earticle

영어

The number of galleries across the country is increasing as interest in cultural life increases due to the increase in national income. However, museum satisfaction is relatively low compared to other services. In this paper, we propose a service that provides preference information based on machine learning in embedded system environment in order to increase museum satisfaction. The proposed algorithm implements an embedded system using Raspberry Pi. Machine learning was used to find works similar to the viewer's favorite works, and several models were compared to select models applicable to embedded systems. By using the preference information, it is possible to effectively organize the gallery exhibition contents to increase the exhibition satisfaction and the re-visit rate of the museum.

한국어

국민 소득의 증가로 인해 문화 생활에 대한 관심이 크게 증가하면서 전국 미술관의 수도 함께 증가하고 있다. 하지만 다른 서비스에 비해 미술관 만족도는 상대적으로 낮은 편이다. 본 논문에서는 미술관 만족도를 높이기 위해 임베 디드 시스템 환경에서 머신러닝에 기반한 관중들의 선호도에 관련된 정보를 제공하는 서비스를 제안한다. 제안된 알고 리즘은 라즈베리 파이를 이용하여 임베디드 시스템을 구현했다. 관람자가 선호하는 작품과 유사한 작품을 찾아내기 위 해 머신러닝을 이용하였고 여러 머신러닝 모델을 비교하여 임베디드 시스템에 적용 가능한 모델을 선정했다. 관람자의 취향에 맞는 정보를 활용하여 갤러리 전시 내용을 효과적으로 구성하여 전시 만족도를 높이고 이는 미술관 재 방문율을 높일 수 있을 것이다.