The advent of web lead to the information overloads from the information scarcity. In particular, the scientific literature publication grew greatly, and the high development of digital library enabled researchers to search them conveniently. However the information overload made it difficult for researchers to keep current on important information. We suggest research paper recommendation system to overcome these problems. Our suggested system aims to deliver personalized research papers to researchers to help them understand their re-search areas or to help expand their ideas.
Analyzing the current recommendation systems, we observed that little emphasis was placed on the quality of user profiling methods and conceptual clustering algorithm is typically used by IR area. This was the major intuition to propose and implement a new method of making concise and meaningful user profiles automatically and grouping users for recommendation. The suggestion is largely divided into two. First is to suggest a new approach of user profiling, and second is in the area of collaborative recommendation, also it follows clustering collaborative recommendation technique but it has its difference by clustering users conceptually, then recommend top-N item among groups.
웹의 등장은 제한된 정보의 접근에서 정보의 홍수라는 현상을 일으켰다. 특히, 증가되는 논문의 출판과 더불어 디지털 도서관은 연구자들의 논문 검색을 용이하게 함으로써 논문의 접근성을 높였다. 그러나 대량의 논문 검색 결과는 연구자들로 하여금 필요한 논문과 불필요한 논문의 구분을 어렵게 하였고, 수많은 논문 중에서 연구자에게 필요한 논문의 선택을 어렵게 하는 단점이 생기게 되었다. 그리하여 본 논문은 논문 추천 시스템을 제안함으로써 개인화된 논문 추천 서비스를 제공하여, 연구자의 배경 지식 확장을 돕고, 연구 활동을 도울 수 있는 논문 추천 시스템을 제안하고자 한다.
기존의 추천 시스템에 있어서는 사용자 프로파일링(user profiling) 보다는 추천 알고리즘 자체에 대한 논의가 많이 되어 왔으나, 본 논문의 가장 큰 목적은 개념 클러스터링(conceptual clustering)을 사용하여 사용자의 특성을 정확하고, 의미 있게 반영하는 자동화된 사용자 프로파일링 방법과 사용자들을 비슷한 특성을 가진 사용자들끼리 추천을 위하여 분류하는 방법을 제안하고 개발하는 것이다. 제안은 크게 둘로 나뉘어 진다. 첫째는 새로운 사용자 프로파일링 제안과 협업적 추천(collaborative recommendation)의 영역에서의 새로운 접근 방식을 제안하는 것으로써, 개념 클러스터링을 이용하여 사용자들을 개념적으로 분류하고, 그룹 내에서 상위의 아이템을 추천하는 것이다.
