KR101475439B1 - 사용자에게 최적화된 관심 정보를 제공하기 위한 시스템 및 방법 - Google Patents

사용자에게 최적화된 관심 정보를 제공하기 위한 시스템 및 방법 Download PDF

Info

Publication number
KR101475439B1
KR101475439B1 KR1020130017159A KR20130017159A KR101475439B1 KR 101475439 B1 KR101475439 B1 KR 101475439B1 KR 1020130017159 A KR1020130017159 A KR 1020130017159A KR 20130017159 A KR20130017159 A KR 20130017159A KR 101475439 B1 KR101475439 B1 KR 101475439B1
Authority
KR
South Korea
Prior art keywords
user
data
request
unit
context
Prior art date
Application number
KR1020130017159A
Other languages
English (en)
Other versions
KR20140104543A (ko
Inventor
이경일
최광선
김선호
Original Assignee
주식회사 솔트룩스
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 솔트룩스 filed Critical 주식회사 솔트룩스
Priority to KR1020130017159A priority Critical patent/KR101475439B1/ko
Publication of KR20140104543A publication Critical patent/KR20140104543A/ko
Application granted granted Critical
Publication of KR101475439B1 publication Critical patent/KR101475439B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking

Abstract

사용자에게 최적화된 관심 정보를 제공하기 위한 시스템 및 방법이 개시된다. 일 실시예에 따른 정보 제공 시스템은 사용자의 제1 요청에 응답하여 소셜 네트워크에 포함되는 다수의 소셜 미디어로부터 개인 데이터 및 일반 데이터를 수집하는 소셜 데이터 수집부; 상기 수집된 개인 데이터와 일반 데이터를 이용하여 사용자의 컨텍스트(context)에 적응적인, 온톨로지(ontology) 기반의 융합 데이터를 생성하는 소셜 데이터 융합부; 사용자에 대한 컨텍스트의 변화에 대응되어 발생되는 사용자의 제2 요청에 응답하여, 상기 융합 데이터로부터, 사용자의 컨텍스트에 적응적인 분석 및 추론 결과를 생성하는 분석 및 추론부; 및 상기 사용자의 제1 요청 및 제2 요청을 수신하고, 상기 융합 데이터 및 상기 분석 및 추론 결과 중 적어도 하나를 사용자에게 제공하는 서비스 제공부를 포함한다.

Description

사용자에게 최적화된 관심 정보를 제공하기 위한 시스템 및 방법{System and method for providing of interesting information optimized for user}
본 개시는 사용자에게 최적화된 관심 정보를 제공하기 위한 시스템 및 방법에 관한 것으로, 특히 사용자에게 의미 있는 관심 정보를 제공함에 있어서, 다양한 미디어 소스로부터 제공되는 데이터를 의미적으로 융합하고, 융합 모델로부터 관심 정보를 구성, 식별 및 분석하여, 사용자에게 최적화된 관심 정보를 효율적으로 제공할 수 있는 시스템 및 방법에 관한 것이다.
소셜 네트워킹 서비스가 발전하고 대중화 되어 소셜 네트워킹 서비스의 이용자는 직업, 연령, 성별에 상관없이 증가하고 있다. 사용자 수 증가에 따라 소셜 네트워크 상에서 발생하는 온라인 미디어 역시 기하급수적으로 증가하고 있다. 이에 따라, 다양한 미디어 소스를 통해 광대한 양의 데이터들이 사용자에게 제공되고 있다. 따라서, 사용자에게 의미 있는 관심 정보를 효율적으로 제공하는 것이 중요시 되고 있다.
본 개시는 사용자에게 의미 있는 관심 정보를 제공함에 있어서, 다양한 미디어 소스를 의미적으로 융합하고, 융합 모델로부터 관심 정보를 구성, 식별 및 분석하여, 사용자에게 최적화된 관심 정보를 효율적으로 제공할 수 있는 시스템 및 방법을 제공한다.
일 실시예에 따른 정보 제공 시스템은 사용자의 제1 요청에 응답하여 소셜 네트워크에 포함되는 다수의 소셜 미디어로부터 개인 데이터 및 일반 데이터를 수집하는 소셜 데이터 수집부; 상기 수집된 개인 데이터와 일반 데이터를 이용하여 사용자의 컨텍스트(context)에 적응적인, 온톨로지(ontology) 기반의 융합 데이터를 생성하는 소셜 데이터 융합부; 사용자에 대한 컨텍스트의 변화에 대응되어 발생되는 사용자의 제2 요청에 응답하여, 상기 융합 데이터로부터, 사용자의 컨텍스트에 적응적인 분석 및 추론 결과를 생성하는 분석 및 추론부; 및 상기 사용자의 제1 요청 및 제2 요청을 수신하고, 상기 융합 데이터 및 상기 분석 및 추론 결과 중 적어도 하나를 사용자에게 제공하는 서비스 제공부를 포함한다.
상기 사용자의 제1 요청은 사용자가 상기 정보 제공 시스템에 등록 또는 접속하는 때에 발생될 수 있다.
상기 사용자의 제2 요청은 상기 정보 제공 시스템에 사용자의 컨텍스트 변화에 대한 정보가 센싱되거나 제공되는 때에 발생될 수 있다.
상기 사용자의 제1 요청 및 제2 요청은 동시에 또는 다른 시점에서 발생될 수 있다.
상기 소셜 데이터 수집부는 상기 사용자의 개인 데이터를 수집하는 개인 데이터 수집부 및 상기 개인 데이터와 관련된 키워드(keyword)를 포함하는 일반 데이터를 수집하는 일반 데이터 수집부를 포함할 수 있다.
상기 분석 및 추론부는, 상기 사용자의 제2 요청에 응답하여, 사용자에 대한 컨텍스트의 변화를 분석하는 사용자 컨텍스트 분석부; 상기 사용자에 대한 컨텍스트의 변화의 분석 결과에 근거하여 상기 융합 데이터로부터 사용자의 컨텍스트와 연관된 개체 또는 사건을 추출하는 개체/사건 식별부; 상기 추출된 개체 또는 사건 사이의 상호 작용을 분석하는 상호 작용 분석부; 및 상기 상호 작용 분석부의 분석 결과에 기반하여 사용자의 관심 정보를 추론하는 관심 정보 추론부를 구비할 수 있다.
상기 서비스 제공부는 상기 사용자의 제1 요청 및 제2 요청이 상기 관심 정보 제공 시스템에서 허용된 사용자에 의한 요청인지를 판단하는 접근 권한 관리부를 구비할 수 있다.
본 개시에 따른 시스템 및 방법에 의하면, 다양한 미디어 소스로부터 제공되는 데이터를 의미적으로 융합하고, 융합 모델로부터 관심 정보를 구성, 식별 및 분석하여, 사용자에게 최적화된 관심 정보를 효율적으로 제공할 수 있는 장점이 있다.
본 개시의 상세한 설명에서 인용되는 도면을 보다 충분히 이해하기 위하여 각 도면의 간단한 설명이 제공된다.
도 1은 본 개시의 일 실시예에 따른 정보 제공 시스템을 나타내는 블록도이다.
도 2는 도 1의 소셜 데이터 융합부의 동작 과정을 나타내는 도면이다.
도 3은 도 1의 정보 제공 시스템에 의해 사용자에게 제공되는 정보를 개념적으로 나타내는 도면이다.
이하, 첨부한 도면을 참조하여 본 개시의 실시 예에 대해 상세히 설명한다. 본 개시의 실시 예는 당 업계에서 평균적인 지식을 가진 자에게 본 개시를 보다 완전하게 설명하기 위하여 제공되는 것이다. 본 개시는 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 상세하게 설명하고자 한다. 그러나, 이는 본 개시를 특정한 형태에 대해 한정하려는 것이 아니며, 특허청구범위의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용한다. 첨부된 도면에 있어서, 구조물들의 치수는 본 개시의 명확성을 기하기 위하여 실제보다 확대하거나 축소하여 도시한 것이다.
본 개시에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 개시를 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 개시에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 갖는다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 개시에서 명백하게 정의하지 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
도 1은 본 개시의 일 실시예에 따른 정보 제공 시스템을 나타내는 블록도이다. 도 1을 참조하면, 일 실시예에 따른 정보 제공 시스템(IPSYS)은 소셜 데이터 수집부(DCU), 소셜 데이터 융합부(DMU), 분석 및 추론부(AIU) 및 서비스 제공부(SPU)를 포함한다.
소셜 데이터 수집부(DCU)는 사용자의 제1 요청(Req1)에 응답하여 소셜 네트워크(social network)에 포함되는 다수의 소셜 미디어(social media) 로부터 개인 데이터(PSDT) 및 일반 데이터(CSDT)를 수집한다. 사용자의 제1 요청(Req1)은 사용자가 정보 제공 시스템(IPSYS)에 등록 또는 접속하는 때에 발생될 수 있다. 예를 들어, 사용자가 정보 제공 시스템(IPSYS)에 등록하게 되면, 소셜 데이터 수집부(DCU)은 별도의 추가적인 제1 요청(Req1)이 발생되지 아니하더라도 주기적으로 개인 데이터(PSDT) 및 일반 데이터(CSDT)를 수집하여, 정보 제공 시스템(IPSYS)이 사용자에게 적응적인 융합 데이터(MDTA)를 제공할 수 있도록 한다. 또는 사용자가 정보 제공 시스템(IPSYS)에 접속하는 때에, 예를 들어 스마트폰 어플리케이션으로 구현되는 정보 제공 시스템(IPSYS)에 접속하는 때에, 소셜 데이터 수집부(DCU)는 제1 요청(Req1)에 대응되는 개인 데이터(PSDT) 및 일반 데이터(CSDT)를 수집하여, 정보 제공 시스템(IPSYS)이 사용자에게 적응적인 융합 데이터(MDTA)를 제공할 수 있도록 한다.
개인 데이터(PSDT) 및 일반 데이터(CSDT)를 포함하는 소셜 미디어 데이터(SDT)는 소셜 네티워크 상에 생성되고 배포된 미디어 데이터일 수 있다. 소셜 미디어 데이터(SDT)는 키워드(keyword), 타임 라인(timeline) 등의 방식으로 수집될 수 있다. 소셜 데이터 수집부(DCU)는 개인 데이터 수집부(DCU1) 및 일반 데이터 수집부(DCU2)를 포함할 수 있다.
개인 데이터 수집부(DCU1)는 사용자의 제1 요청(Req1)에 응답하여, 소셜 미디어 데이터(SDT) 중 사용자의 개인 데이터(PSDT)를 수집한다. 예를 들어, 사용자의 트위터(tweeter) 상의 트윗(tweet), 팔로잉(following), 팔로워(follower), 맨션(mention) 및 리트윗(retweet) 등에 대한 데이터 수집할 수 있다. 또는 개인 데이터 수집부(DCU1)는 사용자의 페이스북(facebook) 상의 뉴스 피드(news feed), 담벼락, 프로필, 노트, 친구 등에 대한 데이터를 수집할 수 있다. 또는 개인 데이터 수집부(DCU1)는 사용자의 블로그(blog)나 미니홈피에 올린 글을 개인 데이터(PSDT)로 수집할 수 있다.
개인 데이터 수집부(DCU1)는 사용자의 제1 요청(Req1)에 응답하여, 소셜 미디어 데이터(SDT)의 개인 데이터(PSDT) 중 일부의 개인 데이터(PSDT)만을 선별하여 수집할 수 있다. 개인 데이터 수집부(DCU1)는 사용자에게 권한이 허여된 상태에서 상기의 개인 데이터(PSDT)를 수집할 수 있다. 사용자로부터의 권한 수여는, 후술되는 서비스 제공부(SPU)의 접근 권한 관리부(AMU)에 의해 관리될 수 있다.
일반 데이터 수집부(DCU2)는 전술된 개인 데이터 이외의 소셜 미디어 데이터(SDT)를 수집할 수 있다. 예를 들어, 일반 데이터(CSDT)는 소셜 미디어 데이터(SDT) 중 개인 데이터(PSDT)와 관련된 키워드(keyword)를 포함하는 데이터일 수 있다. 일반 데이터의 수집은 다양한 예를 들어, 임의의 시간 동안 임의의 횟수 이상 등장한 대용량 데이터인 빅 데이터 등을 포함할 수 있다.
소셜 데이터 융합부(DMU)는 수집된 개인 데이터(PSDT)와 일반 데이터(CSDT)를 이용하여 사용자의 컨텍스트(context)에 적응적인, 온톨로지(ontology) 기반의 융합 데이터(MDTA)를 생성한다.
예를 들어, 수집된 개인 데이터(PSDT) 및 일반 데이터(CSDT)는 버즈 모니터링(Buzz Monitoring), 감성 분석(Sentiment Analysis) 및 연관 이슈 키워드 등의 방식으로 분석될 수 있다. 버즈 모니터링은 소셜 네트워크 상에 특정 키워드에 대한 언급이 갑자기 증가하는 경우, 평소와 다른 일이 있어나고 있음을 유추할 수 있다. 감성 분석은 메시지에 대한 자연어 처리(Natural Language Processing)를 통해 언급된 성향이 우호적인지 적대적인지를 파악한다. 또한, 연관 키워드 분석에 의해, 비정형 텍스트 데이터에서 가치와 의미가 있는 정보를 찾아내는 텍스트 마이닝(Text Mining) 기술을 이용하여, 특정 키워드와 연관된 또 다른 키워드가 추출될 수 있다. 버즈 모니터링, 감성 분석 또는 연관 키워드 분석에 의해, 수집된 개인 데이터(PSDT) 및 일반 데이터(CSDT) 중 사용자가 선호 또는 관심을 갖는 데이터가 선별적으로 선택되고 분석되어 융합 데이터(MDTA)의 구축에 사용될 수 있다.
또는, 예를 들어, 수집된 개인 데이터(PSDT) 및 일반 데이터(CSDT)는 데이터의 데이터의 물리적 크기( Volume ), 데이터 형태의 다양성( Variety ) 및 데이터의 생성, 가공 또는 수집의 속도( Velocity )에 의해 선택되고 분석되어 융합 데이터( MDTA )의 구축에 사용될 수 있다.
융합 데이터(MDTA)은 수집되고 선택되어 분석된 데이터로부터 온톨로지 기반의 모델링을 수행하여 구축될 수 있다. 즉, 분석된 데이터 내의 키워드들의 상관 관계를 분석해 모델링을 수행할 수 있다. 예를 들어, 소셜 데이터 융합부(DMU)는 도 2에 도시되는 바와 같이, 수집된 데이터로부터 전술된 분석을 통해, 제1 요청(Req1)에 대응되는 적용 범위를 결정하고(S210), 해당 범위(도메인)에 포함된 데이터 또는 컨텐츠로부터 용어를 열거하며(S220), 해당 용어를 포함한 개념 또는 클래스를 정의(S230)할 수 있다. 예를 들어, 소셜 데이터 융합부(DMU)는 사용자가 올린 블로그 글을 도메인으로 설정하고, 해당 글에서 커피, 온도 및 비율을 용어로 열거하고, 해당 용어를 포함하여 선호하는 커피와 같은 개념 또는 클래스를 정의할 수 있다.
다음으로, 소셜 데이터 융합부(DMU)는 개념 또는 클래스에 포함되는 속성 및 그 제약 조건을 각각 정의하고(S240, S250), 그 속성 값을 설정함으로써 컨텍스트 모델링을 수행(S260)하여, 융합 데이터(MDTA)를 구축할 수 있다. 전술된 예의 경우, 케냐 AA를 89도의 물로 1:4의 비율로 내린 커피를 사용자가 선호한다는 속성 및 제약 조건이 정의되고 그 값이 설정될 수 있다.
소셜 데이터 융합부(DMU)는 미디어 소스 융합부(DMU1) 및 소셜 컨텍스트 융합부(DMU2)를 포함할 수 있다. 미디어 소스 융합부(DMU1)는 다양한 소셜 미디어로부터 수집된 데이터를 임의의 의미론적 마크업 언어(RDF, OWL 및 Topic Maps 등)로 변환할 수 있다. 예를 들어, 다양한 스키마로 형성된 데이터를 <서브젝트(Subject), 프레디케이트(Predicate), 오브젝트(Object)> 형태의 융합 데이터(MDTA)로 형성할 수 있다. 소셜 컨텍스트 융합부(DMU2)는 예를 들어, 전술된 커피와 관련된 일반 데이터(CSDT)에 대한 융합 컨텍스트 모델링을 수행할 수 있다.
소셜 데이터 융합부(DMU)는 융합 데이터(MDTA)를 구축함에 있어, 추가적인 소셜 미디어 데이터(SDT)가 요구되는 때에, 소셜 데이터 수집부(DCU)로 추가적인 데이터의 수집을 요청할 수 있다(PReq1).
상기와 같은 융합 동작을 통해, 사용자의 제1 요청(Req1)에 적응적인, 즉 사용자에게 의미를 갖는 온톨로지 기반의 융합 데이터(MDTA)가 생성될 수 있다. 이렇게 생성된 융합 데이터(MDTA)는 후술되는 서비스 제공부(SPU)의 융합 데이터 제공부(DPU)에 의해, 사용자에게 제공될 수 있다.
본 개시의 정보 제공 시스템(IPSYS)은 이와 같이, 사용자에게 의미 있는 융합 데이터(MDTA)를 제공하거나, 융합 데이터(MDTA)를 분석 및 추론한 결과를 사용자에게 제공할 수도 있다. 이에 대하여 설명한다.
계속해서 도 1을 참조하면, 분석 및 추론부(AIU)는 사용자의 제2 요청(Req2)에 응답하여, 융합 데이터(MDTA)로부터, 사용자의 컨텍스트 변화에 적응적인 분석 및 추론을 수행하여 관심 정보(IIF)를 생성한다. 이를 위해, 분석 및 추론부(AIU)는 사용자 컨텍스트 분석부(AIU4), 개체 및 사건 식별부(AIU1), 상호 작용 분석부(AIU2) 및 관심 정보 추론부(AIU3)를 포함할 수 있다.
사용자 컨텍스트 분석부(AIU4)는 제2 요청(Req2)에 응답하여, 사용자에 대한 컨텍스트의 변화를 분석한다. 제2 요청(Req2)에 포함되는 사용자 컨텍스트 변화에 대한 정보는 현재 사용자의 위치/시간, 사용자 관심 정보 키워드, 사용자 스케줄(schedule), 날씨 정보, 기타 사용자 프로파일(profile) 정보 등일 수 있다.
제2 요청(Req2)은 정보 제공 시스템(IPSYS)에 사용자의 컨텍스트 변화에 대한 정보가 센싱되거나 제공되는 때에 발생될 수 있다. 예를 들어, 정보 제공 시스템(IPSYS)에서 제공하는 애플리케이션에 의해 사용자의 컨텍스트 변화가 센싱되거나 제공될 수 있다. 예를 들어, 정보 제공 시스템(IPSYS)에서 제공하는 애플리케이션이 임의의 상점과 통신할 수 있는 센서를 포함할 때, 사용자가 임의의 커피 전문점을 지나가게 되면, 제2 요청(Req2)이 발생될 수 있다. 또는 정보 제공 시스템(IPSYS)에서 제공하는 애플리케이션이 스마트 폰에서 실행되는 때에, 사용자가 임의의 커피 전문점의 사진을 로딩 또는 편집하는 때에, 제2 요청(Req2)이 발생될 수 있다.
이때, 사용자의 제1 요청(Req1) 및 제2 요청(Req2)은 동시에 또는 다른 시점에서 발생될 수 있다. 전술한 바와 같이, 제1 요청(Req1)은 사용자가 정보 제공 시스템(IPSYS)에 등록하거나 접속하는 때에 발생하고, 제2 요청(Req2)은 사용자의 컨텍스트 변화가 센싱되거나 제공되는 때에 발생할 수 있는데, 사용자의 컨텍스트 변화가 센싱되거나 제공되는 때에 사용자가 정보 제공 시스템(IPSYS)에 접속할 수 있으므로, 제1 요청(Req1) 및 제2 요청(Req2)은 동시에 발생되어, 사용자의 컨텍스트 변화에 대한 융합 데이터(MDTA)의 구축 및 관심 정보(IIF) 처리가 동시에 수행될 수 있다. 또는, 제2 요청(Req2)과 무관하게 평소에 사용자에게 의미 있는 융합 데이터(MDTA)가 주기적 또는 랜덤하게 구축되고, 제1 요청(Req1)과 별개의 제2 요청(Req2)이 발생되는 때에 기 구축된 융합 데이터(MDTA)로부터 사용자의 컨테스트 변화에 적응적인 관심 정보(IIF)가 생성될 수도 있다.
개체 및 사건 식별부(AIU1)는 융합 데이터로부터 사용자의 컨텍스트의 변화와 연관된 개체 또는 사건을 추출할 수 있다. 예를 들어, 제2 요청(Req2)이 커피와 관련된 것이라면, 개체 및 사건 식별부(AIU1)는 융합 데이터(MDTA)로부터 커피와 관련된 속성 및 관계를 개체 또는 사건으로 추출할 수 있다. 상호 작용 분석부(AIU2)는 추출된 개체 또는 사건 사이의 상호 작용을 분석할 수 있다. 전술된 예에서, 날씨의 변화에 따른, 또는 특정 커피 전문점에 대한, 커피의 종류, 온도 및 비율 등에 대한 상호 작용이 분석될 수 있다.
관심 정보 추론부(AIU3)는 상호 작용 분석부의 분석 결과에 기반하여 사용자의 관심 정보(IIF)를 추론한다. 관심 정보 추론부(AIU3)는 다양한 이기종 데이터베이스와의 연동성을 확보하고 있으며, JAVA, PHP, Web Service 등의 인터페이스를 제공하는 시멘틱 미들웨어(Semantic middleware)를 포함하는 추론 엔진을 포함하여 상기와 같은 추론 동작을 수행할 수 있다. 관심 정보(IIF)는 예를 들어, 흐린 날, 사용자가 지나가고 있는 A라는 커피 전문점에서 사용자가 선호하는 유형의 커피와 가장 유사한 커피에 대한 정보일 수 있다.
분석 및 추론부(AIU)는 관심 정보(IIF)를 생성함에 있어, 추가적인 소셜 미디어 데이터(SDT)가 요구되는 때에, 소셜 데이터 수집부(DCU)에 이를 요청할 수 있다(PReq2). 예를 들어, A라는 커피 전문점의 커피 메뉴 중 융합 데이터에 포함되지 아니한 커피 메뉴가 있는 경우, 분석 및 추론부(AIU)는 해당 메뉴에 대한 추가적인 데이터 수집을 소셜 데이터 수집부(DCU)에 요청할 수 있다(PReq2).
계속해서 도 1을 참조하면, 서비스 제공부(SPU)는 소셜 데이터 융합부(DMU)로부터 융합 데이터(MDTA)를 수신하여 사용자에게 제공하는 융합 데이터 제공부(DPU), 분석 및 추론부(AIU)로부터 관심 정보(IIF)를 수신하여 사용자에게 제공하는 관심 정보 제공부(RPU), 및 사용자의 제1 요청(Req1) 및 제2 요청(Req2)이 상기 관심 정보 제공 시스템에서 허용된 사용자에 의한 요청인지를 판단하는 접근 권한 관리부(AMU)를 구비할 수 있다. 본 개시에 따른 정보 제공 시스템(IPSYS)은 사용자의 컨텍스트에 기반하여 융합 데이터(MDTA) 및 관심 정보(IIF)가 제공되므로, 사용자의 개인 정보 보호를 위한 접근 권한 관리가 요구된다.
이렇듯 본 개시에 따른 시스템 및 방법에 의하면, 도 3의 (a)와 같이 다양한 미디어 소스로부터 제공되는 광범위한 데이터를 의미적으로 융합하고, 도 3의 (b)와 같이, 융합 모델로부터 관심 정보를 구성, 식별 및 분석하여, 사용자에게 최적화된 관심 정보를 효율적으로 제공할 수 있다.
이상에서와 같이 도면과 명세서에서 최적 실시예가 개시되었다. 여기서 특정한 용어들이었으나, 이는 단지 본 개시를 설명하기 위한 목적에서 사용된 것이지 의미 한정이나 특허청구범위에 기재된 범위를 제한하기 위하여 사용된 것은 아니다. 그러므로 본 기술분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 본 개시에 의한 진정한 기술적 보호범위는 첨부된 특허청구범위의 기술적 사상에 의해 정해져야 할 것이다.
정보 제공 시스템: IPSYS
소셜 데이터 수집부: DCU
소셜 데이터 융합부: DMU
분석 및 추론부: AIU
서비스 제공부: SPU

Claims (7)

  1. 사용자의 제1 요청에 응답하여 소셜 네트워크에 포함되는 다수의 소셜 미디어로부터 개인 데이터 및 일반 데이터를 수집하는 소셜 데이터 수집부;
    상기 수집된 개인 데이터와 일반 데이터를 이용하여 사용자의 컨텍스트(context)에 대응되는, 온톨로지(ontology) 기반의 융합 데이터를 생성하는 소셜 데이터 융합부;
    사용자에 대한 컨텍스트의 변화에 대응되어 발생되는 사용자의 제2 요청에 응답하여, 상기 융합 데이터로부터, 사용자의 컨텍스트에 대한 분석 및 추론 결과를 생성하는 분석 및 추론부; 및
    상기 사용자의 제1 요청 및 제2 요청을 수신하고, 상기 융합 데이터 및 상기 분석 및 추론 결과 중 적어도 하나를 사용자에게 제공하는 서비스 제공부를 포함하고,
    상기 분석 및 추론부는,
    상기 사용자의 제2 요청에 응답하여, 사용자에 대한 컨텍스트의 변화를 분석하는 사용자 컨텍스트 분석부;
    사용자에 대한 컨텍스트의 변화의 분석 결과로부터 상기 융합 데이터로부터 사용자의 컨텍스트와 연관된 개체 또는 사건을 추출하는 개체/사건 식별부;
    상기 추출된 개체 또는 사건 사이의 상호 작용을 분석하는 상호 작용 분석부; 및
    상기 상호 작용 분석부의 분석 결과에 기반하여 상기 융합 데이터로부터 사용자의 관심 정보를 추론하는 관심 정보 추론부를 구비하는 것을 특징으로 하는 정보 제공 시스템.
  2. 제1 항에 있어서,
    상기 사용자의 제1 요청은 사용자가 상기 정보 제공 시스템에 등록 또는 접속하는 때에 발생되는 것을 특징으로 하는 정보 제공 시스템.
  3. 제1 항에 있어서,
    상기 사용자의 제2 요청은 상기 정보 제공 시스템에 사용자의 컨텍스트 변화에 대한 정보가 센싱되거나 제공되는 때에 발생되는 것을 특징으로 하는 정보 제공 시스템.
  4. 제1 항에 있어서,
    상기 사용자의 제1 요청 및 제2 요청은 동시에 또는 다른 시점에서 발생되는 것을 특징으로 하는 정보 제공 시스템.
  5. 제1 항에 있어서,
    상기 소셜 데이터 수집부는 상기 사용자의 개인 데이터를 수집하는 개인 데이터 수집부 및 상기 개인 데이터와 관련된 키워드(keyword)를 포함하는 일반 데이터를 수집하는 일반 데이터 수집부를 포함하는 것을 특징으로 하는 정보 제공 시스템.
  6. 삭제
  7. 제1 항에 있어서,
    상기 서비스 제공부는 상기 사용자의 제1 요청 및 제2 요청이 상기 정보 제공 시스템에서 허용된 사용자에 의한 요청인지를 판단하는 접근 권한 관리부를 구비하는 것을 특징으로 하는 정보 제공 시스템.
KR1020130017159A 2013-02-18 2013-02-18 사용자에게 최적화된 관심 정보를 제공하기 위한 시스템 및 방법 KR101475439B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020130017159A KR101475439B1 (ko) 2013-02-18 2013-02-18 사용자에게 최적화된 관심 정보를 제공하기 위한 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130017159A KR101475439B1 (ko) 2013-02-18 2013-02-18 사용자에게 최적화된 관심 정보를 제공하기 위한 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20140104543A KR20140104543A (ko) 2014-08-29
KR101475439B1 true KR101475439B1 (ko) 2014-12-24

Family

ID=51748291

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130017159A KR101475439B1 (ko) 2013-02-18 2013-02-18 사용자에게 최적화된 관심 정보를 제공하기 위한 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR101475439B1 (ko)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102535044B1 (ko) 2015-12-08 2023-05-23 삼성전자주식회사 단말장치, 서버 및 이벤트 제안방법
KR101756196B1 (ko) 2016-03-23 2017-07-10 아주대학교산학협력단 요구 지원 수단 생성 장치 및 방법
KR101992411B1 (ko) * 2017-09-19 2019-09-30 주식회사 파펨 Sns에 기반하여 향기에 관한 추천을 제공하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체
CN110569494B (zh) 2018-06-05 2023-04-07 北京百度网讯科技有限公司 用于生成信息的方法、装置、电子设备及可读介质
EP3842961A3 (en) 2020-08-11 2021-09-22 Beijing Baidu Netcom Science And Technology Co. Ltd. Method and apparatus for mining tag, device, storage medium and computer program product

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100993802B1 (ko) * 2008-06-20 2010-11-12 에스케이커뮤니케이션즈 주식회사 소집단 관심사 키워드 추출 시스템 및 방법
KR20120001175A (ko) * 2010-06-29 2012-01-04 한국과학기술원 상황 기반 소셜 네트워크를 이용한 사용자 상황 인지 모바일 마이크로블로깅 서비스 시스템 및 제공방법
KR20120104648A (ko) * 2010-10-26 2012-09-24 주식회사 케이티 개인 맞춤형 컨텐츠 추천 장치 및 그 방법과 그를 이용한 시스템 및 그 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100993802B1 (ko) * 2008-06-20 2010-11-12 에스케이커뮤니케이션즈 주식회사 소집단 관심사 키워드 추출 시스템 및 방법
KR20120001175A (ko) * 2010-06-29 2012-01-04 한국과학기술원 상황 기반 소셜 네트워크를 이용한 사용자 상황 인지 모바일 마이크로블로깅 서비스 시스템 및 제공방법
KR20120104648A (ko) * 2010-10-26 2012-09-24 주식회사 케이티 개인 맞춤형 컨텐츠 추천 장치 및 그 방법과 그를 이용한 시스템 및 그 방법

Also Published As

Publication number Publication date
KR20140104543A (ko) 2014-08-29

Similar Documents

Publication Publication Date Title
Li et al. Filtering out the noise in short text topic modeling
Cordeiro et al. Online social networks event detection: a survey
Sankaranarayanan et al. Twitterstand: news in tweets
Hu et al. Text analytics in social media
Lu et al. Twitter user modeling and tweets recommendation based on wikipedia concept graph
US9582569B2 (en) Targeted content distribution based on a strength metric
Cossu et al. A review of features for the discrimination of twitter users: application to the prediction of offline influence
Bayrakdar et al. Semantic analysis on social networks: A survey
De Maio et al. Formal and relational concept analysis for fuzzy-based automatic semantic annotation
KR101475439B1 (ko) 사용자에게 최적화된 관심 정보를 제공하기 위한 시스템 및 방법
Khater et al. Personalized recommendation for online social networks information: Personal preferences and location-based community trends
Maass et al. Semantic Technologies in Content Management Systems: Trends, Applications and Evaluations
Hua et al. Information Extraction From Microblogs: A Survey.
Adarsh et al. Survey: Twitter data analysis using opinion mining
Xu Cultural communication in double-layer coupling social network based on association rules in big data
Zheng et al. Interest prediction in social networks based on Markov chain modeling on clustered users
Shi et al. Real-time public mood tracking of chinese microblog streams with complex event processing
Omitola et al. Social semantic web mining
Ugheoke et al. Detecting the gender of a tweet sender
Murthy et al. TwitSenti: a real-time Twitter sentiment analysis and visualization framework
KR20140135100A (ko) 시맨틱 매쉬업 기술을 이용한 프로그램 제공 방법
KR101132974B1 (ko) 멀티모달 소셜 네트워크의 온톨로지 구축 장치 및 방법
Mylonas Types of contextual information in the social networks era
Xie et al. Resonance elicits diffusion: Modeling subjectivity for retweeting behavior analysis
Saxena et al. An iterative MapReduce framework for sports-based tweet clustering

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
FPAY Annual fee payment

Payment date: 20191203

Year of fee payment: 6