$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

지식검색 서비스에서의 소셜 네트워크 기반 영향력 지수 알고리즘

An Influence Value Algorithm based on Social Network in Knowledge Retrieval Service

韓國컴퓨터情報學會論文誌 = Journal of the Korea Society of Computer and Information, v.14 no.10, 2009년, pp.43 - 53  

최창현 (국방대학교 전산정보학과) ,  박건우 (국방대학교 전산정보학과) ,  이상훈 (국방대학교 전산정보학과)

초록
AI-Helper 아이콘AI-Helper

집단지성을 이용한 지식검색 서비스는 개방적 구조와 축적된 자료를 공유할 수 있다는 커뮤니티적인 특성으로 큰 인기를 얻고 있다. 하지만 방대한 지식공유 속에서 사용자가 진정으로 원하는 답변 획득은 점점 더 어려워지고 있다. 최근 알고리즘에서 가장 정교하다고 평가 받는 구글을 통해 상위에 랭크된 검색 결과들 중에는 집단지성을 통해 구축된 위키피디아, 야후 Q/A와 같은 소셜 검색엔진의 검색 결과들이 상당수 존재한다. 본 논문은 대부분의 질문은 인간으로부터 문제해결의 실마리를 얻을 수 있다는 점과 온라인상의 사용자에 대한 연구를 통해 지식검색 서비스 사용자 중 영향력 자를 찾는 것에 목적을 둔다. 이에 국내 소셜 검색엔진의 대표인 네이버 지식iN을 중심으로 지식검색내의 사용자 활동성과 신뢰성을 소셜 네트워크 기반으로 정의하고, 사용자간의 관계를 중앙성으로 분석하는 영향력 지수 알고리즘을 제안한다. 제안된 알고리즘을 통한 영향력 지수는 지식검색 서비스에서 문제 해결의 실마리를 가진 사용자를 랭킹화 함으로써 질문에 적합하고신뢰성 있는 답변을 하는 사용자를 분별하는 지표가 되며 이를 바탕으로 지식검색 서비스내의 영향력 자를 식별 가능하게 된다. 이는 지식검색 서비스사용자의 최대 목적인 사용자가필요로 하는 정보와 지식을 보다 용이하게 획득 가능케 함으로써 검색 만족도 향상에 큰 기여를 할 것이다.

Abstract AI-Helper 아이콘AI-Helper

Knowledge retrieval service that uses collective intelligence which has special quality of open structure and can share the accumulative data is gaining popularity. However, acquiring the right needs for users from massive public knowledge is getting harder. Recently, search results from Google whic...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 이를 해걸하기 위해 네이버 지식iN에서는 전문가 지수3) 알고리즘(이후, 전문가 지수로 표기)을 제공하나 활동성에만 중심을 둔 구조로 (가령 , 몇몇 사용자간의 의도적인 질문/답변 채택은 전문가 지수 수치의 상승을 가져옴) 문제해결에 한계가 있다〔19〕. 본 논문에서는 이러한 단점을 보완할 수 있도록 사용자의 활동성과 신뢰성을 기반으로한 알고리즘을 제시하고자 한다. 네이버 지식iN온 질문/답변의 범주를 총 11개의 카테고리와 M4개의 세부 카테고리로 분류한다.
  • 집단지성을 이용한 지식검색 서비스는 다양한 사용자들의 지식 및 경험이 축적되어 대중적으로 활용 가능한 형태의 정보를 만들어 낼 수 있다는 것이 그 특징이다. 본 논문에서는 지식검색 사용자의 사용 목적과 가장 부합된다고 할 수 있는 영향력자 찾기를 사용자의 활동성과 신뢰성을 기반으로 소셜 네트워크 분석기법을 적용하여 해결하고자 하였다. 본 논문에서 제안한 알고리즘을 통한 영향력 지수는 지식검색 서비스에서 문제 해결의 실마리를 가진 사용자를 찾는 지표가 된다.
  • 이러한 영향력은 온라인이라는 가상 세계에서 어떠한 형태로든 각각의 개체 사이에서발생되는 관계 속에서 맺어진다는 공통점이 있다. 논문에서는 지식검색 서비스에서의 관계를 사용자간 이루어지는 질문과 답변 행위로 본다. 이를 통해 영향력의 구성 요소를 활동성과 신뢰성으로 정의하고 국내 지식검색 서비스로부터 공통적으로 추출 가능한 사용자의 질문수.
  • 하지만 답변 결과물의 성격이 문서를 포함하여 동영상, 이미지, 음성 등으로 다양해짐에 따라 문제해결의 어려움을 겪고 있다. 본 논문은 지식 검색 서비스의 이러한 문제점을 집단지성의 특성과 소셜 네트워크 관점에서 풀어보고자 한다. 이는 객관적 수치를 바탕으로 높은 영향력지수를 갖는 사용자라면 어떠한 형태(문서, 동영상, 이미지.
본문요약 정보가 도움이 되었나요?

참고문헌 (21)

  1. 박소연, 이준호, 전지운, "지식검색 서비스 개선을 위한 문서의 적합도 및 신뢰도 분석." 한국문헌정보학회지, 제 40권, 제 2호. 300쪽, 2006년. 

  2. 이정태, 송영인, 임해창, "신뢰도 자질을 이용한 지식검색 문서의 품질 평가." 한국정보과학회 학술발표 논문집. 63-65쪽, 2007년 10월. 

  3. Jiwoon Jeon. W.Bruce Croft. Joon Ho Lee, Soyeon Park. "A Framework to Predict the Quality of Answers with Non-Textual Features," In Proceedings of the 29th Annual International ACM SIGIR Conference on Research and Development in Information Retrieval. pp. 228-235, 2006. 

  4. 김희연, "정보사회에서의 지식과 지식검색에 대한 고찰," 정보통신정책, 제18권, 14호, 통권398호, 6-8쪽, 2006년 8월. 

  5. Szuba T, "Computational Collective Intelligence." Wiley and Sons NY. 2001. 

  6. M. V. Vieira, B. M. Fonseca. R. Damazio. P. B. Golgher, D. de Castro Reis and B. Ribeiro-Neto. "Efficient Search Ranking in Social Networks," In Proceedings of the 16th ACM Conference on Information and Knowledge Management (CIKM). pp. 563-572, 2007. 

  7. E. Spertus. M. Sahami and O. Buyukkokten, "Evaluating Similarity Measures : A Large-Scale Study in the Orkut Social Newtork." In Proceedings of the 11th ACM SIGKDD international conference on Knowledge Discovery in Data mining, pp. 678-684. 2005. 

  8. L.A. Adamic, O. Buyukkokten and E. Adar, "A Social Network caught in the Web." First Monday. pp. 6-8. 2003. 

  9. D. Fono and K. Raynes-Goldie. "Hyperfriendship and Beyond : Friends and Social Norms on Live-Journal." In Internet Research Annual Volume 4 : AlOR conference. pp. 91-103, 2006. 

  10. C. Dwyer. "Digital Relationships in the 'My Space' Generation : Results From a Qualitative Study," In Proceedings of the 40th Annual Hawaii International Conference on System Sciences (HICSS), pp. 19-28, 2007. 

  11. Freeman L, "Centrality in Social Networks : A Conceptual Classification," Social Networks, No.1, 1979. 

  12. 김용학, "사회연결망 분석." 박영사, 7-36쪽, 8-122쪽, 2003년. 

  13. John P. Scott, "Social Network Analysis : A Handbook" SAGE Publications, London. pp. 7-16, 27-65, 2000. 

  14. 크리스 와이드너, "영향력." 리더스북. 12-25쪽, 2008년. 

  15. Lada A.Adamic. Jun Zhang, Eytan Bakshy, Mark S.Ackerman, "Knowledge Sharing and Yahoo Answers: Everyone Knows Something," WWW 2008, pp. 667-670. April 2008. 

  16. Soojung Kim, Jung Sun Oh. Sanghee Oh. "Best-Answer Selection Criteria in a Social Q&A site from the User-Oriented Relevance Perspective," ASIST 2007, pp. 5-8, 2007. 

  17. Haiqiang Chen, Xueqi Cheng, Yue Liu, "Finding Core Members in Virtual Communities," WWW 2008, pp. 1233-1234, April 2008. 

  18. Sergey Brin and Larry Page, "The anatomy of a large-scale hypertextual web search engine," In Proceedings of the Seventh International World Wide Web Conference, 1998. 

  19. 김희연, "웹에서 유통되는 정보. 지식의 신뢰연구." 정보통신정책, 제19권, 8호, 통권 415호, 19-25쪽, 2007년. 

  20. Kalervo Jarvelin, Jaana Kekalainen, "Cumulated Gain-based Evaluation of IR Techniques," ACM, 2002. 

  21. 장혜란, 이은태. "인터텟포털 지식검색의 질문응답서비스 성능 평가." 한국과학기술정보연구원. 40-57쪽, 2006년. 

저자의 다른 논문 :

관련 콘텐츠

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트