 Inter-list : 여러번의추천요청에대해같은아이템을추천해주는것을지양 Intra-list : 추천결과로제공되는 K 개의아이템이비슷한속성으로만이뤄지는것을지양 신뢰문제 평가 추천결과에대해사용자가신뢰할수있을만한근거제공예 ) 예상평점, 좋아하는장르의영화, 다른사람들이함께본상품 추천정확도지표예 ) RMSE, MAP, Recall 성능평가예 ) A/B test 21

23 SKT 미디어기술원 (Personalized Media Lab.): 추천 Consumption lifecycle: 시청전 시청중 후 Problem: 무엇을볼것인가? 감상을돕는정보는? 컨텐츠의연관서비스는? Solution: Recommendation Media discovery 미디어메타, 리뷰, Social media 기반키워드자동생성 영상 / 음원 / 대사분석 키워드기반 CB 추천 사용이력기반 CF 추천 ( 개인화 ) 딥메타데이터생성, 관리 딥메타기반부가서비스 ( 인물 / 객체, Binge watching, 미디어검색, e-commerce 등 ) 제공 Goal: 미디어소비강화및부가서비스제안으로미디어사업경쟁력강화 22

24 SKT 미디어기술원 (Personalized Media Lab.): 추천 영상 음악 키워드 CB 추천 & 영화, 드라마 (VoD), 실시간, 클립에대한 CF-CB 추천 ( 개인화 ) 음원, 가사, 작사, 작곡, 가수기반 & 청취이력기반추천 ( 개인화 ) 미디어추천으로진화중 Cross-domain( 예 : 영화 음악 ) 추천? 추출된키워드 # 히어로 oksusu 홈 23

25 SKT 미디어기술원 (Personalized Media Lab.): T & B code challenge 24

26 감사합니다!

Recommender Systems - Beyond Collaborative Filtering

Recommender Systems - Beyond Collaborative Filtering Recommender Systems Beyond Collaborative Filtering Sungjoo Ha May 17th, 2016 Sungjoo Ha 1 / 19 Recommender Systems Problem 사용자가얼마나특정아이템을좋아할지예측해보자. 과거행동을바탕으로 다른사용자와의관계를바탕으로 아이템사이의관계로부터 문맥을살펴보고... Sungjoo

More information

영상5월_펼침면

영상5월_펼침면 KOREA MEDIA RATING BOARD KOREA MEDIA RATING BOARD 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 2006. 4 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52

More information

SKT - 0.0% SKT 9,582 60.0% 7,600 67.4% 2,715 17.0% 3,673 32.6% 13,255 83.0% 11,273 15,970

SKT - 0.0% SKT 9,582 60.0% 7,600 67.4% 2,715 17.0% 3,673 32.6% 13,255 83.0% 11,273 15,970 SKT - 0.0% SKT 9,582 60.0% 7,600 67.4% 2,715 17.0% 3,673 32.6% 13,255 83.0% 11,273 15,970 * 5 (5 12 ) 9,000 6,000 3,000 800 600 400 200 0 0-3,000-6,000-9,000 4/29 5/6 5/13 5/20 5/27-200 -400-600

More information

화판_미용성형시술 정보집.0305

화판_미용성형시술 정보집.0305 CONTENTS 05/ 07/ 09/ 12/ 12/ 13/ 15 30 36 45 55 59 61 62 64 check list 9 10 11 12 13 15 31 37 46 56 60 62 63 65 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43

More information

2 KISDI STAT Report 215. 4. 15 / Vol. 15-1 분석 목적 - 스마트폰의 보급 확대에 따른 세대간 미디어 이용 행태의 변화 특성을 분석하고 시사점을 도출 응답자 특성 - 가구의 경우 21년 인구주택총조사 결과의 시도별 가구분포와 지역구분(동

2 KISDI STAT Report 215. 4. 15 / Vol. 15-1 분석 목적 - 스마트폰의 보급 확대에 따른 세대간 미디어 이용 행태의 변화 특성을 분석하고 시사점을 도출 응답자 특성 - 가구의 경우 21년 인구주택총조사 결과의 시도별 가구분포와 지역구분(동 ISSN 2384-1672 215. 4. 15 / Vol. 15-1 KISDI STAT Report가 이번 호부터 온라인 정기간행물로 새롭게 출발합니다. 매월 15일과 3일에 ICT통계분석센터 필진이 ICT 산업과 미디어 이용을 주제로 데이터에 기초한 이슈 분석으로 독자를 찾아갑니다. 스마트폰 보급 확산과 세대간 미디어 이용 특징 변화 정용찬 ICT통계분석센터장

More information

09한성희.hwp

09한성희.hwp (JBE Vol. 18, No. 1, January 2013) (Regular Paper) 181, 2013 1 (JBE Vol. 18, No. 1, January 2013) http://dx.doi.org/10.5909/jbe.2013.18.1.88 ISSN 2287-9137 (Online) ISSN 1226-7953 (Print) VOD TV a), a),

More information

Bitcoin_3.indd

Bitcoin_3.indd IDG Tech Report IDG Tech Report 1 IDG Tech Report 2 IDG Tech Report 3 IDG Tech Report 4 IDG Tech Report 5 6 IDG Tech Report IDG Tech Report 7 IDG Tech Report 8 Subscription Visual Contents Social Media

More information

협업 필터링이란 대규모의 기존 사용자 행동 정보를 분석하여 해당 사용자와 비슷한 성향의 사용자들이 기존에 좋아했던 항목을 추천하는 기술이다. 가장 일반적인 예는 온라인 쇼핑 사이 트에서 흔히 볼 수 있는 이 상품을 구매한 사용자가 구매한 상품들 서비스이다. 예를 들어

협업 필터링이란 대규모의 기존 사용자 행동 정보를 분석하여 해당 사용자와 비슷한 성향의 사용자들이 기존에 좋아했던 항목을 추천하는 기술이다. 가장 일반적인 예는 온라인 쇼핑 사이 트에서 흔히 볼 수 있는 이 상품을 구매한 사용자가 구매한 상품들 서비스이다. 예를 들어 우리는 원하는 정보를 보고 있을까? 콘텐츠 추천 알고리즘의 진화 최근 세상을 깜짝 놀라게 한 알파고(AlphaGo)가 내가 좋아할 만한 영화나 드라마를 추천해준다면? 넷플릭스의 성공 신화는 콘텐츠 추천 서비스에서 비롯되었다. 이용자의 성향과 관심사를 분석하고 콘텐츠 이용 행태를 세밀히 관찰하여 개인 맞춤형 콘텐츠를 제공하는 것은 이제 콘텐츠 사업자에게 선택이

More information

<4D6963726F736F667420506F776572506F696E74202D205B444D435D36BFF95FB5F0C1F6C5D0B9CCB5F0BEEE20B5BFC7E220BAB8B0EDBCAD5F32303131303728C5EBC7D5BABB29>

<4D6963726F736F667420506F776572506F696E74202D205B444D435D36BFF95FB5F0C1F6C5D0B9CCB5F0BEEE20B5BFC7E220BAB8B0EDBCAD5F32303131303728C5EBC7D5BABB29> 6 디지털 미디어 동향보고_Monthly Report I. 디지털 미디어 이슈 리포트 II. 광고 집행 금액 및 트래픽 리포트 Ⅲ. 신상품 및 신규 매체 리포트 Ⅳ. 해외 및 국내 진행사례 리포트 2011-07 컨버전스실 모커팀&미디어팀 세부 목차_6 디지털 미디어 동향보고 I. 디지털 미디어 이슈 리포트 1. 온라인... 4P 2. 모바일... 7P 3.

More information

..........-....33

..........-....33 04 06 12 14 16 18 20 22 24 26 Contents 34 38 42 46 50 54 58 62 66 70 74 78 84 88 90 92 94 96 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 01 26 27 02 28 29 30 31 32 33 34 35 36 37 38 39

More information

chungo_story_2013.pdf

chungo_story_2013.pdf Contents 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 65 67 69 71 73 75 77 79 81 83 85 87 89 91 93 95 97 99

More information

Contents 12 13 15 17 70 79 103 107 20 21 24 29 128 137 141 32 34 36 41 46 47 53 55 174 189 230 240 58 61 64 1. 1. 1 2 3 4 2. 2. 2 1 3 4 3. 3. 1 2 3 4 4. 4. 1 2 3 4 5. 5. 1 2 3 1 2 3

More information

http://www.forest.go.kr 5 2013~2017 Contents 07 08 10 19 20 30 33 34 38 39 40 44 45 47 49 51 52 53 53 57 63 67 Contents 72 75 76 77 77 82 88 93 95 96 97 97 103 109 115 121 123 124 125 125 129 132 137

More information

전반부-pdf

전반부-pdf Contents 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72

More information

<4D6963726F736F667420506F776572506F696E74202D20312E20B0E6C1A6C0FCB8C15F3136B3E2C7CFB9DDB1E25F325FC6ED28C0BA292E70707478>

<4D6963726F736F667420506F776572506F696E74202D20312E20B0E6C1A6C0FCB8C15F3136B3E2C7CFB9DDB1E25F325FC6ED28C0BA292E70707478> Contents 3 2016 4 2016 5 2016 6 2016 7 2016 8 2016 9 2016 10 2016 11 2016 12 2016 13 2016 14 2016 15 2016 16 2016 17 2016 18 2016 19 2016 20 2016 21 2016 22 2016 23 2016 24 2016 25 2016 26 2016 27 2016

More information

..........- ........

..........- ........ Contents 24 28 32 34 36 38 40 42 44 46 50 52 54 56 58 60 61 62 64 66 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 01 02 24 25 03 04 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40

More information

Contents 007 008 016 125 126 130 019 022 027 029 047 048 135 136 139 143 145 150 058 155 073 074 078 158 163 171 182 089 195 090 100 199 116 121 01 01 02 03 04 05 06 8 9 01 02 03 04 05 06 10 11 01 02 03

More information

A°ø¸ðÀü ³»Áö1-¼öÁ¤

A°ø¸ðÀü ³»Áö1-¼öÁ¤ 1 4 5 6 7 8 9 10 11 Contents 017 035 051 067 081 093 107 123 139 151 165 177 189 209 219 233 243 255 271 287 299 313 327 337 349 12 13 017 18 19 20 21 22 23 24 25 26 27 28 29 30 31 035 051 067 081 093

More information

±¹³»°æÁ¦ º¹»ç1

±¹³»°æÁ¦ º¹»ç1 Contents 2 2002. 1 116 2002. 1 2002. 1 117 118 2002. 1 2002. 1 119 120 2002. 1 2002. 1 121 122 2002. 1 2002. 1 123 124 2002. 1 2002. 1 125 126 2002. 1 2002. 1 127 128 2002. 1 2002. 1 129 130 2002. 1 2002.

More information

¿¡³ÊÁö ÀÚ¿ø-Âü°í ³»Áö.PDF

¿¡³ÊÁö ÀÚ¿ø-Âü°í ³»Áö.PDF Contents 01 02 03 6 04 05 7 8 9 01 10 02 03 11 04 01 12 02 13 03 04 14 01 02 03 04 15 05 06 16 07 17 08 18 01 02 03 19 04 20 05 21 06 07 22 08 23 24 25 26 27 28 29 30 31 32 33 01 36 02 03 37 38 01

More information

전반부-pdf

전반부-pdf Contents 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72

More information

Microsoft PowerPoint - 3. 2016 하반기 크레딧 전망_V3.pptx

Microsoft PowerPoint - 3. 2016 하반기 크레딧 전망_V3.pptx Contents 3 2016 4 2016 5 2016 6 2016 7 2016 8 2016 9 2016 10 2016 11 2016 12 2016 13 2016 14 2016 15 2016 16 2016 17 2016 18 2016 19 2016 20 2016 21 2016 22 2016 23 2016 24 2016 25 2016 26 2016 27 2016

More information

양성내지b72뼈訪?303逞

양성내지b72뼈訪?303逞 Contents 성매매 예방교육 가이드북 Contents 제3부 성매매의 어제와 오늘 그리고 한국의 현주소 제4부 처벌 과 보호 의 성매매방지법 1. 성매매의 역사적 배경 및 추이 1. 성매매방지법 제정 배경 62 2. 성매매방지법 제정 취지 63 40 2. 성매매에 대한 국가별 개입 양상 42 3. 규범적 판단과 형사처벌을 기준으로 본 성매매 4. 외국의

More information

³»Áöc03âš

³»Áöc03âš 08 09 27 20 32 42 contents 3 4 5 6 7 8 9 28 10 11 42 38 12 13 45 48 44 14 15 53 50 16 17 58 54 18 19 20 21 22 23 24 25 2008. 5. 27~30 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 2008. 4. 27 42 43 44

More information

¾ç¼º-¾÷¹«Æí¶÷-³»¿ëÃà¼Ò4

¾ç¼º-¾÷¹«Æí¶÷-³»¿ëÃà¼Ò4 contents 6 9 18 21 23 43 44 53 61 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62

More information

전도대회자료집

전도대회자료집 1 Contents 8 10 57 4 2 63 6 17 43 12 3 4 5 7 6 7 6 8 9 10 11 12 13 14 15 16 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60

More information

0204..........1..

0204..........1.. contents contents 01 6 7 8 02 9 10 11 12 13 03 14 15 16 17 18 19 20 21 22 23 24 25 26 27 01 30 31 32 33 34 35 36 37 02 38 39 40 41 42 43 44 45 46 03 47 48 49 50 51 52 53 54 55 56 04 57 58 59 60 61

More information

µ¶ÀÏÅëÀÏÁý1~2Æíq36£02Ð

µ¶ÀÏÅëÀÏÁý1~2Æíq36£02Ð CONTENTS 3 9 16 20 24 29 33 36 40 48 50 56 60 64 71 76 80 83 88 91 94 97 100 103 106 109 114 116 128 133 139 144 148 151 154 159 170 173 176 181 183 188 190 192 194 198 202 209 212 218 221 228 231 233

More information

자식농사웹완

자식농사웹완 윤 영 선 _ 지음 은혜한의원 서울시 마포구 도화1동 550 삼성프라자 308호 Tel : 3272.0120, 702.0120 진료시간 : 오전 9시 30분`~`오후 7시 점심시간 : 오후 1시`~`2시 토 요 일 : 오전 9시 30분`~`오후 3시 (일, 공휴일 휴진`/`전화로 진료 예약 받습니다) 은 혜 한 의 원 은혜한의원 CONTENTS 02 04 07

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 빅데이터와 NLP 를이용한 11 번가상품추천 황영숙 (Hwang Young-Sook) 2016. 10. 17 1. 들어가며 2. 추천시스템의배경 / 목적 3. 추천알고리즘고찰 4. 사용자소비성향 / 관심기반추천 5. 11번가에서의상품추천 ( 예 ) 6. 맺음말 추천시스템의배경과목적 파레토의법칙 vs. 롱테일법칙 파렛토의법칙 : 상위 20% 가 80% 의가치를창출한다

More information

Mstage.PDF

Mstage.PDF Wap Push June, 2001 Contents About Mstage What is the Wap Push? SMS vs. Push Wap push Operation Wap push Architecture Wap push Wap push Wap push Example Company Outline : (Mstage co., Ltd.) : : 1999.5

More information

e-spider_제품표준제안서_160516

e-spider_제품표준제안서_160516 The start of something new ECMA Based Scraping Engine CONTENTS 3 4 1 2 3 4 5 6 7 8 9 5 6 ECMA Based Scraping Engine 7 No.1 No.2 No.3 No.4 No.5 8 24 ( ) 9 ios Device (all architecture) Android Device (all

More information

영상6/7월pdf

영상6/7월pdf KOREA MEDIA RATING BOARD 2 KOREA MEDIA RATING BOARD 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 한류는 중국에 이어 겨울연가 와 보아 가 일본 국의 대중문화는 자유(freedom)를 설파한다 는정 열도를 정복했으며 올해에는 가수 비 가 미국 뉴욕 권 차원의 합의에 기초했다는 사실을 유념할

More information

¿À¸®ÄÞ40

¿À¸®ÄÞ40 BRAND REPORT 0 1 2008.3 NO.40 CONTENTS 0 2 BRAND REPORT BRAND REPORT 0 3 (%) 20 15 10 5 0 9.3 20.1 0 4 BRAND REPORT 30 25 0.3% 2.5% 10% 5% 20 15 10 5 0 BRAND REPORT 0 5 0 6 BRAND REPORT BRAND REPORT 0

More information

05Çѱ۳»Áö11

05Çѱ۳»Áö11 Vision 2010 Global HRD University National Top 10 Greetings of Issuance M e s s a g e Education Goal Histiory Academic Affairs Organization Table of Contents C ontents List of Works List of Works List

More information

목순 차서 v KM의 현황 v Web2.0 의 개념 v Web2.0의 도입 사례 v Web2.0의 KM 적용방안 v 고려사항 1/29

목순 차서 v KM의 현황 v Web2.0 의 개념 v Web2.0의 도입 사례 v Web2.0의 KM 적용방안 v 고려사항 1/29 Web2.0의 EKP/KMS 적용 방안 및 사례 2008. 3. OnTheIt Consulting Knowledge Management Strategic Planning & Implementation Methodology 목순 차서 v KM의 현황 v Web2.0 의 개념 v Web2.0의 도입 사례 v Web2.0의 KM 적용방안 v 고려사항 1/29 현재의

More information

? Search Search Search Search Long-Tail Long-Tail Long-Tail Long-Tail Media Media Media Media Web2.0 Web2.0 Web2.0 Web2.0 Communication Advertisement

? Search Search Search Search Long-Tail Long-Tail Long-Tail Long-Tail Media Media Media Media Web2.0 Web2.0 Web2.0 Web2.0 Communication Advertisement Daum Communications CRM 2007. 3. 14. ? Search Search Search Search Long-Tail Long-Tail Long-Tail Long-Tail Media Media Media Media Web2.0 Web2.0 Web2.0 Web2.0 Communication Advertisement Communication

More information

Ch 1 머신러닝 개요.pptx

Ch 1 머신러닝 개요.pptx Chapter 1. < > :,, 2017. Slides Prepared by,, Biointelligence Laboratory School of Computer Science and Engineering Seoul National University 1.1 3 1.2... 7 1.3 10 1.4 16 1.5 35 2 1 1.1 n,, n n Artificial

More information

DIY 챗봇 - LangCon

DIY 챗봇 - LangCon without Chatbot Builder & Deep Learning bage79@gmail.com Chatbot Builder (=Dialogue Manager),. We need different chatbot builders for various chatbot services. Chatbot builders can t call some external

More information

부산교육 311호

부산교육 311호 Contents Busan Education 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 37 40 41 42 43 44 45 46 47 (School Based Management) 48 49 50 51 52 53 54 55 56 57 60 61 62 63 64 65 66

More information

¿À¸®ÄÞ38

¿À¸®ÄÞ38 BRAND REPORT 0 1 2007.11 NO.38 CONTENTS 0 2 BRAND REPORT BRAND REPORT 0 3 0 4 BRAND REPORT BRAND REPORT 0 5 0 6 BRAND & COMMNICATION BRAND & COMMNICATION 0 7 0 8 BRAND & COMMUNICATION BRAND & COMMUNICATION

More information

김기남_ATDC2016_160620_[키노트].key

김기남_ATDC2016_160620_[키노트].key metatron Enterprise Big Data SKT Metatron/Big Data Big Data Big Data... metatron Ready to Enterprise Big Data Big Data Big Data Big Data?? Data Raw. CRM SCM MES TCO Data & Store & Processing Computational

More information

H-2 한영수

H-2 한영수 애플TV를 통해 본 TV의 생존법 한영수 책임연구원 hyszzz@lgeri.com Ⅰ. 머리말 Ⅱ. TV와 콘텐트 전달 방식 Ⅲ. 애플TV에 주목해야 하는 이유 Ⅳ. TV가 승자가 되는 길 Ⅴ. 맺음말 인터넷과 디지털 미디어 산업의 빠른 발달로 인해 영상 콘텐트의 종류는 점점 다양화되고 있으며 이런 다양한 영상 콘텐트를 고화질 TV를 통해 시청하고자 하는 소비자의

More information

저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할

저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할 저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할수없습니다. 변경금지. 귀하는이저작물을개작, 변형또는가공할수없습니다. 귀하는, 이저작물의재이용이나배포의경우,

More information

Microsoft Word - src.doc

Microsoft Word - src.doc IPTV 서비스탐색및콘텐츠가이드 RI 시스템운용매뉴얼 목차 1. 서버설정방법... 5 1.1. 서비스탐색서버설정... 5 1.2. 컨텐츠가이드서버설정... 6 2. 서버운용방법... 7 2.1. 서비스탐색서버운용... 7 2.1.1. 서비스가이드서버실행... 7 2.1.2. 서비스가이드정보확인... 8 2.1.3. 서비스가이드정보추가... 9 2.1.4. 서비스가이드정보삭제...

More information

슬라이드 1

슬라이드 1 빅데이터분석을위한데이터마이닝방법론 SAS Enterprise Miner 활용사례를중심으로 9 주차 예측모형에대한평가 Assessment of Predictive Model 최종후, 강현철 차례 6. 모형평가의기본개념 6.2 모델비교 (Model Comparison) 노드 6.3 임계치 (Cutoff) 노드 6.4 의사결정 (Decisions) 노드 6.5 기타모형화노드들

More information

슬라이드 1

슬라이드 1 4. Mobile Service Technology Mobile Computing Lecture 2012. 10. 5 안병익 (biahn99@gmail.com) 강의블로그 : Mobilecom.tistory.com 2 Mobile Service in Korea 3 Mobile Service Mobility 4 Mobile Service in Korea 5 Mobile

More information

<4D6963726F736F667420576F7264202D20C1A4BAB8C5EBBDC5C1F8C8EFC7F9C8B8BFF8B0ED5FBDBAB8B6C6AEBDC3B4EBBAF22E727466>

<4D6963726F736F667420576F7264202D20C1A4BAB8C5EBBDC5C1F8C8EFC7F9C8B8BFF8B0ED5FBDBAB8B6C6AEBDC3B4EBBAF22E727466> 스마트TV 시대의 빅뱅과 미디어 생태계 송 민 정 KT 경제경영연구소, mzsong@kt.com 1. 들어가는 말 스마트TV란 스마트폰 운영체제(Operating System)를 탑재해 소비자가 인터넷을 통해 다양한 애플리케이션(Application: 이후 앱)을 다운로드 받을 수 있게 하는 신개념의 TV이며, 스마트폰이 촉발한 또 하나의 단말 혁명이다. 스마트폰과

More information

Making a True Business Solution ANNUAL REPORT 2013 I. I. I I II. II. II II II II II II II II II II II II II II II II II III. III III III III III III III III III III III

More information

SW¹é¼Ł-³¯°³Æ÷ÇÔÇ¥Áö2013

SW¹é¼Ł-³¯°³Æ÷ÇÔÇ¥Áö2013 SOFTWARE ENGINEERING WHITE BOOK : KOREA 2013 SOFTWARE ENGINEERING WHITE BOOK : KOREA 2013 SOFTWARE ENGINEERING WHITE BOOK : KOREA 2013 SOFTWARE ENGINEERING WHITE BOOK : KOREA 2013 SOFTWARE ENGINEERING

More information

소셜네트워크분석을활용한추천시스템의정확도 개선에관한연구 A Study on Improving Accuracy of Recommender Systems using Social Network Analysis 1) 목차 Ⅰ. 서론 Ⅱ. 이론적배경 Ⅲ. 제안알고리즘 Ⅳ. 실증분

소셜네트워크분석을활용한추천시스템의정확도 개선에관한연구 A Study on Improving Accuracy of Recommender Systems using Social Network Analysis 1) 목차 Ⅰ. 서론 Ⅱ. 이론적배경 Ⅲ. 제안알고리즘 Ⅳ. 실증분 우수논문신청여부 ( 표시 ) Fast Track 심사신청여부 ( 표시 ) 예 예 아니오 아니오 한국지능정보시스템학회 [2016 년춘계학술대회 ] 논문투고 소셜네트워크분석을활용한추천시스템의정확도 개선에관한연구 최슬비 ( 국민대학교비즈니스 IT 전문대학원, 제 1 저자, seulbimon@kookmin.ac.kr) 곽기영 ( 국민대학교비즈니스IT전문대학원, 제2저자,

More information

1 2009 11. 2012 60% 2013 TV TV. TV,.,,.,,,...,. 2.,. 2012 12 3 1 9 1 13 1 13 2 16 1. 16 2. 17 2 19 1 19 1. 19 2. 22 3. 25 4. 28 2 31 1. 31 2. 35 3. 37 3 38 1 38 2 45 4 4 51 1 51 2 53 1. : (FGI) 53 2. :

More information

Microsoft Word - [2017SMA][T8]OOPT_Stage_2040 ver2.docx

Microsoft Word - [2017SMA][T8]OOPT_Stage_2040 ver2.docx OOPT Stage 2040 - Design Feesual CPT Tool Project Team T8 Date 2017-05-24 T8 Team Information 201211347 박성근 201211376 임제현 201411270 김태홍 2017 Team 8 1 Table of Contents 1. Activity 2041. Design Real Use

More information

최근 구글 크롬캐스트, 티빙스틱 등 OTT(인터넷방송) 스트리밍 기기의 발매가 빈번해지고 있다. 지 난 5월 출시된 크롬캐스트는 국내 출시 보름만에 2만대 가량 판매되며 이례적인 인기를 끌었다. TV와 의 무선연결을 통해 스마트폰, 태블릿의 화면을 공유하고 스마트TV

최근 구글 크롬캐스트, 티빙스틱 등 OTT(인터넷방송) 스트리밍 기기의 발매가 빈번해지고 있다. 지 난 5월 출시된 크롬캐스트는 국내 출시 보름만에 2만대 가량 판매되며 이례적인 인기를 끌었다. TV와 의 무선연결을 통해 스마트폰, 태블릿의 화면을 공유하고 스마트TV KOCCA 제14-15호 (통권 86호) 통계로 보는 콘텐츠산업 강중구 (산업정보팀 주임연구원) 061-900-6237/ kjunggoo@kocca.kr 2014. 8. 30. 최근 구글 크롬캐스트, 티빙스틱 등 OTT(인터넷방송) 스트리밍 기기의 발매가 빈번해지고 있다. 지 난 5월 출시된 크롬캐스트는 국내 출시 보름만에 2만대 가량 판매되며 이례적인 인기를

More information

소규모 비즈니스를 위한 플레이북 여기서 다룰 내용은 다음과 같습니다. 1. YouTube 소개 2. YouTube에서 비즈니스를 위한 채널 만들기 3. 눈길을 끄는 동영상 만들기 4. 고객의 액션 유도하기 5. 비즈니스에 중요한 잠재고객에게 더 많이 도달하기

소규모 비즈니스를 위한 플레이북 여기서 다룰 내용은 다음과 같습니다. 1. YouTube 소개 2. YouTube에서 비즈니스를 위한 채널 만들기 3. 눈길을 끄는 동영상 만들기 4. 고객의 액션 유도하기 5. 비즈니스에 중요한 잠재고객에게 더 많이 도달하기 소규모 비즈니스를 위한 YouTube 플레이북 YouTube에서 호소력 있는 동영상으로 고객과 소통하기 소규모 비즈니스를 위한 플레이북 여기서 다룰 내용은 다음과 같습니다. 1. YouTube 소개 2. YouTube에서 비즈니스를 위한 채널 만들기 3. 눈길을 끄는 동영상 만들기 4. 고객의 액션 유도하기 5. 비즈니스에 중요한 잠재고객에게 더 많이 도달하기

More information

Vector Space Vector space : 모든 n 차원컬럼벡터의집합 : {, :, } (, 2), (2, 5), (-2.4, 3), (2.7, -3.77), (,), 이차원공간을모두채움 : {,, :,, } (2,3,4), (3,2,-5), Vector spa

Vector Space Vector space : 모든 n 차원컬럼벡터의집합 : {, :, } (, 2), (2, 5), (-2.4, 3), (2.7, -3.77), (,), 이차원공간을모두채움 : {,, :,, } (2,3,4), (3,2,-5), Vector spa Seoul National University Vector Space & Subspace Date Name: 김종권 Vector Space Vector space : 모든 n 차원컬럼벡터의집합 : {, :, } (, 2), (2, 5), (-2.4, 3), (2.7, -3.77), (,), 이차원공간을모두채움 : {,, :,, } (2,3,4), (3,2,-5),

More information

CONTENTS Volume.174 2013 09+10 06 테마 즐겨찾기 빅데이터의 현주소 진일보하는 공개 기술, 빅데이터 새 시대를 열다 12 테마 활동 빅데이터 플랫폼 기술의 현황 빅데이터, 하둡 품고 병렬처리 가속화 16 테마 더하기 국내 빅데이터 산 학 연 관

CONTENTS Volume.174 2013 09+10 06 테마 즐겨찾기 빅데이터의 현주소 진일보하는 공개 기술, 빅데이터 새 시대를 열다 12 테마 활동 빅데이터 플랫폼 기술의 현황 빅데이터, 하둡 품고 병렬처리 가속화 16 테마 더하기 국내 빅데이터 산 학 연 관 방송 통신 전파 KOREA COMMUNICATIONS AGENCY MAGAZINE 2013 VOL.174 09+10 CONTENTS Volume.174 2013 09+10 06 테마 즐겨찾기 빅데이터의 현주소 진일보하는 공개 기술, 빅데이터 새 시대를 열다 12 테마 활동 빅데이터 플랫폼 기술의 현황 빅데이터, 하둡 품고 병렬처리 가속화 16 테마 더하기 국내

More information

8월-이윤희-1.indd

8월-이윤희-1.indd F O C U S 4 국내 SNS의 이용 현황과 주요 이슈 분석 이윤희* 스마트폰 대중화와 SNS 이용의 일상화는 우리 사회에 많은 변화를 가져왔다. 소통과 참여 의 확대와 무한 정보 공유의 대가는 프라이버시 침해, 사이버폭력, 소통의 양극화, 허위정보의 확산, 정보 과부하라는 부작용을 초래했다. 이에 본고에서는 국내 SNS 이용 현황과 주요 이슈 들을 분석하여,

More information

등록특허 (19) 대한민국특허청 (KR) (12) 등록특허공보 (B1) (51) 국제특허분류 (Int. Cl.) G06Q 30/06A0 ( ) (21) 출원번호 (22) 출원일자 2009 년 08 월 19 일

등록특허 (19) 대한민국특허청 (KR) (12) 등록특허공보 (B1) (51) 국제특허분류 (Int. Cl.) G06Q 30/06A0 ( ) (21) 출원번호 (22) 출원일자 2009 년 08 월 19 일 (19) 대한민국특허청 (KR) (12) 등록특허공보 (B1) (51) 국제특허분류 (Int. Cl.) G06Q 30/06A0 (2012.01) (21) 출원번호 10-2009-0076942 (22) 출원일자 2009 년 08 월 19 일 심사청구일자 2009 년 08 월 19 일 (65) 공개번호 10-2011-0019289 (43) 공개일자 2011 년

More information

U.Tu System Application DW Service AGENDA 1. 개요 4. 솔루션 모음 1.1. 제안의 배경 및 목적 4.1. 고객정의 DW구축에 필요한 메타정보 생성 1.2. 제품 개요 4.2. 사전 변경 관리 1.3. 제품 특장점 4.3. 부품화형

U.Tu System Application DW Service AGENDA 1. 개요 4. 솔루션 모음 1.1. 제안의 배경 및 목적 4.1. 고객정의 DW구축에 필요한 메타정보 생성 1.2. 제품 개요 4.2. 사전 변경 관리 1.3. 제품 특장점 4.3. 부품화형 AGENDA 1. 개요 4. 솔루션 모음 1.1. 제안의 배경 및 목적 4.1. 고객정의 DW구축에 필요한 메타정보 생성 1.2. 제품 개요 4.2. 사전 변경 관리 1.3. 제품 특장점 4.3. 부품화형 언어 변환 1.4. 기대 효과 4.4. 프로그램 Restructuring 4.5. 소스 모듈 관리 2. SeeMAGMA 적용 전략 2.1. SeeMAGMA

More information

02본문

02본문 50 특집 : 빅데이터와미래방송 특집 빅데이터와미래방송 협업필터링기반의콘텐츠추천시스템과빅데이터처리솔루션을이용한상용화개발방향 Content recommendation system based on the collaborative filtering and big-data solutions for its commercialization 최성우, 한성희, 정병희 /

More information

2016_Company Brief

2016_Company Brief 1MILLIMETER Creative Agency / Tiny Make Big. Copyrights all-rights reserved. 2016/1-mm.net 1MILLIMETER // Copyright all-rights reserved. 2016/1-mm.net Distance Between You & Us & Tiny Make Big 1MILLIMETER

More information

¹é¼ŁÇ¥Áö 11³âš

¹é¼ŁÇ¥Áö 11³âš KERI ANNUAL REPORT 2010 KERI ANNUAL REPORT 2010 KOREA ECONOMIC RESEARCH INSTITUTE KOREA ECONOMIC RESEARCH INSTITUTE 1 2 3 KOREA ECONOMIC RESEARCH INSTITUTE KERI CONTENTS 3 6 55 56 CONTENTS K O R E A E

More information

<4D F736F F D20302EC0CEC6AEB7CE2BC1BEB8F1B8AEBDBAC6AE2BBCBAB0FA BCBAB0FABEF7B5A5C0CCC6AEBFCFB7E1292E646F6378>

<4D F736F F D20302EC0CEC6AEB7CE2BC1BEB8F1B8AEBDBAC6AE2BBCBAB0FA BCBAB0FABEF7B5A5C0CCC6AEBFCFB7E1292E646F6378> 글로벌트렌드포트폴리오 채권같은주식 (Bond-like stocks) 리츠 (REITs) 스마트하우징 (Smart housing) 시니어이코노미 (Senior Economy) 뉴노멀소비 (New Consumers) 지속성장 (Continuous growth) 머신러닝 (Machine learning) 자율주행 (Autonomous driving) 만물인터넷 (Internet

More information

160322_ADOP 상품 소개서_1.0

160322_ADOP 상품 소개서_1.0 상품 소개서 March, 2016 INTRODUCTION WHO WE ARE WHAT WE DO ADOP PRODUCTS : PLATON SEO SOULTION ( ) OUT-STREAM - FOR MOBILE ADOP MARKET ( ) 2. ADOP PRODUCTS WHO WE ARE ADOP,. 2. ADOP PRODUCTS WHAT WE DO ADOP,.

More information

대우증권인_표지수정

대우증권인_표지수정 Chal len ge * Monthly theme magazine of Daewoo Securities 2010 Vol.94 March T O G E T H E R.. CONTENTS 04 06 10 12 Special Theme. Challenge 16 18 20 22 26 28 30 32 34 36 38 39 Global Top Player Focus

More information

2014 변경 학사제도(학생안내문).hwp

2014 변경 학사제도(학생안내문).hwp 목 차 Ⅰ. 2014학년도 학사일정 및 보강주간 신설 2 Ⅱ. 교육과정 운영 (졸업이수학점 조정) 3 Ⅲ. 성적관련제도 변경 3 Ⅳ. 75분제 (블록시간표) 수업 5 Ⅴ. 졸업연장 제도 개선 운영 6 Ⅵ. 전과심사 제도 변경 7 Ⅶ. 지도교수제/Office Hour 8 Chap.Ⅰ 2014학년도 학사일정 및 보강주간 신설 2014년 1학기부터 보강주간 신설ㆍ운영

More information

첨 부 1. 설문분석 결과 2. 교육과정 프로파일 169

첨 부 1. 설문분석 결과 2. 교육과정 프로파일 169 첨부 168 첨 부 1. 설문분석 결과 2. 교육과정 프로파일 169 Ⅰ-1. 설문조사 개요 Ⅰ. 설문분석 결과 병무청 직원들이 생각하는 조직문화, 교육에 대한 인식, 역량 중요도/수행도 조사를 인터넷을 통해 실 시 총 1297명의 응답을 받았음 (95% 신뢰수준에 표본오차는 ±5%). 조사 방법 인터넷 조사 조사 기간 2005년 5월 4일 (목) ~ 5월

More information

이제는 쓸모없는 질문들 1. 스마트폰 열기가 과연 계속될까? 2. 언제 스마트폰이 일반 휴대폰을 앞지를까? (2010년 10%, 2012년 33% 예상) 3. 삼성의 스마트폰 OS 바다는 과연 성공할 수 있을까? 지금부터 기업들이 관심 가져야 할 질문들 1. 스마트폰은

이제는 쓸모없는 질문들 1. 스마트폰 열기가 과연 계속될까? 2. 언제 스마트폰이 일반 휴대폰을 앞지를까? (2010년 10%, 2012년 33% 예상) 3. 삼성의 스마트폰 OS 바다는 과연 성공할 수 있을까? 지금부터 기업들이 관심 가져야 할 질문들 1. 스마트폰은 Enterprise Mobility 경영혁신 스마트폰, 웹2.0 그리고 소셜라이프의 전략적 활용에 대하여 Enterpise2.0 Blog : www.kslee.info 1 이경상 모바일생산성추진단 단장/경영공학박사 이제는 쓸모없는 질문들 1. 스마트폰 열기가 과연 계속될까? 2. 언제 스마트폰이 일반 휴대폰을 앞지를까? (2010년 10%, 2012년 33%

More information

ICT03_UX Guide DIP 1605

ICT03_UX Guide DIP 1605 ICT 서비스기획시리즈 01 모바일 UX 가이드라인 동준상. 넥스트플랫폼 / v1605 모바일 UX 가이드라인 ICT 서비스기획시리즈 01 2 ios 9, OS X Yosemite (SDK) ICT Product & Service Planning Essential ios 8, OS X Yosemite (SDK) ICT Product & Service Planning

More information

..........(......).hwp

..........(......).hwp START START 질문을 통해 우선순위를 결정 의사결정자가 질문에 답함 모형데이터 입력 목표계획법 자료 목표계획법 모형에 의한 해의 도출과 득실/확률 분석 END 목표계획법 산출결과 결과를 의사 결정자에게 제공 의사결정자가 결과를 검토하여 만족여부를 대답 의사결정자에게 만족하는가? Yes END No 목표계획법 수정 자료 개선을 위한 선택의 여지가 있는지

More information