Ubiquitous computing environments live out here in the real world with people. One of key issues in ubiquitous computing environments is to enable users to be free from distractions by physical computing devices or intrusions from software services in our everyday life. The environments are shared by group of users. Currently available recommendation schemes especially on Web or ubiquitous computing environments have limitations to provide accurate group-aware recommendations incorporating environmental factors.
To overcome the limitation, we propose a music recommendation scheme for ubiquitous computing environments. We focus on user inclination, group-awareness, and environment factors. Our proposed scheme is composed of three steps. In the first step, we calculate average of feedback values based on current environment condition. In the second step, we calculate user inclination with history information of the user. With the user inclination value, we search preferences of users who share similar tastes in order to diverse music list. Lastly, we resolve conflicts among preference of users who are in the same space. We leverage user inclination value and preference value, which is calculated in the first step to recommend music.
Simulation results show that our proposed scheme incorporates the user precision and has the higher precision value rather than extended MusicFX scheme.
유비쿼터스 환경은 사용자의 간섭을 최소화하면서, 사용자의 패턴, 상태, 위치 등을 파악하여 적합한 서비스를 제공하는 환경이다. 유비쿼터스 환경에서 사용자의 간섭을 최소화 하면서 서비스를 제공하기 위해서는 추천 기법이 필요하다. 기존의 추천 기법들은 다수의 사용자들에게 서비스를 제공해주려고 할 때 발생할 수 있는 선호도 충돌 방안을 고려하지 않았거나, 고려하더라도 제한적으로 고려하여 정확한 사용자의 선호도 리스트를 만족시키지 못하고 있다.
본 연구에서는 유비쿼터스 환경에서 음악에 대한 개인화된 정보를 추출하여 음악을 추천하는 기법에 대하여 연구하였다. 장소와 시간에 따른 사용자의 곡에 대한 선호도, 곡에 대한 평가와, 기존에 그 사용자가 어떠한 방식으로 음악을 들었는지에 대한 사용자 성향을 고려하였다. 또한, 취향이 비슷한 사용자를 찾아 그 사용자의 선호도 리스트를 참조함으로써, 추천되는 음악 리스트의 변화를 시도하였으며, 각 사용자들의 음악에 대한 선호도를 유클리디언 거리 측정법을 이용하여 측정하고 반영하였다.
