$\require{mediawiki-texvc}$
  • 검색어에 아래의 연산자를 사용하시면 더 정확한 검색결과를 얻을 수 있습니다.
  • 검색연산자
검색연산자 기능 검색시 예
() 우선순위가 가장 높은 연산자 예1) (나노 (기계 | machine))
공백 두 개의 검색어(식)을 모두 포함하고 있는 문서 검색 예1) (나노 기계)
예2) 나노 장영실
| 두 개의 검색어(식) 중 하나 이상 포함하고 있는 문서 검색 예1) (줄기세포 | 면역)
예2) 줄기세포 | 장영실
! NOT 이후에 있는 검색어가 포함된 문서는 제외 예1) (황금 !백금)
예2) !image
* 검색어의 *란에 0개 이상의 임의의 문자가 포함된 문서 검색 예) semi*
"" 따옴표 내의 구문과 완전히 일치하는 문서만 검색 예) "Transform and Quantization"
쳇봇 이모티콘
안녕하세요!
ScienceON 챗봇입니다.
궁금한 것은 저에게 물어봐주세요.

논문 상세정보

지식검색 서비스에서의 소셜 네트워크 기반 영향력 지수 알고리즘

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

초록

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

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 which is known for it's exquisite algorism, shows results for collective intelligence such as Wikipedia, Yahoo Q/A at the highest rank. Objective of this paper is to show that most answers come from human and to find the most influential people in on-line knowledge retrieval service. Hereupon, this paper suggest the influence value calculation algorism by analyzing user relation as centrality which social network is based on user activeness and reliance in Naver 지식iN. The influence value calculated by the suggested algorism will be an important index in distinguishing reliable and the right user for the question by ranking users with troubleshooting solutions in the knowledge retrieval service. This will contribute in search satisfaction by acquiring the right information and knowledge for the users which is the most important objective for knowledge retrieval service.

저자의 다른 논문

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. 

이 논문을 인용한 문헌 (3)

  1. Shon, Tae-Shik ; Park, Byoung-Seob ; Choi, Hyo-Hyun 2010. "A Study on the Relevance Improvement of Enterprise Search using Tag Information" 韓國컴퓨터情報學會論文誌 = Journal of the Korea Society of Computer and Information, 15(12): 101~108 
  2. Kim, Hyon Hee ; Kim, Donggeon ; Jo, Jinnam 2013. "A Hybrid Music Recommendation System Combining Listening Habits and Tag Information" 韓國컴퓨터情報學會論文誌 = Journal of the Korea Society of Computer and Information, 18(2): 107~116 
  3. Park, Kyung-Ja ; Park, Seung-Bong 2014. "A study on the Stress of Using Social Networking Services and Its Discontinuance Intention" 韓國컴퓨터情報學會論文誌 = Journal of the Korea Society of Computer and Information, 19(12): 275~285 

DOI 인용 스타일