This dissertation addresses the issues to develop a recommendation system for ubiquitous games, and presents a prototype recommendation system. Development of a useful recommendation system for ubiquitous games requires various modeling and description issues, e.g., context, rating, and interaction models, as well as system development issues. Among them, the most basic feature of a system is requirement checking. A ubiquitous game is played in a real-life environment using diverse sensors and actuators. It is difficult for users to intuitively understand if a game is playable in a certain situation. In addition, the playability checking should be provided in near real-time by automatically recognizing users` contexts. Even worse is that the system should provide such checking to a massive number of game clients. We propose a novel ubiquitous game matching architecture to support such massive recommendation services. The architecture proposes a collaborative operation between game clients` devices and the server, and develops a shared and incremental evaluation method based on a novel requirement index. For efficiency, all the computations for massive clients and games are performed all in main memory. It is upon the proposed architecture for massive ubiquitous game matching that more advanced recommendation features such as collaborative filtering can practically be devised and experimented.
본 연구는 유비쿼터스 게임을 위한 추천 시스템을 개발하는데 필요한 다양한 기술적 논제들을 제시하고, 추천 시스템의 프로토타입을 제시한다. 유비쿼터스 게임을 위한 추천 시스템을 만드는 데는 개발상의 문제뿐만 아니라 상황 모델, 평가 모델, 인터랙션 디자인 등 여러 가지 문제가 발생한다. 그 중에서도 시스템에 있어서 가장 기본적인 부분은 게임 요구사항 정합분석이다. 유비쿼터스 게임은 실제 환경 속에서 다양한 센서와 액추에이터를 사용하여 즐기게 될 것이다. 이런 상황에서는 사용자의 상황에서 수행 가능한 게임을 알아내는 것만 해도 힘든 일이다. 게다가 수행 가능 여부는 사용자의 상황을 자동으로 알아내어 실시간으로 계산되어야 한다. 또한 게임 추천 서비스를 이용하는 사용자의 수가 매우 많을 것이다. 본 연구에서는 대규모 추천 시스템을 위한 유비쿼터스 게임 요구사항 정합분석 아키텍처를 제시한다. 협력적 서버 클라이언트 아키텍처를 제시하고, 요구사항 색인을 이용한 공유, 증분적 프로세싱 알고리즘을 제시한다. 효율적인 연산을 위하여 모든 연산은 메인 메모리에서 실행되도록 한다. 본 연구에서 제시하는 게임 요구사항 정합분석 아키텍처의 기반 위에서, 협력 필터링 등 좀더 고급화된 추천 방식에 대한 연구가 진행될 수 있을 것이다.
