• Title, Summary, Keyword: 사용자 피드백

Search Result 488, Processing Time 0.064 seconds

Effects of Feedback Types on Users' Subjective Responses in a Voice User Interface (음성 사용자 인터페이스 내 피드백 유형이 사용자의 주관적 반응에 미치는)

  • Lee, Dasom;Lee, Sangwon
    • Proceedings of the Korean Institute of Information and Commucation Sciences Conference
    • /
    • /
    • pp.219-222
    • /
    • 2017
  • This study aimed to demonstrate the effect of feedback type on users' subjective responses in a voice user interface. Feedback type is classified depend on information characteristic it involves; verification feedback and elaboration feedback. Error type is categorized as recognition error and performance error. Users' subjective assessment about system, feedback acceptance, and intention to use were measured as dependent variables. The results of experiment showed that feedback type has impacts on the subjective assessment(likeability, habitability, system response accuracy) of VUI, feedback acceptance, and intention to use. the results also demonstrated an interaction effect of feedback type and error type on the feedback acceptance. It leads to the conclusion that VUI should be designed with the elaboration feedback about error situation.

  • PDF

A Study on Efficient User Retrieval Feedback for Component Reuse (컴포넌트 재사용을 위한 효율적인 사용자 검색 피드백에 관한 연구)

  • Han Jung-Soo
    • Journal of the Korea Academia-Industrial cooperation Society
    • /
    • v.7 no.3
    • /
    • pp.379-384
    • /
    • 2006
  • The paper describes a method of user feedback in order to enhance the retrieval effectiveness. In this paper, to overcome a weak point of the existing feedback function adapting fuzzy technique, we proposed the interaction function using gaussian function that gives different learning rate according to choice of components with same function. And, we grade degree that the user opinion is reflected to a system by applying user profile to the feedback function. User retrieval feedback method is adaptive retrieval method that makes a slow change for a long time using feedback function adapting gaussian function and user profile.

  • PDF

Negative Relative Feedback Using Reinforcement Learning (강화학습을 이용한 부정적 연관성 피드백)

  • Son, Ki-Jun;Lee, Jae-An;Lee, Sang-Jo
    • Proceedings of the Korean Information Science Society Conference
    • /
    • /
    • pp.351-355
    • /
    • 2007
  • 문서 여과 시스템은 사용자의 정보요구를 기준으로 문서들을 선별하여 제시한다. 사용자의 정보요구는 하나 이상의 단어들로 구성된 프로파일로 표현이 되며, 문서의 여과 과정 동안에 발생하는 사용자의 연관성 평가를 통해 구체적인 내용으로 변할 수 있다. 기존 연구의 경우 사용자는 자신이 직접 연관성 평가에 참여하여 평가 정보를 입력하고, 사용자가 평가한 긍정적 피드백 정보를 이용하여 사용자 프로파일을 학습한다. 본 연구는 사용자가 평가한 긍정적 연관성 피드백 뿐만 아니라 부정적 연관성 피드백을 함께 이용한 사용자 프로파일 학습 방법을 제안한다. 제안된 방법과, 대표적인 연관성 피드백 방법인 Rocchio 방법과의 성능을 측정하기 위해 네 가지 토픽에 대하여 여과를 수행하였다. 실험한 결과 부정적 연관성 피드백 정보를 이용하였을 경우 Rocchio 방법 보다는 6% 더 성능이 높은 것을 볼 수 있었다. 실험결과 부정적 평가를 받은 문서를 이용하여 사용자가 선호하지 않는 문서를 제거함으로써 여과 시스템의 성능을 향상 시킬 수 있었다.

  • PDF

The Design of A Context Mining System to Minimize Users' Direct-Feedback in Ubiquitous Environment (유비쿼터스 환경에서 사용자의 직접 피드백을 최소화하기 위한 컨텍스트 마이닝 시스템 설계)

  • Choi Young-Hwan;Lee Sang-Yong
    • Proceedings of the Korean Institute of Intelligent Systems Conference
    • /
    • /
    • pp.263-266
    • /
    • 2005
  • 현재 유비쿼터스 환경에서 대부분의 시스템이 개인화된 추천 서비스를 위한 컨텍스트 인식 과정에서 사용자의 직접 피드백을 받는 경우가 많다. 다양한 서비스가 사용자 주변에 존재한다고 하더라도 사용자가 서비스를 받기 위해 직접 피드백을 하는 경우가 많아지면 invisible service를 받을 수 없게 된다. 본 논문에서는 마이닝 기법을 기반으로 사용자의 프로파일 생성과 갱신, 선호도를 예측하여 효율적인 서비스를 제공하는 컨텍스트 마이닝 시스템을 제안한다. 본 시스템에서는 초기프로파일을 생성할 때만 사용자의 직접 피드백을 이용하고, 사용자 프로파일의 갱신과 선호도 예측, 추천 둥 컨텍스트 마이닝 과정에서는 사용자의 행동과 사용자와 유사한 그룹의 선호도, 그리고 사용자의 주변 환경과 같은 컨텍스트 정보를 이용하여 직접 피드백을 최소화한다.

  • PDF

A Study on Definition of User Profile for Retrieval Feedback in Software Reuse (소프트웨어 재사용에서 검색 피드백을 위한 유저 프로필 정의에 관한 연구)

  • Kim Gui-Jug
    • Proceedings of the Korea Information Processing Society Conference
    • /
    • /
    • pp.341-344
    • /
    • 2004
  • 본 연구는 소프트웨어 재사용을 효과적으로 수행하기 위해 사용자 검색 피드백을 지원할 수 있는 유저 프로필을 정의하였다. 컴포넌트 검색을 위해 퍼지 함수를 이용한 신뢰값을 사용하였으며, 사용자 집단의 요구에 능동적으로 반응할 수 있도록 퍼지 함수를 변화시켜 컴포넌트의 검색 우선순위를 변경시키는 방법을 사용하였다. 본 연구에서는 사용자 피드백을 반영하는 퍼지화 함수에 유저 프로필을 적용하여 사용자 등급에 따라 사용자 의견이 시스템에 반영되는 정도를 다르게 해주었다. 본 연구의 사용자 검색 피드백 방법은 퍼지 기법을 적용한 퍼지화 함수와 유저 프로필을 이용하여 시스템을 장기간에 걸쳐 서서히 변화시킬 수 있도록 하였다.

  • PDF

Profile Learning of Web Agent by Relevance Feedback (적합성 피드백에 의한 웹 에이전트의 프로파일 학습)

  • 한정기;김준태
    • Proceedings of the Korean Information Science Society Conference
    • /
    • /
    • pp.129-131
    • /
    • 1998
  • 웹 에이전트는 사용자가 좀 더 손쉽게 웹 상의 정보를 얻을 수 있게 하는 것을 목표로 하는 인터넷 정보 검색 도구이다. 본 논문에서는 개인용 웹 에이전트 시스템에서 적합성 피드백(Relevance Feedback)에 의해 사용자의 취향을 학습하는 방법을 제시하고, 실험을 통하여 제시된 적합성 피드백에 의한 학습 방법이 사용자의 취향을 성공적으로 학습함을 보였다. 적합성 피드백을 혼용할 때와 각각 한가지만 사용할 때로 나누어 실험하였으며, 피드백이 진행되면서 검색결과의 정확도가 변화하는 정도를 관찰하였다.

  • PDF

Efficient Automatic Image Annotation with Relevance Feedback (적합성 피드백을 적용한 효율적인 자동 이미지 키워드 연결)

  • Song, Ji-Young;Kim, Woo-Cheol;Kim, Seung-Woo;Park, Sang-Hyun
    • Proceedings of the Korea Information Processing Society Conference
    • /
    • /
    • pp.31-34
    • /
    • 2005
  • 디지털 이미지의 양이 증가함에 따라 원하는 이미지를 정확하고 빠르게 찾을 수 있는 방법의 필요성이 증가하고 있다. 이미지 검색 방법으로는 이미지의 색상이나 명암과 같은 시각적 특성을 검색 조건으로 이용하는 내용 기반 검색과 이미지를 설명하는 키워드를 검색 조건으로 이용하는 키워드 기반 검색이 있다. 하지만 이러한 방법만으로는 사용자가 원하는 이미지를 정확하게 찾기 힘들다는 문제점이 제기되어 왔다. 따라서 최근에는 검색 도중 사용자의 응답을 받아 사용자의 요구를 파악함으로써 향상된 검색 결과를 제공하는 적합성 피드백에 대한 연구가 많이 진행되고 있다. 하지만 적합성 피드백을 이용하는 방법들도 원하는 결과를 얻기 위해서는 여러 번의 피드백을 필요로 하고 질의 수행이 완료된 후에는 얻어진 피드백 정보를 재사용하지 못한다는 단점이 있다. 따라서 본 논문에서는 이미지에 키워드를 연결한 후 사용자의 피드백 정보를 반영하여 키워드의 신뢰도를 조절함으로써 키워드 기반 이미지 검색의 정확도를 높일 수 있는 모델을 제안한다. 제안된 모델에서는 사용자로부터 피드백을 받은 이미지뿐만 아니라 긍정적 피드백을 받은 이미지들이 공통적으로 가지는 시각적 특성과 유사한 시각적 특성을 가지는 다른 이미지들까지도 키워드의 신뢰도를 조정함으로써 좀 더 빠른 시간 내에 검색 결과의 정확도를 높이도록 한다.

  • PDF

An Adaptive Information Filtering Agent based on User′s Combined Behaviors (사용자의 결합된 행동을 이용한 적응형 정보여과 에이전트)

  • 송용수;홍언주;오경환
    • Proceedings of the Korean Information Science Society Conference
    • /
    • /
    • pp.268-270
    • /
    • 2002
  • 본 논문에서는 온라인 뉴스 기사를 여과하여 사용자에게 관련있는 뉴스기사만을 선별적으로 여과하여 보여주는 정보여과 에이전트를 설계 및 구현하였다. 정보여과의 핵심이라고 할 수 있는 정확한 사용자 프로파일 구축과 정보에 대한 사용자의 적합성 반응인 명시적 피드백과 암시적 피드백을 모두 결합한 피드백을 사용하여 사용자 프로파일을 좀 더 정교하게 구축하는 방법을 기술하였다. 실험을 통하여 사용자의 결합된 적합성 피드백 행동에 기반한 정보여과 에이전트의 성능이 단일의 피드백만을 사용했을 때보다 더 좋은 정확성과 적응성을 지니고 있음을 보여 주었다.

  • PDF

Feedback Design and Analysis for 3-dimensional Drawing in Virtual Reality (가상현실에서의 3차원 드로잉을 위한 피드백 설계 및 효과 분석)

  • Kim, Jieun;Park, Woohee;Lee, Jieun
    • Journal of the Korea Computer Graphics Society
    • /
    • v.26 no.3
    • /
    • pp.69-77
    • /
    • 2020
  • This paper proposes an effective method of giving users feedback on 3-dimensional drawing and measures its performance to ensure that feedback can help users enter the correct position in 3D. In the experiment of drawing a given line shape using a hand-held controller, the user is provided with three levels of visual, auditory, and haptic feedback for the position input error. As a result of analyzing the position input accuracy according to the type of feedback, all types of feedback are able to significantly reduce errors, and visual feedback and haptic feedback are more effective than auditory feedback.

Learning for User Profile Based on Negative Feedback and Reinforcement Learning (부정적 피드백과 강화학습을 이용한 사용자 프로파일 학습)

  • Son, Ki-Jun;Lim, Soo-Yeon;Lee, Sang-Jo
    • Journal of the Korean Institute of Intelligent Systems
    • /
    • v.17 no.6
    • /
    • pp.754-759
    • /
    • 2007
  • The information recommendation system offers selected documents according to information needs of dynamic users. User's needs are expressed as profiles consisting of one or more words and may be changed into some specifics through relevance feedback made by users during the recommendation process. In previous research, users have entered relevance information by taking part in explicit relevance feedbacks and learned user profiles using the positive relevance feedbacks. In this paper, we learn user profiles using not only positive relevance feedback but negative relevance feedback and reinforcement learning. To compare the proposed with previous method, we performed experiments to evaluate recommendation performance of the same topic. As a result, the former shows the improved performance than the latter does.