Recently, a new media service such as IPTV has started so that tremendous amounts of TV program contents become available at the user sides. Also, users can access many TV program contents via multi-channels. Therefore, research on automatic TV program recommendation has been made to provide easy access to the TV programs for users to alleviate the user's burden in finding their preferred TV program contents. On the other hand, the TV watching behaviors of users exhibit somewhat regular TV watching patterns specific to particular users in chronological and/or semantic perspectives. This means that the watched TV program contents are semantically or chronologically related. This phenomenon can be easily found in goods purchases. That is, the purchased items are related sequentially in a period of time.
In this thesis, automatic and personalized TV program schedule recommendation is studied so as to make it easier to watch (IP)TV program contents sequentially. It is believed based upon our best knowledge that the concept of automatic and personalized TV program scheduler recommendation be first studied. In this thesis, the TV program scheduler recommendation is made by using sequential pattern mining in conjunction with collaborative filtering.
The prefix span algorithm utilizes the number of purchased items to construct the sequences of frequently purchased items. In this thesis, we extend the prefix span algorithm by incorporating the user's interest in TV program contents, the total time lengths and the watched time lengths of TV program contents into the construction of recommended sequences of TV programs contents. Furthermore, the recommended sequences of frequently watched TV program contents are refined by taking into account the user preference on program content itself, genre and channel. To validate our proposed scheme, we use the TV watching history of 30 users for six months in which the data of the first three months are used for training and the last three month data are used for test. For the experiments, the recommended sequences for each date are compared in group-to-group and user-to-user. The experimental results show that the prediction accuracy of the recommended sequences with one item ranges from 80% to 90% and the prediction accuracy of the recommended sequences with two items ranges from 60% to 70% each week for group-to-group comparison. For the recommended sequence of three items, the prediction accuracy is between 30% and 40%. For user-to-user comparison, the prediction accuracy of the recommended sequences with two items ranges from 50% and 60% each week. For the recommended sequence of three items, the prediction accuracy is between15% and 25% for user-to-user comparison.
기존의 제한적인 IPTV 시청환경에서는 사용자가 스스로 채널 이동을 통해 자신이 원하는 콘텐츠를 선택하여 시청하는 형태였다. 그러나 다양한 채널과 수많은 방송 프로그램들이 제공되는 다채널/다매채 시청 환경에서는 사용자가 자신이 선호하고 자신에게 친숙한 콘텐츠를 찾는 것이 많은 부담이 되고 있다. 따라서 본 논문에서는 이러한 TV 시청환경에서 사용자에게 적합한 프로그램들을 시간적 순서에 따라 추천해 주는 추천하여 개인화된 (IP)TV 프로그램 자동 스케줄러를 제안하였다. 개인 맞춤형 프로그램 스케줄 추천 시스템은 사용자의 누적된 시청 기록을 기반으로 사용자의 시청 패턴을 추출하고 사용자 개인의 선호도 정보를 적용하여 순차적인 프로그램을 추천 하였다.
TV시청 환경에서의 순차적인 패턴을 발견하기 위해 사용자의 프로그램 시청 시간을 정량적인 정보로 표현하여 패턴을 추출하는 정량정보를 포함한 순차 패턴 마이닝 기법을 제안하였고, 추출한 사용자의 선호도 정보와 순차 패턴들을 결합하여 개인별 순차 패턴을 구성하기 위해 추천 순위 모델을 제안하였다. 제안된 방법으로 생성된 패턴들의 추천 성능을 실험을 통해 검증하였으며, 기존의 PrefixSpan기법과의 성능 비교를 통해 제안된 순차 패턴 마이닝 기법이TV 시청 환경에서 효율적으로 패턴을 추출함을 입증하였다.
향후 과제로는 시간의 흐름에 따른 사용자의 시청 습관의 일관성을 고려한 패턴 추천 및 VoD형태의 시청 환경을 고려한 순차 패턴 마이닝 기법에 대한 연구를 진행 할 계획이다.
