인터넷 기술 발전과 광대역 통합망 기술 보급으로 인해 인터넷 기반으로 서비스되고 있는 페이스북이나 트위터, 인스타그램과 같은 SNS(Social Networking Services) 서비스를 사용하는 사용자들이 증가하고 있다. SNS 서비스의 콘텐츠 데이터들은 정형 데이터보다 ...
인터넷 기술 발전과 광대역 통합망 기술 보급으로 인해 인터넷 기반으로 서비스되고 있는 페이스북이나 트위터, 인스타그램과 같은 SNS(Social Networking Services) 서비스를 사용하는 사용자들이 증가하고 있다. SNS 서비스의 콘텐츠 데이터들은 정형 데이터보다 비정형 데이터 비율이 높고, 빅데이터로 분류되어 기존 시스템에서는 비효율적으로 처리해야 하는 문제점이 발생되고 있다. 그리고 다양한 빅데이터의 형식들을 처리해야 하고 처리 비용과 처리 속도를 요구한다. 또한, 빅데이터에서 사용자가 찾고자 하는 정보나 선호하는 정보도 효율적으로 제공하는 추천 시스템의 필요성이 증대되고 있다. 추천 시스템은 대용량의 데이터를 처리할 때 발생되는 과부하 현상을 해결하기 위한 효율적인 방법이지만 연산이 복잡하며, 많은 시간을 요구한다. 이에 본 논문에서는 사용자의 SNS 계정을 사용하여 데이터를 수집하고 필터링을 통해 사용자와 유사한 정보를 추천하는 시스템을 제안한다. 제안하는 추천 시스템은 페이스북과 트위터에서 제공하는 Open API를 사용하여 수집된 데이터들은 MongoDB에 저장한다. 그리고 MongoDB와 Hadoop을 연결하여 데이터를 분산 환경에서 처리할 수 있게 구성한다. 또한, Hadoop 환경 기반에서 Mahout을 사용하여 필터링을 통해 사용자와 유사한 정보를 추천하고, 제안하는 알고리즘을 통해 연관성이 높은 데이터의 관계를 형성하고 정보를 검색할 수 있게 데이터 패턴을 추출한다. 마지막으로 실험을 통해 논문에서 제안하는 시스템의 성능 및 알고리즘을 검증하였다. 제안하는 추천 시스템은 다양한 소비 패턴 연구에 활용될 것이다.
인터넷 기술 발전과 광대역 통합망 기술 보급으로 인해 인터넷 기반으로 서비스되고 있는 페이스북이나 트위터, 인스타그램과 같은 SNS(Social Networking Services) 서비스를 사용하는 사용자들이 증가하고 있다. SNS 서비스의 콘텐츠 데이터들은 정형 데이터보다 비정형 데이터 비율이 높고, 빅데이터로 분류되어 기존 시스템에서는 비효율적으로 처리해야 하는 문제점이 발생되고 있다. 그리고 다양한 빅데이터의 형식들을 처리해야 하고 처리 비용과 처리 속도를 요구한다. 또한, 빅데이터에서 사용자가 찾고자 하는 정보나 선호하는 정보도 효율적으로 제공하는 추천 시스템의 필요성이 증대되고 있다. 추천 시스템은 대용량의 데이터를 처리할 때 발생되는 과부하 현상을 해결하기 위한 효율적인 방법이지만 연산이 복잡하며, 많은 시간을 요구한다. 이에 본 논문에서는 사용자의 SNS 계정을 사용하여 데이터를 수집하고 필터링을 통해 사용자와 유사한 정보를 추천하는 시스템을 제안한다. 제안하는 추천 시스템은 페이스북과 트위터에서 제공하는 Open API를 사용하여 수집된 데이터들은 MongoDB에 저장한다. 그리고 MongoDB와 Hadoop을 연결하여 데이터를 분산 환경에서 처리할 수 있게 구성한다. 또한, Hadoop 환경 기반에서 Mahout을 사용하여 필터링을 통해 사용자와 유사한 정보를 추천하고, 제안하는 알고리즘을 통해 연관성이 높은 데이터의 관계를 형성하고 정보를 검색할 수 있게 데이터 패턴을 추출한다. 마지막으로 실험을 통해 논문에서 제안하는 시스템의 성능 및 알고리즘을 검증하였다. 제안하는 추천 시스템은 다양한 소비 패턴 연구에 활용될 것이다.
Due to the Internet technology and broadband integrated network technologies developing, Internet-based services, such as Twitter, Instagram, Facebook, users of these SNS (Social Networking Services) are increasing. Image data of SNS services are highly unstructured data rate than structured data, s...
Due to the Internet technology and broadband integrated network technologies developing, Internet-based services, such as Twitter, Instagram, Facebook, users of these SNS (Social Networking Services) are increasing. Image data of SNS services are highly unstructured data rate than structured data, sorted into Big Data has become a problem that must be processed in the existing system as inefficient generation. And to deal with the various types of data, a big processing costs and processing time is required. In addition, the needing for a system that efficiently find and provide the useful or users' favorite information to the user in big data is increasing. Recommended system is an essicient way to solve the overload problem in handling of large volumes of data, but the operation is so complicated and requires a lot of time. In this paper, we propose a system to recommend similar information with users through data collection and filtering using users' SNS accounts. The proposed recommendation system collects the users' information by using the Open API provided by Facebook and Twitter and stored it in MongoDB. And by connecting the MongoDB and Hadoop is configured to be able to process data in a distributed environment. Further, by using the Mahout Hadoop environment based on the recommendation information that is similar to the user through a filter to form a relationship with the high correlation data over a proposed algorithm to extract the data pattern can retrieve information. Finally, we demonstrate the performance of the system and the algorithm proposed in the paper by experiments. The proposed recommendation system is utilized in a variety of research consumption patterns.
Due to the Internet technology and broadband integrated network technologies developing, Internet-based services, such as Twitter, Instagram, Facebook, users of these SNS (Social Networking Services) are increasing. Image data of SNS services are highly unstructured data rate than structured data, sorted into Big Data has become a problem that must be processed in the existing system as inefficient generation. And to deal with the various types of data, a big processing costs and processing time is required. In addition, the needing for a system that efficiently find and provide the useful or users' favorite information to the user in big data is increasing. Recommended system is an essicient way to solve the overload problem in handling of large volumes of data, but the operation is so complicated and requires a lot of time. In this paper, we propose a system to recommend similar information with users through data collection and filtering using users' SNS accounts. The proposed recommendation system collects the users' information by using the Open API provided by Facebook and Twitter and stored it in MongoDB. And by connecting the MongoDB and Hadoop is configured to be able to process data in a distributed environment. Further, by using the Mahout Hadoop environment based on the recommendation information that is similar to the user through a filter to form a relationship with the high correlation data over a proposed algorithm to extract the data pattern can retrieve information. Finally, we demonstrate the performance of the system and the algorithm proposed in the paper by experiments. The proposed recommendation system is utilized in a variety of research consumption patterns.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.