최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국지형공간정보학회지 = Journal of the korean society for geospatial information science, v.22 no.4, 2014년, pp.21 - 30
이영민 (서울대학교 대학원 건설환경공학부) , 박우진 (서울대학교 환경정화기술 및 위해성평가 연구센터) , 유기윤 (서울대학교 대학원 건설환경공학부)
Lately, new influentials have secured a large number of volunteers on social networks due to vitalization of various social media. There has been considerable research on these influential people in social networks but the research has limitations on location information of Location Based Social Net...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
Trendsmap 서비스는 어떤 단점을 지녔는가? | LBSNS 관련 서비스 중 Trendsmap3)은 구글맵과 연동하여 지역별로 이용자들 사이에서 많이 언급되고 있는 키워드를 보여주는 기능을 제공하며, 이를 통해 어느 지역에 어떤 키워드와 사용자가 이슈가 되고 있는지를 파악할 수 있다. 그러나 Trendsmap 서비스는 소축척 레벨에서 넓은 지역에 대해서는 파악할 수 있지만 대축척 레벨에서 세부적인 지역에 대해서는 파악하기 어렵다는 단점을 가지고 있다. 또한 지도상에서 키워드에 대한 검색은 가능하지만 이에 대한 결과로서 지도를 기반으로한 키워드 시각화 화면만을 제공할 뿐 정량적이고 수치 적인 분석 기능을 제공하지는 못한다는 한계가 있었다. | |
유력지수란 무엇인가? | 이에 본연구에서는 유력지수(Influential Index, II)라는 개념을 제안하였다. 유력지수란 각 키워드에 대해 행정동별로 산출된 노출도와 해당 노출도의 공간적 의존성의 정도를 가중치로 하여 나타낸 값을 곱하여 구해지는 수치로, 키워드가 2개 이상일 경우 이들의 가중 합이 유력 지수가 된다. 이때 노출도의 공간적 의존성을 고려하기 위해 국지적 공간 의존성 지수 중 하나인 Local Moran’s I를 사용하였다. | |
본 연구에서 이루어진 유력자 정보의 공간적 탐색과정은 어떻게 구성되었는가? | 유력자 정보의 공간적 탐색 과정은 크게 4단계로 구성되며 내용은 다음과 같다. 첫째, 특정 키워드에 대한 유력자를 파악하기 위한 노출도(exposure index)를 도출하고, 이에 대해 서울시 행정동을 기준으로 공간결합(spatial join)연산을 실시함으로써 각 키워드에 대한 행정동별 노출도를 산출하였다. 둘째, 유력자 파악에 있어 행정동별로 산출된 노출도의 공간적 의존성(spatial dependence)을 가중치로 고려하기 위해 Local Moran’s I를 이용하여 유력지수(influential index)를 도출하였다. 셋째, 상위의 유력지수를 보이는 지역을 유력지역(influential area)으로 추출하여 이들의 공간적인 분포 특성을 분석하였다. 넷째, Spatial Lag Pearson’s r을 이용하여 키워드별로 다양하게 추출된 유력지역들의 공간적인 분포 패턴 간의 상관성(correlation)을 분석하였다(Fig. 1). |
Cha, M. Y., Haddadi, H., Benevenuto, F. and Gummadi, P. K., 2010, Measuring user influence in Twitter: The million follower fallacy, Proceedings of the 4th International AAAI Conference on Weblogs and Social Media, pp. 10-17.
Java, A., Song, X., Finin, T. and Tseng, B., 2007, Why we twitter: understanding microblogging usage and communities, Proceedings of the 9th WebKDD and 1st SNA-KDD 2007 Workshop on Web Mining and Social Network Analysis, pp. 56-65.
Kim, H. T., Kim, S. S. and An, S. H., 2009, The pattern of urban growth and measurement of spatial structural change in Daejeon metropolitan city, Journal of the Korean Society for GeoSpatial Information System, Vol. 17, No. 3. pp. 41-48.
Korea Internet and Security Agency, Internet & Security Issue, Vol. 2010, No. 3, p. 39.
Lee, W. T., Cha, M. Y. and Park, H. Y., 2010, Influentials' role in mobile social media, Digital Convergence- based Prospective Study(II), Korea Information Society Development Institute, Vol. 2010, No. 27, pp. 1-123.
Park, H. S., Cha, M. Y. and Moon, S. B., 2010, Influentials ranking in social networks, Journal of Korean Institute of Information Scientists and Engineers, Vol. 28, No. 3, pp. 24-30.
Taylor, R., 1990, Interpretation of the correlation coefficient: a basic review, Journal of Diagnostic Medical Sonography, Vol. 6, No. 1, pp. 35-39.
Weng, J., Lim, E. P., Jiang, J. and He, Q., 2010, Twitterrank: finding topic-sensitive influential twitterers, In Proceedings of the third ACM International Conference on Web Search and Data Mining, pp. 261-270.
Yoo, B. K. and Kim S. H., 2013, Marketing strategies using social network analysis : Twitter's search network, The Journal of The Korea Contents Association, Vol. 13, No. 5, pp. 396-407.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.