$\require{mediawiki-texvc}$

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.

Analysis of multi-dimensional interaction among SNS users
Analysis of multi-dimensional interaction among SNS users 원문보기

인터넷정보학회논문지 = Journal of Korean Society for Internet Information, v.12 no.2, 2011년, pp.113 - 122  

이경민 (서울대학교 의료정보학과) ,  남궁현 (서울대학교 치의학과) ,  김응희 (서울대학교 의료정보학과) ,  이강용 (한국전자통신연구원 방송통신융합연구부문) ,  김홍기 (서울대학교 의료정보학과)

초록
AI-Helper 아이콘AI-Helper

최근, 온라인상에서 사용자간 관계형성 및 커뮤니케이션을 지원하는 Social Network Service(SNS)들이 주목을 받고 있다. SNS에서 형성되는 사용자 정보와 그들의 활동에 대한 정보는 사용자에 대한 특징적인 정보로서 추천과 같은 외부서비스에서 재사용될 수 있는 유용한 정보로 여겨진다. 기존의 사용자 기본 프로파일 정보를 통한 분석이나, 친밀도 및 유사도를 도출하기 위한 단편적인 분석 방법은 가공된 정보의 활용에 있어 한계점을 지닌다. 본 논문에서는 사용자의 SNS활동들로 부터 사용자간 상호영향을 도출하고 다차원 상호관계(Multi-dimension interaction)를 표현 할 수 있는 통합 된 프로파일 모델을 정의하고 이를 도출하기 위한 시스템을 제안한다. 제안된 시스템은 대표적인 SNS인 트위터(Twitter.com)부터 사용자 정보를 수집하여 정보의 재가공을 수행한다. 본 논문의 실험에서는 가공된 정보를 통해 얻을 수 있는, 기존 방식에서는 드러나지 않던 사용자간의 새로운 관계들에 대해 설명한다. 가공된 정보는 특정 사용자의 통합 프로파일로서 컨텐츠 아이템 추천과 같은 외부서비스에서 활용가능 할 것으로 기대된다.

Abstract AI-Helper 아이콘AI-Helper

Social Network Service(SNS) has become a hot trend as a web service which helps users construct social relationships in the web and enables online communication. The information about user activities and behaviors obtained from the SNSs is expected to be an useful knowledge source for other services...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 연구에서는 SNS 정보로 부터 사용자 간 상호영향을 다차원 상호관계로 표현 할 수 있는 통합 된 프로파일 모델과 구축 시스템을 제안한다. 제안 되는 모델은 사용자 간 영향의 정도를 표현할 요소로 친밀도, 관계구조 유사도, 용어 유사도를 산정/합산한 뒤, 해당 결과를 이용하여 ‘강한 영향을 가진 다른 사용자의 목록’을 작성한다.
  • 본 절에서는 실험 데이터로 부터 친밀도, 관계구조 유사도, 용어 유사도를 산정하여 사용자간 관계를 분석한 결과를 제시한다.
  • 본 절에서는 트위터로 부터 수집된 정보를 가공하여, 사용자간 친밀도, 용어 사용유사도, 그리고 관계유사도를 도출하는 방법론을 소개한다. (표 3)은 이와 같은 정보를 도출하기 위해 사용된 기호들을 설명한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
사람 간 관계의 세기는 어떠한 지표로 측정이 가능한가? 기존 연구에 따르면 실세계에서 통용되는 사람들 간 관계의 세기를 측정하는 요소가, SNS 같은 가상 커뮤니티(Virtual Community)에도 반영될 수 있다고 보고되고 있다[2]. 여기서 사람 간 관계의 세기는 연락 빈도, 친밀도, 관계에 대한 적극성, 충고, 동료가 되고 싶은 욕구, 다양한 주제, 관계 기간, 의존성, 정서적 강도, 신뢰성, 기분 좋은 사교와 같이 11가지 지표로 측정이 가능하다[2]. 같은 맥락의 지표라 할 수 있는 사용자 간 유사도는 코사인 유사도(Cosine Similarity), 엔트로피, 역사용자 빈도, 기본 선호도 평가[6] 등의 방법론을 통해 정량화 될 수 있으며, 이와 같은 정보들은 추천 서비스와 같은 외부서비스에 효과적으로 활용될 수 있다.
SNS란 무엇인가? Social Network Service(SNS)는 사용자들이 온라인에서 사회적 관계형성을 지원하고 이를 통한 커뮤니케이션 서비스를 제공하는 온라인 서비스이다. SNS는 (1) 지정된 특정 사용자 간의 정보 공유를 지원하는 폐쇄적 형태의 관계 그리고 (2) 모든 사용자와의 정보 교환을 허용하는 개방적인 관계를 제공한다.
SNS의 기존 연구들에서 산출된 정보가 외부 서비스에 분석 결과 적용에 한계가 발생하는 이유는 무엇인가? 그러나, 기존의 연구들에서 산출된 정보는 SNS의 특징적인 정보인 (1) 사용자들의 관계와 (2) 실시간 배포 되는 단문 포스팅(Posting), (3) 단문 포스팅을 이용한 사용자간 정보교류 행위에 대한 다각적 분석 없이 주로 사용자의 프로필 정보를 이용하여 특정 요소만 산정한다. 이로 인해 (1) 시간, 관계의 방향성에 대한 개념을 내포하는 사용자 관계표현에 어려움이 있고, (2) 다양한 시각으로 사용자간 관계의 세기를 측정하는 ‘다차원 상호관계[2]’는 분석하는 방법이 제시되지 않아 추천과 같은 외부 서비스에 분석 결과를 성공적으로 적용함에 있어 그 한계를 보인다.
질의응답 정보가 도움이 되었나요?

참고문헌 (13)

  1. Danah M. Boyd/Nicole B. Ellison, 'Social Network Sites: Definition, History, and Scholarship', Michigan State University, 2007 

  2. Tamas Nepusz and Fulop Bazso, 'Measuring tie-strength in virtual social networks', http://www.insna.org, 2007 

  3. Yuan-yuan Yang, Su-fen Dong, Gui-fa Teng, Wei Yao, 'Research of Nodes Intimacy in SNS Networks', http://ieeexplore.ieee.org, 2010 

  4. 오정운, 윤성웅, 이상훈, Social Networks 사용자간의 친밀도 산정, `08 한국컴퓨터종합학술대회 논문집 Vol35, No 1(C), 2008 

  5. Ido Guy, Michal Jacovi, Adam Perer, Inbal Ronen, Erel Uziel, 'Same Places, Same Things, Same People? - Mining User Similarity on Social Media', http://www.acm.org, 2010 

  6. 정경용, 이정현, 개인화 추천 시스템의 예측 정확도 향상을 위한 사용자 유사도 가중치에 대한 비교 평가, '05년 11월 전자공학회 논문지 제42권 CI편 제6호, 2005 

  7. Meeyoung Cha, Hamed Haddadiy, Fabricio Benevenutoz, Krishna P. Gummadi, `Measuring User Influence in Twitter: The Million Follower Fallacy', International AAAI Conference on Weblogs and Social Media (ICWSM), May 2010 

  8. Senator Jeong, Soo Kyoung Lee, Hong-Gee Kim, 'Knowledge Structure of Korean Medical Informatics: A Social Network Analysis of Articles in Journal and Proceedings', Healthc Inform Res. 16(1):52-59, March 2010 

  9. Alan Mislove, Massimiliano Marcon, Krishna P. Gummadi, Peter Druschel, Bobby Bhattacharjee, 'Measurement and Analysis of Online Social Networks', the 5th ACM/USENIX Internet Measurement Conference (IMC'07), 2007 

  10. 김민수, 유홍진, 채진석, 사용자의 인적정보를 이용한 소셜 네트워크 활성화 방안, `09 한국컴퓨터종합학술대회 논문집 Vol.36, No.1 (D), 2009 

  11. Christine Hine, 'VIRTUAL ETHNOGRAPHY' http://socantcafe.org/uploads//2009/10/hine-2000-virtual-ethno.pdf, 2000 

  12. Nicole B. Ellison, Charles Steinfield, Cliff Lampe, 'The Benefits of Facebook "Friends:" Social Capital and College Students` Use of Online Social Network Sites' Journal of Computer-Mediated Communication, 23 AUG 2007 

  13. Michael J. Brzozowski, Tad Hogg, Gabor Szabo, Friends and Foes: Ideological social networking, http://www.acm.org, 2008 

저자의 다른 논문 :

관련 콘텐츠

저작권 관리 안내
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

맨위로