KR20130100494A - 네트워크 서비스에서의 사용자 영향력 지수 설정 방법 및 그 장치 - Google Patents

네트워크 서비스에서의 사용자 영향력 지수 설정 방법 및 그 장치 Download PDF

Info

Publication number
KR20130100494A
KR20130100494A KR1020120021728A KR20120021728A KR20130100494A KR 20130100494 A KR20130100494 A KR 20130100494A KR 1020120021728 A KR1020120021728 A KR 1020120021728A KR 20120021728 A KR20120021728 A KR 20120021728A KR 20130100494 A KR20130100494 A KR 20130100494A
Authority
KR
South Korea
Prior art keywords
user
index
data
behavior
influence
Prior art date
Application number
KR1020120021728A
Other languages
English (en)
Other versions
KR101346288B1 (ko
Inventor
심성화
김형석
전형주
김형은
정웅경
육은정
노명호
Original Assignee
주식회사 랭크웨이브
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 랭크웨이브 filed Critical 주식회사 랭크웨이브
Priority to KR1020120021728A priority Critical patent/KR101346288B1/ko
Publication of KR20130100494A publication Critical patent/KR20130100494A/ko
Application granted granted Critical
Publication of KR101346288B1 publication Critical patent/KR101346288B1/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
    • G06Q50/01—Social networking
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
    • G06Q30/0226—Incentive systems for frequent usage, e.g. frequent flyer miles programs or point systems

Abstract

제 1 사용자가 등록된 적어도 하나의 네트워크 서비스에서 업로드한 데이터 및 업로드된 데이터에 대한 제 2 사용자의 행위를 확인하고, 제 2 사용자의 행위에 대한 행위 지수를 결정하고, 행위 지수에 기초하여, 업로드된 데이터의 데이터 지수를 결정하여, 결정된 데이터 지수에 기초한 제 1 사용자의 영향력 지수를 설정하는 네트워크 서비스에서의 제 1 사용자 영향력 지수를 설정하는 방법이 개시되어 있다.

Description

네트워크 서비스에서의 사용자 영향력 지수 설정 방법 및 그 장치{Method and apparatus for setting user influence value in network service}
본 발명은 사용자 영향력 지수 설정 방법 및 그 장치에 관한 것으로, 더욱 상세하게는 네트워크 서비스에서 사용자의 활동에 따른 사용자 영향력 지수를 설정하는 방법 및 그 장치에 관한 것이다.
현재 인터넷 및 스마트폰의 증가로 인하여, 많은 네트워크 서비스가 개발되어 이용되고 있다. 최근 네트워크 서비스, 특히 소셜 네트워크 서비스가 많은 사용자에 의하여 이용되고 있는 실정이다. 많은 사용자로 인하여, 개인에게 노출되는 데이터의 양이 매우 광범위하다. 따라서, 사용자는 자신에게 의미 없는 데이터도 보아야 하는 큰 불편함이 있어 문제가 된다.
본 발명이 해결하고자 하는 기술적 과제는 네트워크 서비스에 업로드된 데이터에 대한 다른 사용자의 응답 행위에 따른 행위 지수에 따른 데이터 지수를 결정하고, 데이터 지수에 따른 사용자 영향력 지수를 설정하는 방법 및 그 장치를 제공하고, 나아가 영향력 지수가 높은 사용자의 업로드 데이터를 우선하여 제공하는 방법 및 그 장치를 제공하는데 있다.
상기 기술적 과제를 해결하기 위한 본 발명의 일 실시예에 따라, 네트워크 서비스에서의 제 1 사용자 영향력 지수를 설정하는 방법은 상기 제 1 사용자가 등록된 적어도 하나의 네트워크 서비스에서 업로드한 데이터 및 상기 업로드된 데이터에 대한 제 2 사용자의 행위를 확인하는 단계; 상기 제 2 사용자의 행위에 대한 행위 지수를 결정하는 단계; 상기 행위 지수에 기초하여, 상기 업로드된 데이터의 데이터 지수를 결정하는 단계; 및 상기 결정된 데이터 지수에 기초하여, 상기 제 1 사용자의 영향력 지수를 설정하는 단계를 포함한다.
상기 제 1 사용자의 영향력 지수를 설정하는 단계는 저장된 제 1 사용자의 이전 영향력 지수를 추출하는 단계; 및 상기 제 1 사용자의 이전 영향력 지수 및 상기 결정된 데이터 지수에 기초하여, 상기 제 1 사용자의 영향력 지수를 설정하는 단계를 포함할 수 있다.
상기 제 2 사용자의 행위에 대한 행위 지수를 결정하는 단계는 상기 제 2 사용자의 영향력 지수 및 상기 제 2 사용자의 행위에 대한 행위 지수를 결정하는 단계를 포함하고, 상기 행위 지수에 기초하여, 상기 업로드된 데이터의 데이터 지수를 결정하는 단계는 상기 제 2 사용자의 영향력 지수 및 상기 행위 지수에 기초하여, 상기 업로드된 데이터의 데이터 지수를 결정하는 단계를 포함할 수 있다.
상기 제 2 사용자의 영향력 지수를 결정하는 단계는 저장된 상기 제 2 사용자의 이전 영향력 지수를 추출하는 단계; 소정의 시점까지의 상기 제 2 사용자에 의하여 업로드된 데이터의 데이터 지수를 결정하는 단계; 상기 제 2 사용자의 이전 영향력 지수 및 상기 제 2 사용자에 의하여 업로드된 데이터의 데이터 지수에 기초하여, 상기 제 2 사용자의 영향력 지수를 결정하는 단계를 포함할 수 있다.
상기 제 2 사용자의 행위에 대한 행위 지수를 결정하는 단계는 상기 제 2 사용자의 행위에 대하여 미리 설정된 값을 추출하는 단계; 상기 미리 설정된 값에 미리 설정된 가중치를 부가하는 단계; 상기 미리 설정된 값과 미리 설정된 가중치에 기초하여 상기 제 2 사용자의 행위에 대한 행위 지수를 결정하는 단계를 포함할 수 있다.
상기 제 2 사용자의 행위에 대한 행위 지수를 추출하는 단계는 상기 제 2 사용자의 행위에 대하여 미리 설정된 값을 추출하는 단계; 상기 미리 설정된 값에 상기 행위 발생과 관련된 확률을 부가하여 행위 지수를 결정하는 단계를 포함할 수 있다.
영향력 지수 설정 방법은 복수의 사용자 중에서 설정된 영향력 지수에 따라 사용자가 업로드한 데이터를 우선하여 표시하는 단계를 더 포함할 수 있다.
상기 기술적 과제를 해결하기 위한 본 발명의 다른 실시예에 따라, 네트워크 서비스에서의 제 1 사용자 영향력 지수를 설정하는 장치는 상기 제 1 사용자가 등록된 적어도 하나의 네트워크 서비스로부터 상기 제 1 사용자가 업로드한 데이터에 대한 제 2 사용자의 행위에 관한 정보를 수신하는 통신부; 및 상기 제 2 사용자의 행위에 대한 행위 지수를 결정하고, 상기 행위 지수에 기초하여, 상기 업로드된 데이터의 데이터 지수를 결정하여, 상기 결정된 데이터 지수에 기초하여, 상기 제 1 사용자의 영향력 지수를 설정하는 제어부를 포함한다.
본 발명에 의한 경우, 업로드된 데이터에 대한 다른 상대방의 응답 행위에 따른 데이터 지수를 설정하고, 데이터 지수에 따른 사용자의 영향력 지수를 설정함으로 인하여, 사용자의 관심이 증대될 수 있는 데이터를 정확하게 결정할 수 있다. 또한, 영향력 지수 순위가 높은 사용자의 데이터를 사용자에게 우선하여 제공함으로써, 사용자는 의미 없는 데이터에 대한 노출 없이, 모든 사용자가 관심 있어 하는 데이터를 제공받을 수 있다.
도 1은 본 발명의 일 실시예에 따른 네트워크 서비스에서 사용자의 영향력 지수를 설정하는 방법에 관한 흐름도를 나타내는 도면이다.
도 2a 내지 도 2d는 표 2 내지 표 5에 대한 각각의 히스토그램을 나타내는 도면이다.
도 3은 본 발명의 다른 실시예에 따른 네트워크 서비스에서 사용자의 영향력 지수를 설정하는 방법에 관한 흐름도를 나타내는 도면이다.
도 4는 본 발명의 일 실시예에 따른 영향력 지수와 관련된 인터페이스의 예를 나타내는 도면이다.
도 5는 본 발명의 일 실시예에 따른 본 발명의 일 실시예에 따른 네트워크 서비스에서 사용자의 영향력 지수를 설정하는 장치에 관한 블록 다이어그램을 나타내는 도면이다.
본 발명에 있어서, 영향력 지수는 어떤 사용자의 네트워크 서비스에서의 활동이나, 그 활동에 대한 다른 사용자의 응답 행위, 즉, 다른 사용자의 반응 정도에 따라 산정되는 영향력을 의미한다. 사회적으로 유명한 사람의 행위나 유명한 사람의 다른 사람의 행위에 대한 응답 행위는 보통 사람의 행위보다 네트워크 서비스 상에서 파급력 또는 영향력이 클 수밖에 없다. 영향력 지수 설정 장치는 네트워크 서비스에서 어떤 사용자의 행위, 즉, 업로드된 데이터에 대한 다른 사용자의 행위 행태를 분석하여 사용자의 영향력 지수를 산정한다. 이에 대하여 아래에서 구체적으로 설명하기로 한다.
첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 네트워크 서비스에서 사용자의 영향력 지수를 설정하는 방법에 관한 흐름도를 나타내는 도면이다.
도 1을 참조하면, 단계 110에서, 네트워크 서비스에서 사용자의 영향력 지수를 설정하는 방법을 수행하는 장치(이하, '영향력 지수 설정 장치'라 칭함)는 제 1 사용자가 가입 또는 등록된 적어도 하나의 네트워크 서비스에서 업로드한 데이터 및 업로드된 데이터에 대한 제 2 사용자의 행위를 확인한다. 사용자는 적어도 하나의 네트워크 서비스에 등록 또는 가입하고, 그 서비스를 이용하는 사용자를 의미한다. 일 예로, 네트워크 서비스는 소셜 네트워크 서비스(social network service)일 수 있다. 영향력 지수 설정 장치는 사용자가 가입한 네트워크 서비스와 별개로 존재하는 것이 바람직하다. 데이터는 네트워크 서비스에서 사용자와 사용자 사이에 주고 받는 모든 개체를 의미한다. 일 예로, 데이터는 정보, 뉴스, 이미지, 비디오, URL, 위치 정보, 기타 등등이 될 수 있다. 위의 데이터는 예일 뿐, 여기에 제한되는 것은 아니다. 사용자의 행위(action)는 네트워크 서비스에서 이루어지는 사용자의 행위를 의미한다. 사용자 행위의 예는, 페이스북과 같은 네트워크 서비스에서의 글 작성, 글 작성에 대한 댓글 또는 '좋아요' 클릭과 같은 행위, 이미지 또는 비디오와 같은 데이터 업로드, 업로드된 데이터에 대한 공유, 트위터와 같은 네트워크 서비스에서의 트윗 및 타인의 트윗에 대한 리트윗 및 기타 등등이 있다. 위의 사용자 행위 또한 예일 뿐, 여기에 제한되는 것은 아니다. 제 1 사용자의 행위는 제 1 사용자가 데이터를 네트워크 서비스에 업로드하는 것을 의미한다. 위 사용자 행위의 예에서, 글 작성, 데이터 업로드, 트윗을 제 1 사용자의 행위로 볼 수 있다. 제 2 사용자의 행위란 제 1 사용자의 행위에 대한 응답 행위를 의미한다. 즉, 제 2 사용자의 행위란 제 1 사용자가 업로드한 데이터에 대한 응답 행위이다. 위 사용자 행위의 예에서, 글 작성에 대한 댓글 또는 '좋아요' 클릭, 업로드된 데이터에 대한 공유, 리트윗을 제 2 사용자의 행위로 볼 수 있다.
영향력 지수 설정 장치는 사용자가 가입되어 있는 적어도 하나의 네트워크 서비스에 액세스 토큰(access token)을 이용하여 네트워크 서비스에서 사용자의 활동, 즉, 행위 및 사용자의 행위에 대한 다른 사용자의 행위를 파악할 수 있다. 영향력 지수 설정 장치는 액세스 토큰을 사용하여 사용자가 가입한 네트워크 서비스의 리소스에 액세스할 수 있다. 액세스 토큰은 해당 사용자를 대신하여 네트워크 서비스 API를 요청하는데 사용된다. 데이터 지수 설정 네트워크 서비스에서의 사용자에 관한 다양한 정보를 획득할 수가 있다. 네트워크 서비스의 일 예인 페이스북(Facebook)을 예로 들기로 한다. 페이스북의 경우 OAuth 기반의 Open API 를 제공한다. OAuth 인증의 핵심은, 사용자의 아이디(ID) 와 패스워드(password)를 페이스북의 페이지에서 입력을 하게 하고, 아이디와 패스워드가 일치하면, 그 대신 액세스 토큰을 발급해준다. 또한 발급된 액세스 토큰은 사용자가 원할 때, 언제든 회수할 수 있다. OAuth 방식을 사용하지 않는다면, 페이스북에 로그인하는 연동 페이지를 만들 경우, 연동하려는 네트워크 서비스 내에서 사용자의 페이스북 아이디와 패스워드를 입력받고, 페이스북에서 제공하는 서버투서버(Server to Server) 인터페이스를 이용하여 아이디와 패스워드가 맞는지를 확인하게 된다. 이런 방식을 사용할 경우 문제는, 연동하려는 네트워크 서비스에서 사용자의 패스워드를 알아낼 수 있게 되므로, 보안상 문제가 발생하게 되므로, 연동하는 서비스의 신뢰가 바탕이 되어야만 하고, 인증 이후 발급된 인증 정보를 회수하는 방법도 명확하지 않다. 이런 문제를 해결하기 위해, 사용자의 아이디와 패스워드는 페이스북에서 제공하는 서비스 페이지에서 입력하게 하고, 그 대신, Open API를 이용할 수 있도록 암호화된 토큰을 발행하게 된다. 액세스 토큰에는 사용자가 인증되었다는 정보와 더불어, 접근할 수 있는 API에 대한 정보를 포함하고 있으며, 어떤 경우에는 해당 토큰을 무효(invalid)인 것으로 세팅하여 더 이상 사용할 수 없도록 하게 할 수도 있다. 사용자가 직접 페이스북 내의 페이지에서 아이디 및 패스워드를 입력하여 인증을 거친 뒤 발급된 액세스 토큰을 가지고 　있으면, 아래의 정보에 대해 접근이 가능하게 된다. 페이스북에서 접근 가능한 정보의 예는 계정이 보유하고 있는 페이지 정보인 'accounts' 정보, 활동에 대한 프로필 정보인 'activities' 정보, 광고 관리 계정 정보인 'adaccounts' 정보, 앨범 정보인 'albums' 정보, 앱 요청 정보인 'apprequests' 정보, 책에 대한 프로필 정보인 'books' 정보, 지역 기반 check in 정보인 'checkins' 정보, cover에서 사용하는 사진 정보인 'cover' 정보, 이벤트 정보인 'events' 정보, 가족 정보인 'family' 정보, 내가 친구에게 했던 활동 정보와 내가 올렸던 글에 대한 정보인 'feed' 정보, List 정보인 'friendlists' 정보, 친구 요청 정보인 'friendrequests' 정보, 전체 친구 정보인 'friends' 정보, 게임에 대한 프로필 정보인 'games' 정보, 페이스북 내 그룹 정보인 'groups' 정보, 내 네트워크에서 발생하는 포스팅에 대한 정보인 'home' 정보, 받은 쪽지함 정보인 'inbox' 정보, 관심사 정보인 'interests' 정보, 좋아하는 것, 페이지, 앱, 프로필 정보인 'likes' 정보, 공유한 링크 정보인 'links' 정보, 영화에 대한 프로필 정보인 'movies' 정보, 음악에 대한 프로필 정보인 'music' 정보, 공통된 친구 정보인 'mutualfriends' 정보, 노트 정보인 'notes' 정보, 알림 정보인 'notifications' 정보, 보낸 쪽지함 정보인 'outbox' 정보, 지불 정보인 'payments' 정보, 현재 액세스 토큰으로 접근이 허용된 정보들인 'permissions' 정보, 태그된 사진 정보인 'photos' 정보, 프로필 사진 정보인 'picture' 정보, 내가 작성한 글 정보인 'posts' 정보, 게임 앱 등에서 올린 점수 정보인 'scores' 정보, 내가 담벼락에 올린 글 정보인 'statuses' 정보, 태그된 정보인 'tagged' 정보, TV 관련 프로필 정보인 'television' 정보, 업데이트 정보인 'updates' 정보 및 비디오 관련 프로필 정보인 'videos' 정보 등이 있다. 영향력 지수 설정 장치는 위와 같이 액세스 토큰을 이용하여 접근할 수 있는 정보 중에서 일부 또는 전부를 이용하여 제 1 사용자의 행위 및 제 2 사용자의 행위를 확인할 수가 있다. 영향력 지수 설정 장치는 주기적 또는 비주기적으로 네트워크 서비스에 접근하여 정보를 수신하고, 이를 기초로 사용자들의 행위를 확인하여, 아래에 설명할 영향력 지수 및 데이터 지수를 획득할 수가 있다.
단계 120에서, 영향력 지수 설정 장치는 제 2 사용자의 행위에 대한 행위 지수를 결정한다. 행위 지수는 어떤 사용자의 행위에 대한 응답 행위에 대하여 설정된 값을 의미한다. 수학식 1은 행위 지수를 산정하는 식이다.
Figure pat00001
수학식 1에서, SA()는 행위 지수를 나타내고, x는 행위를 한 제 2 사용자를 나타낸다. 또한, r은 댓글을 단 횟수를 나타내고, l은 '좋아요' 여부, i는 제 2 사용자의 최초 행위 개시 시간 및 s는 공유 여부를 나타낸다. 수학식 1에서 표현된 어떤 사용자의 행위에 대한 응답 행위는 일 예일 뿐, 여기에 제한되는 것은 아니다. 네트워크 서비스의 서비스 태양에 따라 다양한 응답 행위에 대하여 적용될 수 있다.
본 발명의 일 실시예에 따라, 행위 지수는 응답 행위의 태양에 따라 미리 설정된 값을 기초로 구할 수 있다. 이에 대하여 행위 지수를 산정하는 식은 수학식 2와 같다.
Figure pat00002
수학식 2에서, 행위 지수는 응답 행위의 태양에 따라 미리 설정된 값의 합이 된다. 행위 지수에 합이 이용된다는 것은 일 예일 뿐, 계산식은 경우에 따라 다를 수 있다. 수학식 2를 참조하면, 미리 설정된 값의 예를 들면, 댓글이 n개 있는 경우에는 r=n, 댓글이 없는 경우에는 r=0, '좋아요'가 있는 경우에는 l=1, '좋아요'가 없는 경우에는 l=0, 소정의 시간 안에 제 2 사용자의 행위가 있는 경우에는 i=1, 그렇지 않은 경우에는 i=0, 공유가 있는 경우에는 s=1, 공유가 없는 경우에는 s=0으로 설정할 수 있다. 미리 설정된 값은 예일 뿐, 행위 지수 제공자에 따라 다른 설정이 가능하다. 이 경우, 예를 들어, 제 1 사용자의 업로드된 데이터에 대한 제 2 사용자의 행위가 '좋아요'와 공유만 있는 경우에는 행위 지수는 2(1+1)가 된다.
본 발명의 다른 실시예에 따라, 행위 지수는 응답 행위의 태양에 따라 미리 설정된 값에 가중치를 부가하여 구할 수 있다. 이에 대하여 행위 지수를 산정하는 식은 수학식 3과 같다.
Figure pat00003
수학식 3은 수학식 2에서의 미리 설정된 값에 가중치를 부가한 것이다. 수학식 3을 참조하면, a, b, c, d는 가중치 계수이다. 가중치는 행위 지수를 제공하는 제공자의 설정에 따라 다르게 정하여 질 수 있다. 예를 들어, 미리 설정된 값의 예를 들면, 댓글이 n개 있는 경우에는 r=n, 댓글이 없는 경우에는 r=0, '좋아요'가 있는 경우에는 l=1, '좋아요'가 없는 경우에는 l=0, 소정의 시간 안에 제 2 사용자의 행위가 있는 경우에는 i=1, 그렇지 않은 경우에는 i=0, 공유가 있는 경우에는 s=1, 공유가 없는 경우에는 s=0으로 설정하고, 가중치들인 a=2, b=0.5, c=1, d=2로 설정된 경우, 제 1 사용자의 업로드된 데이터에 대한 제 2 사용자의 행위가 '좋아요'와 공유만 있는 경우에는 행위 지수는 2.5(0.5×1+2×1)가 된다.
본 발명의 또 다른 실시예에 따라, 행위 지수는 응답 행위의 태양에 따라 미리 설정된 값에 행위 발생과 관련된 확률을 부가하여 구할 수 있다. 이에 대하여 행위 지수를 산정하는 식은 수학식 4와 같다.
Figure pat00004
수학식 4에서, K1~k4는 각각의 확률 항목에 대한 가중치이다. 이 확률 항목에 대한 가중치도 설정자의 설정에 따라 변경 가능하다. ERE(r)은 댓글이 소정의 개수 이상 달릴 확률을 나타내고, ELK(l)은 '좋아요'를 할 확률을 나타내고, ERT(t)는 소정의 시간 안에 제 2 사용자의 행위가 있을 확률을 나타내고, ESH(s)는 공유를 할 확률을 나타낸다. 위와 같은 식은 일 예일 뿐, 여기에 제한되는 것은 아니다. 또한, 수학식 4에서는 제 2 사용자의 행위가 없는 경우에는 고려하지 않는다. 예를 들어, 제 2 사용자가 댓글과 공유 없이 '좋아요'만 한 경우에는 댓글과 공유에 관계된 함수는 고려하지 않고, SA(x)=fLK(l)=(1-k2×ELK(l))이 된다. 수학식 4도 수학식 3과 마찬가지로 각각의 행위 태양에 따라 가중치를 더 부가할 수도 있다. 본 발명의 다른 실시예로, 행위 지수를 구하려는 사용자에 대한 액세스 토큰이 없는 경우에는 네트워크 서비스로부터 정보를 획득할 수 없어 행위 지수 산정이 불가능하다. 이 경우, 영향력 지수 설정 장치는 액세스 토큰이 있는 사용자의 확률을 평균한 값을 행위 지수로 산정한다.
본 발명의 일 실시예에 있어서, 확률은 행위에 대한 정보를 추출한 후, 정규 분포를 이용하여 구한다. 정규 분포는 확률을 구하는 일 예일 뿐, 확률을 구하는 방법에는 제한은 없다. 사용자의 행위가 일정 횟수 이상인 경우, 해당 행위를 수행할 확률 분포는 정규 분포를 이룬다. 확률 밀도 함수는 가우시안 함수로 가정할 수 있다. 그 후, 평균 값과 표준 편차 또는 분산 값을 구하는 경우, 어떤 행위에 대한 확률을 추정할 수가 있다. 수학식 5는 확률 밀도 함수인 가우시안 함수이다.
Figure pat00005
수학식 5에서, fx()는 가우시안 함수를 나타내고, x는 랜덤 변수, μ는 평균σ2은 분산을 나타낸다.
본 발명의 또 다른 실시예에 따라, 행위 지수는 응답 행위의 태양에 따라 미리 설정된 값에 행위 발생과 관련된 확률과 확률 중에서 가장 높은 확률을 이용하여 구할 수 있다. 이에 대하여 행위 지수를 산정하는 식은 수학식 6과 같다.
Figure pat00006
수학식 6을 참조하면, fRE(r)에서 제 2 사용자가 댓글을 단 횟수가 댓글을 단 확률 중에서 가장 높은 경우인 rm , max보다 적은 댓글을 단 경우에는 k1×ERE (r)이 되고, 그렇지 않은 경우에는 k1×(MRE(r)+MRE(r)-ERE(r))이 된다. MRE(r)은 댓글 달 수에 대한 확률 중 가장 높은 확률을 나타낸다. 또한, fRT(i)에서 제 2 사용자가 댓글을 다는 시간 중 확률 중에서 가장 높은 경우인 im , max보다 빨리 댓글을 단 경우에는 k3×(MRT+MRT-ERT(i))이 되고, 그렇지 않은 경우에는 k3×ERT(i)이 된다. MRT는 댓글을 다는 시간 확률 중 가장 높은 확률을 나타낸다. fLK(l)과 fSH(s)는 수학식 4와 동일하다.
아래에서는, 행위 지수를 결정하는데 필요한 확률에 관한 예를 설명하기로 한다. 표 1은 제 2 사용자인 A, B, C, D가 제 1 사용자의 업로드 데이터에 대한 응답 행위인 댓글을 행한 행위 수를 나타내는 표이다.
A의 댓글수 B의 댓글수 C의 댓글수 D의 댓글수
2 2 2 1
0 0 2 0
1 1 3 0
1 1 0 0
0 0 2 1
0 0 0 1
2 0 3 0
0 1 1 1
0 1 0 1
1 0 2 0
0 0 2 0
0 1 3 1
0 0 2 1
1 0 2 1
0 0 2 1
0 1 2 1
0 0 2 0
0 1 2 0
0 0 2 0
0 0 3 0
1 0 1 2
1 1 2 0
0 1 2 1
0 0 2 0
0 0 2 0
0 1 2 1
0 1 2 0
0 0 2 0
1 1 2 0
1 0 2 0
0 0 0 1
0 1 0 0
0 0 0 0
0 0 0 0
0 0 2 0
1 1 0 0
1 0 2 0
0 0 2 1
0 1 2 1
0 0 2 0
1 0 3 0
1 0 2 0
0 0 2 0
1 0 2 1
0 0 2 0
0 1 2 0
0 0 2 1
0 0 2 0
2 1 1 0
0 0 2 0
0 1 2 0
0 0 2 0
0 0 2 1
0 0 3 0
0 1 3 0
0 1 2 0
1 0 2 0
0 0 2 0
1 0 2 0
0 0 2 0
표 2 내지 표 5는 표 1에 기초한 A, B, C, D의 댓글 확률에 관한 표이다. 표 2 내지 표 5를 참조하면, 사용자 A, B, C, D 각각의 행위 횟수, 빈도, 횟수에 따른 확률밀도가 나타나 있다.
횟수 빈도 확률밀도
0 42 0.57820441
1 15 0.365736157
2 3 0.010918535
3 0 1.53841E-05
4 0 1.02303E-09
5 0 3.2108E-15
기타 0
표 2는 A의 행위에 대한 확률밀도를 구한 표이다. 표 1을 참조하면, A 행위의 평균 횟수는 0.35이고, 표준편차는 0.5722762이고, 이에 따라 확률밀도가 표 2와 같이 구해졌다. 표 2를 참조하면, A가 제 1 사용자의 행위에 대하여 댓글을 두 개 작성할 확률은 1.09%가 된다.
횟수 빈도 확률밀도
0 39 0.601029655
1 20 0.363781068
2 1 0.0050976
3 0 1.65376E-06
4 0 1.24211E-11
5 0 2.15989E-18
기타 0
표 3은 B의 행위에 대한 확률밀도를 구한 표이다. 표 1을 참조하면, B 행위의 평균 횟수는 0.3666667이고, 표준편차는 0.5153208이고, 이에 따라 확률밀도가 표 3과 같이 구해졌다. 표 3을 참조하면, B가 제 1 사용자의 행위에 대하여 댓글을 한 개 작성할 확률은 36.37%가 된다.
횟수 빈도 확률밀도
0 8 0.042183494
1 3 0.302392542
2 42 0.476406479
3 7 0.16495379
4 0 0.012552349
5 0 0.000209926
기타 0
표 4는 C의 행위에 대한 확률밀도를 구한 표이다. 표 1을 참조하면, C 행위의 평균 횟수는 1.8이고, 표준편차는 0.8124038이고, 이에 따라 확률밀도가 표 4와 같이 구해졌다. 표 4를 참조하면, C가 제 1 사용자의 행위에 대하여 댓글을 세 개 작성할 확률은 16.49%가 된다.
횟수 빈도 확률밀도
0 41 0.634973438
1 18 0.330765365
2 1 0.0034442479
3 0 7.15829E-07
4 0 2.97395E-12
5 0 2.46857E-19
기타 0
표 5는 D의 행위에 대한 확률밀도를 구한 표이다. 표 1을 참조하면, D 행위의 평균 횟수는 0.3333333이고, 표준편차는 0.505525이고, 이에 따라 확률밀도가 표 5와 같이 구해졌다. 표 5를 참조하면, D가 제 1 사용자의 행위에 대하여 댓글을 한 개 작성할 확률은 33.07%가 된다.
도 2a 내지 도 2d는 표 2 내지 표 5에 대한 각각의 히스토그램을 나타내는 도면이다.
도 2a는 제 2 사용자 A의 행위에 대한 확률 밀도에 관한 히스토그램(210)이고, 도 2b는 제 2 사용자 B의 행위에 대한 확률 밀도에 관한 히스토그램(220)이고, 도 2c는 제 2 사용자 C의 행위에 대한 확률 밀도에 관한 히스토그램(230)이고, 도 2d는 제 2 사용자 D의 행위에 대한 확률 밀도에 관한 히스토그램(240)이다. 도 2a 내지 도 2d를 참조하면, Freq(201)은 댓글의 빈도 수를 나타내고, 확률밀도(202)는 횟수 및 빈도에 따른 확률밀도를 나타낸다. 좌측의 세로축은 확률밀도에 관한 축이고, 우측의 세로축은 빈도 수에 따른 축이다.
이하에서는, 수학식 4 및 6에 따른 행위 지수를 구하는 예를 설명하기로 한다.
표 6은 소정의 구간 동안 사용자가 업로드한 데이터에 대한 다른 사용자의 응답 행위, 즉, 댓글에 관한 표이다. 표 6에서, 사용자 A, B, C, D 모두 20개의 데이터를 업로드한 것으로 가정하기로 한다.
A의 업로드 데이터 B의 업로드 데이터 C의 업로드 데이터 D의 업로드 데이터
1 B B D B C 1 A D D A C 1 A 1 A C C C
2 C C 2 C C 2 B A 2 A C C
3 B C C C 3 D A C C 3 B 3 C C
4 B 4 C A C 4 D 4 C A C
5 C D C 5 C C 5 5 C C
6 D 6 D C C 6 B 6 B C C
7 C C C 7 A A C C 7 D B 7 C C
8 B C D 8 C C 8 8 C C
9 B D 9 C C 9 A B 9 B C A A
10 C C 10 A C C 10 A 10 C C
11 C C 11 D 11 11 B C C
12 B D C C C 12 12 B 12 C C
13 D C C 13 13 D 13 C C
14 D C C 14 A 14 14 C C C
15 D C C 15 C C 15 15 B C C C
16 B D C C 16 16 A B 16 B C C
17 C C 17 C C 17 A 17 A C C
18 B C C 18 D C C 18 18 C C
19 C C 19 D C C 19 B 19 C C A C
20 C C C 20 C C 20 20 C C
표 6에서, 숫자는 사용자가 업로드한 데이터를 나타내고, 업로드한 데이터에 대하여 댓글을 단 다른 사용자를 표시하고 있다. B가 업로드한 데이터 1에 대하여 댓글을 단 제 2 사용자는 A, C, D가 있으며, A는 2회, C는 1회, D는 2회의 댓글을 달았다. 아래의 예에서는, 댓글을 다는 경우만을 예로 하고 다른 행위는 고려하지 않는 것으로 한다. 또한, 수학식 4 및 수학식 6에서 K1은 1로 가정한다. 아래에서, ERE1(), SA1에서 아래첨자 1은 데이터 1과 관련된 것을 의미한다. 표 2를 참조하면, A가 하나의 데이터에 2회의 댓글을 달 확률밀도 ERE1(A, 2)는 0.010918535이고, 표 4를 참조하면, C가 하나의 데이터에 1회의 댓글을 달 확률밀도 ERE1(C, 1)는 0.302392542이고, 표 5를 참조하면, D가 하나의 데이터에 2회의 댓글을 달 확률밀도 ERE1(D, 2)는 0.003442479이다.
수학식 4에 따르면, A가 댓글을 두 개 다는 행위지수는 SA1(A, 2)= (1-K1×ERE1(A, 2))에 따라 0.98081465가 되고, C가 댓글을 한 개 다는 행위지수 SA1(C, 1)= (1-K1×ERE1(C, 1))에 따라 0.697607458가 되고, D가 댓글을 두 개 다는 행위지수는 SA1(D, 2)= (1-K1×ERE1(D, 2))에 따라 0.996557521이 된다.
수학식 6에 따르면, A는 2회의 댓글을 달았으므로, A가 댓글을 다는 확률 중 가장 높은 확률의 횟수인 0회보다 많이 달았고, D도 2회의 댓글을 달았으므로 D가 댓글을 다는 확률 중 가장 높은 확률의 횟수인 0회보다 많이 달았다. 그러나, C는 1회의 댓글을 달았으므로, C가 댓글을 다는 확률 중 가장 높은 확률의 횟수인 2회보다 적게 달았다. 따라서, A가 댓글을 두 개 다는 행위지수는 SA1(A, 2)= K1×((MRE(A)+MRE(A)-ERE1(A, 2))에 따라 구해진다. 표 2를 참조하면, MRE(A)=0.57820441이 되고, ERE1(A,2)=0.010918535가 된다. 따라서, SA1(A, 2)= K1×((MRE(A)+MRE(A)-ERE1(A, 2))=(0.57820441+0.57820441-0.010918535)=1.145490285가 된다. C가 댓글을 한 개 다는 행위지수 SA1(C, 1)= K1×ERE1(C, 1)에 따라 구해진다. 표 4를 참조하면, ERE1(C, 1)=0.302392542이 된다. 따라서, SA1(C, 1)= K1×ERE1(C, 1)=0.302392542가 된다. D가 댓글을 두 개 다는 행위지수는 SA1(D, 2)= K1×((MRE(D)+MRE(D)-ERE1(D, 2))에 따라 구해진다. 표 5를 참조하면, MRE(D)=0.634973438이 되고, ERE1(D,2)=0.003442479가 된다. 따라서, SA1(D, 2)= K1×((MRE(D)+MRE(D)-ERE1(D, 2))=(0.634973438+0.634973438-0.003442479)=1.266504397가 된다.
단계 130에서, 영향력 지수 설정 장치는 행위 지수에 기초하여, 업로드된 데이터의 데이터 지수를 결정한다. 영향력 지수 설정 장치는 행위 지수를 소정의 식에 대입하여 데이터 지수(값)을 구한다. 수학식 7은 데이터 지수를 구하는 공식의 예이다.
Figure pat00007
수학식 7을 참조하면, DV(N)에서 DV()는 데이터 지수를 나타내고, N은 제 1 사용자가 작성한 데이터를 나타낸다. x는 N 데이터에 응답 행위를 한 사용자의 집합을 의미한다. 수학식 7을 보면, 데이터 지수는 제 1 사용자의 행위에 대한 제 2 사용자의 응답 행위의 행위 지수 합으로 산정됨을 알 수가 있다.
표 6에서 B가 업로드한 데이터 1에 대한 데이터 지수를 수학식 7에 따라 구하는 것을 예로 들기로 한다. DV1, B1, ERE1(), SA1에서 아래첨자 1은 데이터 1과 관련된 것을 의미한다. 수학식 7에 따르면, DV1(B1)=fDV(SA1(A,2))+fDV(SA1(C,1))+fDV(SA1(D,2))가 된다. 수학식 4를 대입하면, fDV(SA1(A,2))= (1-K1×ERE1(A, 2))=0.989081465, fDV(SA1(C, 1))= (1-K1×ERE1(C, 1))=0.697607458 fDV(SA1(D, 2))= (2-K1×ERE1(D, 2))=0.996557521이므로, DV1(B1)=0.989081465+0.697607458+0.996557521=2.683246444가 된다. 수학식 6을 대입하면, fDV(SA1(A, 2))=K1×((MRE(A)+MRE(A)-ERE1(A, 2))=1.145490285가 되고, fDV(SA1(C, 1))=K1×ERE1(C, 1)=0.302392542가 되고, fDV(SA1(D, 2))= K1×((MRE(D)+MRE(D)-ERE1(D,2))=1.266504397가 되므로, DV1(B1)=1.145490285+0.302392542+1.266504397=2.714387224가 된다.
단계 140에서, 영향력 지수 설정 장치는 결정된 데이터 지수에 기초하여, 제 1 사용자의 영향력 지수를 설정한다.
영향력 지수 설정 장치는 소정의 구간 동안 사용자가 작성한 데이터에 대한 데이터 지수를 기초로 영향력 지수를 산정하게 된다. 수학식 8은 영향력 지수를 산정하는 식이다.
Figure pat00008
SVt(A)에서 SVt()는 t라는 구간의 영향력 지수를 나타내고, A는 영향력 지수의 산정 사용자를 나타내고, DVt(n)에서 DVt()는 t라는 구간의 A에 대한 데이터 지수를 나타내고, n은 A가 작성한 데이터의 집합을 나타낸다.
예를 들면, 2 구간에서의 사용자 A의 영향력 지수 SV2(A)=DV2(A1)+DV2(A2)+…+DV2(AN)이 된다. 여기에서, A1~AN은 사용자 A가 2 구간 동안 업로드한 데이터의 수를 의미한다. DV2(A1)~DV2(AN) 각각은 수학식 7을 이용하여 구할 수 있다.
또한, 본 발명의 다른 실시예에 있어서, 영향력 지수 설정 장치는 소정의 구간 동안 사용자가 작성한 데이터에 대한 데이터 지수에 현재 영향력 지수를 산정하는 시간의 직전 시점 또는 구간에 산정된 영향력 지수를 부가하여 영향력 지수를 산정할 수도 있다. 수학식 9은 영향력 지수를 산정하는 다른 식이다.
Figure pat00009
수학식 9의 수학식 8과의 차이점은 t 이전 시점 또는 구간인 t-1에서의 영향력 지수를 더 이용하여 영향력 지수를 산정할 수가 있다. 영향력 지수는 사용자가 소정의 구간에 업로드한 모든 데이터에 대하여 데이터 지수를 구하여 모두를 더하고, 이 값에 이전 구간의 영향력 지수를 더하여 구할 수 있다. 예를 들면, 특정 시점이 2 구간에서의 사용자 A의 영향력 지수 SV2(A)=SV1(A)+DV2(A1)+DV2(A2)+…+DV2(AN)이 된다. 여기에서, A1~AN은 사용자 A가 2 구간 동안 업로드한 데이터의 수를 의미한다. 원시 영향력 지수인 SV0(A)의 값은 영향력 지수 설정 장치의 운영자에 의하여 설정될 수가 있다.
도 3은 본 발명의 다른 실시예에 따른 네트워크 서비스에서 사용자의 영향력 지수를 설정하는 방법에 관한 흐름도를 나타내는 도면이다.
도 3을 참조하면, 단계 310은 도 1의 단계 110과 동일하므로, 중복된 설명을 피하기 위하여 생략하기로 한다.
단계 320에서, 영향력 지수 설정 장치는 제 2 사용자의 영향력 지수를 결정한다. 제 2 사용자의 영향력 지수를 구하는 방법은 도 1의 방법과 동일하다. 즉, 영향력 지수 설정 장치는 저장된 제 2 사용자의 이전 영향력 지수를 추출하고, 소정의 시점까지의 제 2 사용자에 의하여 업로드된 데이터의 데이터 지수를 결정하여, 제 2 사용자의 이전 영향력 지수 및 제 2 사용자에 의하여 업로드된 데이터의 데이터 지수에 기초한 제 2 사용자의 영향력 지수를 결정한다. 현재의 시점의 제 2 사용자의 영향력 지수를 결정한다. 만약, 영향력 지수가 기간 또는 구간에 따라 구하는 경우에는, 이전 기간 또는 기간의 제 2 사용자 영향력 지수를 추출하여 이를 결정한다.
단계 330은 도 1의 단계 120과 동일하므로, 중복된 설명을 피하기 위하여 생략하기로 한다.
단계 340에서, 영향력 지수 설정 장치는 제 2 사용자의 영향력 지수 및 행위 지수에 기초하여, 제 1 사용자의 업로드된 데이터의 데이터 지수를 결정한다. 단계 340은 도 1의 단계 130과 비교할 때, 데이터 지수를 결정하는데 행위 지수에 영향력 지수를 더 부가하는 것이다. 영향력 지수 설정 장치는 추출된 제 2 사용자의 영향력 지수 및 행위 지수를 소정의 식에 따라 데이터 지수(값)을 구한다. 수학식 10는 데이터 지수를 구하는 공식의 예이다.
Figure pat00010
수학식 10를 참조하면, DV(n)에서 DV()는 데이터 지수를 나타내고, N은 제 1 사용자가 작성한 데이터를 나타낸다. 또한, SV(x)는 위와 같이 데이터 지수를 구하려는 시점 또는 구간의 이전 시점 또는 구간에서의 x의 영향력 지수를 나타낸다. x는 N 데이터에 응답 행위를 한 사용자의 집합을 의미한다. 수학식 10를 보면, 데이터 지수는 영향력 지수 및 행위 지수에 기초하여 구하여 지는 것을 알 수가 있다. 수학식 11은 fDV(SV(x), SA(x))의 예를 나타낸다.
Figure pat00011
수학식 11을 참조하면, a 및 b는 가중치이다. 가중치는 데이터 지수 설정 방법의 제공자에 의하여 설정이 가능하다.
표 6에서 B가 업로드한 데이터 1에 대한 데이터 지수를 수학식 10 및 수학식 11에 따라 구하는 것을 예로 들기로 한다. 수학식 10에 따르면, DV1(B1)=fDV(SV0(A),SA1(A,2))+fDV(SV0(C),SA1(C,1))+fDV(SV0(D),SA1(D,2))가 된다. 위의 예에서, 가중치 a, b 및 각각 제 2 사용자의 이전 시점 또는 구간의 영향력 지수 SV0(A), SV0(C), SV0(D)는 1로 가정한다. 수학식 4를 참조하면, fDV(SA1(A,2))= (1-K1×ERE1(A, 2))=0.989081465, fDV(SA1(C, 1))= (1-K1×ERE1(C, 1))=0.697607458, fDV(SA1(D, 2))= (2-K1×ERE1(D,2))=0.996557521이므로, DV1(B1)=(1+0.98081465)+(1+0.697607458)+(1+0.996557521)=5.683246444가 된다. 수학식 6을 참조하면, fDV(SA1(A, 2))=K1×((MRE(A)+MRE(A)-ERE1(A, 2))=1.145490285가 되고, fDV(SA1(C, 1))=K1×ERE1(C, 1)=0.302392542가 되고, fDV(SA1(D, 2))= K1×((MRE(D)+MRE(D)-ERE1(D,2))=1.266504397이므로, DV1(B1)=(1+1.145490285)+(1+0.302392542)+(1+1.266504397)=5.714387224이 된다.
단계 350은 도 1의 단계 140과 동일하므로, 중복된 설명을 피하기 위하여 생략하기로 한다.
도 1 또는 도 3에서 사용자의 영향력 지수가 결정된 경우, 영향력 지수 설정 방법은 복수의 사용자 중에서 설정된 영향력 지수가 높은 사용자가 업로드한 데이터를 우선하여 표시하는 단계를 더 포함할 수 있다.
도 4는 본 발명의 일 실시예에 따른 영향력 지수와 관련된 인터페이스의 예를 나타내는 도면이다. 도 4를 참조하면, 인터페이스(400)에는 사용자와 관련된 정보(410), 사용자의 영향력 지수와 관련된 정보(420), 카테고리에 따른 사용자 영향력 지수와 관련된 정보(430) 및 영향력 지수가 높은 사용자가 업로드한 데이터 정보(440)가 표시된다.
행위 지수에 산정에 이용되는 미리 설정된 값, 가중치, 결정된 행위 지수, 결정된 데이터 지수 및 결정된 영향력 지수는 영향력 지수 설정 장치의 소정의 장소에 저장된다.
도 5는 본 발명의 일 실시예에 따른 본 발명의 일 실시예에 따른 네트워크 서비스에서 사용자의 영향력 지수를 설정하는 장치에 관한 블록 다이어그램을 나타내는 도면이다.
도 5를 참조하면, 영향력 지수 설정 장치(500)는 통신부(502), 저장부(504) 및 제어부(506)를 포함하고, 영향력 지수 설정 장치(500)는 네트워크 서비스(510) 및 사용자 단말(520)과 유선 또는 무선 네트워크를 통하여 통신 가능한 상태이다.
네트워크 서비스(510)는 사용자가 가입되어 있는 적어도 하나의 네트워크 서비스(510)이다. 일 예로, 네트워크 서비스(510)는 소셜 네트워크 서비스일 수 있다. 통신부(502)는 제 1 사용자가 가입 또는 등록되어 있는 네트워크 서비스(510)로부터 제 1 사용자가 업로드한 데이터에 대하여 제 2 사용자의 행위에 관한 정보를 수신한다. 사용자는 적어도 하나의 네트워크 서비스(510)에 가입 또는 등록하고, 그 서비스를 이용하는 사용자를 의미한다. 데이터는 네트워크 서비스(510)에서 사용자와 사용자 사이에 주고 받는 모든 개체를 의미한다. 일 예로, 데이터는 정보, 뉴스, 이미지, 비디오, URL, 위치 정보, 기타 등등이 될 수 있다. 위의 데이터는 예일 뿐, 여기에 제한되는 것은 아니다. 사용자의 행위(action)는 네트워크 서비스(510)에서 이루어지는 사용자의 행위를 의미한다. 사용자 행위의 예는, 페이스북과 같은 네트워크 서비스에서의 글 작성, 글 작성에 대한 댓글 또는 '좋아요' 클릭과 같은 행위, 이미지 또는 비디오와 같은 데이터 업로드, 업로드된 데이터에 대한 공유, 트위터와 같은 네트워크 서비스에서의 트윗 및 타인의 트윗에 대한 리트윗 및 기타 등등이 있다. 위의 사용자 행위 또한 예일 뿐, 여기에 제한되는 것은 아니다. 제 1 사용자의 행위는 제 1 사용자가 데이터를 네트워크 서비스에 업로드하는 것을 의미한다. 위 사용자 행위의 예에서, 글 작성, 데이터 업로드, 트윗을 제 1 사용자의 행위로 볼 수 있다. 제 2 사용자의 행위란 제 1 사용자의 행위에 대한 응답 행위를 의미한다. 즉, 제 2 사용자의 행위란 제 1 사용자가 업로드한 데이터에 대한 응답 행위이다. 위 사용자 행위의 예에서, 글 작성에 대한 댓글 또는 '좋아요' 클릭, 업로드된 데이터에 대한 공유, 리트윗을 제 2 사용자의 행위로 볼 수 있다.
영향력 지수 설정 장치(500)는 사용자가 가입되어 있는 적어도 하나의 네트워크 서비스(510)에 액세스 토큰(access token)을 이용하여 네트워크 서비스(510)에서 사용자의 활동, 즉, 행위 및 사용자의 행위에 대한 다른 사용자의 행위를 파악할 수 있다. 영향력 지수 설정 장치(500)는 액세스 토큰을 사용하여 사용자가 가입한 네트워크 서비스(510)의 리소스에 액세스할 수 있다. 액세스 토큰은 해당 사용자를 대신하여 네트워크 서비스(510) API를 요청하는데 사용된다. 데이터 순위 설정 네트워크 서비스(510)에서의 사용자에 관한 다양한 정보를 획득할 수가 있다. 네트워크 서비스(510)의 일 예인 페이스북(Facebook)을 예로 들기로 한다. 페이스북의 경우 OAuth 기반의 Open API 를 제공한다. OAuth 인증의 핵심은, 사용자의 아이디(ID) 와 패스워드(password)를 페이스북의 페이지에서 입력을 하게 하고, 아이디와 패스워드가 일치하면, 그 대신 액세스 토큰을 발급해준다. 또한 발급된 액세스 토큰은 사용자가 원할 때, 언제든 회수할 수 있다. OAuth 방식을 사용하지 않는다면, 페이스북에 로그인하는 연동 페이지를 만들 경우, 연동하려는 네트워크 서비스(510) 내에서 사용자의 페이스북 아이디와 패스워드를 입력받고, 페이스북에서 제공하는 서버투서버(Server to Server) 인터페이스를 이용하여 아이디와 패스워드가 맞는지를 확인하게 된다. 이런 방식을 사용할 경우 문제는, 연동하려는 네트워크 서비스(510)에서 사용자의 패스워드를 알아낼 수 있게 되므로, 보안상 문제가 발생하게 되므로, 연동하는 서비스의 신뢰가 바탕이 되어야만 하고, 인증 이후 발급된 인증 정보를 회수하는 방법도 명확하지 않다. 이런 문제를 해결하기 위해, 사용자의 아이디와 패스워드는 페이스북에서 제공하는 서비스 페이지에서 입력하게 하고, 그 대신, Open API를 이용할 수 있도록 암호화된 토큰을 발행하게 된다. 액세스 토큰에는 사용자가 인증되었다는 정보와 더불어, 접근할 수 있는 API에 대한 정보를 포함하고 있으며, 어떤 경우에는 해당 토큰을 무효(invalid)인 것으로 세팅하여 더 이상 사용할 수 없도록 하게 할 수도 있다. 사용자가 직접 페이스북 내의 페이지에서 아이디 및 패스워드를 입력하여 인증을 거친 뒤 발급된 액세스 토큰을 가지고 　있으면, 아래의 정보에 대해 접근이 가능하게 된다. 페이스북에서 접근 가능한 정보의 예는 계정이 보유하고 있는 페이지 정보인 'accounts' 정보, 활동에 대한 프로필 정보인 'activities' 정보, 광고 관리 계정 정보인 'adaccounts' 정보, 앨범 정보인 'albums' 정보, 앱 요청 정보인 'apprequests' 정보, 책에 대한 프로필 정보인 'books' 정보, 지역 기반 check in 정보인 'checkins' 정보, cover에서 사용하는 사진 정보인 'cover' 정보, 이벤트 정보인 'events' 정보, 가족 정보인 'family' 정보, 내가 친구에게 했던 활동 정보와 내가 올렸던 글에 대한 정보인 'feed' 정보, List 정보인 'friendlists' 정보, 친구 요청 정보인 'friendrequests' 정보, 전체 친구 정보인 'friends' 정보, 게임에 대한 프로필 정보인 'games' 정보, 페이스북 내 그룹 정보인 'groups' 정보, 내 네트워크에서 발생하는 포스팅에 대한 정보인 'home' 정보, 받은 쪽지함 정보인 'inbox' 정보, 관심사 정보인 'interests' 정보, 좋아하는 것, 페이지, 앱, 프로필 정보인 'likes' 정보, 공유한 링크 정보인 'links' 정보, 영화에 대한 프로필 정보인 'movies' 정보, 음악에 대한 프로필 정보인 'music' 정보, 공통된 친구 정보인 'mutualfriends' 정보, 노트 정보인 'notes' 정보, 알림 정보인 'notifications' 정보, 보낸 쪽지함 정보인 'outbox' 정보, 지불 정보인 'payments' 정보, 현재 액세스 토큰으로 접근이 허용된 정보들인 'permissions' 정보, 태그된 사진 정보인 'photos' 정보, 프로필 사진 정보인 'picture' 정보, 내가 작성한 글 정보인 'posts' 정보, 게임 앱 등에서 올린 점수 정보인 'scores' 정보, 내가 담벼락에 올린 글 정보인 'statuses' 정보, 태그된 정보인 'tagged' 정보, TV 관련 프로필 정보인 'television' 정보, 업데이트 정보인 'updates' 정보 및 비디오 관련 프로필 정보인 'videos' 정보 등이 있다. 영향력 지수 설정 장치(500)는 위와 같이 액세스 토큰을 이용하여 접근할 수 있는 정보 중에서 일부 또는 전부를 이용하여 제 1 사용자의 행위 및 제 2 사용자의 행위를 확인할 수가 있다. 영향력 지수 설정 장치(500)는 통신부(502)를 통하여 주기적 또는 비주기적으로 네트워크 서비스(510)에 접근하여 정보를 수신하고, 이를 기초로 사용자들의 행위를 확인하여, 아래에 설명할 영향력 지수 및 데이터 지수를 획득할 수가 있다.
제어부(506)는 제 2 사용자의 행위에 대한 행위 지수를 결정한다. 행위 지수는 어떤 사용자의 행위에 대한 응답 행위에 관하여 설정된 값을 의미한다. 행위 지수를 구하는 식의 예는 위의 수학식 1과 같다. 본 발명의 일 실시예에 따라, 행위 지수는 응답 행위의 태양에 따라 미리 설정된 값을 기초로 구할 수 있다. 이에 대하여 행위 지수를 산정하는 식의 예는 수학식 2와 같다. 행위 지수는 응답 행위의 태양에 따라 미리 설정된 값의 합이 된다. 행위 지수에 합이 이용된다는 것은 일 예일 뿐, 계산식은 경우에 따라 다를 수 있다. 본 발명의 다른 실시예에 따라, 행위 지수는 응답 행위의 태양에 따라 미리 설정된 값에 가중치를 부가하여 구할 수 있다. 이에 대하여 행위 지수를 산정하는 식의 예는 수학식 3과 같다. 본 발명의 또 다른 실시예에 따라, 행위 지수는 응답 행위의 태양에 따라 미리 설정된 값에 행위 발생과 관련된 확률을 부가하여 구할 수 있다. 이에 대하여 행위 지수를 산정하는 식의 예는 수학식 4와 같다. 이 경우에도, 수학식 3과 마찬가지로 각각의 행위 태양에 따라 가중치를 더 부가할 수도 있다. 본 발명의 또 다른 실시예에 따라, 행위 지수는 응답 행위의 태양에 따라 미리 설정된 값에 행위 발생과 관련된 확률과 확률 중에서 가장 높은 확률을 이용하여 구할 수 있다. 이에 대하여 행위 지수를 산정하는 식의 예는 수학식 6과 같다. 본 발명의 다른 실시예로, 행위 지수를 구하려는 사용자에 대한 액세스 토큰이 없는 경우에는 네트워크 서비스(510)로부터 정보를 획득할 수 없어 행위 지수 산정이 불가능하다. 이 경우, 제어부(506)는 액세스 토큰이 있는 사용자의 확률을 평균한 값을 행위 지수로 산정한다. 본 발명의 일 실시예에 있어서, 확률은 행위에 대한 정보를 추출한 후, 정규 분포를 이용하여 구한다. 이는 예일 뿐, 확률을 구하는 방법에는 제한은 없다. 사용자의 행위가 일정 횟수 이상인 경우, 해당 행위를 수행할 확률 분포는 정규 분포를 이룬다. 확률 밀도 함수는 가우시안 함수로 가정할 수 있다. 그 후, 평균 값과 표준 편차 또는 분산 값을 구하는 경우, 어떤 행위에 대한 확률을 추정할 수가 있다.
표 1 내지 표 6에 기초하여, 확률을 이용하여 행위 지수를 결정하는 예는 위에서 설명하였으므로, 이하에서는 생략하기로 한다.
제어부(506)는 행위 지수에 기초하여, 업로드된 데이터의 데이터 지수를 결정한다. 제어부(506)는 행위 지수를 소정의 식에 대입하여 데이터 지수(값)을 구한다. 위의 수학식 7은 데이터 지수를 구하는 공식의 예이다.
제어부(506)는 결정된 데이터 지수에 기초하여, 제 1 사용자의 영향력 지수를 설정한다. 제어부(506)는 소정의 시점 또는 구간 동안 제 1 사용자가 작성한 데이터에 대한 데이터 지수를 기초로 영향력 지수를 산정하게 된다. 수학식 8은 영향력 지수를 산정하는 식의 예이다. 또한, 본 발명의 다른 실시예에 있어서, 제어부(506)는 소정의 시점 또는 구간 동안 제 1 사용자가 작성한 데이터에 대한 데이터 지수에 현재 제 1 사용자의 영향력 지수를 산정하는 시간의 직전 시점 또는 구간에 산정된 영향력 지수를 부가하여 영향력 지수를 산정할 수도 있다. 수학식 9은 영향력 지수를 산정하는 다른 식의 예이다.
본 발명의 또 다른 실시예로, 제어부(506)는 제 2 사용자의 영향력 지수를 결정한다. 제 2 사용자의 영향력 지수를 구하는 방법은 제 1 사용자의 영향력 지수를 구하는 방법과 동일하다. 즉, 제어부(506)는 저장된 제 2 사용자의 이전 영향력 지수를 추출하고, 소정의 시점까지의 제 2 사용자에 의하여 업로드된 데이터의 데이터 지수를 결정하여, 제 2 사용자의 이전 영향력 지수 및 제 2 사용자에 의하여 업로드된 데이터의 데이터 지수에 기초한 제 2 사용자의 영향력 지수를 결정한다. 제어부(506)는 현재의 시점의 제 2 사용자의 영향력 지수를 결정한다. 만약, 영향력 지수가 기간 또는 구간에 따라 구하는 경우에는, 제어부(506)는 이전 기간 또는 기간의 제 2 사용자 영향력 지수를 추출하여 이를 결정한다.
그 후, 제어부(506)는 제 2 사용자의 영향력 지수 및 행위 지수에 기초하여, 업로드된 데이터의 데이터 지수를 결정한다. 제어부(506)는 추출된 제 2 사용자의 영향력 지수 및 행위 지수를 소정의 식에 따라 데이터 지수(값)을 구한다. 수학식 10 및 수학식 11은 데이터 지수를 구하는 공식의 예이다. 그 후, 제어부(506)는 위와 같이 결정된 데이터 지수에 기초한 제 1 사용자의 영향력 지수를 결정한다.
저장부(504)는 행위 지수에 산정에 이용되는 미리 설정된 값, 가중치, 결정된 행위 지수, 결정된 데이터 지수 및 결정된 영향력 지수를 저장한다.
제어부(506)는 사용자의 영향력 지수가 결정된 경우, 영향력 지수 설정 방법은 복수의 사용자 중에서 설정된 영향력 지수가 높은 사용자가 업로드한 데이터를 우선하여 표시하는 명령을 통신부(502)를 통하여 사용자 단말(520)로 송신한다.
이상 설명한 바와 같은 사용자 영향력 설정 방법은 또한 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 매체를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고, 상기 디스크 관리 방법을 구현하기 위한 기능적인(function) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있다.
이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
500: 영향력 지수 설정 장치
502: 통신부 504: 저장부
506: 제어부
510: 네트워크 서비스
520: 사용자 단말(520)

Claims (14)

  1. 네트워크 서비스에서의 제 1 사용자 영향력 지수를 설정하는 방법에 있어서,
    상기 제 1 사용자가 등록된 적어도 하나의 네트워크 서비스에서 업로드한 데이터 및 상기 업로드된 데이터에 대한 제 2 사용자의 행위를 확인하는 단계;
    상기 제 2 사용자의 행위에 대한 행위 지수를 결정하는 단계;
    상기 행위 지수에 기초하여, 상기 업로드된 데이터의 데이터 지수를 결정하는 단계; 및
    상기 결정된 데이터 지수에 기초하여, 상기 제 1 사용자의 영향력 지수를 설정하는 단계를 포함하는 것을 특징으로 하는 영향력 지수 설정 방법.
  2. 제 1 항에 있어서,
    상기 제 1 사용자의 영향력 지수를 설정하는 단계는,
    저장된 제 1 사용자의 이전 영향력 지수를 추출하는 단계; 및
    상기 제 1 사용자의 이전 영향력 지수 및 상기 결정된 데이터 지수에 기초하여, 상기 제 1 사용자의 영향력 지수를 설정하는 단계를 포함하는 것을 특징으로 하는 영향력 지수 설정 방법.
  3. 제 1 항에 있어서,
    상기 제 2 사용자의 행위에 대한 행위 지수를 결정하는 단계는 상기 제 2 사용자의 영향력 지수 및 상기 제 2 사용자의 행위에 대한 행위 지수를 결정하는 단계를 포함하고,
    상기 행위 지수에 기초하여, 상기 업로드된 데이터의 데이터 지수를 결정하는 단계는 상기 제 2 사용자의 영향력 지수 및 상기 행위 지수에 기초하여, 상기 업로드된 데이터의 데이터 지수를 결정하는 단계를 포함하는 것을 특징으로 하는 영향력 지수 설정 방법.
  4. 제 3 항에 있어서,
    상기 제 2 사용자의 영향력 지수를 결정하는 단계는,
    저장된 상기 제 2 사용자의 이전 영향력 지수를 추출하는 단계;
    소정의 시점까지의 상기 제 2 사용자에 의하여 업로드된 데이터의 데이터 지수를 결정하는 단계;
    상기 제 2 사용자의 이전 영향력 지수 및 상기 제 2 사용자에 의하여 업로드된 데이터의 데이터 지수에 기초하여, 상기 제 2 사용자의 영향력 지수를 결정하는 단계를 포함하는 것을 특징으로 하는 영향력 지수 설정 방법.
  5. 제 1 항에 있어서,
    상기 제 2 사용자의 행위에 대한 행위 지수를 결정하는 단계는,
    상기 제 2 사용자의 행위에 대하여 미리 설정된 값을 추출하는 단계;
    상기 미리 설정된 값에 미리 설정된 가중치를 부가하는 단계;
    상기 미리 설정된 값과 미리 설정된 가중치에 기초하여 상기 제 2 사용자의 행위에 대한 행위 지수를 결정하는 단계를 포함하는 것을 특징으로 하는 영향력 지수 설정 방법.
  6. 제 1 항에 있어서,
    상기 제 2 사용자의 행위에 대한 행위 지수를 추출하는 단계는,
    상기 제 2 사용자의 행위에 대하여 미리 설정된 값을 추출하는 단계;
    상기 미리 설정된 값에 상기 행위 발생과 관련된 확률을 부가하여 행위 지수를 결정하는 단계를 포함하는 것을 특징으로 하는 영향력 지수 설정 방법.
  7. 제 1 항에 있어서,
    복수의 사용자 중에서 설정된 영향력 지수에 따라 사용자가 업로드한 데이터를 우선하여 표시하는 단계를 더 포함하는 것을 특징으로 하는 영향력 지수 설정 방법.
  8. 네트워크 서비스에서의 제 1 사용자 영향력 지수를 설정하는 장치에 있어서,
    상기 제 1 사용자가 등록된 적어도 하나의 네트워크 서비스로부터 상기 제 1 사용자가 업로드한 데이터에 대한 제 2 사용자의 행위에 관한 정보를 수신하는 통신부; 및
    상기 제 2 사용자의 행위에 대한 행위 지수를 결정하고, 상기 행위 지수에 기초하여, 상기 업로드된 데이터의 데이터 지수를 결정하여, 상기 결정된 데이터 지수에 기초하여, 상기 제 1 사용자의 영향력 지수를 설정하는 제어부를 포함하는 것을 특징으로 하는 영향력 지수 설정 장치.
  9. 제 8 항에 있어서,
    제 1 사용자의 이전 영향력 지수를 저장하는 저장부를 더 포함하고,
    상기 제어부는 상기 저장부에 저장된 제 1 사용자의 이전 영향력 지수를 추출하고, 상기 제 1 사용자의 이전 영향력 지수 및 상기 결정된 데이터 지수에 기초하여, 상기 제 1 사용자의 영향력 지수를 설정하는 것을 특징으로 하는 영향력 지수 설정 장치.
  10. 제 8 항에 있어서,
    상기 제어부는 상기 제 2 사용자의 영향력 지수 및 상기 제 2 사용자의 행위에 대한 행위 지수를 결정하고, 상기 제 2 사용자의 영향력 지수 및 상기 행위 지수에 기초하여, 상기 업로드된 데이터의 데이터 지수를 결정하는 것을 특징으로 하는 영향력 지수 설정 장치.
  11. 제 10 항에 있어서,
    상기 제 2 사용자의 이전 영향력 지수를 저장하는 저장부를 더 포함하고,
    상기 제어부는 상기 저장부에 저장된 상기 제 2 사용자의 이전 영향력 지수를 추출하여, 소정의 시점까지의 상기 제 2 사용자에 의하여 업로드된 데이터의 데이터 지수를 결정하고, 상기 제 2 사용자의 이전 영향력 지수 및 상기 제 2 사용자에 의하여 업로드된 데이터의 데이터 지수에 기초하여, 상기 제 2 사용자의 영향력 지수를 결정하는 것을 특징으로 하는 영향력 지수 설정 장치.
  12. 제 8 항에 있어서,
    상기 제 2 사용자의 행위에 대하여 미리 설정된 값을 저장하는 저장부를 더 포함하고,
    상기 제어부는 상기 저장부에 저장된 상기 제 2 사용자의 행위에 대하여 미리 설정된 값을 추출하고, 상기 미리 설정된 값에 미리 설정된 가중치를 부가하고, 상기 미리 설정된 값과 미리 설정된 가중치에 기초하여 상기 제 2 사용자의 행위에 대한 행위 지수를 결정하는 것을 특징으로 하는 영향력 지수 설정 장치.
  13. 제 8 항에 있어서,
    상기 제 2 사용자의 행위에 대하여 미리 설정된 값을 저장하는 저장부를 더 포함하고,
    상기 제어부는 상기 저장부에 저장된 상기 제 2 사용자의 행위에 대하여 미리 설정된 값을 추출하여, 상기 미리 설정된 값에 상기 행위 발생과 관련된 확률을 부가하여 행위 지수를 결정하는 것을 특징으로 하는 영향력 지수 설정 장치.
  14. 제 8 항에 있어서,
    상기 제어부는 복수의 사용자 중에서 설정된 영향력 지수에 따라 사용자가 업로드한 데이터를 우선하여 표시하는 명령을 상기 통신부를 통하여 외부 장치로 송신하는 것을 특징으로 하는 영향력 지수 설정 장치.
KR1020120021728A 2012-03-02 2012-03-02 네트워크 서비스에서의 사용자 영향력 지수 설정 방법 및 그 장치 KR101346288B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120021728A KR101346288B1 (ko) 2012-03-02 2012-03-02 네트워크 서비스에서의 사용자 영향력 지수 설정 방법 및 그 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120021728A KR101346288B1 (ko) 2012-03-02 2012-03-02 네트워크 서비스에서의 사용자 영향력 지수 설정 방법 및 그 장치

Publications (2)

Publication Number Publication Date
KR20130100494A true KR20130100494A (ko) 2013-09-11
KR101346288B1 KR101346288B1 (ko) 2013-12-31

Family

ID=49451182

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120021728A KR101346288B1 (ko) 2012-03-02 2012-03-02 네트워크 서비스에서의 사용자 영향력 지수 설정 방법 및 그 장치

Country Status (1)

Country Link
KR (1) KR101346288B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170001367A (ko) * 2015-06-26 2017-01-04 주식회사 케이티 소셜 데이터를 이용한 대인 간 영향력 평가 시스템 및 방법
KR20200043347A (ko) * 2020-04-16 2020-04-27 리더스가이드 주식회사 집단 지능을 이용한 상품 검증 방법, 서버, 프로그램 및 컴퓨터 판독 가능한 기록 매체
WO2020101081A1 (ko) * 2018-11-15 2020-05-22 경희대학교산학협력단 고 영향 노드의 결정 방법, 고 영향 노드의 결정 장치, 바이럴 마케팅에서의 마케팅 비용 최소화 방법 및 이를 수행하기 위한 시스템

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101698492B1 (ko) 2015-11-19 2017-01-20 주식회사 사이람 소셜미디어 상의 사용자 컨텐츠 확산 영향력 측정 방법 및 장치
KR102643597B1 (ko) * 2023-04-05 2024-03-05 이재영 담배꽁초를 이용한 설문조사 장치

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100771142B1 (ko) * 2006-03-07 2007-11-19 오피니티 에이피(주) 사용자의 평판 스코어를 제공하는 리뷰 스코어링 방법 및시스템
KR100913905B1 (ko) * 2007-04-12 2009-08-26 엔에이치엔비즈니스플랫폼 주식회사 블로그 분석 방법 및 시스템
KR101206863B1 (ko) * 2010-01-26 2012-11-30 건국대학교 산학협력단 온라인 네트워크 사용자의 평판도 산출 방법 및 장치
KR101139544B1 (ko) * 2010-04-22 2012-04-27 한양대학교 산학협력단 블로그 포스트의 랭킹 결정 방법 및 시스템

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170001367A (ko) * 2015-06-26 2017-01-04 주식회사 케이티 소셜 데이터를 이용한 대인 간 영향력 평가 시스템 및 방법
WO2020101081A1 (ko) * 2018-11-15 2020-05-22 경희대학교산학협력단 고 영향 노드의 결정 방법, 고 영향 노드의 결정 장치, 바이럴 마케팅에서의 마케팅 비용 최소화 방법 및 이를 수행하기 위한 시스템
KR20200043347A (ko) * 2020-04-16 2020-04-27 리더스가이드 주식회사 집단 지능을 이용한 상품 검증 방법, 서버, 프로그램 및 컴퓨터 판독 가능한 기록 매체

Also Published As

Publication number Publication date
KR101346288B1 (ko) 2013-12-31

Similar Documents

Publication Publication Date Title
US10673988B2 (en) Creation, publication and display of content on a social media network
US9977911B2 (en) Methods and systems for managing permissions to access mobile device resources
US9286642B2 (en) Content access management in a social networking system for externally stored content
US8874639B2 (en) Determining advertising effectiveness outside of a social networking system
US9947031B2 (en) Content access management in a social networking system for locally stored content
US20130185143A1 (en) Amplification of a social object through automatic republishing of the social object on curated content pages based on relevancy
US10084885B2 (en) Systems and methods for substituting references to content
US11082508B2 (en) Devices, systems, and methods for tracking digital reading behavior of users
EP3072321B1 (en) Enabling pseudonymous lifelike social media interactions
KR101346288B1 (ko) 네트워크 서비스에서의 사용자 영향력 지수 설정 방법 및 그 장치
WO2017164853A1 (en) Systems and methods for identifying matching content
US20130219339A1 (en) Method and system for managing sharing of content on an online sharing platform
US20160012133A1 (en) Method and apparatus for setting influence index of user in network service
US9460300B1 (en) Utilizing multiple access control objects to manage access control
US11676121B2 (en) Systems and methods for content management
US10425377B2 (en) Systems and methods to manage an event broadcast in a social network
KR101346287B1 (ko) 데이터 지수 설정 방법 및 그 장치
US10992737B2 (en) Systems and methods for interacting with media devices
US10984061B2 (en) Systems and methods for providing communications to and from verified entities
KR101525239B1 (ko) 광고 정보 제공 방법 및 그 장치
CN117155891B (zh) 一键在多个社交媒体平台发送消息的方法及装置
WO2014137000A1 (ko) 데이터 지수 설정 방법 및 그 장치
KR20240036965A (ko) 소셜 미디어에서 은닉형 컨텐츠 제공 방법 및 은닉형 컨텐츠를 제공하는 소셜 미디어 시스템
EP3223228A1 (en) Systems and methods for identifying matching content in a social network
Phillips Social Media Systems Records and Information Governance Challenges

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: 20161222

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20171222

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20181224

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20200224

Year of fee payment: 7