소셜 네트워크(Social Network)는 웹 환경에서 개인 중심의 네트워크로 구성되어 웹 사용자별 프로파일을 탐색하고 새로운 연결을 형성함으로써 정보의 소통을 지원한다. 따라서 유사한 내재적 정보를 가진 웹 사용자들로 구성 된 소셜 네트워크를 찾아서 검색에 적용한다면 검색의 효율성과 검색 결과에 대한 웹 사용자의 만족도를 향상 시킬 수 있다. 본 논문에서는 첫째, 웹 사용자간 직접 또는 간접적인 연결로 구성된 소셜 네트워크를 구성 한다. 둘째, 사용자들의 속성(Feature)에 내재된 정보를 이용하여 주제(topic)별 웹 사용자 간 유사성(Similarity)을 산정한 후, 주제(Topic)별 변화되는 유사성에 따라 소셜 네트워크를 재구성한다. 마지막으로 산정된 유사성과 웹 사용자들의 검색결과에 대한 만족도, 즉 검색 패턴(Search Pattern)을 비교 실험 한다. 실험 결과 주제별 유사성이 높은 웹 사용자 간에는 검색 패턴 또한 유사함을 확인 하였다. 이와 같은 사실을 검색에 적용한다면 개인화 검색(Personalized Search) 및 소셜 검색(Social Search)의 효율성 및 신뢰성 향상에 기여 할 수 있다.
소셜 네트워크(Social Network)는 웹 환경에서 개인 중심의 네트워크로 구성되어 웹 사용자별 프로파일을 탐색하고 새로운 연결을 형성함으로써 정보의 소통을 지원한다. 따라서 유사한 내재적 정보를 가진 웹 사용자들로 구성 된 소셜 네트워크를 찾아서 검색에 적용한다면 검색의 효율성과 검색 결과에 대한 웹 사용자의 만족도를 향상 시킬 수 있다. 본 논문에서는 첫째, 웹 사용자간 직접 또는 간접적인 연결로 구성된 소셜 네트워크를 구성 한다. 둘째, 사용자들의 속성(Feature)에 내재된 정보를 이용하여 주제(topic)별 웹 사용자 간 유사성(Similarity)을 산정한 후, 주제(Topic)별 변화되는 유사성에 따라 소셜 네트워크를 재구성한다. 마지막으로 산정된 유사성과 웹 사용자들의 검색결과에 대한 만족도, 즉 검색 패턴(Search Pattern)을 비교 실험 한다. 실험 결과 주제별 유사성이 높은 웹 사용자 간에는 검색 패턴 또한 유사함을 확인 하였다. 이와 같은 사실을 검색에 적용한다면 개인화 검색(Personalized Search) 및 소셜 검색(Social Search)의 효율성 및 신뢰성 향상에 기여 할 수 있다.
Social Networks which is composed of network with an individual in the center in a web support mutual-understanding of information by searching user profile and forming new link. Therefore, if we apply the Social Network which consists of web users who have similar immanent information to web search...
Social Networks which is composed of network with an individual in the center in a web support mutual-understanding of information by searching user profile and forming new link. Therefore, if we apply the Social Network which consists of web users who have similar immanent information to web search, we can improve efficiency of web search and satisfaction of web user about search results. In this paper, first, we make a Social Network using web users linked directly or indirectly. Next, we calculate Similarity among web users using their immanent information according to topics, and then reconstruct Social Network based on varying Similarity according to topics. Last, we compare Similarity with Search Pattern. As a result of this test, we can confirm a result that among users who have high relationship index, that is, who have strong link strength according to personal attributes have similar search pattern. If such fact is applied to search algorithm, it can be possible to improve search efficiency and reliability in personalized and social search.
Social Networks which is composed of network with an individual in the center in a web support mutual-understanding of information by searching user profile and forming new link. Therefore, if we apply the Social Network which consists of web users who have similar immanent information to web search, we can improve efficiency of web search and satisfaction of web user about search results. In this paper, first, we make a Social Network using web users linked directly or indirectly. Next, we calculate Similarity among web users using their immanent information according to topics, and then reconstruct Social Network based on varying Similarity according to topics. Last, we compare Similarity with Search Pattern. As a result of this test, we can confirm a result that among users who have high relationship index, that is, who have strong link strength according to personal attributes have similar search pattern. If such fact is applied to search algorithm, it can be possible to improve search efficiency and reliability in personalized and social search.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
개인화에 대한 연구는 사용자들이 특정한 주제에 더 많은 관심을 가지고 있으며 이러한 경향이 검색 결과에 영향을 미친다는 관찰에서 기인하였다. 이는 일정한 알고리즘 기반의 검색 결과에 사용자의 주제에 대한 선호도를 반영하거나 사용자의 질의 기록 및 반응상의 선호도를 반영하는 방법 등으로 연구가 진행되어 왔다[5, 6].
이는 사용자 마다 같은 질의라도 전혀 다른 맥락이나 관심사에서 검색에 대한 결과를 기대 할 수 있기 때문이다. 따라서 본 논문에서는 주제별 사용자 간 유사성이 변화하는 것을 사용자 속성과 주제와의 상호관계를 이용하여 검색 효율성과 신뢰성을 향상 시키고자 하였다.
본 논문에서는 소셜 네트워크 상에 존재하는 웹 사용자 간의 연결성이 특정한 주제별로 차이가 있음에 착안하고, 이를 수치화하여 웹 검색에 적용하기 위한 방법론을 제시한다.
본 논문에서는 소셜 네트워크 상에 존재하는 웹 사용자들을 대상으로 주제별 유사성이 큰 웹 사용자 간에는 검색 패턴 또한 유사함을 발견하여 검색에 적용함으로써 개인화 및 소셜 검색에 기여하고자 하였다.
그러나 이러한 모호함에도 불구하고 웹 사용자의 검색 의도를 가장 잘 나타내는 것은 기본적으로 질의 그 자체이다[4]. 본 논문에서는 이러한 질의의 모호함과 검색 의도 파악의 어려움을 질의를 입력하는 주체인 웹 사용자로부터 해결하고자 하였다. 이는 소셜 네트워크(Social Network)에 존재하는 웹 사용자의 유사성(Similarity)에 따른 검색의 공통적인 경향을 이용하면 보다 효율적인 검색을 할 수 있다는 생각에서 비롯되었다.
본 연구에서는 사용자를 중심으로 형성된 소셜 네트워크를 이용하여 사용자 간의 유사성을 산정하고, 이들 사이의 검색 결과를 분석 하였다. 이를 위해 직접 또는 간접적으로 연결된 사용자 간의 단순한 연결망인 소셜 네트워크를 주제별 변화되는 연결 강도, 즉 유사성에 따라 소셜 네트워크를 구성 하였다.
본 연구에서는 사용자의 속성(Attributes)에 내재된 정보를 이용하여 주제 별 사용자 간 유사성을 산정하고자 하였다. 유사성 산정을 위해 3.
제안 방법
(그림 3)은 주제 ‘Arts’ 및 ‘Business'에 해당하는 각 질의에 대한 검색 결과를 각 사용자 선택한 결과이다. (그림 3)과 같은 방법으로 15개 주제별 5개 질의, 즉 총 75개의 질의에 대한 검색 결과를 사용자별로 선택하도록 하여 검색 일치율을 확인 하였다.
본 논문에서 제안하는 유사성 산정 알고리즘은 단순 합치 측도를 기반으로 하였으며, 15개 주제별 사용자 간 유사성 산정 방법은 과 같다.
본 연구에서는 웹 사용자 간의 유사성을 산정하기 위해 SNS의 대표적인 사이트인 ‘오컷’의 일반적인 속성을 이용하였다.
사용자의 속성에 내재된 정보를 이용하여 주제별 사용자간 유사성을 산정 한 후 질의에 대한 사용자의 검색 결과 만족도를 비교 실험한 결과를 제시한다. (그림 4)는 주제 ‘Arts’, ‘Business’, ‘Computer’, ‘Game’ 등 4개의 주제에 대한 사용자의 유사성과 검색 패턴의 추이를 나타낸다.
주제별 사용자 간 유사성이 높은 사용자 그룹은 검색 패턴 또한 유사함을 검증하고자 유사성과 검색 결과의 일치율을 비교 실험 하였다. 앞서 기술한 바와 같이 각 주제별 5개 항목에 대한 질의 선정에 따른 검색 결과에 사용자가 만족하는 검색 결과를 3개씩 선택하도록 했다. (그림 3)은 주제 ‘Arts’ 및 ‘Business'에 해당하는 각 질의에 대한 검색 결과를 각 사용자 선택한 결과이다.
본 연구에서는 사용자를 중심으로 형성된 소셜 네트워크를 이용하여 사용자 간의 유사성을 산정하고, 이들 사이의 검색 결과를 분석 하였다. 이를 위해 직접 또는 간접적으로 연결된 사용자 간의 단순한 연결망인 소셜 네트워크를 주제별 변화되는 연결 강도, 즉 유사성에 따라 소셜 네트워크를 구성 하였다. 이를 기반으로 질의에 대한 사용자의 검색 결과 만족도를 유사성과 비교 실험함으로써 주제별 개인과 유사성이 높은 사용자 간에는 검색 패턴 또한 유사하다는 결과를 확인하였다.
이상과 같이 사용자 간 유사성을 산정하기 위한 구성 요소로 첫째, SNS를 이용하기 위한 입력 항목인 개인 프로파일과, 다음으로 모든 주제를 포함할 수 있도록 정제되어져 있는 ODP에 해당하는 15개의 주제를 정의한다.
저자 중심의 소셜 네트워크를 구성 한 후 제안한 알고리즘에 따라 유사성을 산정하였다. <표 2>는 주제별 사용자 유사성을 산정한 결과를 나타낸다.
주제별 사용자 간 유사성이 높은 사용자 그룹은 검색 패턴 또한 유사함을 검증하고자 유사성과 검색 결과의 일치율을 비교 실험 하였다. 앞서 기술한 바와 같이 각 주제별 5개 항목에 대한 질의 선정에 따른 검색 결과에 사용자가 만족하는 검색 결과를 3개씩 선택하도록 했다.
주제별 사용자 유사성 산정에 대한 효율성을 검증하기 위해 질의 입력에 따른 사용자의 검색 결과 만족도를 비교 실험 한다. 즉 어떠한 주제 Tk에 대해 개인과 유사성이 높은 사용자 간에는 검색패턴 또한 유사하다는 사실을 검증한다.
대상 데이터
다음 단계인 주제별 질의 선정은 ODP의 15개 디렉토리에서 사용자의 선호도가 높은 항목을 아래와 같이 각 주제별 5개씩 선정 하였다.
또한, 질의에 대한 검색결과는 구글(google) 검색엔진을 이용 하였으며, 결과에 대한 페이지 수는 3페이지로 제한하였다. 이는 사용자의 검색 결과에 대한 탐색 범위를 설문한 연구 보고서 [18]에 따르면 상위 3페이지까지만 확인하는 사용자가 응답자의 88%에 달한다고 하였기 때문이다.
본 연구에서는 모든 주제를 포함하면서 15개의 커뮤니티로 정제된 ‘오컷’의 ODP(Open Directory Project)를 주제로 선정 하였다.
소셜 네트워크는 사용자인 노드(Node)와 노드 간의 연결성을 표현하는 에지(Edge)로 구성된다. 본 연구에서의 실험데이터 구성은 저자와 직접적인 연결성(1-홉)을 갖는 사용자 40명(40 노드)과 이를 통해 연된(2-홉) 사용자 9명(9 노드), 즉 저자를 포함하여 총 50명을 대상으로 실험을 실시하였다. 또한, 실험의 신뢰성을 위하여 실험 대상자의 개인 프로파일(성별, 연령, 직업, 주소 등)은 다양하게 구성 하였다.
성능/효과
이를 위해 직접 또는 간접적으로 연결된 사용자 간의 단순한 연결망인 소셜 네트워크를 주제별 변화되는 연결 강도, 즉 유사성에 따라 소셜 네트워크를 구성 하였다. 이를 기반으로 질의에 대한 사용자의 검색 결과 만족도를 유사성과 비교 실험함으로써 주제별 개인과 유사성이 높은 사용자 간에는 검색 패턴 또한 유사하다는 결과를 확인하였다. 이와 같이 개인의 속성에 따른 주제별 유사성이 높은 사용자 간에는 검색 패턴이 유사하다는 사실을 개인화 및 소셜 검색에 적용한다면 효율성을 향상 시킬수 있을 것이다.
71 이상) 웹 사용자들 간 공유되는 웹 페이지에 검색 선호도가 페이지 랭크 알고리즘에 의해 제공되는 검색 결과에 대한 검색 선호도보다 높게 나타나는 것을 확인 할 수 있다. 즉 소셜 관계 지수가 높은 웹 사용자들이 제공하는 웹 페이지들을 상위에 재순위화 하여 웹 사용자들에게 제공함으로써 검색 선호도가 향상되는 것을 확인 할 수 있다. 따라서 개인의 속성에 따른 주제별 유사성이 높은 사용자 간에는 검색 패턴 또한 유사하다는 사실을 검색에 적용한다면 개의에게 보다 적합하고 연관성이 높은 검색 결과 제공을 통해 개인화 및 소셜 검색의 효율성을 향상 시킬 수 있다.
한편, 주제 ‘Arts’와 ‘Business’ 분야에서는 저자와 user2간의 유사성이 가장 큰 것을 확인 할 수 있지만, 주제 ‘Computer’ 및 ‘Game’ 분야에 대해서는 저자와의 유사성이 user1과 user12가 user2 보다 더 큰 것을 확인 할 수 있다.
후속연구
정보의 존재와 같은 질적 요소의 결합은 여전히 어려운 문제로서 사용자가 가진 내재적 속성을 밝히는 데 중요한 역할을 할 것으로 기대되며, 주제별 영향 요소에 대한 분석 능력의 향상이 필요하다. 따라서 향후에는 사용자 속성과 검색에 있어서의 행동 패턴을 실제 응용프로그램 개발을 통해 검색 엔진에 적용함으로써 검색의 효율성과 신뢰성 향상 정도를 파악해야 할 것이다.
이를 기반으로 질의에 대한 사용자의 검색 결과 만족도를 유사성과 비교 실험함으로써 주제별 개인과 유사성이 높은 사용자 간에는 검색 패턴 또한 유사하다는 결과를 확인하였다. 이와 같이 개인의 속성에 따른 주제별 유사성이 높은 사용자 간에는 검색 패턴이 유사하다는 사실을 개인화 및 소셜 검색에 적용한다면 효율성을 향상 시킬수 있을 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
소셜 네트워크란?
소셜 네트워크는 하나 이상의 상호 의존적인 관계에 의해 구성된 개인 또는 집단으로 구성된 사회적 구조체(Social Structure)로 정의할 수 있다. 대표적인 SNS(Social Network Service)에는 프렌드스터(Friendster), 오컷(Orkut)와 한국의 싸이월드(Cyworld) 등이 있다.
소셜 네트워크의 특징은 무엇인가?
소셜 네트워크의 특징은 구성원간의 연결이 존재한다는 것이며, 사용자는 적어도 한 가지 이상의 목적을 가지고 소셜 네트워크를 이용한다. 그러나 단순한 연결 관계인 사용자 간에는 모든 주제, 즉 질의에 대한 같은 결과를 만족할 수는 없다.
대표적인 소셜 네트워크 서비스에는 무엇이 있는가?
소셜 네트워크는 하나 이상의 상호 의존적인 관계에 의해 구성된 개인 또는 집단으로 구성된 사회적 구조체(Social Structure)로 정의할 수 있다. 대표적인 SNS(Social Network Service)에는 프렌드스터(Friendster), 오컷(Orkut)와 한국의 싸이월드(Cyworld) 등이 있다.
참고문헌 (18)
K. Tanaka. : Usage of Web Knowledge and User Behaviors for Web Search. In Proceedings of KJDB 2007, 2-19, 2007.
B. J. Jansen, A. Spink and T Saracevic. : Real life, real users, real needs : A study and analysis of user queries on the Web. Information Processing and Management, 36(2) : 207-227, 2000.
J. R. Wen, J. Y. Nie and H. J. Zhang. : Clustering user queries of a Search Engine. In Proceedings of the 10th International World Wide Web Conference, 162-168, 2001.
R. Kraft and C. C. Chang : Search with Context. In Proceedings of the 11th International World Wide Web conference, 477-486, 2002.
T. H. Haveliwalla.: Topic-Sensitive PageRank., In Proceedings of the 11th International World Wide Web Conference, 517-526, 2002.
F. Qiu and J. Cho. : Automatic Identification of User Interest For Personalized Search. In Proceedings of the 15th International World Wide Web Conference, 727-736, 2006.
A. Border.: A Taxonomy of Web Search. SIGIR Forum. 36(2), 3-10, 2002.
U. Lee, Z. Liu and J. Cho.: Automatic Identification of User Goals in Web Search. In Proceedings of the 14th International World Wide Web Conference, 391-400, 2005.
D. E. Rose and D. Levinson.: Understanding User Goals in Web Search. In Proceedings of the 13th International World Wide Web Conference, 13-19, 2004.
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) '07, 563-572, 2007.
D. Fono and K. Raynes-Goldie.: Hyperfriendship and Beyond: Friends and Social Norms on LiveJournal. In Internet Research Annual Volume 4: AIOR Conference, , 2006.
C. Dwyer: Digital Relationships in the 'MySpace' Generation: Results From a Qualitative Study. In Proceedings of the 40th Annual Hawaii International Conference on System Sciences (HICSS), 19-28, 2007.
C. Dwyer, S. R. Hiltz and K. Passerini.: Trust and A comparison of Facebook and MySpace. In Proceedings of the 13th Americas Conference on Information Systems (AMCIS), 2007.
김용학, “사회 연결망 분석”, 박영사, 2003.
Hagel, Jhon and Arthur G. Amstrong. : Net Gain ; Expending Markets through Virtual Communities, HBS Press, 1997.
마크스미스 외, “사이버공간과 공동체”, 조동기 역, 나남출판, 186, 2001.
S. P. Borgatti and R. Cross.: A Relational View of Information Seeking and Learning in Social Networks. Management Science, 49(4): 432-445, 2003.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.