KR101568800B1 - 실시간 이슈 검색어 선별 방법 및 시스템 - Google Patents

실시간 이슈 검색어 선별 방법 및 시스템 Download PDF

Info

Publication number
KR101568800B1
KR101568800B1 KR1020140111066A KR20140111066A KR101568800B1 KR 101568800 B1 KR101568800 B1 KR 101568800B1 KR 1020140111066 A KR1020140111066 A KR 1020140111066A KR 20140111066 A KR20140111066 A KR 20140111066A KR 101568800 B1 KR101568800 B1 KR 101568800B1
Authority
KR
South Korea
Prior art keywords
search
log data
word
words
cluster
Prior art date
Application number
KR1020140111066A
Other languages
English (en)
Inventor
강지훈
Original Assignee
주식회사 카카오
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 카카오 filed Critical 주식회사 카카오
Priority to KR1020140111066A priority Critical patent/KR101568800B1/ko
Application granted granted Critical
Publication of KR101568800B1 publication Critical patent/KR101568800B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G06F16/355—Class or cluster creation or modification

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

실시간 이슈 검색어 선별 방법 및 시스템이 제공된다. 상기 실시간 이슈 검색어 선별 방법은 복수의 사용자 단말기들로부터 입력된 복수의 검색어들을 포함하는 로그 데이터를 수신하는 단계, 상기 수신한 로그 데이터를 이용하여 각각의 검색어별로 적어도 하나의 특징 값들을 산출하는 단계, 상기 각각의 검색어별로 상기 적어도 하나의 특징 값들을 합산하여 점수를 산출하는 단계, 상기 복수의 검색어들 중 검색의도가 동일한 복수의 검색어들을 하나의 검색어 군집으로 군집화하여 적어도 하나의 검색어 군집을 생성하는 단계, 및 상기 적어도 하나의 검색어 군집의 점수-상기 검색어 군집에 포함되는 복수의 검색어들의 점수의 합-와 상기 군집화되지 않은 복수의 검색어들의 점수를 비교하여 검색어 순위를 산정하는 단계를 포함한다.

Description

실시간 이슈 검색어 선별 방법 및 시스템{REAL-TIME ISSUE SEARCH WORD SORTING METHOD AND SYSTEM}
본 발명은 실시간 이슈 검색어 선별 방법 및 시스템에 관한 것이다.
검색 서버는 사용자로부터 입력된 검색 쿼리에 응답하여, 웹 문서, 이미지, 음악, 영상, 파일 등의 콘텐츠를 포함하는 검색 결과를 제공한다.
이슈 검색어 선별 서비스는 사용자로부터 입력된 검색 쿼리를 분석하여, 쿼리의 증가량이 높은 후보 검색어들을 선출하고, 시스템 운영자가 후보 검색어들로부터 이슈 검색어를 선별하여 노출하는 서비스이다.
종래의 이슈 검색어 선별 서비스는 단순하게 쿼리의 증가량을 계산하여 후보 검색어들을 선출하므로 어뷰저 및 스패머들의 공격에 매우 취약하고, 시스템 운영자가 직접적으로 이슈 검색어를 선별하여야 하기 때문에 시스템 운영자에 대한 의존도가 높으며, 실시간으로 데이터를 처리해야 하나 인간의 정신 작용에 의해서 대응이 늦어지는 문제점이 존재하였다.
등록특허공보 제10-0522029호, 2005년 10월 18일
본 발명이 해결하고자 하는 과제는 시스템 운영자에 대한 의존도를 최소화하고, 어뷰저(abuser) 및 스패머(spammer)들의 공격에 대응할 수 있고, 실시간으로 데이터를 처리하여 빠른 시간 내에 실시간 이슈 검색어를 선별할 수 있는 실시간 이슈 검색어 선별 방법 및 시스템을 제공하는 것이다.
본 발명이 해결하고자 하는 과제는 이상에서 언급한 과제로 제한되지 않으며, 언급하지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상기 과제를 해결하기 위한 본 발명의 일 측면(aspect)에 따른 실시간 이슈 검색어 선별 방법은 복수의 사용자 단말기들로부터 입력된 복수의 검색어들을 포함하는 로그 데이터를 수신하는 단계, 상기 수신한 로그 데이터를 이용하여 각각의 검색어별로 적어도 하나의 특징 값들을 산출하는 단계, 상기 각각의 검색어별로 상기 적어도 하나의 특징 값들을 합산하여 점수를 산출하는 단계, 상기 복수의 검색어들 중 검색의도가 동일한 복수의 검색어들을 하나의 검색어 군집으로 군집화하여 적어도 하나의 검색어 군집을 생성하는 단계, 및 상기 적어도 하나의 검색어 군집의 점수-상기 검색어 군집에 포함되는 복수의 검색어들의 점수의 합-와 상기 군집화되지 않은 복수의 검색어들의 점수를 비교하여 검색어 순위를 산정하는 단계를 포함한다.
일부 실시예에서, 상기 검색어 순위를 산정하는 단계는, 점수가 높은 순서로 검색어 순위를 할당하되, 검색어 군집의 경우, 해당 검색어 군집에 포함되는 복수의 검색어들 중 점수가 가장 높은 검색어에 대하여 해당 검색어 순위를 할당하고, 해당 검색어 군집의 점수를 해당 검색어 군집에 포함되는 나머지 검색어들의 점수의 합으로 재산정할 수 있다.
일부 실시예에서, 상기 적어도 하나의 검색어 군집을 생성하는 단계는, 복수의 검색어들의 검색 결과 내에 동일한 웹문서가 소정의 비율 이상으로 노출되는 경우, 상기 복수의 검색어들을 하나의 검색어 군집으로 군집화할 수 있다.
일부 실시예에서, 상기 적어도 하나의 검색어 군집을 생성하는 단계는, 복수의 검색어들의 문자가 소정의 비율 이상으로 동일한 경우, 상기 복수의 검색어들을 하나의 검색어 군집으로 군집화할 수 있다.
또한, 상기 적어도 하나의 검색어 군집을 생성하는 단계는, 복수의 검색어들의 편집거리(edit distance)가 소정의 값 이하인 경우, 상기 복수의 검색어들을 하나의 검색어 군집으로 군집화할 수 있다.
일부 실시예에서, 상기 적어도 하나의 특징 값들을 산출하는 단계는, 소정의 단위 시간 동안의 로그 데이터의 통계량을 이용하여 각각의 검색어 별로 상기 적어도 하나의 특징 값들을 산출하되, 상기 단위 시간에 상응하는 슬라이딩 윈도우(sliding window)를 이용하여 로그 데이터의 시간 범위를 결정할 수 있다.
일부 실시예에서, 상기 실시간 이슈 검색어 선별 방법은 상기 수신한 로그 데이터로부터 사용자의 중복된 행동에 의한 값을 제거하여 상기 수신한 로그 데이터를 필터링하는 단계를 더 포함할 수 있다.
일부 실시예에서, 상기 실시간 이슈 검색어 선별 방법은 상기 수신한 로그 데이터로부터 어뷰징(abusing)에 의한 값을 제거하여 상기 수신한 로그 데이터를 필터링하는 단계를 더 포함할 수 있다.
일부 실시예에서, 상기 로그 데이터는, 상기 복수의 검색어들과 상기 복수의 검색어들의 검색 결과에 대한 사용자 피드백 데이터를 포함할 수 있다.
상기 과제를 해결하기 위한 본 발명의 일 측면(aspect)에 따른 실시간 이슈 검색어 선별 시스템은 복수의 사용자 단말기들로부터 입력된 복수의 검색어들을 포함하는 로그 데이터를 수신하는 로그 데이터 수신부, 상기 수신한 로그 데이터를 이용하여 각각의 검색어별로 적어도 하나의 특징 값들을 산출하는 특징 값 산출부, 상기 각각의 검색어별로 상기 적어도 하나의 특징 값들을 합산하여 점수를 산출하는 점수 산출부, 상기 복수의 검색어들 중 검색의도가 동일한 복수의 검색어들을 하나의 검색어 군집으로 군집화하여 적어도 하나의 검색어 군집을 생성하는 군집 생성부, 및 상기 적어도 하나의 검색어 군집의 점수-상기 검색어 군집에 포함되는 복수의 검색어들의 점수의 합-와 상기 군집화되지 않은 복수의 검색어들의 점수를 비교하여 검색어 순위를 산정하는 순위 산정부를 포함한다.
일부 실시예에서, 상기 순위 산정부는, 점수가 높은 순서로 검색어 순위를 할당하되, 검색어 군집의 경우, 해당 검색어 군집에 포함되는 복수의 검색어들 중 점수가 가장 높은 검색어에 대하여 해당 검색어 순위를 할당하고, 해당 검색어 군집의 점수를 해당 검색어 군집에 포함되는 나머지 검색어들의 점수의 합으로 재산정할 수 있다.
일부 실시예에서, 상기 군집 생성부는, 복수의 검색어들의 검색 결과 내에 동일한 웹문서가 소정의 비율 이상으로 노출되는 경우, 상기 복수의 검색어들을 하나의 검색어 군집으로 군집화할 수 있다.
일부 실시예에서, 상기 군집 생성부는, 복수의 검색어들의 문자가 소정의 비율 이상으로 동일한 경우, 상기 복수의 검색어들을 하나의 검색어 군집으로 군집화할 수 있다.
또한, 상기 군집 생성부는, 복수의 검색어들의 편집거리(edit distance)가 소정의 값 이하인 경우, 상기 복수의 검색어들을 하나의 검색어 군집으로 군집화할 수 있다.
일부 실시예에서, 상기 특징 값 산출부는, 소정의 단위 시간 동안의 로그 데이터의 통계량을 이용하여 각각의 검색어 별로 상기 적어도 하나의 특징 값들을 산출하되, 상기 단위 시간에 상응하는 슬라이딩 윈도우(sliding window)를 이용하여 로그 데이터의 시간 범위를 결정할 수 있다.
일부 실시예에서, 상기 실시간 이슈 검색어 선별 시스템은 상기 수신한 로그 데이터로부터 사용자의 중복된 행동에 의한 값을 제거하여 상기 수신한 로그 데이터를 필터링하는 필터링부를 더 포함할 수 있다.
일부 실시예에서, 상기 실시간 이슈 검색어 선별 시스템은 상기 수신한 로그 데이터로부터 어뷰징(abusing)에 의한 값을 제거하여 상기 수신한 로그 데이터를 필터링하는 필터링부를 더 포함할 수 있다.
일부 실시예에서, 상기 로그 데이터는, 상기 복수의 검색어들과 상기 복수의 검색어들의 검색 결과에 대한 사용자 피드백 데이터를 포함할 수 있다.
본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
상기 본 발명의 실시간 이슈 검색어 선별 방법 및 시스템에 따르면, 검색어 군집을 생성함으로써, 사용자의 검색의도를 정확하게 분석할 수 있고, 쿼리량 및 사용자 행동과 관련된 다양한 특징 값들을 고려하므로, 실시간 이슈 검색어의 정확도를 높여, 시스템 운영자에 대한 의존도를 최소화할 수 있다.
또한, 상기 본 발명의 실시간 이슈 검색어 선별 방법 및 시스템에 따르면, 로그 데이터를 필터링함으로써, 실시간 이슈 검색어에 특정 검색어를 악의적으로 노출하려는 어뷰저(abuser) 및 스패머(spammer)들의 공격에 대응할 수 있다.
또한, 상기 본 발명의 실시간 이슈 검색어 선별 방법 및 시스템에 따르면, 슬라이딩 윈도우 방식으로 실시간 이슈 검색어 선별을 위한 로그 데이터의 시간 범위를 결정하므로, 실시간으로 데이터를 처리하여 빠른 시간 내에 실시간 이슈 검색어를 선별할 수 있다.
본 발명의 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 실시간 이슈 검색어 선별 시스템이 제공되는 환경을 설명하기 위한 블록도이다.
도 2는 본 발명의 일 실시예에 따른 실시간 이슈 검색어 선별 시스템을 설명하기 위한 블록도이다.
도 3은 도 2의 특징 값 산출부가 로그 데이터의 시간 범위를 결정하는 방법을 설명하기 위한 도면이다.
도 4 내지 도 6은 도 2의 순위 산정부가 검색어 순위를 할당하는 방법을 설명하기 위한 도면이다.
도 7은 검색 서버의 웹 문서 상에서 노출되는 실시간 이슈 검색어를 설명하기 위한 도면이다.
도 8은 본 발명의 일 실시예에 따른 실시간 이슈 검색어 선별 방법을 설명하기 위한 흐름도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
하나의 구성요소(elements)가 다른 구성요소와 "연결된(connected to)" 또는 "커플링된(coupled to)" 이라고 지칭되는 것은, 다른 구성요소와 직접 연결 또는 커플링된 경우 또는 중간에 다른 구성요소를 개재한 경우를 모두 포함한다. 반면, 하나의 구성요소가 다른 구성요소와 "직접 연결된(directly connected to)" 또는 "직접 커플링된(directly coupled to)"으로 지칭되는 것은 중간에 다른 구성요소를 개재하지 않은 것을 나타낸다.
본 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성요소를 지칭한다.
본 명세서에서 "및/또는"은 언급된 아이템들의 각각 및 하나 이상의 모든 조합을 포함한다.
비록 제1, 제2 등이 다양한 구성요소, 모듈 및/또는 섹션들을 서술하기 위해서 사용되나, 구성요소, 모듈 및/또는 섹션들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소, 모듈 또는 섹션들을 다른 구성요소, 모듈 또는 섹션들과 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소, 제1 모듈 또는 제1 섹션은 본 발명의 기술적 사상 내에서 제2 구성요소, 제2 모듈 또는 제2 섹션일 수도 있음은 물론이다.
본 명세서에서 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다.
본 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소, 모듈 및/또는 섹션 외에 하나 이상의 다른 구성요소, 모듈 및/또는 섹션의 존재 또는 추가를 배제하지 않는다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
이하에서는 도 1 내지 도 7을 참조하여 본 발명의 실시예에 따른 실시간 이슈 검색어 선별 시스템을 상세하게 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 실시간 이슈 검색어 선별 시스템이 제공되는 환경을 설명하기 위한 블록도이다.
도 1을 참조하면, 사용자 단말기(110), 검색 서버(120), 실시간 이슈 검색어 선별 시스템(130)이 네트워크를 통해 서로 연결된다. 사용자 단말기(110), 검색 서버(120), 실시간 이슈 검색어 선별 시스템(130)은 서로 데이터 및/또는 정보를 송수신할 수 있다.
네트워크는 근거리 네트워크(Local Area Network; LAN), 도시권 네트워크(Metropolitan Area Network; MAN), 광대역 네트워크(Wide Area Network; WAN) 등과 같은 다양한 크기의 네트워크로 구성될 수 있다. 네트워크는 유선 또는 무선 네트워크로 구성될 수 있다.
사용자 단말기(110)는 데스크톱(desk top), 랩톱(lap top) 등과 같은 개인용 컴퓨터(Personal Computer; PC)일 수 있다. 또는, 사용자 단말기(110)는 스마트폰(smartphone), PDA(Personal Digital Assistant), 태블릿 PC(tablet PC) 등과 같은 휴대용 전자 장치일 수 있다. 사용자 단말기(110)는 프로세서, 입출력 수단, 통신 수단을 포함하는 예시되지 않은 다른 컴퓨팅 장치일 수도 있다.
검색 서버(120)는 사용자 단말기(110)로부터 수신한 검색 쿼리(search query)에 응답하여, 사용자 단말기(110)에 검색 결과를 제공한다. 검색 결과는 웹 문서, 이미지, 음악, 영상, 파일 등의 콘텐츠를 포함할 수 있다. 검색 서버(120)는 검색 쿼리에 포함되어 있는 검색어(search word 또는 keyword) 및 검색 조건에 따라 콘텐츠를 선별할 수 있다. 검색 서버(120)는 검색어에 가장 적합한 순위에 따라 콘텐츠가 나열된 검색 결과를 제공할 수 있다. 예를 들어, 검색 서버(120)는 검색어와 웹 문서 등의 데이터 간의 유사성(similarity)이 높은 순위로 검색 결과를 제공할 수 있다. 또는, 검색 서버(120)는 데이터의 최신성(freshness), 데이터 고유의 품질(quality), 사용자의 검색 로그(log) 등에 따라 순위를 결정할 수도 있다.
검색 서버(120)는 검색 엔진 서비스를 제공하는 것 외에 카페, 메일, 블로그, 쇼핑, 지도, 사전, 뉴스, 증권, 부동산, 영화, 음악, 게시판 등의 다양한 콘텐츠 서비스를 제공하는 포털 사이트 서버일 수 있다. 즉, 검색 서버(120)는 검색 엔진과 포털 사이트가 결합된 형태일 수 있다.
도 1에서는 하나의 검색 서버(120)만을 도시하였으나, 본 발명이 이에 한정되는 것은 아니고, 복수의 검색 서버(120)가 사용자 단말기(110), 실시간 이슈 검색어 선별 시스템(130)과 네트워크를 통해 서로 연결될 수 있다.
도 1에서는 검색 서버(120)와 실시간 이슈 검색어 선별 시스템(130)을 별개로 도시하였으나, 실시예에 따라, 검색 서버(120)는 실시간 이슈 검색어 선별 시스템(130)와 결합된 형태로 제공될 수 있다.
실시간 이슈 검색어 선별 시스템(130)은 검색 서버(120)로부터 로그 데이터를 수신하고, 수신한 로그 데이터를 분석하여 실시간 이슈 검색어를 선별한다. 실시간 이슈 검색어는 현재 시점에서 이슈(issue)가 되고, 쿼리가 급격하게 증가하는 검색어를 의미한다. 실시간 이슈 검색어 선별 시스템(130)은 실시간 이슈 검색어 정보를 검색 서버(120)에 송신하여, 검색 서버(120)가 실시간 이슈 검색어를 웹 문서에 노출하도록 한다.
본 발명의 실시예에서, 실시간 이슈 검색어 선별 시스템(130)은 시스템 운영자에 대한 의존도를 최소화하고, 어뷰저(abuser) 및 스패머(spammer)들의 공격에 대응할 수 있고, 실시간으로 데이터를 처리하여 빠른 시간 내에 실시간 이슈 검색어를 선별할 수 있다.
도 2는 본 발명의 일 실시예에 따른 실시간 이슈 검색어 선별 시스템을 설명하기 위한 블록도이다.
도 2를 참조하면, 본 발명의 일 실시예에 따른 실시간 이슈 검색어 선별 시스템(130)은 로그 데이터 수신부(131), 필터링부(132), 특징 값 산출부(133), 점수 산출부(134), 군집 생성부(135), 순위 산정부(136)를 포함한다.
로그 데이터 수신부(131)는 검색 서버(120)로부터 로그 데이터를 수신한다. 로그 데이터는 사용자의 검색 행위를 기록한 데이터를 의미한다.
로그 데이터는 복수의 사용자 단말기(110)들로부터 입력된 복수의 검색어들을 포함할 수 있다. 여기서, 검색어는 검색 엔진의 검색창에 입력된 단어들을 기초로 정의될 수 있다. 즉, 검색어는 하나 이상의 단어를 포함할 수 있다.
또한, 로그 데이터는 복수의 검색어들의 검색 결과에 대한 사용자 피드백 데이터를 포함할 수 있다. 사용자 피드백 데이터는 사용자가 검색 결과로 제공되는 웹 문서 등의 콘텐츠를 선택(또는, 클릭)하였는지 여부, 사용자가 검색 결과 화면에 머무르는 시간, 검색의도가 동일한 다른 검색어를 포함하는 재쿼리(re-query) 여부 등과 같이 사용자 행동과 관련된 데이터를 포함할 수 있다.
로그 데이터에는 복수의 검색어들 및 검색 결과에 대한 사용자 피드백에 관련된 시간이 함께 기록될 수 있다.
필터링부(132)는 로그 데이터 수신부(131)로부터 로그 데이터를 수신하고, 수신한 로그 데이터를 필터링한다.
일부 실시예에서, 필터링부(132)는 필터링 과정에서 수신한 로그 데이터로부터 사용자의 중복된 행동에 의한 값을 제거할 수 있다. 예를 들어, 소정의 단위 시간 동안 동일한 사용자가 동일한 검색어의 쿼리가 반복해서 입력되거나, 동일한 사용자가 검색 결과로 제공되는 동일한 웹 문서 등의 콘텐츠를 반복해서 클릭한 경우, 필터링부(132)는 각각의 행위가 1회로 카운팅(counting)할 수 있다.
다른 일부 실시예에서, 필터링부(132)는 필터링 과정에서 수신한 로그 데이터로부터 어뷰징(abusing)에 의한 값을 제거할 수 있다. 예를 들어, 소정의 단위 시간 동안 쿼리만 입력되고 검색 결과로 제공되는 웹 문서의 클릭이 발생하지 않는 경우, 검색 결과로 제공되는 웹 문서 등의 콘텐츠의 클릭 횟수가 비정상적인 범위인 경우, 쿼리 또는 클릭의 주기가 일정하여 봇(bot)에 의한 행위로 추정되는 경우, 필터링부(132)는 이러한 행위를 어뷰징으로 판단하여 카운팅하지 않을 수 있다.
이와 같이, 로그 데이터를 필터링함으로써, 실시간 이슈 검색어에 특정 검색어를 악의적으로 노출하려는 어뷰저 및 스패머들의 공격에 대응할 수 있다. 상술한 필터링 과정은 예시적인 것이므로, 로그 데이터를 필터링하기 위하여 본 발명이 속하는 기술분야에서 잘 알려진 예시되지 않은 다른 필터링 방법이 사용될 수 있음은 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
특징 값 산출부(133)는 필터링부(132)로부터 필터링된 로그 데이터를 수신하고, 수신한 로그 데이터를 이용하여 각각의 검색어별로 적어도 하나의 특징 값들을 산출한다.
특징 값 산출부(133)는 적어도 하나의 특징 값들을 산출하기 위하여 소정의 단위 시간 동안의 로그 데이터의 통계량을 이용할 수 있다. 소정의 단위 시간은 시스템 운영자에 의해 설정될 수 있으며, 실시간으로 그리고 빠른 시간 내에 데이터를 처리할 수 있도록 적절한 시간으로 설정될 수 있다. 예를 들어, 소정의 단위 시간은 15초일 수 있으나, 실시예에 따라 다양하게 변형될 수 있으며, 본 발명이 이에 한정되는 것은 아니다.
본 발명의 실시예에서, 특징 값 산출부(133)는 로그 데이터의 시간 범위를 결정하기 위해서, 단위 시간에 상응하는 슬라이딩 윈도우(sliding window)를 이용할 수 있다. 구체적으로, 특징 값 산출부(133)는, 종래의 시간 분할 방식으로 시간 범위를 결정하는 방법(예를 들어, 0초 내지 15초 구간, 16초 내지 30초 구간, 31초 내지 45초 구간 별 로그 데이터를 이용)을 이용하지 않고, 도 3에 도시된 바와 같이 슬라이딩 윈도우 방식으로 시간 범위를 결정하는 방법(예를 들어, 0초 내지 15초 구간, 1초 내지 16초 구간, 2초 내지 17초 구간 별 로그 데이터를 이용)을 이용하므로, 실시간 이슈 검색어가 실시간으로(매초 또는 매단위초/분마다) 처리되고 갱신될 수 있다.
본 발명의 실시예에서, 특징 값 산출부(133)는 아래와 같은 특징 값들을 산출할 수 있다.
1. 이동 평균에 따른 쿼리량
2. 뉴스 등 언론에의 노출량
3. 실시간 커뮤니티 노출량
4. 웹 문서의 클릭 량
5. 세션별 활동량 및 활동 시간
6. 편집된 검색 결과 노출량
7. 사이트 및 바로가기 등의 컬렉션 노출량
8. 사이트 및 바로가기 등의 컬렉션 클릭량
9. 과거 동일 시간대 쿼리량
10. 과거 소정 기간 쿼리량
11. 동일한 검색의도의 재쿼리량
이동 평균에 따른 쿼리량은 소정의 시간(예를 들어, 1분, 5분, 15분, 30분, 1시간, 3시간 등) 동안 발생한 평균 쿼리량을 나타낼 수 있다. 이동 평균에 따른 쿼리량에 따라 해당 검색어의 쿼리의 입력 빈도, 지속 정도 등이 분석될 수 있다. 뉴스 등 언론에의 노출량은 검색 결과의 뉴스 섹션에서 해당 검색어와 관련된 뉴스가 얼마나 많이 노출되고 있는지를 나타낼 수 있다. 실시간 커뮤니티 노출량은 트위터 등과 같은 실시간 커뮤니티에서 해당 검색어와 관련된 글(또는, 트윗(tweet))이 얼마나 많이 노출되고 있는지를 나타낼 수 있다. 웹 문서의 클릭량은 검색 결과로 제공되는 웹 문서 등의 콘텐츠의 클릭 횟수를 나타낼 수 있다. 세션별 활동량 및 활동시간은 사용자가 검색 결과 화면에 머무르는 시간을 나타낼 수 있다. 편집된 검색 결과 화면 노출량은 “날씨” 또는 “증권” 등의 검색어와 같이, 검색 서버(120)에 의해 편집된 검색 결과가 제공되는 경우를 고려하기 위한 것이다. 위와 같이 편집된 검색 결과가 제공되는 검색어들은 실시간 이슈 검색어로 볼 수 없기 때문이다. 사이트 및 바로가기 등의 컬렉션 노출량 및 클릭량은 각각 검색 결과의 사이트 섹션 및 바로가기 섹션 등의 컬렉션에 얼마나 많이 노출되고 있는지 및 클릭 횟수를 나타낼 수 있다. 검색 결과의 바로가기 섹션을 클릭하여 소정의 사이트로 이동하는 경우, 해당 검색어는 실시간 이슈 검색어로 볼 수 없다. 그러나, 검색 결과에 바로가기 섹션이 포함되더라도, 바로가기 섹션을 클릭하지 않고 다른 섹션(예를 들어, 뉴스, 블로그, 게시판, 카페글 등)을 클릭하는 경우, 해당 검색어는 실시간 이슈 검색어로 선별될 수 있을 것이다.
이와 같이, 단순하게 쿼리량만을 고려하지 않고, 사용자 행동과 관련된 다양한 특징 값들을 함께 고려하므로, 실시간 이슈 검색어의 정확도를 높일 수 있고, 결과적으로, 시스템 운영자가 직접적으로 실시간 이슈 검색어를 선별할 필요가 없으므로, 시스템 운영자에 대한 의존도를 최소화할 수 있다.
점수 산출부(134)는 특징 값 산출부(133)로부터 각각의 검색어별 특징 값들을 수신하고, 각각의 검색어별로 특징 값들을 합산하여 점수를 산출한다. 검색어별로 산출된 점수는 후술하는 바와 같이 검색어 순위를 산정하기 위하여 이용될 수 있다. 예를 들어, 점수 산출부(134)는 선형 회귀(linear regression) 모델을 이용하여 특징 값들을 합산할 수 있으나, 본 발명이 이에 한정되는 것은 아니다.
군집 생성부(135)는 점수 산출부(134)로부터 검색어별로 산출된 점수를 수신한다.
군집 생성부(135)는 복수의 검색어들 중 검색의도가 동일한 복수의 검색어들을 하나의 검색어 군집으로 군집화하여 적어도 하나의 검색어 군집을 생성한다. 검색의도는 사용자가 검색 쿼리를 통해서 획득하고자 하는 사항(또는, 목적, 생각 등)을 나타낼 수 있다. 예를 들어, “마이피플”과 “다음 마이피플”은 검색 의도가 동일하므로 하나의 검색어 군집으로 군집화될 수 있다.
일부 실시예에서, 군집 생성부(135)는 복수의 검색어들의 검색 결과 내에 동일한 웹 문서가 소정의 비율 이상으로 노출되는 경우, 복수의 검색어들을 하나의 검색어 군집으로 군집화할 수 있다. 예를 들어, 서로 다른 검색어의 쿼리에 대한 검색 결과 내에서, 동일한 뉴스, 블로그 포스트, 카페글 등이 노출된다면, 상기 검색어들을 군집화할 수 있다.
다른 일부 실시예에서, 군집 생성부(135)는 복수의 검색어들의 문자가 소정의 비율 이상으로 동일한 경우, 복수의 검색어를 하나의 검색어 군집으로 군집화할 수 있다. 예를 들어, 군집 생성부(135)는 복수의 검색어들의 편집거리(edit distance)가 소정의 값 이하인 경우, 복수의 검색어들을 하나의 검색어 군집으로 군집화할 수 있다. 이 경우, 오탈자 또는 외래어 표기 오류 등으로 인해서 서로 다른 데이터로 처리된 검색어들이 군집화될 수 있을 것이다. 또한, 특정 검색어와 특정 검색어에 하나 이상의 단어가 더 결합된 검색어들도 함께 군집화될 수 있다.
이 같은 방법으로 군집화된 검색어 군집의 점수는 해당 검색어 군집에 포함되는 복수의 검색어들의 점수의 합으로 나타낼 수 있다.
검색어 군집을 생성함으로써, 사용자의 검색의도를 정확하게 분석할 수 있으므로, 실시간 이슈 검색어의 정확도를 높일 수 있고, 결과적으로, 시스템 운영자가 직접적으로 실시간 이슈 검색어를 선별할 필요가 없으므로, 시스템 운영자에 대한 의존도를 최소화할 수 있다. 검색어 군집을 생성하기 위하여 예시되지 않은 다른 방법이 이용될 수 있음은 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
순위 산정부(136)는 군집 생성부(135)로부터 검색어별로 산출된 점수 및 검색어 군집 정보를 수신하고, 적어도 하나의 검색어 군집의 점수와 군집화되지 않은 복수의 검색어들의 점수를 비교하여 검색어 순위를 산정한다.
순위 산정부(136)는 점수가 높은 순서로 검색어 순위를 할당할 수 있다.
검색어 군집에 대하여 순위를 할당하는 때에, 순위 산정부(136)는 해당 검색어 군집에 포함되는 복수의 검색어들 중 점수가 가장 높은 검색어에 대하여 해당하는 검색어 순위를 할당할 수 있다. 그리고, 순위 산정부(136)는 해당 검색어 군집의 점수를 해당 검색어 군집에 포함되는 나머지 검색어들의 점수의 합으로 재산정할 수 있다.
예를 들어, 제1 검색어(Q1)의 점수가 100이고, 제2 검색어(Q2)의 점수가 33이고, 제3 검색어(Q3)의 점수가 66이고, 제4 검색어(Q4)의 점수가 77이고, 제2 검색어(Q2)와 제3 검색어(Q3)가 하나의 검색어 군집에 포함된다고 가정하자.
도 4 내지 도 6을 참조하면, 순위 산정부(136)는 제1 검색어(Q1)의 점수가 100으로 가장 높으므로, 제1 검색어(Q1)에 1등을 할당할 수 있다.
이어서, 순위 산정부(136)는 제2 검색어(Q2) 및 제3 검색어(Q3)를 포함하는 검색어 군집의 점수 99가 제4 검색어(Q4)의 점수 77보다 높고, 제3 검색어(Q3)의 점수 66이 제2 검색어(Q2)의 점수 33보다 높으므로, 제3 검색어(Q3)에 다음 순위인 2등을 할당할 수 있다.
이어서, 같은 검색어 군집에 포함되었던 제3 검색어(Q3)에 순위가 할당되었고, 해당 검색어 군집에 포함되는 나머지 검색어는 제2 검색어(Q2)뿐이므로, 제2 검색어(Q2)는 자기의 점수 33에 따라 순위를 할당받게 된다. 즉, 순위 산정부(136)는 제4 검색어(Q4)의 점수 77이 제2 검색어(Q2)의 점수 33보다 높으므로, 제4 검색어(Q4)에 다음 순위인 3등을 할당하고, 제2 검색어(Q2)에 그 다음 순위인 4등을 할당할 수 있다.
결과적으로, 검색어 군집에 포함되는 검색어들의 점수의 합을 이용하여 해당 검색어 군집 내의 점수가 가장 높은 검색어의 순위를 산정하므로, 제4 검색어(Q4)보다 점수가 낮은 제3 검색어(Q3)의 순위가 더 높을 수 있다.
순위 산정부(136)는 상술한 방법으로 검색어 순위를 산정하고, 미리 정해진 순위(예를 들어, 10등)까지의 검색어를 실시간 이슈 검색어로 선별할 수 있다.
실시간 이슈 검색어는 검색 서버(120)의 웹 문서 상에 도 7에 도시된 바와 같이 노출될 수 있다. 실시간 이슈 검색어는 산정된 순위에 따라 나열되고, 실시예에 따라, 그 우측에 점수의 상승폭이 함께 표시될 수 있다.
이하에서는 도 8을 참조하여 본 발명의 실시예에 따른 실시간 이슈 검색어 선별 방법을 상세하게 설명하기로 한다. 설명의 편의를 위하여, 도 1 내지 도 7을 참조하여 설명한 실시간 이슈 검색어 선별 시스템(130)과 중복되는 내용에 대해서는 생략하기로 한다.
도 8은 본 발명의 일 실시예에 따른 실시간 이슈 검색어 선별 방법을 설명하기 위한 흐름도이다.
도 8을 참조하면, 본 발명의 일 실시예에 따른 실시간 이슈 검색어 선별 방법은, 단계 S210에서, 로그 데이터 수신부(131)가 검색 서버(120)로부터 로그 데이터를 수신한다. 로그 데이터는 복수의 사용자 단말기(110)들로부터 입력된 복수의 검색어들과 상기 복수의 검색어들의 검색 결과에 대한 사용자 피드백 데이터를 포함할 수 있다. 로그 데이터에는 복수의 검색어들 및 검색 결과에 대한 사용자 피드백에 관련된 시간이 함께 기록될 수 있다.
이어서, 단계 S220에서, 필터링부(132)가 로그 데이터를 필터링한다. 이 때, 필터링부(132)는 수신한 로그 데이터로부터 사용자의 중복된 행동에 의한 값을 제거하거나, 수신한 로그 데이터로부터 어뷰징(abusing)에 의한 값을 제거할 수 있다.
이어서, 단계 S230에서, 특징 값 산출부(133)가 필터링된 로그 데이터를 이용하여 각각의 검색어 별로 적어도 하나의 특징 값들을 산출한다. 이 때, 특징 값 산출부(133)는 적어도 하나의 특징 값들을 산출하기 위하여 소정의 단위 시간 동안의 로그 데이터의 통계량을 이용할 수 있다. 특징 값 산출부(133)는 로그 데이터의 시간 범위를 결정하기 위해서, 단위 시간에 상응하는 슬라이딩 윈도우(sliding window)를 이용할 수 있다.
이어서, 단계 S240에서, 점수 산출부(134)가 각각의 검색어별 특징 값들을 합산하여 점수를 산출한다.
이어서, 단계 S250에서, 군집 생성부(135)가 복수의 검색어들 중 검색의도가 동일한 복수의 검색어들을 하나의 검색어 군집으로 군집화하여 적어도 하나의 검색어 군집을 생성한다. 이 때, 군집 생성부(135)는 복수의 검색어들의 검색 결과 내에 동일한 웹 문서가 소정의 비율 이상으로 노출되는 경우, 복수의 검색어들을 하나의 검색어 군집으로 군집화할 수 있다. 또는, 군집 생성부(135)는 복수의 검색어들의 문자가 소정의 비율 이상으로 동일한 경우, 복수의 검색어를 하나의 검색어 군집으로 군집화할 수 있다. 예를 들어, 군집 생성부(135)는 복수의 검색어들의 편집거리(edit distance)가 소정의 값 이하인 경우, 복수의 검색어들을 하나의 검색어 군집으로 군집화할 수 있다. 군집화된 검색어 군집의 점수는 해당 검색어 군집에 포함되는 복수의 검색어들의 점수의 합으로 나타낼 수 있다.
이어서, 단계 S260에서, 순위 산정부(136)가 적어도 하나의 검색어 군집의 점수와 군집화되지 않은 복수의 검색어들의 점수를 비교하여 검색어 순위를 산정한다. 이 때, 순위 산정부(136)는 점수가 높은 순서로 검색어 순위를 할당할 수 있다. 특히, 검색어 군집에 대하여 순위를 할당하는 때에, 순위 산정부(136)는 해당 검색어 군집에 포함되는 복수의 검색어들 중 점수가 가장 높은 검색어에 대하여 해당하는 검색어 순위를 할당하고, 해당 검색어 군집의 점수를 해당 검색어 군집에 포함되는 나머지 검색어들의 점수의 합으로 재산정할 수 있다.
본 발명의 실시예들과 관련하여 설명된 방법 또는 알고리즘의 단계는, 프로세서에 의해 실행되는 하드웨어 모듈, 소프트웨어 모듈, 또는 그 2 개의 결합으로 직접 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM, EPROM, EEPROM, 플래시 메모리, 레지스터, 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터로 읽을 수 있는 기록 매체에 상주할 수도 있다. 예시적인 기록 매체는 프로세서에 연결되며, 상기 프로세서는 기록 매체로부터 정보를 독출할 수 있고 기록 매체에 정보를 기입할 수 있다. 다른 방법으로, 기록 매체는 프로세서와 일체형일 수도 있다. 프로세서 및 기록 매체는 주문형 집적회로(ASIC) 내에 상주할 수도 있다. ASIC는 사용자 단말기 내에 상주할 수도 있다. 다른 방법으로, 프로세서 및 기록 매체는 사용자 단말기 내에 개별 구성 요소로서 상주할 수도 있다.
이상 첨부된 도면을 참조하여 본 발명의 실시예를 설명하였지만, 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.
110: 사용자 단말기
120: 검색 서버
130: 실시간 이슈 검색어 선별 시스템
131: 로그 데이터 수신부
132: 필터링부
133: 특징 값 산출부
134: 점수 산출부
135: 군집 생성부
136: 순위 산정부

Claims (18)

  1. 복수의 사용자 단말기들로부터 입력된 복수의 검색어들을 포함하는 로그 데이터를 수신하는 단계;
    상기 수신한 로그 데이터를 이용하여 각각의 검색어별로 적어도 하나의 특징 값들을 산출하는 단계;
    상기 각각의 검색어별로 상기 적어도 하나의 특징 값들을 합산하여 점수를 산출하는 단계;
    상기 복수의 검색어들 중 검색의도가 동일한 복수의 검색어들을 하나의 검색어 군집으로 군집화하여 적어도 하나의 검색어 군집을 생성하는 단계; 및
    상기 적어도 하나의 검색어 군집의 점수-상기 검색어 군집에 포함되는 복수의 검색어들의 점수의 합-와 군집화되지 않은 복수의 검색어들의 점수를 비교하여 검색어 순위를 산정하는 단계를 포함하며,
    상기 로그 데이터는,
    상기 복수의 검색어들의 검색 결과에 대한 사용자 피드백 데이터를 포함하는, 실시간 이슈 검색어 선별 방법.
  2. 제1항에 있어서,
    상기 검색어 순위를 산정하는 단계는,
    점수가 높은 순서로 검색어 순위를 할당하되, 검색어 군집의 경우, 해당 검색어 군집에 포함되는 복수의 검색어들 중 점수가 가장 높은 검색어에 대하여 해당 검색어 순위를 할당하고, 해당 검색어 군집의 점수를 해당 검색어 군집에 포함되는 나머지 검색어들의 점수의 합으로 재산정하는, 실시간 이슈 검색어 선별 방법.
  3. 제1항에 있어서,
    상기 적어도 하나의 검색어 군집을 생성하는 단계는,
    복수의 검색어들의 검색 결과 내에 동일한 웹문서가 소정의 비율 이상으로 노출되는 경우, 상기 복수의 검색어들을 하나의 검색어 군집으로 군집화하는, 실시간 이슈 검색어 선별 방법.
  4. 제1항에 있어서,
    상기 적어도 하나의 검색어 군집을 생성하는 단계는,
    복수의 검색어들의 문자가 소정의 비율 이상으로 동일한 경우, 상기 복수의 검색어들을 하나의 검색어 군집으로 군집화하는, 실시간 이슈 검색어 선별 방법.
  5. 제4항에 있어서,
    상기 적어도 하나의 검색어 군집을 생성하는 단계는,
    복수의 검색어들의 편집거리(edit distance)가 소정의 값 이하인 경우, 상기 복수의 검색어들을 하나의 검색어 군집으로 군집화하는, 실시간 이슈 검색어 선별 방법.
  6. 제1항에 있어서,
    상기 적어도 하나의 특징 값들을 산출하는 단계는,
    소정의 단위 시간 동안의 로그 데이터의 통계량을 이용하여 각각의 검색어 별로 상기 적어도 하나의 특징 값들을 산출하되, 상기 단위 시간에 상응하는 슬라이딩 윈도우(sliding window)를 이용하여 로그 데이터의 시간 범위를 결정하는, 실시간 이슈 검색어 선별 방법.
  7. 제1항에 있어서,
    상기 수신한 로그 데이터로부터 사용자의 중복된 행동에 의한 값을 제거하여 상기 수신한 로그 데이터를 필터링하는 단계를 더 포함하는, 실시간 이슈 검색어 선별 방법.
  8. 제1항에 있어서,
    상기 수신한 로그 데이터로부터 어뷰징(abusing)에 의한 값을 제거하여 상기 수신한 로그 데이터를 필터링하는 단계를 더 포함하는, 실시간 이슈 검색어 선별 방법.
  9. 삭제
  10. 복수의 사용자 단말기들로부터 입력된 복수의 검색어들을 포함하는 로그 데이터를 수신하는 로그 데이터 수신부;
    상기 수신한 로그 데이터를 이용하여 각각의 검색어별로 적어도 하나의 특징 값들을 산출하는 특징 값 산출부;
    상기 각각의 검색어별로 상기 적어도 하나의 특징 값들을 합산하여 점수를 산출하는 점수 산출부;
    상기 복수의 검색어들 중 검색의도가 동일한 복수의 검색어들을 하나의 검색어 군집으로 군집화하여 적어도 하나의 검색어 군집을 생성하는 군집 생성부; 및
    상기 적어도 하나의 검색어 군집의 점수-상기 검색어 군집에 포함되는 복수의 검색어들의 점수의 합-와 군집화되지 않은 복수의 검색어들의 점수를 비교하여 검색어 순위를 산정하는 순위 산정부를 포함하며,
    상기 로그 데이터는,
    상기 복수의 검색어들의 검색 결과에 대한 사용자 피드백 데이터를 포함하는, 실시간 이슈 검색어 선별 시스템.
  11. 제10항에 있어서,
    상기 순위 산정부는,
    점수가 높은 순서로 검색어 순위를 할당하되, 검색어 군집의 경우, 해당 검색어 군집에 포함되는 복수의 검색어들 중 점수가 가장 높은 검색어에 대하여 해당 검색어 순위를 할당하고, 해당 검색어 군집의 점수를 해당 검색어 군집에 포함되는 나머지 검색어들의 점수의 합으로 재산정하는, 실시간 이슈 검색어 선별 시스템.
  12. 제10항에 있어서,
    상기 군집 생성부는,
    복수의 검색어들의 검색 결과 내에 동일한 웹문서가 소정의 비율 이상으로 노출되는 경우, 상기 복수의 검색어들을 하나의 검색어 군집으로 군집화하는, 실시간 이슈 검색어 선별 시스템.
  13. 제10항에 있어서,
    상기 군집 생성부는,
    복수의 검색어들의 문자가 소정의 비율 이상으로 동일한 경우, 상기 복수의 검색어들을 하나의 검색어 군집으로 군집화하는, 실시간 이슈 검색어 선별 시스템.
  14. 제13항에 있어서,
    상기 군집 생성부는,
    복수의 검색어들의 편집거리(edit distance)가 소정의 값 이하인 경우, 상기 복수의 검색어들을 하나의 검색어 군집으로 군집화하는, 실시간 이슈 검색어 선별 시스템.
  15. 제10항에 있어서,
    상기 특징 값 산출부는,
    소정의 단위 시간 동안의 로그 데이터의 통계량을 이용하여 각각의 검색어 별로 상기 적어도 하나의 특징 값들을 산출하되, 상기 단위 시간에 상응하는 슬라이딩 윈도우(sliding window)를 이용하여 로그 데이터의 시간 범위를 결정하는, 실시간 이슈 검색어 선별 시스템.
  16. 제10항에 있어서,
    상기 수신한 로그 데이터로부터 사용자의 중복된 행동에 의한 값을 제거하여 상기 수신한 로그 데이터를 필터링하는 필터링부를 더 포함하는, 실시간 이슈 검색어 선별 시스템.
  17. 제10항에 있어서,
    상기 수신한 로그 데이터로부터 어뷰징(abusing)에 의한 값을 제거하여 상기 수신한 로그 데이터를 필터링하는 필터링부를 더 포함하는, 실시간 이슈 검색어 선별 시스템.
  18. 삭제
KR1020140111066A 2014-08-25 2014-08-25 실시간 이슈 검색어 선별 방법 및 시스템 KR101568800B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140111066A KR101568800B1 (ko) 2014-08-25 2014-08-25 실시간 이슈 검색어 선별 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140111066A KR101568800B1 (ko) 2014-08-25 2014-08-25 실시간 이슈 검색어 선별 방법 및 시스템

Publications (1)

Publication Number Publication Date
KR101568800B1 true KR101568800B1 (ko) 2015-11-16

Family

ID=54785866

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140111066A KR101568800B1 (ko) 2014-08-25 2014-08-25 실시간 이슈 검색어 선별 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR101568800B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170108890A (ko) 2016-03-18 2017-09-27 강용직 게시물 랭킹설정 방법 및 이를 위한 서비스 서버
KR20190024504A (ko) * 2017-08-31 2019-03-08 (주)코머신 행동패턴 분석을 통한 기계산업에 대한 맞춤형 정보 제공방법
KR102486990B1 (ko) * 2022-07-04 2023-01-10 주식회사 데이터메이커 인공지능 학습용 라벨 데이터의 라벨링 공정에 대한 어뷰징 자동 검출 방법

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100522029B1 (ko) * 2005-07-27 2005-10-18 엔에이치엔(주) 실시간 급상승 검색어 검출 방법 및 실시간 급상승 검색어검출 시스템

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100522029B1 (ko) * 2005-07-27 2005-10-18 엔에이치엔(주) 실시간 급상승 검색어 검출 방법 및 실시간 급상승 검색어검출 시스템

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170108890A (ko) 2016-03-18 2017-09-27 강용직 게시물 랭킹설정 방법 및 이를 위한 서비스 서버
KR20190024504A (ko) * 2017-08-31 2019-03-08 (주)코머신 행동패턴 분석을 통한 기계산업에 대한 맞춤형 정보 제공방법
KR101983103B1 (ko) * 2017-08-31 2019-09-03 (주)코머신 행동패턴 분석을 통한 기계산업에 대한 맞춤형 정보 제공방법
KR102486990B1 (ko) * 2022-07-04 2023-01-10 주식회사 데이터메이커 인공지능 학습용 라벨 데이터의 라벨링 공정에 대한 어뷰징 자동 검출 방법

Similar Documents

Publication Publication Date Title
US11847612B2 (en) Social media profiling for one or more authors using one or more social media platforms
CN111782965B (zh) 意图推荐方法、装置、设备及存储介质
US10546006B2 (en) Method and system for hybrid information query
JP5575902B2 (ja) クエリのセマンティックパターンに基づく情報検索
US9514226B2 (en) Methods and systems useful for identifying the most influent social media users in query-based social data streams
US10884891B2 (en) Interactive detection of system anomalies
CN107862022B (zh) 文化资源推荐系统
US11122009B2 (en) Systems and methods for identifying geographic locations of social media content collected over social networks
US9805022B2 (en) Generation of topic-based language models for an app search engine
CN107341268B (zh) 一种热搜榜排序方法及系统
US20130297694A1 (en) Systems and methods for interactive presentation and analysis of social media content collection over social networks
US20160098738A1 (en) Issue-manage-style internet public opinion information evaluation management system and method thereof
US20130304818A1 (en) Systems and methods for discovery of related terms for social media content collection over social networks
US9069880B2 (en) Prediction and isolation of patterns across datasets
CN107153656B (zh) 一种信息搜索方法和装置
CN107896153B (zh) 一种基于移动用户上网行为的流量套餐推荐方法及装置
CN107977678B (zh) 用于输出信息的方法和装置
US9996529B2 (en) Method and system for generating dynamic themes for social data
US20200089723A1 (en) Method and system for detecting graph based event in social networks
CN105574030A (zh) 一种信息搜索方法及装置
KR101621735B1 (ko) 추천 검색어 제공 방법 및 시스템
KR101568800B1 (ko) 실시간 이슈 검색어 선별 방법 및 시스템
CN112182414A (zh) 文章推荐方法、装置及电子设备
CN111382345B (zh) 话题筛选和发布的方法、装置和服务器
CN111723201A (zh) 一种用于文本数据聚类的方法和装置

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20190329

Year of fee payment: 9