바로가기메뉴

본문 바로가기 주메뉴 바로가기

ACOMS+ 및 학술지 리포지터리 설명회

  • 한국과학기술정보연구원(KISTI) 서울분원 대회의실(별관 3층)
  • 2024년 07월 03일(수) 13:30
 

logo

  • P-ISSN2466-2542
  • KCI

자동분류기반 성격 유형별 도서추천시스템 개발을 위한 실험적 연구

A Experimental Study on the Development of a Book Recommendation System Using Automatic Classification, Based on the Personality Type

한국도서관·정보학회지 / Journal of Korean Library and Information Science Society, (P)2466-2542;
2017, v.48 no.2, pp.215-236
https://doi.org/10.16981/kliss.48.2.201706.215
조현양 (경기대학교)

초록

이 연구의 목적은 개인별 성향이나 성격 유형에 따라 선호하는 도서에 차이가 있음을 전제로, 어린이·청소년을 위한 추천도서의 책소개 정보를 활용하여 개인별 성격유형에 적합한 도서를 합리적으로 추천할 수 있는 서평 자동분류시스템을 개발하는 것이다. 연구에서 사용한 데이터는 국립어린이청소년도서관에서 제공하는 501권의 유아 및 아동도서를 대상으로 하였다. 실험에 활용된 2가지 기계학습 모델(비선형 커널 및 선형 커널) 각각에 대해서 총 6가지의 색인어 가중치 계산 방법과 자질 선택 방법, 그리고 10가지의 자질 선정 임계치 조합으로 구성된 360 개의 분류 모델들을 구성하고 각각의 성능을 측정하였다. 전체적으로는 선형 커널을 이용한 SVM 기반 학습 방법(LIBLINEAR)이 비선형 분류를 지원하는 LibSVM(RBF 커널) 모델보다 더 나은 성능을 보이는 것으로 나타났다. 다만 성능 측정 결과는 뉴스 기사나 논문을 대상으로 한 문헌 분류 성능에 비해서 낮은 것으로 나타났으나, 합리적인 분류 기준이 존재하는 뉴스기사나 주제 분류에 비해서 성격 유형 기반 분류는 그 난이도가 높다는 것을 감안할 때, 초기 실험 결과로서의 의미는 있다.

keywords
Enneagram, Personality type, Reading guidance, Book recommendation system, 에니어그램, 성격유형, 독서지도, 도서추천시스템, 도서자동분류

Abstract

The purpose of this study is to develop an automatic classification system for recommending appropriate books of 9 enneagram personality types, using book information data reviewed by librarians. Data used for this study are book review of 501 recommended titles for children and young adults from National Library for Children and Young Adults. This study is implemented on the assumption that most people prefer different types of books, depending on their preference or personality type. Performance test for two different types of machine learning models, nonlinear kernel and linear kernel, composed of 360 clustering models with 6 different types of index term weighting and feature selections, and 10 feature selection critical mass were experimented. It is appeared that LIBLINEAR has better performance than that of LibSVM(RBF kernel). Although the performance of the developed system in this study is relatively below expectations, and the high level of difficulty in personality type base classification take into consideration, it is meaningful as a result of early stage of the experiment.

keywords
Enneagram, Personality type, Reading guidance, Book recommendation system, 에니어그램, 성격유형, 독서지도, 도서추천시스템, 도서자동분류

참고문헌

1.

김경. 2016. 지적장애학생 성격유형에 따른 미술치료프로그램 개발. 한국수산해양교육 , 28(1):266-278.

2.

김국선. 2013. 어린이 성격유형별 학습능력 향상을 위한 공간디자인 구축 방안: 에니어그램 성격 특성 분석을 통하여. 한국가구학회지 , 24(1): 42-50.

3.

김기열. 2015. 중학생의 성격유형에 따른 기술적 사고성향 분석. 한국실과교육학회지 , 28(2):135-152.

4.

김수아, 오성탁, 이지형. 2015a. 범주별 고유정보를 고려한 블로그 포스트의 자동 분류. 한국컴퓨터정보학회 학술발표논문집 , 23(1): 11-14.

5.

김수아, 조희선, 이현아. 2015b. 다양한 어휘 가중치를 이용한 블로그 포스트의 자동 분류. 한국마린엔지니어링학회지 , 39(1): 58-62.

6.

김판준, 이재윤. 2012. 디스크립터 자동 할당을 위한 저자키워드의 재분류에 관한 실험적 연구. 정보관리학회지 , 29(2): 225-248.

7.

모슬기, 김영숙. 2009. 중·고등학교 영어 학습자들의 성격 유형에 따른 영어 독해전략 연구. 영어어문교육 , 15(4): 291-311.

8.

백진환, 한윤옥. 2014. 에니어그램 성격유형을 적용한 독서지도의 효과 연구. 한국문헌정보학회지 , 48(2): 45-64.

9.

윤은성. 2001. 한국형 에니어그램 프로파일 , 서울: 한국에니어그램연구소.

10.

이병열. 2015. 여행업 종사자의 성격유형과 업무성과의 관계 연구. 관광·레저연구 , 27(2):387-406.

11.

장재영, 김정민, 이신영. 2012. 단어 패턴 빈도를 이용한 한국어 영화평 자동 분류기법. 한국정보과학회 학술발표논문집 , 39(1C): 51-53.

12.

장지숙, 이해영. 2009. 맥락정보를 이용한 기록 자동분류시스템 설계. 한국기록관리학회지 , 9(1): 151-73.

13.

정덕현. 2015. 성격유형별 인지적 사고 및 글쓰기 과정 연구. 교양교육연구 , 9(3): 435-471.

14.

조현양, 한윤옥, 백진환. 2015. 성장지향점 도서를 활용한 독서지도 효과에 관한 연구: 에니어그램 성격 2번 유형을 중심으로. 한국문헌정보학회지 , 49(1): 69-88.

15.

최형림 외. 2003. 기계학습 기법을 이용한 전자게시판 질문 자동 분류. 한국지능정보시스템학회 학술대회논문집 , 2003. 5: 313-318.

16.

한윤옥. 2008. 독서교육과 자료의 활용 . 서울: 한국도서관협회.

17.

한윤옥, 조미아. 2011. 독서교육에 있어서 청소년의 성격유형과 독서성향의 관련성 연구. 한국도서관·정보학회지 , 42(4): 69-88.

18.

한윤옥, 조미아. 2012. 어린이·청소년의 성격유형별 선호도서 목록개발 및 독서지도 방안 연구 , 서울: 국립어린이청소년도서관.

19.

한윤옥 외. 2012. 성격유형을 적용한 청소년 독서지도 프로그램 운영 방안에 관한 연구. 한국문헌정보학회지 , 46(1): 77-97.

20.

한윤옥 외. 2012. “어린이의 성격유형에 따른 선호도서의 특성에 관한 연구.” 한국문헌정보학회지 , 46(3): 5-34.

21.

Chang, Chih-Chung and Lin, Chih-Jen. 2011. “LIBSVM: A Library for Support Vector Machines.” ACM Transactions on Intelligent Systems and Technology, 2(3): 1-27.

22.

Fan, R.E. et al. 2008. “LIBLINEAR: A Library for Large Linear Classification.” Journal of Machine Learning Research. 9, 1871-1874.

23.

Russell, Anne L. 2002. “MBTI Personality Preferences and Diverse Online Learning Experiences.” School Libraries Worldwide, 8(1): 25-40.

한국도서관·정보학회지