[논문]소셜네트워크 기반의 콘텐츠 추천 방법

손종수; 정인정

doi:10.3745/kipstb.2011.18b.5.279

[국내논문] 소셜네트워크 기반의 콘텐츠 추천 방법
Contents Recommendation Method Based on Social Network 원문보기

정보처리학회논문지. The KIPS transactions. Part B. Part B, v.18B no.5, 2011년, pp.279 - 290

(고려대학교 컴퓨터정보학과) , 손종수 (고려대학교 컴퓨터정보학과) , 정인정 (고려대학교 컴퓨터정보학과)

초록
AI-Helper

최근 웹 및 웹 콘텐츠의 양이 폭발적으로 증가함에 따라서 콘텐츠 추천 시스템(CRS, Contents Recommendation System)은 최근 중요한 이슈로 대두되었다. 이에 따라, 콘텐츠 추천 시스템에 대한 콘텐츠 추천 방법(CRM, Contents Recommendation Method)이 꾸준히 연구 및 소개되어 왔다. 그러나 전통적인 CRM들은 콘텐츠 생성자의 위상이 중요하게 여겨지는 웹 2.0 환경에서 활용하는데 부족함이 있다. 본 논문에서는 연결 정도 중심성 분석(Degree of centrality) 및 TF-IDF를 활용하여 양질의 콘텐츠를 추천하는 방법을 제안한다. 이를 위하여 본 논문에서는 RSS와 FOAF를 수집하여 TF-IDF와 연결 정도 중심성을 각각 분석한다. 그리고 분석된 두 값을 이용하여 콘텐츠를 추천한다. 본 논문에서 제안한 방법을 검증하기 위하여 우리는 시스템을 구현하였으며 콘텐츠 추천 결과를 보인다. 본 논문에서 제안한 방법을 사용하면 입력된 질의어에 대해 사용자와 콘텐츠의 관계를 분석하고 이를 통해 적절한 콘텐츠를 추출할 수 있다. 그리고 본 논문에서 제안한 방법을 통해 구축한 시스템은 전통적인 콘텐츠 추천 시스템과 달리 소셜네트워크에서 콘텐츠 생산자에 대한 중요도가 반영됨으로 보다 신뢰성이 있는 결과를 얻을 수있다.

Abstract ▼ AI-Helper

As the volume of internet and web contents have shown an explosive growth in recent years, lately contents recommendation system (CRS) has emerged as an important issue. Consequently, researches on contents recommendation method (CRM) for CRS have been conducted consistently. However, traditional CRMs have the limitations in that they are incapable of utilizing in web 2.0 environments where positions of content creators are important. In this paper, we suggest a novel way to recommend web contents of high quality using both degree of centrality and TF-IDF. For this purpose, we analyze TF-IDF and degree of centrality after collecting RSS and FOAF. Then we recommend contents using these two analyzed values. For the verification of the suggested method, we have developed the CRS and showed the results of contents recommendation. With the suggested idea we can analyze relations between users and contents on the entered query, and can consequently provide the appropriate contents to the user. Moreover, the implemented system we suggested in this paper can provide more reliable contents than traditional CRS because the importance of the role of content creators is reflected in the new system.

주제어

질의응답

핵심어	질문	논문에서 추출한 답변
	소셜네트워크란?	0의 출현으로 인하여 콘텐츠의 생산주체가 서비스 제공자에서 서비스 수요자인 사용자들로 변화 되면서 다양한 소셜네트워크 서비스(Social network service)가 각광받게 되었다[1][2]. 소셜네트워크란 개인을 의미하는 수많은 노드들로 구성된 사회적 관계망으로써 오늘날의 소셜네트워크 서비스는 사용자들이 직접 참여할 수 있고 상호 작용이 가능하게끔 발전되고 있다. 소셜네트워크 서비스를 제공하고 있는 웹 사이트에서는 웹 2.
	소셜네트워크 분석이란?	소셜네트워크 분석(Social network analysis)은 소셜네트워크에서 존재하는 서로 독립적인 노드(Node)들 간의 연결 관계를 이용하여, 노드들의 중심성(Centrality) 혹은 밀도(Density)등 사회적 관계를 분석하는 방법이다. 소셜네트워크 분석 방법 중에서 한가지 중요한 방법인 연결 정도 중심성은 소셜네트워크를 구성하는 어느 노드와 연결된 다른 노드들과의 연결 정도를 측정하는 지표이다.
	콘텐츠 추천 시스템의 구현을 위한 방법에는 무엇이 있는가?	∙ 내용 기반 콘텐츠 추천 방법 ∙ 협업적 콘텐츠 추천 방법 ∙ 하이브리드 콘텐츠 추천 방법

참고문헌 (25)

A. L. Barabasi, H. Jeong, E. Ravasz, Z. Neda, A. Schuberts and T. Vicsek, "Evolution of the Social Network of Scientific Collaborations," Physica A, pp.590-614, 2002.
R. Kumar, P. Ragbavan, S. Rajagopalan and A. Tomkins, "The Web and Social Networks," Computer, pp.32-36, 2002.
M. J. Pazzani and D. Billsus, "Content-Based Recommendation Systems," The Adaptive Web Lecture Notes in Computer Science, Vol.4321/2007, pp.325-341, 2007.
W. S. Yang, H. C. Cheng and J. B. Dia, "A Location-Aware Recommender System for Mobile Shopping Environments," Expert Systems with Applications, Vol.34, No.1, pp.437-445, Jan. 2008.

상세보기
D. Goldberg, D. Nichols, B. M. Oki and D. Terry, "Using Collaborative Filtering to Weave an Information Tapestry," Communications of the ACM, Vol.35, pp.61-70, 1992.
J. A. Konstan, B. N. Miller, D.Maltz, J. L. Herlocker, L. R. Gordon and J. Riedl, "GroupLens: Applying Collaborative Filtering to Usenet News," Communications of the ACM, Vol.40, No.3, pp.77-87. Mar., 1997.

상세보기
A. Albadvi and M. Shahbazi, "A Hybrid Recommendation Technique Based on Product Category Attributes," Expert Systems with Applications, Vol.36, No.9, pp.11480-11488, Nov., 2009.

상세보기
A. Albadvi and M. Shahbazi, "A Hybrid Recommendation Technique Based on Product Category Attributes," Expert Systems with Applications, Vol.36, No.9, pp.11480-11488, Nov., 2009.

상세보기
M. Goksedef and ？. Gunduz-Oguducu, "Combination of Web Page Recommender Systems," Expert Systems with Applications, Vol.37, No.4, pp.2911-2922, Apr., 2010.

상세보기
M. Montaner, B. Lopez and J. L. de la Rosa, "A Taxonomy of Recommender Agents on the Internet," Artificial Intelligence Review, Vol.19, No.4, pp.285-330, 2003.
M. Zanker and M. Jessenitschnig, "Collaborative Feature-Combination Recommender Exploiting Explicit and Implicit User Feedback," IEEE Conference on Commerce and Enterprise Computing, pp.49-56, 2009.
http://www.foaf-project.org
http://www.rssboard.org/rss-specification
G. Salton and C. Buckley, "Term Weighting Approaches in Automatic Text Retrieval," Information Processing and Management, Vol.24, No.5, pp.513-523, 1988.

상세보기
J. B. Schafer, D. Frankowski, J. Herlocker, and S. Sen, "Collaborative Filtering Recommender Systems," The Adaptive Web Lecture Notes in Computer Science, Vol.4321, pp.291-324, 2007.

상세보기
J. Scott, "Social Network Analysis," SAGE Publications, 2000.
G. Lawton, "Knowledge Management: Ready for Prime Time?," IEEE Computer, Vol.34, No.2, pp.216-244, 2001.
J. Suchal and P. Navrat, "Full Text Search Engine as Scalable K-Nearest Neighbor Recommendation System," IFIP WCC Series, Vol.331, pp.165-173, 2010.
T. I. Wang, K. T. Wang and Y. M. Huang, "Using a Style-Based Ant Colony System for Adaptive Learning," Expert Systems with Applications, Vol.34, No.4, pp.2449-2464, May, 2008.

상세보기
Y. J. Yang and C. Wua, "An Attribute-Based Ant Colony System for Adaptive Learning Object Recommendation," Expert Systems with Applications, Vol.36, No.2, pp.3034-3047, Mar., 2009.

상세보기
R. Burke, "Hybrid Web Recommender Systems," The Adaptive Web, Lecture Notes In Computer Science, Vol. 4321. Springer-Verlag, Berlin, Heidelberg, pp.377-408, 2007.

상세보기
Y. Koren, R. Bell and C. Volinsky, "Matrix Factorization Techniques for Recommender Systems," IEEE Computer, Vol.42, No.8, pp.30-37, Aug., 2009.
http://www.facebook.com
http://www.livejournal.com
http://www.twiiter.com

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

[국내논문] 소셜네트워크 기반의 콘텐츠 추천 방법
Contents Recommendation Method Based on Social Network 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

질의응답

참고문헌 (25)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] 소셜네트워크 기반의 콘텐츠 추천 방법 Contents Recommendation Method Based on Social Network 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

질의응답

참고문헌 (25)

이 논문을 인용한 문헌

저자의 다른 논문 :

손종수 (5) 정인정 (13)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] 소셜네트워크 기반의 콘텐츠 추천 방법
Contents Recommendation Method Based on Social Network 원문보기

초록
AI-Helper