$\require{mediawiki-texvc}$

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.

인기 검색어의 순위 변화 예측
'Hot Search Keyword' Rank-Change Prediction

정보과학회논문지 = Journal of KIISE, v.44 no.8, 2017년, pp.782 - 790  

김도형 (경희대학교 컴퓨터공학과) ,  강병호 () ,  이승룡 (경희대학교 컴퓨터공학과)

초록
AI-Helper 아이콘AI-Helper

인기 검색어 리스트는 현재 가장 인기 있는 검색어의 순위를 보여주는 서비스로서 네이버와 같은 포털사이트가 제공한다. 이 리스트에서의 순위 변화는 특정 검색어에 대한 사람들의 관심의 변화를 반영한다. 본 논문은 인기 검색어의 순위 변화를 예측하기 위해 시계열 모델링 프레임워크를 제안한다. 제안한 프레임워크는 과거 순위와 기계학습 모델이 적용되었고, 여기서 해결해야 할 두 가지 문제점이 있다. 첫째, 과거 순위 데이터를 분석한 결과, 70% 이상의 검색어가 리스트에서 소멸 후 재출현하는 현상을 보였다. 소멸 후의 순위는 손실 값으로 볼 수 있으며, 이를 해결하기 위해서 다양한 처리 방법을 적용하였다. 둘째, 과거 순위 데이터는 시계열 데이터이므로 최적 윈도우 크기를 계산하는 것이 중요하다. 본 논문에서는 최적 윈도우 크기는 동일한 검색어들이 서로 다른 두 시점에서 내용상 의미가 달라지는 최단 소멸기간으로 볼 수 있음을 밝혔다. 성능 평가를 위해서 4가지의 기계학습 기법과 2년 동안 수집한 네이버, 다음, 네이트의 인기 검색어 리스트 데이터를 사용하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

The service, 'Hot Search Keywords', provides a list of the most hot search terms of different web services such as Naver or Daum. The service, bases the changes in rank of a specific search keyword on changes in its users' interest. This paper introduces a temporal modelling framework for predicting...

주제어

#인기 검색어   #시계열 예측   #검색어 예측   #기계학습  

참고문헌 (17)

  1. H. Kwak, et al., "What is Twitter, a social network or a news media?," Proc. of the 19th international conference on World wide web. ACM, pp. 591-600, Apr. 2010. 

  2. J. E. Chung and E. Mustafaraj, "Can collective sentiment expressed on twitter predict political elections?," AAAI, Vol. 11, Apr. 2011. 

  3. F. Franch, "(Wisdom of the Crowds) 2: 2010 UK election prediction with social media," Journal of Information Technology & Politics, Vol. 10, No. 1, pp. 57-71, 2013. 

    상세보기 crossref

  4. T. O. Sprenger, "TweetTrader. net: Leveraging Crowd Wisdom in a Stock Microblogging Forum," ICWSM, pp. 663-664, May, 2011. 

  5. J. Bollen, H. Mao, and X. Zeng, "Twitter mood predicts the stock market," Journal of computational science, Vol. 2, No. 1, pp. 1-8, 2011. 

    상세보기 crossref

  6. J. Si, et al., "Exploiting Social Relations and Sentiment for Stock Prediction," EMNLP, Vol. 14, pp. 1139-1145, Oct. 2014. 

  7. M. Naaman, H. Becker, and L. Gravan, "Hip and trendy: Characterizing emerging trends on Twitter," Journal of the Association for Information Science and Technology, Vol. 62, No. 5, pp. 902-918, 2011. 

  8. H. Becker, M. Naaman, and L. Gravano, "Beyond Trending Topics: Real-World Event Identification on Twitter," ICWSM, Vol. 11, pp. 438-441, 2011. 

  9. S. C. Han. and H. Chung, "Social issue gives you an opportunity: discovering the personalised relevance of social issues," Pacific Rim Knowledge Acquisition Workshop, Springer Berlin Heidelberg, pp. 272-284, Sep. 2012. 

  10. S. C. Han, et al., "Chinese trending search terms popularity rank prediction," Information Technology and Management, Vol. 17, No. 2, pp. 133-139, 2016. 

    상세보기 crossref

  11. K. Jaidka, et al., "SocialStories: Segmenting Stories within Trending Twitter Topics," Proc. of the 3rd IKDD Conference on Data Science, 2016, ACM, p. 1, Mar. 2016. 

  12. A. Vakali, N. Kitmeridis, and M. Panourgia, "A distributed framework for early trending topics detection on big social networks data threads," INNS Conference on Big Data. Springer International Publishing, pp. 186-194, Oct. 2016. 

  13. K. Lee, et al., "Twitter trending topic classification," 2011 11th IEEE International Conference on Data Mining Workshops (ICDMW), pp. 251-258, Dec. 2011. 

  14. D. Kim, et al., "Predicting the Scale of Trending Topic Diffusion Among Online Communities," Pacific Rim Knowledge Acquisition Workshop, Springer International Publishing, pp. 153-165, Aug. 2016. 

  15. S. Nikolov, and D. Shah, "A nonparametric method for early detection of trending topics," Proc. of the Interdisciplinary Workshop on Information and Decision in Social Networks (WIDS 2012), MIT, Nov. 2012. 

  16. P. D. Allison, Missing data, Thousand Oaks, CA: Sage, 2000. 

  17. I. H. Witten, et al., Data Mining: Practical machine learning tools and techniques, Morgan Kaufmann, 2016. 

저자의 다른 논문 :

관련 콘텐츠

이 논문과 함께 이용한 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