본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색

결과 내 검색

동의어 포함

고급검색

인명/단체명

저자정보 상세정보
인명/단체명을 입력하세요.

키워드

  • 대표어

  • 외국어

-

목차보기

표제지

목차

논문개요 9

제1장 서론 11

제1절 연구동기 11

제2절 연구목적 12

제3절 논문구성 13

제2장 이론적 배경 14

제1절 온라인 소셜 네트워크 14

제1항 온라인 소셜 네트워크 서비스의 정의 14

제2항 온라인 소셜 네트워크의 역사 15

제2절 소셜 검색 17

제1항 소셜 검색의 정의와 목적 17

제2항 소셜 검색 연구방향 18

제3절 Aardvark 20

제1항 도서관과 마을 모델 20

제2항 Aardvark 구조 21

제3항 Aardvark 랭크 알고리즘 23

제3장 소셜 북마킹과 소셜 위치공유를 이용한 소셜 검색엔진 : Aardwolf 25

제1절 시스템 구조 25

제1항 임포터 컴포넌트 26

제2항 게이트웨이 컴포넌트 29

제3항 대화 매니저 컴포넌트 30

제4항 라우팅 엔진 컴포넌트 30

제5항 토픽 매니저 컴포넌트 31

제6항 위치 매니저 컴포넌트 31

제2절 소셜 북마킹을 이용한 랭크 알고리즘 31

제3절 소셜 위치공유를 이용한 리랭크 알고리즘 32

제4장 시스템 구현 및 시나리오 34

제1절 시스템 구현 환경 34

제2절 소셜 북마킹을 이용한 랭크 시나리오 35

제3절 소셜 위치공유를 이용한 리랭크 시나리오 38

제5장 실험 및 분석 40

제1절 실험목적 및 방법 40

제1항 실험 목적 40

제2항 실험 데이터 41

제2절 소셜 북마킹을 이용한 랭크 결과 42

제3절 소셜 위치공유를 이용한 리랭크 결과 46

제6장 결론 49

참고문헌 51

Abstract 54

표목차

〈표 1〉 소셜 검색 방법의 분류 17

〈표 2〉 소셜 네트워크상에서의 검색과 기존 검색의 검색어 비교 20

〈표 3〉 Aardwolf 소셜 검색 엔진 서비스 개발 환경 34

〈표 4〉 사용자 위치정보와 선택결과 37

〈표 5〉 사용자 토픽과 랭크결과 38

〈표 6〉 사용자 위치 이용정보와 리랭크결과 39

그림목차

〈그림 1〉 Twitter 에서의 정보전파 모델 16

〈그림 2〉 Aardvark 구조 22

〈그림 3〉 Aardwolf 시스템 구조 25

〈그림 4〉 OAuth 프로토콜 인증 절차 27

〈그림 5〉 Aardwolf 소셜 그래프 28

〈그림 6〉 질문 입력 화면 29

〈그림 7〉 구현서비스 메인화면 35

〈그림 8〉 시나리오에 사용된 Aardwolf 소셜 그래프 36

〈그림 9〉 소셜 북마킹을 이용한 Aardwolf 알고리즘의 평균 nDCG@k 42

〈그림 10〉 nDCG@k 차이가 0.4미만인 질문들의 평균 nDCG@k 44

〈그림 11〉 nDCG@k 차이가 0.4이상 0.8미만인 질문들의 평균 nDCG@k 45

〈그림 12〉 nDCG@k 차이가 0.8이상인 질문들의 평균 nDCG@k 46

〈그림 13〉 사용자 위치이용정보를 반영한 Aardwolf 알고리즘의 평균 nDCG@k 47

초록보기

 최근 Twitter와 Facebook으로 대표되는 온라인 소셜 네트워크 서비스들이 인기를 끌고 있다. 소셜 네트워크 서비스는 기존의 웹과는 많은 부분에서 차별점을 가진다. 특히 기존의 웹은 웹 페이지와 같은 콘텐츠들 간의 링크를 통해 웹 그래프를 그렸지만 온라인 소셜 네트워크 서비스에서는 사용자와 콘텐츠 또는 사용자와 다른 사용자 간의 링크를 통해 그래프를 그릴 수 있다. 이를 통해 그래프 노드의 중요도를 평가하는데 PageRank 등의 알고리즘에서 사용되는 "권위(authority)" 외에 "친밀도(intimacy)" 라는 특성을 추가로 고려할 수 있게 되었다. 또한 온라인 소셜 네트워크 서비스들이 각광을 받으면서 이러한 소셜 네트워크 특성을 이용한 소셜 검색이 활발히 연구되고 있고, 앞으로도 활발히 연구될 것으로 보인다. 이런 소셜 검색 연구들 중 눈에 띄는 것으로, 2008년에 런칭된 Aardvark 상용 소셜 검색엔진을 들 수 있다. Aardvark은 사용자가 질문을 하면 사용자의 소셜 네트워크를 분석해 사용자를 랭크 하는 소셜 질문/답변 서비스이다. Aardvark은, 2010년 발표한 논문에서 사용자의 네트워크와 콘텐츠를 모두 고려하여 랭크 하는 알고리즘을 제안했고, 알고리즘이 대규모 소셜 네트워크에서 효과적이라는 것을 보였다. 그러나 Aardvark의 랭크 알고리즘은 사용자의 최근 관심사 변화에 둔감하고, 위치에 관련된 질문에 대해서 사용자의 위치에 대한 지식정도를 제대로 반영하지 못한다는 단점을 가지고 있다.

본 논문에서는 이러한 단점을 개선한 알고리즘인 Aardwolf를 제안한다. Aardwolf 알고리즘은 소셜 북마킹 서비스를 이용해 사용자의 최근 관심사를 반영하고, 소셜 위치공유 서비스를 이용해 사용자의 위치에 대한 실제 지식정도를 반영한다. 이를 통해 답변자의 최근 관심사를 반영해 질문에 가장 잘 대답해 줄 수 있는 사용자를 검색해준다. 또한 프로필 정보만을 통해 사용자의 위치를 결정하는 Aardvark에 비해, 우리가 제안한 Aardwolf는 사용자의 위치이용정보를 바탕으로 위치에 대한 지식정도를 반영함으로써 더 유효한 사용자를 검색해준다.

마지막으로, 본 논문에서는 실제 Twitter 사용자들을 대상으로 알고리즘의 정확성을 실험하였다. 우리는 이 실험에서 Aardwolf 알고리즘이 다양한 주제의 질문에 대해 효과적이며, 답변자의 최근 관심사를 반영하여 질문을 전달하는 것이 그렇지 않은 것보다 훨씬 효과적이라는 것을 증명한다. 특히 위치와 관련된 질문의 경우, 프로필 정보만을 이용하는 것보다 소셜 위치공유 서비스의 위치이용정보를 이용하는 것이 더 좋은 결과를 나타낸다는 것을 보인다.

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차

권호

기사명 원문보기 기사목차
닫기