KR101588122B1 - 소셜 네트워크 서비스에서 생태계 기반의 정보 확산 예측 방법 및 시스템 - Google Patents

소셜 네트워크 서비스에서 생태계 기반의 정보 확산 예측 방법 및 시스템 Download PDF

Info

Publication number
KR101588122B1
KR101588122B1 KR1020140064593A KR20140064593A KR101588122B1 KR 101588122 B1 KR101588122 B1 KR 101588122B1 KR 1020140064593 A KR1020140064593 A KR 1020140064593A KR 20140064593 A KR20140064593 A KR 20140064593A KR 101588122 B1 KR101588122 B1 KR 101588122B1
Authority
KR
South Korea
Prior art keywords
information
user
path
social network
pressure
Prior art date
Application number
KR1020140064593A
Other languages
English (en)
Other versions
KR20150111802A (ko
Inventor
박홍식
안재원
안준섭
Original Assignee
한국과학기술원
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 한국과학기술원 filed Critical 한국과학기술원
Publication of KR20150111802A publication Critical patent/KR20150111802A/ko
Application granted granted Critical
Publication of KR101588122B1 publication Critical patent/KR101588122B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/086—Learning methods using evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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

소셜 네트워크 서비스에서 생태계 기반의 정보 확산 예측 방법 및 시스템 이 개시된다. 정보 확산 예측 방법은, 소셜 네트워크 서비스에서 생태계 기반의 정보 확산을 예측하는 방법에 있어서, 소셜 네트워크 서비스를 구성하고 있는 사용자의 정보 압력, 사용자와 직접 연결된 근접 사용자의 정보 압력, 및 사용자로부터 근접 사용자까지의 정보 전도성을 이용하여 정보 확산율을 계산하는 단계, 정보 확산율과 기설정된 기준 확산율을 이용하여 가상 경로를 생성하는 단계, 및 가상 경로를 이용하여 소셜 네트워크 서비스 상의 하나 이상의 구성원에게 특정 정보가 확산되는 정보 전달 경로를 예측하는 단계를 포함할 수 있다.

Description

소셜 네트워크 서비스에서 생태계 기반의 정보 확산 예측 방법 및 시스템{METHOD AND SYSTEM FOR ESTIMATING BIO-INSPIRED INFORMATION DEFFUSION IN ON-LINE SOCIAL NETWORK}
본 발명의 실시예들은 소셜 네트워크 서비스에서 사회 구성원의 정보를 이용하여 특정 정보가 확산되는 양상을 생태계 기반의 피사룸(Physarum) 알고리즘을 이용하여 예측하는 기술에 관한 것이다.
데이터의 용량이 증가하고, 데이터가 폭증함에 따라 효율적으로 데이터를 전송할 수 잇는 기술이 점차 대두되고 있다. 데이터를 효율적으로 전송하기 위해서는 정보가 어떻게 확산될지를 예측할 필요가 있다.
종래에는, 중앙 집중식 연산을 통해 정보가 확산되는 과정을 예측하였다. 이처럼, 중앙 집중식 연산의 경우, 부가적으로 고성능 서버의 증설이 필요하다. 더욱이, 많은 수의 파라미터를 처리하기 때문에 불필요한 오버헤드가 발생한다.
이외에, 트위터 서비스(twitter service)에서 리트윗(retweet) 길이와 사용자의 팔로워(follower) 수 사이의 상관 관계를 이용하여 사용자의 팔로워 수에 따른 리트윗 행위를 예측하였다. 그러나, 단순히 사용자의 팔로워 수만 고려함에 따라 천편일률적인 정보 확산 예측을 수행하여 정확도가 떨어진다.
따라서. 부가적인 서버의 설치 없이 보다 정확하게 정보의 확산을 예측할 수 있는 기술이 필요하다.
본 발명의 배경이 되는 기술로 한국공개특허 제10-2012-0137524호가 있다.
본 발명은 부가적인 서버의 설치 없이 보다 정확하게 정보의 확산을 예측하기 위한 것으로서, 피사룸(physarum) 알고리즘을 이용하여 소셜 네트워크 서비스에서 사회 구성원 간의 정보 확산을 예측하기 위한 것이다.
또한, 지연 시간과 지연 변이 성능을 개선하기 위해 특정 정보의 수용을 예측하여 사전에 특정 정보를 최적의 사용자에게 미리 캐싱(caching)하기 위한 것이다.
또한, 불필요한 정보의 전달을 사전에 방지하여 망 대역폭 자원을 효율적으로 사용할 수 있도록, 특정 경로가 한 경로에 여러 번 전송되는 것을 가상 경로를 통해 한번만 전송되도록 정보가 확산되는 경로를 예측하기 위한 것이다.
본 발명의 일실시예에 따른 정보 확산 예측 방법은, 소셜 네트워크 서비스에서 생태계 기반의 정보 확산을 예측하는 방법에 있어서, 상기 소셜 네트워크 서비스를 구성하고 있는 사용자의 정보 압력, 사용자와 직접 연결된 근접 사용자의 정보 압력, 및 사용자로부터 근접 사용자까지의 정보 전도성을 이용하여 정보 확산율을 계산하는 단계, 상기 정보 확산율과 기설정된 기준 확산율을 이용하여 가상 경로를 생성하는 단계, 및 상기 가상 경로를 이용하여 상기 소셜 네트워크 서비스 상의 하나 이상의 구성원에게 특정 정보가 확산되는 정보 전달 경로를 예측하는 단계를 포함할 수 있다.
일측면에 따르면, 상기 정보 전달 경로를 예측하는 단계는, 상기 정보 확산율이 계산된 시점에 해당하는 경과 시간과 기설정된 기준 경과 시간에 기초하여 상기 가상 경로를 상기 정보 전달 경로로 결정할 수 있다.
다른 측면에 따르면, 상기 정보 전도성은, 이전 시간의 정보 확산율, 이전 시간의 정보 전도성, 사용자의 토폴로지 정보, 및 특정 정보의 노출 시간에 기초하여 계산될 수 있다.
또 다른 측면에 따르면, 상기 정보 전도성은, 상기 소셜 네트워크 서비스를 구성하고 있는 사용자의 중앙성이 높고, 특정 정보의 노출 시간이 짧을수록 커질 수 있다.
또 다른 측면에 따르면, 상기 사용자의 정보 압력은, 상기 정보 전도성 및 사용자의 중앙성에 기초하여 계산될 수 있다.
또 다른 측면에 따르면, 상기 정보 확산율과 기설정된 기준 확산율을 이용하여 가상 경로를 제거하는 단계를 더 포함할 수 있다.
본 발명의 일실시예에 따른 정보 확산 예측 시스템은, 소셜 네트워크 서비스에서 생태계 기반의 정보 확산을 예측하는 시스템에 있어서, 상기 소셜 네트워크 서비스를 구성하고 있는 사용자의 정보 압력, 사용자와 직접 연결된 근접 사용자의 정보 압력, 및 사용자로부터 근접 사용자까지의 정보 전도성을 이용하여 정보 확산율을 계산하는 정보 확산율 계산부, 상기 정보 확산율과 기설정된 기준 확산율을 이용하여 가상 경로를 생성하는 가상 경로 생성부, 및 상기 가상 경로를 이용하여 상기 소셜 네트워크 서비스 상의 하나 이상의 구성원에게 특정 정보가 확산되는 정보 전달 경로를 예측하는 경로 예측부를 포함할 수 있다.
일측면에 따르면, 상기 경로 예측부는, 상기 정보 확산율이 계산된 시점에 해당하는 경과 시간과 기설정된 기준 경과 시간에 기초하여 상기 가상 경로를 상기 정보 전달 경로로 결정할 수 있다.
본 발명에 의하면, 피사룸(physarum) 알고리즘을 이용하여 소셜 네트워크 서비스에서 사회 구성원 간의 정보 확산을 예측함에 따라, 부가적인 서버 없이도 보다 정확하게 정보 확산을 예측할 수 있다.
또한, 특정 정보의 수용을 예측하여 사전에 특정 정보를 최적의 사용자에게 미리 캐싱(caching)해둠으로써, 지연 시간과 서비스 품질을 나타내는 지연 변이 성능을 개선할 수 있다.
또한, 특정 경로가 한 경로에 여러 번 전송되는 것을 가상 경로를 통해 한번만 전송되게 함에 따라, 불필요한 정보의 전달을 사전에 방지하여 망 대역폭 자원을 효율적으로 사용할 수 있다.
도 1은 본 발명의 일실시예에 따른 정보 확산 예측 시스템을 도시한 블록도이다.
도 2는 본 발명의 일실시예에 따른 정보 확산 예측 방법의 동작을 설명하기 위해 제공되는 흐름도이다.
도 3은 본 발명의 일실시예에 따른 정보 확산 예측 시스템에서 정보가 확산되는 경로를 도시한 예시도이다.
도 4는 본 발명의 일실시예에 있어서, 정보 확산 예측 시스템의 내부 구성을 설명하기 위한 블록도이다.
이하, 본 발명에 따른 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일실시예에 따른 정보 확산 예측 시스템을 도시한 블록도이다.
도 1에 따르면, 정보 확산 예측 시스템(100)은, 정보 확산 경로 예측부(110), 정보 전도성 계산부(120), 사용자 정보 압력 계산부(130), 소셜 네트워크 서비스 데이터 업데이트부(140), 및 근접 사용자 데이터 통신부(150)를 포함할 수 있다.
정보 확산 경로 예측부(110)는 소셜 네트워크 서비스(Social Network Service)를 구성하고 있는 사용자로부터 근접 사용자까지의 정보 확산율을 계산할 수 있다. 여기서, 근접 사용자는, 소셜 네트워크 상에서 사용자와 직접 연결된 사용자를 나타낼 수 있다. 이를 위해, 정보 확산 경로 예측부(110)는 정보 확산율 계산부(111), 가상 경로 생성부(112), 및 경로 예측부(113)를 포함할 수 있다.
그러면, 정보 확산율 계산부(111)는 정보 전도성 계산부(120)로부터 전달받은 정보 전도성 및 사용자 정보 압력 계산부(130)로부터 전달받은 사용자의 정보 압력을 이용하여 정보 확산율을 계산할 수 있다.
일례로, 정보 확산율 계산부(111)는 아래의 수학식 1을 이용하여 정보 확산율을 계산할 수 있다.
Figure 112014050693765-pat00001
수학식 1에서, n은 시간의 흐름을 나타내는 경과 시간, Qi,j는 사용자 i에서 근접 사용자 j까지의 정보 확산율, Di,j는 사용자 i에서 근접 사용자 j까지의 정보 전도성, pi는 사용자 i의 정보 압력, pj는 근접 사용자 j의 정보 압력을 나타낼 수 있다.
이때, 각 사용자 i의 정보 확산율, 정보 전도성, 및 사용자의 정보 압력은 초기화된 상태에서 시작될 수 있으며, 경과 시간 n은 1부터 시작될 수 있다. 그리고, n=1인 경우, Di,j는 D0, pi, pj는 p0를 가질 수 있다.
수학식 1에 따르면, 정보 확산율 계산부(111)는 사용자 정보 압력 계산부(130)로부터 전달받은 사용자 i의 정보 압력 및 근접 사용자 j의 정보 압력 간의 차이 값을 계산하고, 계산된 차이값과 정보 전도성 Di,j를 곱함으로써 사용자 i에서 근접 사용자 j까지의 정보 확산율 Qi,j를 계산할 수 있다. 그리고, 정보 확산율 계산부(111)는 계산된 정보 확산율 Qi,j을 가상 경로 생성부(112) 및 정보 전도성 계산부(120)로 전달할 수 있다.
그러면, 가상 경로 생성부(112)는 계산된 정보 확산율과 기설정된 기준 확산율을 이용하여 가상 경로를 생성할 수 있다.
일례로, 계산된 정보 확산율 Qi,j이 기준 확산율 t보다 큰 경우, 가상 경로 생성부(112)는 소셜 네트워크 서비스 상에서 특정 정보가 확산되는 가상 경로를 생성할 수 있다.
다른 예로, 계산된 정보 확산율 Qi,j이 기준 확산율 t 미만인 경우, 가상 경로 생성부(112)는 가상 경로를 생성하지 않거나, 또는 이미 생성된 가상 경로를 제거할 수 있다.
경로 예측부(113)는 가상 경로 생성부(112)에서 생성된 가상 경로를 이용하여 소셜 네트워크 서비스 상의 하나 이상의 구성원에게 측정 정보가 확산되는 정보 전달 경로를 예측할 수 있다. 이때, 경로 예측부(113)는 정보 확산율이 계산된 시점에 해당하는 경과 시간 n과 기설정된 기준 경과 시간 m에 기초하여 가상 경로를 정보 전달 경로로 결정할 수 있다.
일례로, 상기 경과 시간 n이 기준 경과 시간 m보다 큰 경우, 다시 말해, 사용자의 정보 확산율, 정보 전도성, 사용자의 정보 압력을 갱신한 이후 충분한 시간이 경과한 경우, 경로 예측부(113)는 가상 경로를 정보 전달 경로로 결정함으로써, 정보 전달 경로를 예측할 수 있다.
이어, 정보 전도성 계산부(120)는 정보 확산율 계산부(111)로부터 변화된 정보 확산율 Qi,j을 전달받을 수 있다. 그리고, 정보 전도성 계산부(120)는 소셜 네트워크 서비스 데이터 업데이트부(140)로부터 사용자의 토폴로지(topology) 정보 및 특정 정보의 노출 시간을 전달받을 수 있다.
그러면, 정보 전도성 계산부(120)는 정보 확산율 Qi,j, 사용자의 토폴로지 정보, 및 특정 정보의 노출 시간을 이용하여 사용자 i에서 근접 사용자 j까지 특정 정보가 얼마나 확산될 수 있는지 여부를 나타내는 정보 전도성을 계산할 수 있다. 예를 들어, 정보 전도성 계산부(120)는 아래의 수학식 2에 기초하여 정보 전도성을 계산할 수 있다.
Figure 112014050693765-pat00002
수학식 2에서, n은 이전 경과 시간, n+1은 현재 경과 시간, Di,j는 사용자 i에서 근접 사용자 j까지의 정보 전도성, Qi,j는 사용자 i에서 근접 사용자 j까지의 정보 확산율, σ는 사용자의 토폴로지 정보, ρ는 특정 정보의 노출 시간을 나타낼 수 있다. 예를 들어, 사용자의 토폴로지 정보는, 사용자의 팔로워수, 또는 사용자의 친구 수 등을 나타내는 사용자의 중앙성(centrality)를 포함하며, 특정 정보의 노출 시간은, 글이 처음 게시된 이후부터의 경과 시간을 포함할 수 있다.
수학식 2에 따르면, 정보 전도성 계산부(120)는 사용자의 토폴로지 정보 σ와 이전 경과 시간 n에서의 정보 확산율 Qi,j의 곱
Figure 112014050693765-pat00003
을 계산하고, 상기 곱
Figure 112014050693765-pat00004
과 이전 경과 시간 n에서의 정보 전도성
Figure 112014050693765-pat00005
간의 합을 계산할 수 있다. 그리고, 정보 전도성 계산부(120)는 이전 경과 시간 n에서의 정보 전도성 Di,j과 특정 정보의 노출 시간 ρ의 곱
Figure 112014050693765-pat00006
을 계산하고, 상기 합
Figure 112014050693765-pat00007
에서 상기 곱
Figure 112014050693765-pat00008
을 감산함으로써, 경과 시간 n+1에서의 정보 전도성
Figure 112014050693765-pat00009
을 계산할 수 있다.
수학식 2에 따르면, 정보 전도성은 소셜 네트워크 서비스를 구성하고 있는 사용자의 중앙성이 높고, 특정 정보의 노출 시간이 짧을수록 커질 수 있다.
사용자 정보 압력 계산부(130)는 근접 사용자 데이터 통신부(150)로부터 전달받은 근접 사용자의 정보 압력 및 정보 전도성 계산부(120)로부터 전달받은 정보 전도성을 이용하여 사용자의 정보 압력을 계산할 수 있다.
예를 들어, 사용자 정보 압력 계산부(130)는 아래의 수학식 3에 기초하여 사용자의 정보 압력을 계산할 수 있다.
Figure 112014050693765-pat00010
수학식 3에서, i는 사용자, j는 근접 사용자, Nj는 사용자 i와 직접 연결된 근접 사용자의 집합, pj는 근접 사용자 j의 정보 압력,
Figure 112014050693765-pat00011
은 경과 시간 n+1에서의 정보 확산율을 나타낼 수 있다.
수학식 3에 따르면, 사용자 정보 압력 계산부(130)는 이전 경과 시간 n에서의 근접 사용자 정보 압력
Figure 112014050693765-pat00012
과 경과 시간 n+1에서의 정보 전도성
Figure 112014050693765-pat00013
의 곱을 경과 시간 n+1에서의 정보 전도성
Figure 112014050693765-pat00014
으로 나눔으로써, 경과 시간 n+1에서의 사용자의 정보 압력
Figure 112014050693765-pat00015
을 계산할 수 있다. 그러면, 사용자 정보 압력 계산부(130)는 계산된 사용자의 정보 압력을 정보 확산 경로 예측부(110)로 전달할 수 있다.
소셜 네트워크 서비스 데이터 업데이트부(140)는 사용자 토폴로지 정보 업데이트부(141) 및 정보 노출 시간 업데이트부(142)를 포함할 수 있다.
사용자 토폴로지 정보 업데이트부(141)는 사용자의 팔로워 수 또는 친구수 등을 포함하는 사용자의 토폴로지 정보를 업데이트할 수 있다. 그리고, 사용자 토폴로지 정보 업데이트부(141)는 업데이트된 사용자의 토폴로지 정보를 정보 전도성 계산부(120)에 전달할 수 있다.
정보 노출 시간 업데이트부(142)는 특정 정보의 노출 시간을 업데이트할 수 있다. 그리고, 사용자 토폴로지 정보 업데이트부(141)는 업데이트된 특정 정보의 노출 시간을 정보 전도성 계산부(120)에 전달할 수 있다. 그러면, 정보 전도성 계산부(120)는 정보 전도성을 계산하기 위해 업데이트된 특정 정보의 노출 시간 및 사용자의 토폴로지 정보를 이용할 수 있다.
근접 사용자 데이터 통신부(150)는 근접 사용자에게 근접 사용자의 정보 압력을 요청하여 수신할 수 있다. 그리고, 근접 사용자 데이터 통신부(150)는 근접 사용자의 정보 압력을 사용자 정보 압력 계산부(130)에 전달할 수 있다. 근접 사용자로부터 사용자의 정보 압력 요청이 있는 경우, 근접 사용자 데이터 통신부(150)는 사용자 정보 압력 계산부(130)로부터 사용자의 정보 압력을 전달받아 근접 사용자에게 전달할 수 있다.
도 2는 본 발명의 일실시예에 따른 정보 확산 예측 방법의 동작을 설명하기 위해 제공되는 흐름도이다. 도 2에서, 정보 확산 예측 방법은, 도 1의 정보 확산 예측 시스템에 의해 수행될 수 있다.
201 단계에서, 정보 확산 예측 시스템(100)은 경과 시간 n과 기설정된 기준 경과 시간 m을 비교할 수 있다.
이때, 경과 시간 n이 기준 경과 시간 m 보다 크지 않은 경우(201: NO), 202 단계에서, 정보 확산 예측 시스템(100)은 사용자 i에서 근접 사용자 j로의 정보 확산율을 계산할 수 있다. 여기서, 근접 사용자는 소셜 네트워크 상에서 사용자 i와 직접 연결될 수 있다.
일례로, 정보 확산 예측 시스템(100)은 위의 수학식 1에 기초하여 사용자 i에서 근접 사용자 j까지의 정보 전도성, 사용자 i의 정보 압력 및 근접 사용자 j의 정보 압력을 이용하여 정보 확산율을 계산할 수 있다.
이때, 각 사용자 i의 정보 확산율, 정보 전도성, 및 사용자의 정보 압력은 초기화된 상태에서 시작될 수 있으며, 경과 시간 n은 1부터 시작될 수 있다. 그리고, n=1인 경우, Di,j는 D0, pi, pj는 p0를 가질 수 있다.
그리고, 203 단계에서, 정보 확산 예측 시스템(100)은 계산된 정보 확산율 Qi,j와 기설정된 기준 정보 확산율 t를 비교할 수 있다.
일례로, 계산된 정보 확산율 Qi,j이 기준 정보 확산율 t보다 큰 경우(203: YES), 정보 확산 예측 시스템(100)은 가상 경로를 생성할 수 있다.
다른 예로, 계산된 정보 확산율 Qi,j이 기준 정보 확산율 t 미만인 경우(203: NO), 정보 확산 예측 시스템(100)은 가상 경로를 제거하거나 또는 가상 경로를 생성하지 않을 수 있다.
이어, 206 단계에서, 정보 확산 예측 시스템(100)은 정보 전도성을 계산할 수 있다.
일례로, 정보 확산 예측 시스템(100)은 위의 수학식 2에 기초하여 정보 확산율 Qi,j, 사용자의 토폴로지 정보, 및 특정 정보의 노출 시간을 이용하여 사용자 i에서 근접 사용자 j까지 특정 정보가 얼마나 확산될 수 있는지 여부를 나타내는 정보 전도성을 계산할 수 있다.
여기서, 특정 정보의 노출 시간 및 사용자의 토폴로지 정보는 업데이트될 수 있다. 그러면, 정보 확산 예측 시스템(100)은 업데이트된 사용자의 토폴로지 정보 및 특정 정보의 노출 시간을 이용하여 정보 전도성을 계산할 수 있다. 예를 들어, 사용자의 토폴로지 정보는, 소셜 네트워크에서 사용자의 중앙성(centrality)를 포함하며, 특정 정보의 노출 시간은 특정 정보가 최초로 발생한 이후의 경과 시간을 포함할 수 있다.
그리고, 207 단계에서, 정보 확산 예측 시스템(100)은 계산된 정보 전도성을 이용하여 사용자의 정보 압력을 계산할 수 있다.
일례로, 정보 확산 예측 시스템(100)은 위의 수학식 3에 기초하여 근접 사용자의 정보 압력 및 상기 계산된 정보 전도성을 이용하여 사용자의 정보 압력을 계산할 수 있다.
이어, 208 단계에서, 정보 확산 예측 시스템(100)은 경과 시간 n을 하나 증가시킬 수 있다.
이때, 정보 확산 예측 시스템(100)은 경과 시간 n이 기준 경과 시간 m될 때까지 201 내지 207 단계를 반복 수행할 수 있다.
그리고, 경과 시간 n이 기준 경과 시간 m이 될 때까지 충분한 시간이 흐른 경우(201: YES), 209 단계에서 정보 확산 예측 시스템(100)은 생성된 가상 경로를 정보 전달 경로로 결정함으로써, 특정 정보가 확산되는 정보 전달 경로를 예측할 수 있다.
도 3은 본 발명의 일실시예에 따른 정보 확산 예측 시스템에서 정보가 확산되는 경로를 도시한 예시도이다.
도 3에서, 소셜 네트워크 서비스에서 사용자들이 서로 연결되어 있는 환경을 가정하고, 해당 서비스에서 사용자가 연결되어 있는 망에서 특정 정보가 확산되는 경로를 예측하는 동작에 대해 설명하고자 한다.
도 3을 참고하면, 정보 확산 예측 시스템(100)은 각 사용자가 사용하는 단말에서 분산적으로 동작할 수 있다.
이때, 소셜 네트워크 상의 Sa에서 정보 A가 발생한 경우, 정보 확산 예측 시스템(100)은 정보 A가 확산될 경로를 Na(301)와 같이 예측할 수 있다.
그리고, 소셜 네트워크 상의 Sb에서 정보 B가 발생한 경우, 정보 확산 예측 시스템(100)은 정보 B가 확산될 경로를 Nb(302)와 같이 예측할 수 있다.
이처럼, 정보 확산 예측 시스템(100)은 특정 정보가 어떤 소스에서부터 시작되었을 때 어떤 경로로 정보가 확산될 지를 예측할 수 있다. 이에 따라, 특정 정보의 수요를 예측하여 사전에 특정 정보를 최적의 사용자에게 미리 캐싱(caching)할 수 있으며, 지연 시간과 지연 변이 성능을 개선할 수 있다.
도 4는 본 발명의 일실시예에 있어서, 정보 확산 예측 시스템의 내부 구성을 설명하기 위한 블록도이다.
본 실시예에 따른 정보 확산 예측 시스템(400)은 프로세서(410), 버스(420), 네트워크 인터페이스(430) 및 메모리(440)를 포함할 수 있다. 메모리(440)는 운영체제(441) 및 정보 전달 경로 예측 루틴(442)을 포함할 수 있다. 예를 들어, 메모리(440)에는 운영체제(441)와 정보 전달 경로 예측 제공 루틴(442)을 위한 프로그램 코드가 저장될 수 있다. 그러면, 프로세서(410)는 메모리(440)에 저장된 정보 전달 경로 예측 루틴을 실행하여 특정 정보가 확산될 경로를 예측할 수 있다.
프로세서(410)는 정보 확산 경로 예측부(411), 정보 전도성 계산부(412), 및 사용자 정보 압력 계산부(413)를 포함할 수 있다. 여기서, 정보 확산 경로 예측부(411), 정보 전도성 계산부(412), 및 사용자 정보 압력 계산부(413)의 동작은 도 1에서 상세히 설명하였으므로, 중복되는 설명은 생략하기로 한다.
메모리(440)는 컴퓨터에서 판독 가능한 기록 매체로서, RAM(random access memory), ROM(read only memory) 및 디스크 드라이브와 같은 비소멸성 대용량 기록장치(permanent mass storage device)를 포함할 수 있다. 또한, 메모리(440)에는 운영체제(441)와 정보 전달 경로 예측 루틴(442)을 위한 프로그램 코드가 저장될 수 있다. 이러한 소프트웨어 구성요소들은 드라이브 메커니즘(drive mechanism, 미도시)을 이용하여 메모리(440)와는 별도의 컴퓨터에서 판독 가능한 기록 매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록 매체는 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록 매체(미도시)를 포함할 수 있다. 다른 실시예에서 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록 매체가 아닌 네트워크 인터페이스(430)를 통해 메모리(440)에 로딩될 수도 있다.
버스(420)는 정보 확산 예측 시스템(400)의 구성요소들간의 통신 및 데이터 전송을 가능하게 할 수 있다. 버스(420)는 고속 시리얼 버스(high-speed serial bus), 병렬 버스(parallel bus), SAN(Storage Area Network) 및/또는 다른 적절한 통신 기술을 이용하여 구성될 수 있다.
네트워크 인터페이스(430)는 정보 확산 예측 시스템(400)을 컴퓨터 네트워크에 연결하기 위한 컴퓨터 하드웨어 구성요소일 수 있다. 네트워크 인터페이스(430)는 정보 확산 예측 시스템(400)을 무선 또는 유선 커넥션을 통해 컴퓨터 네트워크에 연결시킬 수 있다.
프로세서(410)는 기본적인 산술, 로직 및 정보 확산 예측 시스템(400)의 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(440) 또는 네트워크 인터페이스(430)에 의해, 그리고 버스(420)를 통해 프로세서(410)로 제공될 수 있다. 프로세서(410)는 정보 확산 경로 예측부(411), 정보 전도성 계산부(412), 및 사용자 정보 압력 계산부(413)를 위한 프로그램 코드를 실행하도록 구성될 수 있다. 이러한 프로그램 코드는 메모리(440)와 같은 기록 장치에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다.　 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (12)

  1. 정보 확산율 계산부, 가상 경로 생성부, 및 경로 예측부를 포함하며, 소셜 네트워크 서비스에서 생태계 기반의 정보 확산을 예측하는 시스템이 수행하는 정보 확산 예측 방법에 있어서,
    상기 정보 확산율 계산부에서, 상기 소셜 네트워크 서비스를 구성하고 있는 사용자의 정보 압력, 사용자와 직접 연결된 근접 사용자의 정보 압력, 및 사용자로부터 근접 사용자까지의 정보 전도성을 이용하여 정보 확산율을 계산하는 단계;
    상기 가상 경로 생성부에서, 상기 정보 확산율과 기설정된 기준 확산율을 이용하여 가상 경로를 생성하는 단계; 및
    상기 경로 예측부에서, 상기 가상 경로를 이용하여 상기 소셜 네트워크 서비스 상의 하나 이상의 구성원에게 특정 정보가 확산되는 정보 전달 경로를 예측하는 단계
    를 포함하고,
    상기 정보 확산율을 계산하는 단계는,
    상기 사용자의 정보 압력과 상기 근접 사용자의 정보 압력 간의 차이값을 계산하고, 계산된 차이값과 상기 정보 전도성의 곱을 통해 상기 정보 확산율을 계산하는 것을 특징으로 하는 정보 확산 예측 방법.
  2. 제1항에 있어서,
    상기 정보 전달 경로를 예측하는 단계는,
    상기 정보 확산율이 계산된 시점에 해당하는 경과 시간과 기설정된 기준 경과 시간에 기초하여 상기 가상 경로를 상기 정보 전달 경로로 결정하는 것을 특징으로 하는 정보 확산 예측 방법.
  3. 제1항에 있어서,
    상기 정보 전도성은,
    이전 시간의 정보 확산율, 이전 시간의 정보 전도성, 사용자의 토폴로지 정보, 및 특정 정보의 노출 시간에 기초하여 계산되는 것을 특징으로 하는 정보 확산 예측 방법.
  4. 제1항에 있어서,
    상기 정보 전도성은,
    상기 소셜 네트워크 서비스를 구성하고 있는 사용자의 중앙성이 높고, 특정 정보의 노출 시간이 짧을수록 커지는 것을 특징으로 하는 정보 확산 예측 방법.
  5. 제1항에 있어서,
    상기 사용자의 정보 압력은,
    상기 정보 전도성 및 사용자의 중앙성에 기초하여 계산되는 것을 특징으로 하는 정보 확산 예측 방법.
  6. 제1항에 있어서,
    상기 정보 확산율과 기설정된 기준 확산율을 이용하여 가상 경로를 제거하는 단계
    를 더 포함하는 것을 특징으로 하는 정보 확산 예측 방법.
  7. 소셜 네트워크 서비스에서 생태계 기반의 정보 확산을 예측하는 시스템에 있어서,
    상기 소셜 네트워크 서비스를 구성하고 있는 사용자의 정보 압력, 사용자와 직접 연결된 근접 사용자의 정보 압력, 및 사용자로부터 근접 사용자까지의 정보 전도성을 이용하여 정보 확산율을 계산하는 정보 확산율 계산부;
    상기 정보 확산율과 기설정된 기준 확산율을 이용하여 가상 경로를 생성하는 가상 경로 생성부; 및
    상기 가상 경로를 이용하여 상기 소셜 네트워크 서비스 상의 하나 이상의 구성원에게 특정 정보가 확산되는 정보 전달 경로를 예측하는 경로 예측부
    를 포함하고,
    상기 정보 확산율 계산부는,
    상기 사용자의 정보 압력과 상기 근접 사용자의 정보 압력 간의 차이값을 계산하고, 계산된 차이값과 상기 정보 전도성의 곱을 통해 상기 정보 확산율을 계산 하는 것을 특징으로 하는 정보 확산 예측 시스템.
  8. 제7항에 있어서,
    상기 경로 예측부는,
    상기 정보 확산율이 계산된 시점에 해당하는 경과 시간과 기설정된 기준 경과 시간에 기초하여 상기 가상 경로를 상기 정보 전달 경로로 결정하는 것을 특징으로 하는 정보 확산 예측 시스템.
  9. 제7항에 있어서,
    상기 정보 전도성은,
    이전 시간의 정보 확산율, 이전 시간의 정보 전도성, 사용자의 토폴로지 정보, 및 특정 정보의 노출 시간에 기초하여 계산되는 것을 특징으로 하는 정보 확산 예측 시스템.
  10. 제7항에 있어서,
    상기 정보 전도성은,
    상기 소셜 네트워크 서비스를 구성하고 있는 사용자의 중앙성이 높고, 특정 정보의 노출 시간이 짧을수록 커지는 것을 특징으로 하는 정보 확산 예측 시스템.
  11. 제7항에 있어서,
    상기 사용자의 정보 압력은,
    상기 정보 전도성 및 사용자의 중앙성에 기초하여 계산되는 것을 특징으로 하는 정보 확산 예측 시스템.
  12. 제7항에 있어서,
    상기 가상 경로 생성부는,
    상기 정보 확산율과 기설정된 기준 확산율을 이용하여 가상 경로를 제거하는 것을 특징으로 하는 정보 확산 예측 시스템.
KR1020140064593A 2014-03-21 2014-05-28 소셜 네트워크 서비스에서 생태계 기반의 정보 확산 예측 방법 및 시스템 KR101588122B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20140033208 2014-03-21
KR1020140033208 2014-03-21

Publications (2)

Publication Number Publication Date
KR20150111802A KR20150111802A (ko) 2015-10-06
KR101588122B1 true KR101588122B1 (ko) 2016-01-26

Family

ID=54345143

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140064593A KR101588122B1 (ko) 2014-03-21 2014-05-28 소셜 네트워크 서비스에서 생태계 기반의 정보 확산 예측 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR101588122B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001273386A (ja) 2000-03-27 2001-10-05 Toshitaka Katada 情報伝達ネットワークの生成方法及びその装置
JP2007122220A (ja) 2005-10-26 2007-05-17 Fuji Xerox Co Ltd 情報分析処理装置、および情報分析処理方法、並びにコンピュータ・プログラム
JP2012203499A (ja) 2011-03-24 2012-10-22 Kddi Corp 影響度算出装置、影響度算出方法およびプログラム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001273386A (ja) 2000-03-27 2001-10-05 Toshitaka Katada 情報伝達ネットワークの生成方法及びその装置
JP2007122220A (ja) 2005-10-26 2007-05-17 Fuji Xerox Co Ltd 情報分析処理装置、および情報分析処理方法、並びにコンピュータ・プログラム
JP2012203499A (ja) 2011-03-24 2012-10-22 Kddi Corp 影響度算出装置、影響度算出方法およびプログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
'소셜 네트워크를 위한 확산 확률과 노드 연결성 기반의 정보 확산 최대화 알고리즘', 한국통신학외논문지, '13-05, Vol.38B, No.06, pp.485-491,

Also Published As

Publication number Publication date
KR20150111802A (ko) 2015-10-06

Similar Documents

Publication Publication Date Title
US10389800B2 (en) Minimizing execution time of a compute workload based on adaptive complexity estimation
KR101781339B1 (ko) 클라이언트를 갱신하기 위한 방법 및 디바이스
US9722892B2 (en) Flow rate prediction device, flow rate prediction method, and flow rate prediction program
US10120872B2 (en) Data caching based on requestor identity
KR20140041681A (ko) 예측 다층 캐싱 아키텍처들
US20150134799A1 (en) Path selection for network service requests
KR102198995B1 (ko) 분산형 클라우드 컴퓨팅 시스템, 이에 적용되는 장치 및 장치의 동작 방법
CN103108020A (zh) 服务协作设备、服务协作方法和计算机可读记录介质
JP2019040292A (ja) 処理分散プログラム、処理分散方法、および情報処理装置
US20180145883A1 (en) Server, computer program product, and communication system
KR20150001146A (ko) 스토리지 시스템 및 그의 동작 방법
TWI638552B (zh) 控制裝置、訊務控制方法及記錄電腦程式之記錄媒體
US20140136659A1 (en) Timeout Value Adaptation
JP6754115B2 (ja) 選択装置、装置選択方法、プログラム
KR101588122B1 (ko) 소셜 네트워크 서비스에서 생태계 기반의 정보 확산 예측 방법 및 시스템
KR20150009811A (ko) 웹 서버 및 웹 요구사항 예측을 이용한 웹 서버의 성능 향상 방법
US20150178016A1 (en) Controlling hierarchical storage
CN112148202B (zh) 训练样本读取方法及装置
KR101081286B1 (ko) 가용율 기반의 서버 재설정 장치 및 방법
CN109389271B (zh) 应用性能管理方法及系统
JP6627475B2 (ja) 処理リソース制御プログラム、処理リソース制御装置、および処理リソース制御方法
US10798147B2 (en) Constraint based controlled seeding
KR101758065B1 (ko) 부하분산 시스템, 그 제어방법 및 이를 수행하기 위한 기록매체
JP2007281783A (ja) 通信制御方法及び通信制御装置
JPWO2011048740A1 (ja) データ伝送システム、送信速度制御方法、受信端末、送信端末

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
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20190107

Year of fee payment: 4