[논문]사무실 이벤트 검색을 위한 베이지안 네트워크 기반 사용자 선호도 모델링

임수정; 박한샘; 조성배

문제 정의

하지만 최근 웹사이트에서 제공하는 사용자 모델링 서비스는 텍스트 기반 페이지 구성이나, 추천 검색 등에만 국한되어 있는 단점이 있다. 본 논문에서는 기존 연구로 진행되었던 멀티카메라 환경 내 수집된 저수준의 컨텍스트 정보를 통한 이벤트 인식 모델[2]올 확장하여 사용자의 선호도를 이용한 이벤트 검색을 위한 방법을 제안한다. 본 논문에서 제안하는 이벤트 검색 방법의 개요는 그림 1과 같다.

제안 방법

다음으로, 사무실 내에서의 일상생활에 대한 실제 영상 데이터 수집을 위해, 사무실 내에 4mX4m 영역을 목적영역으로 설정하고 8대의 소니 네트워크 카메라(SNC-P5)카메라를 설치하였다「동영상 데이터는 사무실 내의 일상생활에서 발생하는 이벤트들에 대해 위의 컨텍스트 정의에 기반 하여 3명의 피험자에 대한 시나리오를 설계한 후, 320X240의 해상도에 15fps의 MPEG 동영상 포맷 촬영 되었다. 수집된 동영상 데이터는 어노테이션 툴을 사용하여 정의된 컨텍스트의 해당 항목들을 수동으로 어노테이션 한 후, 생성된 메타데이터를 데이터베이스에 저장하여 검색에 사용할 수 있게 하였다.
이를 추론하기 위해서는 사용자 프로필 데이터를 반영해야 하므로 이벤트 추론에 필요한 사용자의 흥미 분야, 시간별 선호도, 이벤트 중요도, 피험자와의 관계 등을 관련 변수로 정의한다. 다음으로는 각 변수가 가질 수 있는 상태들을 설정해야 하는데, 제안하는 모델의 경우 각 상태 값이 영향을 미치는 이벤트들이 다를 수 있으므로 이들을 각각 하나의 변수로 분리하여 정의하고, 상태 값들은 Yes/No의 두 가지로 설정하였다. 마지막으로 변수들 간의 의존관계를 고려하여 파라미터 값을 정의하였다.
수집된 동영상 데이터는 어노테이션 툴을 사용하여 정의된 컨텍스트의 해당 항목들을 수동으로 어노테이션 한 후, 생성된 메타데이터를 데이터베이스에 저장하여 검색에 사용할 수 있게 하였다. 또 사용자 개인의 정보는 사용자로부터 직접 입력 받도록 하였는데, 시간 선호도, 이벤트 선호도, 흥미 도메인, 피험자 선호도, 피험자와의 관계를 포함하도록 하였다. 시간에 대한 선호도는 이벤트가 발생하는 시간에 대해 오전/ 오후/저녁으로 구분 하였고, 이벤트 선호도는 사무실 내의 주요 업무와 관련된 이벤트(Work, Meeting 등의 분류인 Normal과 주요 업무와 상대적으로 관련성이 적은 이벤트(Entry, Leaving, Calling 등) 의분류인 Abnormal로 구분하였다.
마지막으로, 사용자 평가는 사용자가 검색 질의로 피험자를 선택하였을 경우(A)와 이벤트를 선택하였을 경우(E)로 나누어, 제안하는 모델을 사용하여 검색 결과를 보여준 경우(P)와 대다수의 검색 시스템이 결과를 보여주는 방식인 사용자가 선택한 피험자나 이벤트만을 보여준 경우(G)와의 비교를 통해 평가하도록 하였다. 그림 3은 사용자 평가의 결과를 보여주는데, 제안하는 모델(AP, EP)이 높은 만족도를 보이는 것을 확인할 수 있다.
노드간의 관계는 원인이 되는 노드와, 그 영향을 받는 결과 노드로 구분할 수 있는데, 결과 노드는 자신에 대한 초기 확률 값이나 원인 노드와의 의존성을 고려한 조건부 확률 테이블을 가진다. 본 논문에서는 사용자 선호도를 위한 베이지안 네트워크의 구조와 파라미터를 수작업으로 설계하였는데, 그 과정은 다음과 같다. 먼저 추론하려고 하는 변수를 설정하고 그와 관련된 변수들을 정의한다.
수집된 동영상 데이터는 어노테이션 툴을 사용하여 정의된 컨텍스트의 해당 항목들을 수동으로 어노테이션 한 후, 생성된 메타데이터를 데이터베이스에 저장하여 검색에 사용할 수 있게 하였다. 또 사용자 개인의 정보는 사용자로부터 직접 입력 받도록 하였는데, 시간 선호도, 이벤트 선호도, 흥미 도메인, 피험자 선호도, 피험자와의 관계를 포함하도록 하였다.
또 사용자 개인의 정보는 사용자로부터 직접 입력 받도록 하였는데, 시간 선호도, 이벤트 선호도, 흥미 도메인, 피험자 선호도, 피험자와의 관계를 포함하도록 하였다. 시간에 대한 선호도는 이벤트가 발생하는 시간에 대해 오전/ 오후/저녁으로 구분 하였고, 이벤트 선호도는 사무실 내의 주요 업무와 관련된 이벤트(Work, Meeting 등의 분류인 Normal과 주요 업무와 상대적으로 관련성이 적은 이벤트(Entry, Leaving, Calling 등) 의분류인 Abnormal로 구분하였다. 흥미 도메인은 업무와 관련된 일, 사람을 상대하는 미팅, 연구실 관리로 구분하였다.
또 이용자 선호도는 시나리오에 정의된 3명의 피험자를 대상으로 하였고, 피험자와의 관계는 연구원/친구/가족/교수님으로 구분하였다. 이때 사용자로부터 수집된 정보는 설계된 베이지안 네트워크 모델의 증거 값으로 사용되어, 그로부터 사용자의 선호도를 추론하도록 하였다.
하나의 이벤트를 정의하기 위해서는 피험자와 피험자가 사용하고 있는 물체와의 관계, 환경정보, 이벤트가 발생하고 있는 위치와 같은 컨텍스트 정보가 필요하다. 이를 위해 컨텍스트를 하위레벨에 해당하는 환경, 피험자의 정보와 상위레벨에 해당하는 이벤트로 분류한 후, 각 컨텍스트가 가질 수 있는 값들을 정의하였다. 표 1은 사무실 환경내의 컨텍스트의 종류와 가질 수 있는 값들에 대한 리스트를 보여준다.
제일 먼저, 사무실 환경 내에서 발생할 수 있는 11가지 이벤트(Entry, Leaving, Calling, Cleaning, Conversation, Eating, Nap, Meeting, Printout, Seminar, Work)를 정의하였다. 하나의 이벤트를 정의하기 위해서는 피험자와 피험자가 사용하고 있는 물체와의 관계, 환경정보, 이벤트가 발생하고 있는 위치와 같은 컨텍스트 정보가 필요하다.
시간에 대한 선호도는 이벤트가 발생하는 시간에 대해 오전/ 오후/저녁으로 구분 하였고, 이벤트 선호도는 사무실 내의 주요 업무와 관련된 이벤트(Work, Meeting 등의 분류인 Normal과 주요 업무와 상대적으로 관련성이 적은 이벤트(Entry, Leaving, Calling 등) 의분류인 Abnormal로 구분하였다. 흥미 도메인은 업무와 관련된 일, 사람을 상대하는 미팅, 연구실 관리로 구분하였다. 또 이용자 선호도는 시나리오에 정의된 3명의 피험자를 대상으로 하였고, 피험자와의 관계는 연구원/친구/가족/교수님으로 구분하였다.

대상 데이터

흥미 도메인은 업무와 관련된 일, 사람을 상대하는 미팅, 연구실 관리로 구분하였다. 또 이용자 선호도는 시나리오에 정의된 3명의 피험자를 대상으로 하였고, 피험자와의 관계는 연구원/친구/가족/교수님으로 구분하였다. 이때 사용자로부터 수집된 정보는 설계된 베이지안 네트워크 모델의 증거 값으로 사용되어, 그로부터 사용자의 선호도를 추론하도록 하였다.

성능/효과

그림 3은 사용자 평가의 결과를 보여주는데, 제안하는 모델(AP, EP)이 높은 만족도를 보이는 것을 확인할 수 있다. 특히 검색 질의로 피험자를 선택하였을 경우 제안하는 모델(AP)의 만족도가 더 높은 것을 확인할 수 있다.

후속연구

향후에는, 사용자 프로필을 반영하여 사용자 선호도 모델을 자동으로 업데이트하고 결과를 검색에 반영하여, 많은 양의 사용자 데이터에 대해서도 효율적인 관리가 가능하도록 시스템을 확장할 예정이다.

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

사무실 이벤트 검색을 위한 베이지안 네트워크 기반 사용자 선호도 모델링
Bayesian Networks based User Preference Modeling for Office Event Retrieval 원문보기

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

사무실 이벤트 검색을 위한 베이지안 네트워크 기반 사용자 선호도 모델링 Bayesian Networks based User Preference Modeling for Office Event Retrieval 원문보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

사무실 이벤트 검색을 위한 베이지안 네트워크 기반 사용자 선호도 모델링
Bayesian Networks based User Preference Modeling for Office Event Retrieval 원문보기

AI 본문요약
AI-Helper