KR101698492B1 - 소셜미디어 상의 사용자 컨텐츠 확산 영향력 측정 방법 및 장치 - Google Patents

소셜미디어 상의 사용자 컨텐츠 확산 영향력 측정 방법 및 장치 Download PDF

Info

Publication number
KR101698492B1
KR101698492B1 KR1020150162227A KR20150162227A KR101698492B1 KR 101698492 B1 KR101698492 B1 KR 101698492B1 KR 1020150162227 A KR1020150162227 A KR 1020150162227A KR 20150162227 A KR20150162227 A KR 20150162227A KR 101698492 B1 KR101698492 B1 KR 101698492B1
Authority
KR
South Korea
Prior art keywords
user
users
influence
content
exposed
Prior art date
Application number
KR1020150162227A
Other languages
English (en)
Inventor
김기훈
고영진
Original Assignee
주식회사 사이람
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 사이람 filed Critical 주식회사 사이람
Priority to KR1020150162227A priority Critical patent/KR101698492B1/ko
Application granted granted Critical
Publication of KR101698492B1 publication Critical patent/KR101698492B1/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
    • G06Q50/30—Transportation; Communications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • General Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Primary Health Care (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 소셜미디어 상의 사용자 영향력 측정 방법 및 장치에 관한 것이다. 개시된 사용자 영향력 측정 방법은 소셜미디어 상에서 사용자들 사이의 구독관계 및 컨텐츠들의 인용관계에 따른 네트워크 관계 정보를 분석하는 단계와, 분석된 네트워크 관계 정보에 기초하여, 특정 사용자의 컨텐츠에 노출된 다른 사용자들에 의한 사용자 1명당 평균 노출 횟수를 산출할 수 있는 영향력 인자를 추출하는 단계와, 추출된 영향력 인자를 이용하여, 특정 사용자가 소셜미디어 상에서 다른 사용자들에게 미치는 영향력을 지수화한 영향력지수를 사용자 1명당 평균 노출 횟수를 반영하여 산출하는 단계를 포함한다. 이로써, 컨텐츠를 수시로 작성하는 경우이거나 컨텐츠가 일부 사용자에게 편중되어 자주 노출되는 경우에 영향을 받는 사용자의 수가 적은 경우라면 영향력지수가 실제보다 높게 산출되지 않는다. 따라서, 영향력지수의 정확성 및 신뢰성이 향상된다.

Description

소셜미디어 상의 사용자 컨텐츠 확산 영향력 측정 방법 및 장치{METHOD AND APPARATUS FOR MEASURING INFLUENCE OF USER IN SOCIAL MEDIA}
본 발명은 소셜미디어 상의 사용자 영향력 측정 방법 및 장치에 관한 것으로, 더욱 상세하게는 소셜미디어 상의 특정 사용자가 다른 사용자들에게 미치는 영향력을 측정하는 방법 및 장치에 관한 것이다.
일반적으로, 소셜미디어 상에서 각 사용자들은 자신이 직접 컨텐츠를 작성하기도 하지만, 다른 사람의 컨텐츠를 구독, 인용하기도 하는 등 다른 사용자들과 밀접한 관계를 맺고 있다.
특히, 소셜 네트워크 서비스의 경우에는 다른 사용자들과의 관계가 더 중시되고 있는데, 이러한 점을 이용하여 소셜 네트워크 서비스를 통하여 광고 등 홍보를 하거나 국민들의 여론 등을 알아보는 시도가 많아지고 있다.
이러한 홍보나 여론 조사 등을 할 때에 중요한 사항은 소셜 네트워크 서비스 상에서 영향력이 큰 인물을 알아내는 것이다.
이렇게 소셜 네트워크 서비스 상에서 영향력이 큰 인물을 알아내면, 그 인물의 페이지를 통하여 광고를 한다던가, 그 인물이 소셜 네트워크 서비스 상에서 주장하는 내용들을 이용하여 여론의 향배를 예측한다던가 하는 등의 작업을 하는 경우에 큰 도움이 된다.
이렇게 소셜 네트워크 서비스 상에서 영향력이 큰 인물을 알아내는 방법 중 비교적 간단한 방법은 사회적으로 영향력이 큰 정치가, 연예인 등 유명인들에 대해 소셜 네트워크 서비스 상에서도 영향력이 큰 것으로 간주하는 것이다.
그런데 이러한 방법은 실제 오프라인에서의 영향력과 소셜 네트워크 서비스 상에서의 영향력이 일치하지 않을 수 있기에 오류가 발생할 수 있는 단점이 있다.
이러한 단점을 보완하기 위한 종래 기술은 소셜 네트워크 서비스 상에서 사용자의 활동과 그 사용자의 컨텐츠에 대한 다른 사람들의 반응 등을 측정하고 이러한 활동 등을 지수로 나타내어 영향력지수를 산출하며, 영향력지수가 높은 사람을 소셜 네트워크 서비스 상에서 영향력이 큰 인물로 선정한다.
그러나, 컨텐츠에 노출되어 영향을 받는 사용자의 수가 적은 경우이거나 인용 행위가 일어나지 않은 경우에는 영향력이 높다고 볼 수 없는데도 불구하고, 컨텐츠를 수시로 작성하는 경우이거나 컨텐츠가 일부 사용자에게 편중되어 자주 노출되는 경우에는 영향력지수가 실제보다 높게 산출되기 때문에 산출된 영향력지수의 신뢰성이 낮은 문제점이 있었다.
대한민국 등록특허공보 제10-1346288호, 등록일자 2013년 12월 23일.
본 발명은 전술한 바와 같은 종래 기술의 문제점을 해결하기 위해 제안한 것으로서, 특정 사용자의 컨텐츠에 노출된 다른 사용자들에 의한 사용자 1명당 평균 노출 횟수를 영향력 인자에 포함시켜서 영향력지수를 산출함으로써, 영향력지수의 정확성 및 신뢰성을 향상시킨 소셜미디어 상의 사용자 영향력 측정 방법 및 장치를 제공한다.
본 발명의 해결하고자 하는 과제는 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 해결하고자 하는 과제는 아래의 기재로부터 본 발명이 속하는 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 발명의 일 관점으로서 소셜미디어 상의 사용자 영향력 측정 장치에 의한 사용자 영향력 측정 방법은, 상기 소셜미디어 상에서 사용자들 사이의 구독관계 및 컨텐츠들의 인용관계에 따른 네트워크 관계 정보를 분석하는 단계와, 상기 분석된 네트워크 관계 정보에 기초하여, 특정 사용자의 컨텐츠에 노출된 다른 사용자들에 의한 사용자 1명당 평균 노출 횟수를 산출하는 단계와, 상기 사용자 1명당 평균 노출 횟수를 지수화한 사용자 1명당 평균 노출 점수를 산출하는 단계와, 상기 사용자 1명당 평균 노출 점수와 상기 특정 사용자의 컨텐츠에 노출된 다른 사용자의 수를 기초로 영향력지수를 산출하는 단계를 포함할 수 있다.
본 발명의 다른 관점으로서 소셜미디어 상의 사용자 영향력 측정 장치는, 소셜미디어 상에서 사용자들 사이의 구독관계 및 컨텐츠들의 인용관계에 따른 네트워크 관계 정보를 분석하는 관계 분석부와, 상기 분석된 네트워크 관계 정보에 기초하여, 특정 사용자의 컨텐츠에 노출된 다른 사용자들에 의한 사용자 1명당 평균 노출 횟수를 산출할 수 있는 영향력 인자를 추출하는 영향력 인자 추출부와, 상기 추출된 영향력 인자를 이용하여 상기 사용자 1명당 평균 노출 횟수를 산출하고, 상기 사용자 1명당 평균 노출 횟수를 지수화한 사용자 1명당 평균 노출 점수를 산출하며, 상기 사용자 1명당 평균 노출 점수와 상기 특정 사용자의 컨텐츠에 노출된 다른 사용자의 수를 기초로 영향력지수를 산출하는 영향력지수 산출부를 포함할 수 있다.
본 발명의 실시예에 의하면, 특정 사용자의 컨텐츠에 노출된 다른 사용자들에 의한 사용자 1명당 평균 노출 횟수를 영향력 인자에 포함시켜서 영향력지수를 산출한다.
이로써, 컨텐츠를 수시로 작성하는 경우이거나 컨텐츠가 일부 사용자에게 편중되어 자주 노출되는 경우에 영향을 받는 사용자의 수가 적은 경우라면 영향력지수가 실제보다 높게 산출되지 않는다.
따라서, 영향력지수의 정확성 및 신뢰성이 향상되는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 소셜미디어 상의 사용자 영향력 측정 장치의 블록 구성도이다.
도 2는 본 발명의 일 실시예에 따른 소셜미디어 상의 사용자 영향력 측정 방법을 설명하기 위한 흐름도이다.
도 3은 컨텐츠 A에 대하여 직접 노출만 있는 경우, 컨텐츠 A에 대한 노출 사용자집합을 산출한 예를 도시한 도면이다.
도 4는 간접 노출이 있는 경우, 컨텐츠 B에 대한 노출 사용자 집합을 도시한 도면이다.
도 5는 특정 사용자에 대한 노출 횟수 UE1과 UE2를 측정하는 예를 도시한 도면이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 발명의 실시 예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명의 실시 예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 1은 본 발명의 일 실시예에 따른 소셜미디어 상의 사용자 영향력 측정 장치의 블록 구성도이다.
이에 나타낸 바와 같이 일 실시예에 따른 사용자 영향력 측정 장치(100)는 관계 분석부(110), 영향력 인자 추출부(120), 영향력지수 산출부(130)를 포함한다.
관계 분석부(110)는 소셜미디어 상에서 사용자들 사이의 구독관계 및 컨텐츠들의 인용관계에 따른 네트워크 관계 정보를 획득하며, 획득된 네트워크 관계 정보를 분석한다.
이러한 관계 분석부(110)는 획득된 네트워크 관계 정보를 분석하여 컨텐츠별로 노출된 사용자 정보를 파악한다. 이때, 관계 분석부(110)는 컨텐츠별로 컨텐츠에 직접 노출된 사용자들, 컨텐츠를 인용한 사용자들, 컨텐츠에 간접 노출된 사용자들, 컨텐츠의 노출 횟수 등에 대한 정보를 추출한다. 예컨대, 컨텐츠에 직접 노출된 사용자는 해당 컨텐츠를 구독하고 있는 사용자를 포함하며, 이 외에 직접적으로 해당 컨텐츠가 있는 사이트에 방문하여 해당 컨텐츠를 직접 본 사용자도 포함할 수 있다.
영향력 인자 추출부(120)는 관계 분석부(110)에 의해 분석된 네트워크 관계 정보에 기초하여, 특정 사용자의 컨텐츠에 노출된 다른 사용자들에 의한 사용자 1명당 평균 노출 횟수를 산출할 수 있는 영향력 인자를 추출한다.
이러한 영향력 인자 추출부(120)는 특정 사용자가 작성한 전체 컨텐츠의 전체 노출 횟수와 특정 사용자의 전체 컨텐츠에 노출된 다른 사용자의 수를 영향력 인자로서 추출할 수 있다.
여기서, 영향력 인자 추출부(120)는 특정 사용자가 작성한 전체 컨텐츠의 전체 노출 횟수와 특정 사용자의 전체 컨텐츠에 노출된 다른 사용자의 수를 계수할 때에 사용자별 가중치를 적용하여 계수할 수 있다. 예컨대, 가중치는 사용자들 사이의 구독관계 또는 사용자들에 의해 생성되는 컨텐츠의 양에 기초하여 결정할 수 있다. 소셜미디어 상에서 특정 사용자의 영향력은 얼마나 많은 다른 사용자가 해당 사용자의 컨텐츠에 노출되었는가에 있다. 하지만 실제로 컨텐츠에 노출이 될 수 있는 환경, 예컨대, 팔로윙(following)관계라고 하더라도, 다른 수많은 컨텐츠에 의해 가려져서 특정 컨텐츠에 실질적으로는 노출이 되지 않은 사용자 A가 있을 수 있다. 또한 반대로 특정 컨텐츠에 대해 매우 공감하고 여기에 리액션(reaction)하는 행위, 예컨대, 리트윗 등을 수행하는 사용자 B가 있을 수 있다. 이때 사용자 A와 사용자 B가 특정 컨텐츠에 노출되는 정도는 동일하지 않다고 볼 수 있기에, 이러한 사용자들에 대해서 영향력 인자 추출부(120)가 사용자의 수를 계수할 때에 사용자별 가중치를 적용할 수 있다. 이를 위해, 소셜 네트워크 서비스 중의 하나인 트위터(상표명)의 경우라면, 사용자들의 팔로윙 수를 고려하여 팔로윙 수가 많은 경우는 사용자 A와 같이 수많은 컨텐츠에 깔리는 사용자로 볼 수 있다. 여기서, 사용자별 가중치는 팔로윙 대상의 컨텐츠 생산량을 통해 실질적으로 얼마나 많은 컨텐츠를 해당 사용자가 접하였는지를 계량화하여 결정할 수 있다.
영향력지수 산출부(130)는 영향력 인자 추출부(120)에 의해 추출된 영향력 인자를 이용하여, 특정 사용자가 소셜미디어 상에서 다른 사용자들에게 미치는 영향력을 지수화한 영향력지수를 사용자 1명당 평균 노출 횟수를 반영하여 산출한다.
이러한 영향력지수 산출부(130)는 사용자 1명당 평균 노출 횟수에 자연로그를 취해 사용자 1명당 평균 노출 점수로 변환하여 영향력지수에 반영할 수 있다.
도 2는 본 발명의 일 실시예에 따른 소셜미디어 상의 사용자 영향력 측정 방법을 설명하기 위한 흐름도이다.
이에 나타낸 바와 같이 일 실시예에 따른 사용자 영향력 측정 방법은, 소셜미디어 상에서 사용자들 사이의 구독관계 및 컨텐츠들의 인용관계에 따른 네트워크 관계 정보를 획득하는 단계(S201)를 포함한다.
그리고, 획득된 네트워크 관계 정보를 분석하여 컨텐츠별로 노출된 사용자 정보를 파악하는 단계(S203)를 더 포함한다.
이러한 단계 S203에서, 컨텐츠별로 컨텐츠에 직접 노출된 사용자들, 컨텐츠를 인용한 사용자들, 컨텐츠에 간접 노출된 사용자들에 대한 정보 및 컨텐츠별로 다른 사용자에게 노출된 횟수 등을 추출한다. 예컨대, 컨텐츠에 직접 노출된 사용자는 해당 컨텐츠를 구독하고 있는 사용자를 포함하며, 이 외에 직접적으로 해당 컨텐츠가 있는 사이트에 방문하여 해당 컨텐츠를 직접 본 사용자도 포함할 수 있다.
아울러 단계 S203에서, 특정 사용자가 작성한 전체 컨텐츠의 전체 노출 횟수와 특정 사용자의 컨텐츠에 노출된 다른 사용자의 수를 사용자 1명당 평균 노출 횟수를 산출하기 위한 영향력 인자로서 추출할 수 있다.
여기서, 특정 사용자가 작성한 전체 컨텐츠의 전체 노출 횟수와 특정 사용자의 전체 컨텐츠에 노출된 다른 사용자의 수를 계수할 때에 사용자별 가중치를 적용하여 계수할 수 있다. 예컨대, 가중치는 사용자들 사이의 구독관계 또는 사용자들에 의해 생성되는 컨텐츠의 양에 기초하여 결정할 수 있다. 소셜미디어 상에서 특정 사용자의 영향력은 얼마나 많은 다른 사용자가 해당 사용자의 컨텐츠에 노출되었는가에 있다. 하지만 실제로 컨텐츠에 노출이 될 수 있는 환경, 예컨대, 팔로윙관계라고 하더라도, 다른 수많은 컨텐츠에 의해 가려져서 특정 컨텐츠에 실질적으로는 노출이 되지 않은 사용자 A가 있을 수 있다. 또한 반대로 특정 컨텐츠에 대해 매우 공감하고 여기에 리액션하는 행위, 예컨대, 리트윗 등을 수행하는 사용자 B가 있을 수 있다. 이때 사용자 A와 사용자 B가 특정 컨텐츠에 노출되는 정도는 동일하지 않다고 볼 수 있기에, 이러한 사용자들에 대해서 단계 S203에서 사용자의 수를 계수할 때에 사용자별 가중치를 적용할 수 있다. 이를 위해, 소셜 네트워크 서비스 중의 하나인 트위터(상표명)의 경우라면, 사용자들의 팔로윙 수를 고려하여 팔로윙 수가 많은 경우는 사용자 A와 같이 수많은 컨텐츠에 깔리는 사용자로 볼 수 있다. 여기서, 사용자별 가중치는 팔로윙 대상의 컨텐츠 생산량을 통해 실질적으로 얼마나 많은 컨텐츠를 해당 사용자가 접하였는지를 계량화하여 결정할 수 있다.
이어서, 앞서 추출된 영향력 인자를 이용하여, 특정 사용자의 컨텐츠에 노출된 다른 사용자들에 의한 사용자 1명당 평균 노출 횟수를 산출하는 단계(S205)를 더 포함한다.
그리고, 앞서 산출된 사용자 1명당 평균 노출 횟수를 지수화하여 사용자 1명당 평균 노출 점수를 산출하는 단계(S207)를 더 포함한다.
이러한 단계 S207에서, 사용자 1명당 평균 노출 횟수에 자연로그를 취해 사용자 1명당 평균 노출 점수로 변환하여 영향력지수에 반영할 수 있다.
다음으로, 특정 사용자가 소셜미디어 상에서 다른 사용자들에게 미치는 영향력을 지수화한 영향력지수를 사용자 1명당 평균 노출 점수를 반영하여 산출하는 단계(S209)를 더 포함한다.
이러한 단계 S209에서, 사용자 1명당 평균 노출 점수와 특정 사용자의 컨텐츠에 노출된 다른 사용자의 수를 기초로 하여 영향력지수를 산출할 수 있다.
이하, 도 1 내지 도 5를 참조하여 본 발명의 실시예에 따른 사용자 영향력 측정 장치(100)에 의해, 소셜미디어 상에서 특정 사용자가 컨텐츠 확산에 영향을 주는 정도를 나타내는 컨텐츠 확산 영향력 등을 포함하는 사용자 영향력을 측정하는 방법에 대해 더 자세히 살펴보기로 한다.
먼저, 관계 분석부(110)에 의해 소셜미디어 상에서 사용자들 사이의 구독관계 및 컨텐츠들의 인용관계에 따른 네트워크 관계 정보가 획득된다. 예컨대, 트위터, 페이스북 등의 소셜 네트워크 서비스를 운영하는 운영 시스템으로부터 네트워크 관계 정보가 온라인을 통하여 수신되거나 오프라인을 통하여 입력될 수 있다. 이러한 과정은 통상의 데이터 분석 기술에서 최초 정보를 획득하기 위한 과정으로서 주지의 처리 절차에 의해 수행된다.
이때, 관계 분석부(110)에 의해 획득되는 네트워크 관계 정보는 소셜미디어를 운영하는 업체마다 형식 및 포함되어 있는 정보 등이 다를 수 있을 것이나, 기본적으로 한 사용자가 어떤 사용자를 구독하고 있는지에 대한 구독관계 정보와 어떤 컨텐츠를 인용하고 있는지에 대한 인용관계 정보를 포함한다. 이 밖에도 각 사용자의 활동에 대한 정보, 예를 들어 어떤 사이트에서 어떠한 컨텐츠를 보았는지에 대한 정보, 자신만의 공간이 아니더라도 온라인 커뮤니티 등과 같은 공간에서 컨텐츠를 작성한 경우에 그에 대한 정보 등이 더 포함될 수 있다(S201).
그러면, 관계 분석부(110)는 획득된 네트워크 관계 정보를 분석하여 컨텐츠별로 노출된 사용자 정보를 파악한다. 이때, 관계 분석부(110)는 컨텐츠별로 컨텐츠에 직접 노출된 사용자들, 컨텐츠를 인용한 사용자들, 컨텐츠에 간접 노출된 사용자들에 대한 정보 및 컨텐츠별 노출 횟수를 추출한다. 예컨대, 컨텐츠에 직접 노출된 사용자는 해당 컨텐츠를 구독하고 있는 사용자를 포함하며, 이 외에 직접적으로 해당 컨텐츠가 있는 사이트에 방문하여 해당 컨텐츠를 직접 본 사용자도 포함할 수 있다.
여기서, 관계 분석부(110)는 컨텐츠별로 노출된 사용자 정보를 파악할 때에 모든 기간에 대한 자료를 기초로 할 수도 있지만, 예컨대, 최근 1년간의 자료와 같이 특정 기간을 정해놓고, 해당 기간만을 대상으로 할 수도 있다. 이는 과거에는 활발한 활동을 하였고, 다른 사용자들에게도 많이 인용되어 영향력이 높은 사용자인 경우라도 현재에는 활동을 하지 않거나 저조하여 현재 다른 사용자에게 미치는 영향력이 낮은 경우에 영향력지수가 높게 평가되지 않도록 하기 위함이다. 예컨대, 소셜 네트워크 서비스 중의 하나인 트위터(상표명)의 경우라면 리트윗(retweet, RT)이나 좋아요, 공유 등 동의를 나타내는 인용 행위의 경우에는 최근 특정 기간만이 유효하게 반영되도록 할 수 있다(S203).
이어서, 영향력 인자 추출부(120)는 관계 분석부(110)에 의해 분석된 네트워크 관계 정보에 기초하여, 특정 사용자의 컨텐츠에 노출된 다른 사용자들에 의한 사용자 1명당 평균 노출 횟수를 산출할 수 있는 영향력 인자를 추출한다. 이때, 영향력 인자 추출부(120)는 특정 사용자가 작성한 전체 컨텐츠의 전체 노출 횟수와 특정 사용자의 컨텐츠에 노출된 다른 사용자의 수를 영향력 인자로서 추출할 수 있다.
여기서, 사용자 i가 작성한 전체 컨텐츠의 전체 노출 횟수 UE1i는 아래의 수학식 1과 같이 사용자 i가 작성한 개별 컨텐츠(x_1, x_2, …, x_n)의 노출 사용자 수( |Ti,x | )의 합으로 표현할 수 있다.
Figure 112015112815952-pat00001
그리고, 노출 사용자 수( |Ti,x | )는 아래의 수학식 2와 같이 컨텐츠 x에 직접 노출된 사용자, 컨텐츠 x에 간접 노출된 사용자 및 컨텐츠 x를 인용(retweet, RT)한 사용자의 팔로워(구독자)의 합집합으로 나타낼 수 있다.
Figure 112015112815952-pat00002
여기서, DFi는 컨텐츠 x에 직접 노출된 사용자 집합으로 사용자 i의 팔로워 집합을 의미하고, RFx는 컨텐츠 x에 간접 노출된 사용자 집합으로 특정 컨텐츠 x를 인용한 사용자들의 팔로워 집합을 의미하고, Rx는 컨텐츠 x를 인용(retweet)한 사용자 집합을 의미한다.
직접 노출과 간접 노출의 예를 도 3 내지 도 5를 통하여 설명하기로 한다. 도 3 내지 도 5는 소셜 네트워크 서비스 중의 하나인 트위터(상표명)를 대상으로 하여 직접 노출과 간접 노출의 예를 나타내었다.
도 3은 컨텐츠 A(트윗글 A)에 대하여 직접 노출만 있는 경우, 컨텐츠 A(트윗글 A)에 대한 노출 사용자 집합을 산출한 예를 도시한 것이고, 도 4는 간접 노출도 있는 경우 컨텐츠 B(트윗글 B)에 대한 노출 사용자 집합을 도시한 것이다.
또한, 영향력 인자 중에서 사용자 i가 작성한 컨텐츠에 노출된 다른 사용자의 수 UE2i는 아래의 수학식 3과 같이 사용자 i가 작성한 개별 컨텐츠(x_1, x_2, …, x_n)의 노출 사용자 집합( Ti,x )의 합집합의 사용자 수로 나타낼 수 있다.
Figure 112015112815952-pat00003
도 5는 특정 사용자가 작성한 전체 컨텐츠의 전체 노출 횟수 UE1과 특정 사용자의 컨텐츠에 노출된 다른 사용자의 수 UE2를 측정하는 예를 도시한 것으로, UE1은 개별 컨텐츠의 노출 사용자 집합( Ti,x )의 합으로 나타나고, UE2는 개별 컨텐츠의 노출 사용자 집합( Ti,x )의 합집합으로 나타난다.
다음으로, 영향력지수 산출부(130)는 영향력 인자 추출부(120)에 의해 추출된 영향력 인자를 이용하여, 특정 사용자의 컨텐츠에 노출된 다른 사용자들에 의한 사용자 1명당 평균 노출 횟수를 산출하고(S205), 사용자 1명당 평균 노출 횟수를 지수화한 사용자 1명당 평균 노출 점수를 산출하며(S207), 사용자 1명당 평균 노출 점수와 특정 사용자의 컨텐츠에 노출된 다른 사용자의 수를 기초로 영향력지수를 산출한다(S209).
여기서, 영향력지수 산출부(130)는 아래의 수학식 4를 이용하여 사용자 1명당 평균 노출 횟수가 반영된 사용자별 영향력지수를 계산할 수 있다.
Figure 112015112815952-pat00004
상기한 수학식 4에서 UE1은 사용자 전체 컨텐츠의 노출 수를 의미하고, UE2는 사용자의 전체 컨텐츠에 노출된 다른 사용자의 수를 의미한다. 따라서, UE1 / UE2 는 사용자 컨텐츠에 노출된 다른 사용자를 기준으로 다른 사용자 1명당 평균 노출 횟수가 된다.
함수 S는 다음의 수학식 5와 같이 평균 노출 횟수를 평균 노출 점수로 변환한다.
Figure 112015112815952-pat00005
기본적으로 노출 횟수에 자연로그를 취한 형태이며, UE1과 UE2가 동일한 값을 갖는 경우 0이 되기 때문에 이를 방지하기 위한 보정 수치인 (e-1)을 더한 형태이다.
이로써, 사용자 i의 영향력지수(Ei)는 결국 아래의 수학식 6과 같이 표현된다.
Figure 112015112815952-pat00006
여기서, UE1i는 사용자 i가 작성한 전체 컨텐츠의 전체 노출 횟수이며, UE2i는 사용자 i가 작성한 컨텐츠에 노출된 다른 사용자의 수이고, (e-1)는 영향력지수가 0으로 산출되지 않도록 하기 위한 보정 수치로서, e는 자연상수이다.
영향력 인자 중에서 특정 사용자가 작성한 전체 컨텐츠의 전체 노출 횟수 UE1은 모든 컨텐츠에 대한 노출 수의 합이기 때문에 단순히 컨텐츠를 많이 작성하기만 하면 해당 값 UE1이 높아지는 경향이 있다. 아울러, 영향력 인자 중에서 특정 사용자의 컨텐츠에 노출된 다른 사용자의 수 UE2는 한 개나 일부의 컨텐츠만 많은 사용자들에게 노출이 되고, 그 다음부터는 거의 노출이 되지 않은 경우라고 하더라도 해당 값 UE2가 매우 커질 수 있다. 따라서, 이러한 영향력 인자가 그대로 영향력지수에 반영되면 값의 증감이 영향력지수에 비례적으로 반영되기 때문에 해당 사용자의 영향력지수가 실제보다 높게 산출될 수 있다.
이에, 본 발명의 일 실시예에서는 사용자 컨텐츠에 노출된 다른 사용자를 기준으로 다른 사용자 1명당 평균 노출 횟수(UE1/UE2)를 산출한 후에 이를 평균 노출 점수로 변환하여 영향력지수에 반영되도록 한다. 이로써, 단순히 노출된 컨텐츠의 수가 많은 경우이거나 컨텐츠 작성은 많이 하지 않았지만 일부 컨텐츠가 많이 노출된 경우에는 영향력지수가 많이 상승하지 않도록 하여 실제에 가까운 영향력지수가 산출되도록 한다.
이렇게 영향력지수 산출부(130)가 산출한 영향력지수를 출력하면, 영향력지수가 기 설정된 임계값보다 높은 경우에 해당 사용자를 소셜미디어 상에서 영향력이 큰 영향력자로 선정할 수 있다. 그러면, 선정된 영향력자의 페이지를 통하여 광고를 한다던가, 해당 영향력자가 소셜 네트워크 서비스 상에서 주장하는 내용들을 이용하여 여론의 향배를 예측한다던가 하는 각종 작업에 이용할 수 있다.
소셜 네트워크 서비스에서 한 사용자가 다른 사용자의 컨텐츠를 인용하거나 구독하는 경우에 이를 나타내는 방식은 서비스별로 조금씩 차이가 있을 수 있다.
예를 들어, 트위터의 경우는 사용자가 다른 사용자의 글을 인용하는 경우에는 RT@최초작성자 트윗글의 순으로 표현이 될 수 있으며, 페이스북의 경우는 사용자가 다른 사용자의 글을 공유하거나, 좋아요 버튼을 선택한 경우에는 누구의 글을 선택하였는지가 표시되도록 되어 있다.
이렇게 각 소셜 네트워크 서비스별로 인용관계, 구독관계를 표시하는 방식은 다르지만, 어떤 사용자의 컨텐츠를 인용하는지, 어떤 사용자를 구독하는지를 명확히 나타내주고 있으므로, 이러한 정보를 이용하여 영향력지수를 산출할 수 있다.
한편, 단계 S203에서, 특정 사용자가 작성한 전체 컨텐츠의 전체 노출 횟수와 특정 사용자의 컨텐츠에 노출된 다른 사용자의 수를 파악하기 위하여, 사용자 수를 계수할 때에 사용자별 가중치를 적용하여 계수할 수 있다. 예컨대, 가중치는 사용자들 사이의 구독관계 또는 사용자들에 의해 생성되는 컨텐츠의 양에 기초하여 결정할 수 있다.
예컨대, 소셜 네트워크 서비스 중의 하나인 트위터(상표명)의 경우라면 리트윗을 한 사용자는 해당 글에 분명히 노출된 사용자라고 할 수 있으나, 단순히 구독만하는 팔로워는 해당 글에 노출되었다고 무조건 단정할 수는 없다. 해당 팔로워가 해당 글에 얼마나 관심이 높은지를 파악하기 어렵기 때문이다. 이에, 사용자들 사이의 구독관계 또는 사용자들에 의해 생성되는 컨텐츠의 양에 기초하여 사용자별 가중치를 결정한다. 그리고, 사용자 1명당 평균 노출 횟수를 산출하거나 상기 특정 사용자의 컨텐츠에 노출된 다른 사용자의 수를 파악하기 위하여, 사용자 수를 계수할 때에 결정된 사용자별 가중치를 적용하여 계수할 수 있다. 예컨대, 팔로워의 수가 상대적으로 많은 사용자는 그만큼 다른 사용자의 컨텐츠에도 많이 노출이 되기 때문에 상대적으로 특정 1인의 컨텐츠에 반응하기가 쉽지 않다고 볼 수 있다. 사용자별 가중치의 최대값을 1로 설정하고, 팔로워의 수에 반비례하게 해당 사용자의 사용자별 가중치를 0에서 1 사이의 값으로 결정할 수 있다. 또는, 팔로워하는 대상들이 생성한 컨텐츠 양과 해당 사용자가 생성한 컨텐츠 양의 비율에 기초하여 사용자별 가중치를 가변적으로 결정할 수 있다. 예컨대, 팔로워하는 대상들이 생성한 컨텐츠 양이 많을수록 사용자별 가중치는 0에 가까워지고, 해당 사용자가 생성한 컨텐츠 양이 많을수록 사용자별 가중치는 1에 가까워지도록 결정할 수 있다.
지금까지 설명한 바와 같이, 본 발명의 실시예에 의하면 특정 사용자의 컨텐츠에 노출된 다른 사용자들에 의한 사용자 1명당 평균 노출 횟수를 영향력 인자에 포함시켜서 영향력지수를 산출한다.
이로써, 컨텐츠를 수시로 작성하는 경우이거나 컨텐츠가 일부 사용자에게 편중되어 자주 노출되는 경우에 영향을 받는 사용자의 수가 적은 경우라면 영향력지수가 실제보다 높게 산출되지 않는다.
따라서, 영향력지수의 정확성 및 신뢰성이 향상된다.
본 발명에 첨부된 블록도의 각 블록과 흐름도의 각 단계의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수도 있다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서를 통해 수행되는 그 인스트럭션들이 블록도의 각 블록 또는 흐름도의 각 단계에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방식으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 블록도의 각 블록 또는 흐름도 각 단계에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 블록도의 각 블록 및 흐름도의 각 단계에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.
또한, 각 블록 또는 각 단계는 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실시 예들에서는 블록들 또는 단계들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들 또는 단계들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들 또는 단계들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시 예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시 예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
100 : 사용자 영향력 측정 장치
110 : 관계 분석부
120 : 영향력 인자 추출부
130 : 영향력지수 산출부

Claims (14)

  1. 소셜미디어 상의 사용자 영향력 측정 장치에 의한 사용자 영향력 측정 방법으로서,
    상기 소셜미디어 상에서 사용자들 사이의 구독관계 및 컨텐츠들의 인용관계에 따른 네트워크 관계 정보를 분석하는 단계와,
    상기 분석된 네트워크 관계 정보에 기초하여, 특정 사용자의 컨텐츠에 노출된 다른 사용자들에 의한 사용자 1명당 평균 노출 횟수를 산출하는 단계와,
    상기 사용자 1명당 평균 노출 횟수를 지수화한 사용자 1명당 평균 노출 점수를 산출하는 단계와,
    상기 사용자 1명당 평균 노출 점수와 상기 특정 사용자의 컨텐츠에 노출된 다른 사용자의 수를 기초로 영향력지수를 산출하는 단계를 포함하며,
    상기 사용자 1명당 평균 노출 점수는, 상기 사용자 1명당 평균 노출 횟수에 자연로그를 취한 값을 이용하여 산출되는 소셜미디어 상의 사용자 영향력 측정 방법.
  2. 삭제
  3. 제 1 항에 있어서,
    상기 영향력지수는, 상기 사용자 1명당 평균 노출 점수에 상기 특정 사용자의 컨텐츠에 노출된 다른 사용자의 수를 곱한 것에 의해 산출되는 소셜미디어 상의 사용자 영향력 측정 방법.
  4. 제 1 항에 있어서,
    사용자 i의 상기 영향력지수 Ei는 하기의 수학식
    Figure 112016099708712-pat00007

    (UE1i는 사용자 i의 컨텐츠의 전체 노출 횟수, UE2i는 사용자 i의 컨텐츠에 노출된 다른 사용자의 수, (e-1)은 보정 수치로서, e는 자연상수)
    을 이용하여 산출하는 소셜미디어 상의 사용자 영향력 측정 방법.
  5. 제 1 항에 있어서,
    상기 사용자 1명당 평균 노출 횟수를 산출하거나 상기 특정 사용자의 컨텐츠에 노출된 다른 사용자의 수를 파악하기 위하여, 사용자 수를 계수할 때에 사용자별로 가중치를 적용하여 계수하는 소셜미디어 상의 사용자 영향력 측정 방법.
  6. 제 5 항에 있어서,
    상기 가중치는, 상기 사용자들 사이의 구독관계 또는 상기 사용자들에 의해 생성되는 컨텐츠의 양에 기초하여 결정하는 소셜미디어 상의 사용자 영향력 측정 방법.
  7. 제 1 항 또는, 제 3 항 내지 제 6 항 중 어느 한 항에 기재된 소셜미디어 상의 사용자 영향력 측정 방법을 수행할 수 있는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
  8. 제 1 항 또는, 제 3 항 내지 제 6 항 중 어느 한 항에 기재된 소셜미디어 상의 사용자 영향력 측정 방법을 프로세서가 수행하도록 하기 위하여 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램.
  9. 소셜미디어 상에서 사용자들 사이의 구독관계 및 컨텐츠들의 인용관계에 따른 네트워크 관계 정보를 분석하는 관계 분석부와,
    상기 분석된 네트워크 관계 정보에 기초하여, 특정 사용자의 컨텐츠에 노출된 다른 사용자들에 의한 사용자 1명당 평균 노출 횟수를 산출할 수 있는 영향력 인자를 추출하는 영향력 인자 추출부와,
    상기 추출된 영향력 인자를 이용하여 상기 사용자 1명당 평균 노출 횟수를 산출하고, 상기 사용자 1명당 평균 노출 횟수를 지수화한 사용자 1명당 평균 노출 점수를 산출하며, 상기 사용자 1명당 평균 노출 점수와 상기 특정 사용자의 컨텐츠에 노출된 다른 사용자의 수를 기초로 영향력지수를 산출하는 영향력지수 산출부를 포함하며,
    상기 사용자 1명당 평균 노출 점수는, 상기 사용자 1명당 평균 노출 횟수에 자연로그를 취한 값을 이용하여 산출되는 소셜미디어 상의 사용자 영향력 측정 장치.
  10. 삭제
  11. 제 9 항에 있어서,
    상기 영향력지수는, 상기 사용자 1명당 평균 노출 점수에 상기 특정 사용자의 컨텐츠에 노출된 다른 사용자의 수를 곱한 것에 의해 산출되는 소셜미디어 상의 사용자 영향력 측정 장치.
  12. 제 9 항에 있어서,
    사용자 i의 상기 영향력지수 Ei는 하기의 수학식
    Figure 112016099708712-pat00008

    (UE1i는 사용자 i의 컨텐츠의 전체 노출 횟수, UE2i는 사용자 i의 컨텐츠에 노출된 다른 사용자의 수, (e-1)은 보정 수치로서, e는 자연상수)
    을 이용하여 산출하는 소셜미디어 상의 사용자 영향력 측정 장치.
  13. 제 9 항에 있어서,
    상기 사용자 1명당 평균 노출 횟수를 산출하거나 상기 특정 사용자의 컨텐츠에 노출된 다른 사용자의 수를 파악하기 위하여, 사용자 수를 계수할 때에 사용자별로 가중치를 적용하여 계수하는 소셜미디어 상의 사용자 영향력 측정 장치.
  14. 제 13 항에 있어서,
    상기 가중치는, 상기 사용자들 사이의 구독관계 또는 상기 사용자들에 의해 생성되는 컨텐츠의 양에 기초하여 결정하는 소셜미디어 상의 사용자 영향력 측정 장치.

KR1020150162227A 2015-11-19 2015-11-19 소셜미디어 상의 사용자 컨텐츠 확산 영향력 측정 방법 및 장치 KR101698492B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150162227A KR101698492B1 (ko) 2015-11-19 2015-11-19 소셜미디어 상의 사용자 컨텐츠 확산 영향력 측정 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150162227A KR101698492B1 (ko) 2015-11-19 2015-11-19 소셜미디어 상의 사용자 컨텐츠 확산 영향력 측정 방법 및 장치

Publications (1)

Publication Number Publication Date
KR101698492B1 true KR101698492B1 (ko) 2017-01-20

Family

ID=57989565

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150162227A KR101698492B1 (ko) 2015-11-19 2015-11-19 소셜미디어 상의 사용자 컨텐츠 확산 영향력 측정 방법 및 장치

Country Status (1)

Country Link
KR (1) KR101698492B1 (ko)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101888901B1 (ko) * 2017-07-25 2018-09-20 주식회사 아이온커뮤니케이션즈 아이템 마케팅을 위한 서버 및 이에 의한 아이템 마케팅 방법
KR101935654B1 (ko) * 2017-02-01 2019-01-04 중앙대학교 산학협력단 사용자 그룹에 대한 아이템 추천 장치 및 방법
KR20200047991A (ko) 2018-10-29 2020-05-08 비플라이소프트(주) 이슈에 대한 미디어지수를 산출하는 장치 및 방법
CN111126758A (zh) * 2019-11-15 2020-05-08 中南大学 一种学术团队影响力传播预测方法、设备和存储介质
CN112000709A (zh) * 2020-07-17 2020-11-27 微梦创科网络科技（中国）有限公司 一种社交媒体信息的总曝光量批量挖掘方法及装置
KR20220063914A (ko) 2020-11-11 2022-05-18 주식회사 케이티 온라인 콘텐츠 확산 예측 장치, 방법 및 컴퓨터 프로그램
KR20220120871A (ko) * 2021-02-24 2022-08-31 뷰티한국주식회사 인기 투표 서비스를 제공하는 서버 및 그 동작 방법
US11568450B2 (en) * 2017-08-09 2023-01-31 Spaco Llc Reward system for micro influencers in a social media marketing campaign

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110087636A (ko) * 2010-01-26 2011-08-03 건국대학교 산학협력단 온라인 네트워크 사용자의 평판도 산출 방법 및 장치
KR20110117475A (ko) * 2010-04-21 2011-10-27 중앙대학교 산학협력단 웹 기반 소셜 네트워크에서의 신뢰도 및 평판 추론장치 및 방법
KR101346288B1 (ko) 2012-03-02 2013-12-31 주식회사 랭크웨이브 네트워크 서비스에서의 사용자 영향력 지수 설정 방법 및 그 장치
KR20150070835A (ko) * 2013-12-17 2015-06-25 이수용 웹 상에 게재된 컨텐츠의 퀄리티 평가 방법
KR20150090192A (ko) * 2012-11-28 2015-08-05 페이스북, 인크. 소셜 네트워킹 시스템 내 영향력 결정

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110087636A (ko) * 2010-01-26 2011-08-03 건국대학교 산학협력단 온라인 네트워크 사용자의 평판도 산출 방법 및 장치
KR20110117475A (ko) * 2010-04-21 2011-10-27 중앙대학교 산학협력단 웹 기반 소셜 네트워크에서의 신뢰도 및 평판 추론장치 및 방법
KR101346288B1 (ko) 2012-03-02 2013-12-31 주식회사 랭크웨이브 네트워크 서비스에서의 사용자 영향력 지수 설정 방법 및 그 장치
KR20150090192A (ko) * 2012-11-28 2015-08-05 페이스북, 인크. 소셜 네트워킹 시스템 내 영향력 결정
KR20150070835A (ko) * 2013-12-17 2015-06-25 이수용 웹 상에 게재된 컨텐츠의 퀄리티 평가 방법

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101935654B1 (ko) * 2017-02-01 2019-01-04 중앙대학교 산학협력단 사용자 그룹에 대한 아이템 추천 장치 및 방법
KR101888901B1 (ko) * 2017-07-25 2018-09-20 주식회사 아이온커뮤니케이션즈 아이템 마케팅을 위한 서버 및 이에 의한 아이템 마케팅 방법
WO2019022280A1 (ko) * 2017-07-25 2019-01-31 주식회사 아이온커뮤니케이션즈 아이템 마케팅을 위한 서버 및 이에 의한 아이템 마케팅 방법
US11568450B2 (en) * 2017-08-09 2023-01-31 Spaco Llc Reward system for micro influencers in a social media marketing campaign
KR20200047991A (ko) 2018-10-29 2020-05-08 비플라이소프트(주) 이슈에 대한 미디어지수를 산출하는 장치 및 방법
CN111126758A (zh) * 2019-11-15 2020-05-08 中南大学 一种学术团队影响力传播预测方法、设备和存储介质
CN112000709A (zh) * 2020-07-17 2020-11-27 微梦创科网络科技（中国）有限公司 一种社交媒体信息的总曝光量批量挖掘方法及装置
CN112000709B (zh) * 2020-07-17 2023-10-24 微梦创科网络科技（中国）有限公司 一种社交媒体信息的总曝光量批量挖掘方法及装置
KR20220063914A (ko) 2020-11-11 2022-05-18 주식회사 케이티 온라인 콘텐츠 확산 예측 장치, 방법 및 컴퓨터 프로그램
KR20220120871A (ko) * 2021-02-24 2022-08-31 뷰티한국주식회사 인기 투표 서비스를 제공하는 서버 및 그 동작 방법
KR102470815B1 (ko) * 2021-02-24 2022-11-28 뷰티한국주식회사 인기 투표 서비스를 제공하는 서버 및 그 동작 방법

Similar Documents

Publication Publication Date Title
KR101698492B1 (ko) 소셜미디어 상의 사용자 컨텐츠 확산 영향력 측정 방법 및 장치
Alexander et al. A flexible Bayesian model for estimating subnational mortality
Bax et al. More than numbers: the power of graphs in meta-analysis
Woodside et al. Cultural diversity and marketing transactions: Are market integration, large community size, and world religions necessary for fairness in ephemeral exchanges?
Mao et al. Correlating S&P 500 stocks with Twitter data
Greenan Diffusion of innovations in dynamic networks
Huang et al. Comparing biomarkers as principal surrogate endpoints
Bennett et al. Using the modified Barthel index to estimate survival in cancer patients in hospice: observational study
Ziegler et al. Getting entangled in the nomological net
Kuha et al. Path analysis for discrete variables: the role of education in social mobility
Stöckli et al. Susceptibility to social influence predicts behavior on Facebook
Berthelsen et al. Construct validity of a global scale for workplace social capital based on COPSOQ III
Shi et al. The use of a surveillance system to measure changes in mental health in Australian adults during the global financial crisis
Luo et al. The influence of the US market on herding behaviour in China
Seiler et al. How robust are journal rankings based on the impact factor? Evidence from the economic sciences
Kim et al. Multidimensional child poverty in Korea: Developing child-specific indicators for the sustainable development goals
CN108428138B (zh) 一种基于客户分群的客户生存率分析装置及分析方法
Adamu et al. Rural-urban disparities in missed opportunities for vaccination in sub-Saharan Africa: a multi-country decomposition analyses
Bangor et al. Using the SUS to help demonstrate usability’s value to business goals
Eaton et al. Unpacking the recommended indicator for concurrent sexual partnerships
US20160125438A1 (en) System and method for fast and nuanced sentiment evaluation
He et al. Determinants of shrimp importation into the USA: an application of an augmented gravity model
O’hare et al. Models of mortality rates–analysing the residuals
Santoro et al. Drug user dynamics: A compartmental model of drug users for scenario analyses
Athan et al. Cost-effectiveness of routine and low-cost CD4 T-cell count compared with WHO clinical staging of HIV to guide initiation of antiretroviral therapy in resource-limited settings

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: 20191220

Year of fee payment: 4