In Internet of Things (IoT) environments, everyday consumer electronics become smart objects equipped with processors and memory. Because these smart objects are connected to each other, they are always accessible through the Internet. In these environments, when users want to perform their desired tasks according to their needs, it is difficult for the users to choose the most appropriate task variants that utilize the IoT environment in an efficient manner. Therefore, in this thesis, to deal with this problem, a collaborative filtering based task recommendation method is proposed to predict users’ needs and recommend most appropriate task variants that meet the users’ needs. Collaborative filtering is a method that utilizes users’ feedback information on items that they consumed or purchased to predict the users’ preferences and to recommend new items to them based on the predicted preferences. However, unlike traditional recommender systems, it is essential to consider task variants when recommending tasks in highly dynamic IoT environments. Specifically, rather than considering user ratings and/or purchase histories, taking into account variant factors such as the contextual factor, device-configurations, and environmental-effects is crucial to deal with the dynamic characteristics of IoT environments. Therefore, a task variant model is developed to represent various relationships between users and tasks, and the variant factors that affect the selection of task variants. Then, appropriate task variants are recommended to users by using the stochastic gradient descent algorithm which is one of the popular collaborative filtering methods. In addition, the genetic algorithm is used to find the optimal combination of variant factors that need to be considered to choose the task variants. To show the effectiveness of the proposed approach, an experiment has been conducted by using the datasets that are collected from practical IoT testbed environments, where there are various smart devices installed. The results show that the proposed task recommendation approach considering task variants is effective in terms of the accuracy and efficiency.
사물인터넷 시대를 맞이하여, 일상에서 사용하는 가전제품들이 점차 정보처리능력을 겸비한 스마트 기기로 변해가고 있다. 이러한 스마트 기기들이 인터넷에 연결되고 또 상호 작용을 하게 되면서, 그러한 환경에서의 사용자들이 이용할 수 있는 사용자 태스크들이 점점 더 많아지고 중요해지고 있다. 하지만 수많은 스마트 기기들이 등장하고 서로 복잡하게 얽혀감에 따라, 사용자들은 자신이 원하는 결과를 얻기 위해 어떠한 사용자 태스크를 선택해야 할지 어려움을 겪게 된다. 본 연구에서는, 사용자들의 이러한 어려움을 해결하기 위하여, 협업 필터링 기반의 가변 요소를 고려한 개인화된 사용자 태스크 추천 기법을 제안한다. 협업 필터링이란 기존 사용자들이 어떠한 대상에 대해 표현한 선호도나 사용 기록들을 종합하여 한 사용자의 새로운 대상에 대한 선호도를 예측하는 기법이다. 기존 추천시스템과는 달리 사물인터넷 환경에서는 사용자들의 사용자 태스크에 대한 선호도를 예측할 때, 환경적 가변 요소를 반드시 고려하여야 한다. 이는 사용자 태스크가 환경적 가변 요소에 따라 다양한 형태로 표현되기 때문이다. 환경적 가변 요소는 크게 세 가지 측면인 환경적 요소, 기기 설정 요소, 환경 영향 요소로 구분할 수 있다. 본 연구에서는 이러한 다양한 가변 요소들을 고려하기 위하여, 확률적 경사하강기법을 활용한 사용자 태스크 추전 기법을 제안하였고, 이를 통해 사용자 태스크 추천의 정확도를 높일 수 있다는 것을 증명하였다. 또한, 여러 가변 요소 중에서 어떠한 요소가 필수적으로 고려되어야 하는지를 빠르게 판단하기 위하여 유전자 알고리즘을 통한 가변 요소 선택 기법을 개발하였다. 실제 사물인터넷 테스트베드에서 수집된 사용자 데이터를 활용하여, 제안한 가변 요소 선택 기법과 개인화된 사용자 태스크 추천 기법의 효율성과 정확도를 확인하였다.
