KR20140000408A - 전문가 검색 시스템 및 방법 - Google Patents
전문가 검색 시스템 및 방법 Download PDFInfo
- Publication number
- KR20140000408A KR20140000408A KR1020120067257A KR20120067257A KR20140000408A KR 20140000408 A KR20140000408 A KR 20140000408A KR 1020120067257 A KR1020120067257 A KR 1020120067257A KR 20120067257 A KR20120067257 A KR 20120067257A KR 20140000408 A KR20140000408 A KR 20140000408A
- Authority
- KR
- South Korea
- Prior art keywords
- expert
- network
- user
- pool
- experts
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000000694 effects Effects 0.000 claims abstract description 37
- 238000004458 analytical method Methods 0.000 claims abstract description 26
- 238000011156 evaluation Methods 0.000 claims abstract description 15
- 230000006855 networking Effects 0.000 claims description 13
- 239000000284 extract Substances 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 238000003012 network analysis Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000000877 morphologic effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
전문가 검색 시스템 및 방법이 개시된다. 본 발명의 일 실시예에 따른 전문가 검색 시스템은, 네트워크 이용자들의 상기 네트워크 내 활동 내역을 분석하고, 상기 분석 결과에 따라 전문 분야별로 선정된 전문가들을 순위화하여 전문가 풀을 구성하는 전문가 풀 생성 모듈, 사용자의 질의에 따라 상기 전문가 풀을 검색하고, 검색 결과 도출된 전문가의 리스트를 상기 사용자에게 제공하는 전문가 검색 모듈, 및 상기 사용자로부터 입력된 전문가 별 평가 결과를 이용하여 상기 전문가 풀을 업데이트하는 피드백 모듈을 포함한다.
Description
본 발명은 네트워크상에서 용이하게 전문가를 검색하고 검색된 전문가와의 협업을 가능하도록 하기 위한 기술과 관련된다.
기존의 산업화 사회에서 정보화 사회로 접어들면서, 기업에서도 점차 지식경영에 대한 요구가 높아지고 있다. 특히 종래에는 지식경영이 노하우(Know-how) 위주로 관리되었으나 최근에는 노-웨어(Know-where)에 대한 중요성이 대두되었다. 지식 자체에 대한 보안 및 지식재산권 강화 등으로 인해 일반적인 지식경영 데이터베이스에 등록되는 지식들은 대부분 오래되었거나, 비핵심적인 정보들이 대부분이 된 반면, 해당 분야의 실질적 지식을 가진 이른바 전문가에 대한 니즈(needs)는 나날이 높아지고 있는 것이다. 일반적인 문제 해결이나 멘토링, 프로젝트 스태핑(staffing) 뿐만 아니라 최신의 지식을 구하기 위해서도 적합한 전문가가 누구인가에 대한 니즈는 급격히 증가하고 있다.
그러나 기존의 전문가 집단 관리 방식은, 학위 소지자, 고직급자 등을 일정 테스트를 통해 전문가로 선정하고 이들에 대한 정보를 데이터베이스화하여 제공하는 방식이었다. 그러나 이 경우 개인별, 사안별, 또는 분야별로 필요한 전문가에 대한 수요 및 레벨이 상이하여 일괄적인 기준을 적용하는 것이 불가능하였고, 특히 전문가 선발 과정에 드는 비용상의 문제로 각 분야별 전문가에 대한 최신정보를 얻는 것이 매우 어려운 문제가 있었다.
본 발명의 실시예들은 각 네트워크 이용자들의 네트워크 이용 내역을 분석하여 각 전문 분야별 전문가를 선정하고 선정된 전문가와의 협업을 지원할 수 있는 전문가 검색 수단을 제공하는 데 그 목적이 있다.
본 발명의 일 실시예에 따른 전문가 검색 시스템은, 네트워크 이용자들의 상기 네트워크 내 활동 내역을 분석하고, 상기 분석 결과에 따라 전문 분야별로 선정된 전문가들을 순위화하여 전문가 풀을 구성하는 전문가 풀 생성 모듈, 사용자의 질의에 따라 상기 전문가 풀을 검색하고, 검색 결과 도출된 전문가의 리스트를 상기 사용자에게 제공하는 전문가 검색 모듈, 및 상기 사용자로부터 입력된 전문가 별 평가 결과를 이용하여 상기 전문가 풀을 업데이트하는 피드백 모듈을 포함한다.
한편, 본 발명의 일 실시예에 따른 전문가 검색 방법은, 전문가 풀 생성 모듈에서, 네트워크 이용자들의 상기 네트워크 내 활동 내역을 분석하고, 상기 분석 결과에 따라 전문 분야별 전문가를 선정하는 단계, 상기 전문가 풀 생성 모듈에서, 선정된 전문가들을 순위화하여 전문가 풀을 구성하는 단계, 전문가 검색 모듈에서, 사용자의 질의에 따라 상기 전문가 풀을 검색하고, 검색 결과 도출된 전문가 리스트를 상기 사용자에게 제공하는 전문가 검색 단계, 및 피드백 모듈에서, 사용자로부터 입력된 전문가 별 평가 결과를 이용하여 상기 전문가 풀을 업데이트하는 피드백 단계를 포함한다.
본 발명의 실시예들에 따를 경우 전문가를 선발하기 위한 별도의 테스트나 인터뷰, 전문가 모집 등을 할 필요 없이 평소의 업무활동, 지식활동 등의 네트워크 내 활동만으로 최신 전문가를 검색해 낼 수 있는 장점이 있다.
또한, 본 발명의 실시예들에 따를 경우 검색된 전문가의 조력을 받은 이용자들의 피드백에 따라 전문가 정보를 지속적으로 업데이트하므로, 실질적으로 도움이 되는 전문가의 정보를 제공할 수 있는 장점이 있다.
도 1은 본 발명의 일 실시예에 따른 전문가 검색 시스템을 포함하는 전체 네트워크 서비스 시스템(100)을 설명하기 위한 블록도이다.
도 2는 본 발명의 일 실시예에 따른 전문가 검색 시스템(106)의 상세 구성을 설명하기 위한 블록도이다.
도 3은 사회관계망 분석을 통해 각 이용자들의 연결도를 시각적으로 분석한 일례를 나타낸 도면이다.
도 4는 본 발명의 일 실시예에 따라 전문가 추천 리스트를 제공하는 화면을 예시한 도면이다.
도 5는 본 발명의 일 실시예에 따른 전문가 검색 방법(500)을 도시한 순서도이다.
도 2는 본 발명의 일 실시예에 따른 전문가 검색 시스템(106)의 상세 구성을 설명하기 위한 블록도이다.
도 3은 사회관계망 분석을 통해 각 이용자들의 연결도를 시각적으로 분석한 일례를 나타낸 도면이다.
도 4는 본 발명의 일 실시예에 따라 전문가 추천 리스트를 제공하는 화면을 예시한 도면이다.
도 5는 본 발명의 일 실시예에 따른 전문가 검색 방법(500)을 도시한 순서도이다.
이하, 도면을 참조하여 본 발명의 구체적인 실시형태를 설명하기로 한다. 그러나 이는 예시에 불과하며 본 발명은 이에 제한되지 않는다.
본 발명을 설명함에 있어서, 본 발명과 관련된 공지기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다. 그리고, 후술되는 용어들은 본 발명에서의 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.
본 발명의 기술적 사상은 청구범위에 의해 결정되며, 이하의 실시예는 본 발명의 기술적 사상을 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 효율적으로 설명하기 위한 일 수단일 뿐이다.
도 1은 본 발명의 일 실시예에 따른 전문가 검색 시스템을 포함하는 전체 네트워크 서비스 시스템(100)을 설명하기 위한 블록도이다. 도시된 바와 같이, 네트워크 서비스 시스템(100)은 복수 개의 네트워크 서비스 엔티티(102), 복수 개의 네트워크 이용자 단말(104) 및 전문가 검색 시스템(106)을 포함하며, 상술한 각 구성요소들은 유선 또는 무선 네트워크(108)를 통하여 서로 연결되어 데이터를 주고받도록 구성된다.
네트워크 서비스 엔티티(102)는 네트워크 이용자들에게 온라인상의 서비스를 제공하기 위한 네트워크 내 구성요소로서, 예를 들어 이메일 서비스, 블로그 서비스, 소셜 네트워크 서비스(SNS), 온라인 게시판 서비스, 온라인 커뮤니티 서비스 등 일반적으로 인터넷상에서 제공되는 모든 종류의 서비스들을 포함한다.
네트워크 이용자 단말(104)은 네트워크 서비스 엔티티(102)에서 제공하는 서비스를 이용하려는 네트워크 이용자들이 사용하는 단말이다. 본 발명의 실시예에서 네트워크 이용자 단말(104)은 네트워크에 접속하여 서비스를 제공받을 수 있는 모든 종류의 사용자 기기를 포함한다. 예를 들어 데스크탑 또는 노트북 컴퓨터, 스마트폰, PDA(Personal Data Assistant), 태블릿 컴퓨터 등의 개인 휴대 단말 등이 본 발명에 따른 네트워크 이용자 단말(104)이 될 수 있다.
전문가 검색 시스템(106)은 상기 네트워크 이용자들에게 개인별 또는 사안 별로 필요한 전문가를 검색하고, 검색된 전문가와의 협업을 수행할 수 있도록 하기 위한 수단을 제공하는 시스템이다. 전문가 검색 시스템(106)은 네트워크 이용자들의 네트워크(108) 내 활동 내역 (즉, 네트워크 이용자 단말(104)을 통한 네트워크 이용자들의 네트워크 서비스 엔티티(102) 이용 내역)을 분석하고, 분석 결과에 따라 분야별 전문가를 선정한다. 예를 들어, 특정 네트워크 이용자가 주로 네트워크 보안과 관련하여 자주 블로그 글을 게시하거나, SNS 내 다른 이용자들과 대화를 주고받거나, 또는 이메일을 자주 송수신하거나 할 경우, 전문가 검색 시스템(106)은 해당 네트워크 이용자의 네트워크 이용 내역을 분석하여 해당 이용자를 네트워크 보안 분야의 전문가로 선정할 수 있다. 또한, 전문가 검색 시스템(106)은 선정된 전문가들을 네트워크 내 활동 내역의 정도에 따라 순위화하고 순위화된 전문가 정보를 데이터베이스 형태의 전문가 풀로 구축하여 사용자에게 제공할 수 있으며, 검색된 전문가와의 협업 결과에 따른 이용자들의 전문가 평가(피드백)를 반영하여 상기 전문가 정보를 지속적으로 업데이트할 수 있다.
도 2는 본 발명의 일 실시예에 따른 전문가 검색 시스템(106)의 상세 구성을 설명하기 위한 블록도이다. 도시된 바와 같이, 본 발명의 일 실시예에 따른 전문가 검색 시스템(106)은 전문가 풀 생성 모듈(200), 전문가 검색 모듈(202) 및 피드백 모듈(204)을 포함한다.
전문가 풀 생성 모듈(200)은 네트워크 이용자들의 네트워크(108) 내 활동 내역을 분석하고, 상기 분석 결과에 따라 전문 분야별로 선정된 전문가들을 순위화하여 전문가 풀을 구성한다.
전문가 풀 생성 모듈(200)은 상기 네트워크 이용자들의 네트워크 내 활동 내역으로부터 각 네트워크 이용자 별 유효 태그를 추출하고, 상기 유효 태그를 이용하여 각 네트워크 이용자의 전문 분야를 선정할 수 있다. 상기 네트워크 내 활동 내역은, 예를 들어 각 네트워크 이용자들의 메일 수신/발신 내역, 사내 지식경영시스템(사내에 필요한 지식 또는 정보들을 수집 및 관리하기 위한 시스템을 의미) 내에서 지식을 등록, 조회 또는 검증한 내역, 각종 게시판 내에서의 게시글 등록/조회 내역, 블로그 게시글 등록/조회 내역, 소셜 네트워크 서비스 이용 내역, 또는 상기 네트워크 이용자들이 등록한 개인 프로필 정보(수행한 프로젝트 이력, 부서 이력, 수상 내역, 집필 내역, 강의 이력, 전공 및 관심 분야 등) 등을 포함할 수 있다.
상기 유효 태그 선정 과정을 좀 더 구체적으로 설명하면 다음과 같다. 전문가 풀 생성 모듈(200)은 상술한 네트워크 내에 게시한 문서, 예를 들어 각 네트워크 이용자가 게시한 게시글 또는 송신한 이메일 등을 수집하고, 상기 활동 내역에 대한 형태소 분석 등을 통하여 상기 활동 내역으로부터 키워드를 추출한다. 문서로부터 형태소 분석을 통하여 키워드를 추출하기 위한 알고리즘 등은 본 기술분야에서 잘 알려져 있으므로 여기서는 그 상세한 설명을 생략한다.
키워드가 추출되면, 전문가 풀 생성 모듈(200)은 추출된 상기 키워드 중 소정의 기준을 만족하는 키워드를 유효 태그로 선정한다. 유효 태그 선정 기준은 다음과 같이 정해질 수 있다.
먼저, 전문가 풀 생성 모듈(200)은 특정 네트워크 이용자가 네트워크(108)에 등록한 문서에 포함된 키워드 중 기 설정된 값 이상의 빈도를 나타내는 키워드를 해당 네트워크 이용자의 유효 태그로 추출할 수 있다. 예를 들어 하나의 문서에서 5% 이상의 빈도로 출현한 키워드의 경우 상기 유효 태그가 될 수 있다. 문서에서 자주 등장하는 키워드의 경우 해당 문서의 주제와 가깝거나 또는 해당 문서의 작성자가 잘 알고 있는 분야의 용어 등일 가능성이 높기 때문이다.
또는, 특정 네트워크 이용자가 상기 네트워크 내의 콘텐츠를 검색하는 데 사용된 키워드 중 기 설정된 회수 이상 검색된 키워드를 해당 네트워크 이용자의 유효 태그로 추출할 수 있다. 예를 들어, 특정 네트워크 이용자에 의해 20회 이상 검색된 키워드의 경우 해당 네트워크 이용자의 유효 태그가 될 수 있다. 이는 일반적으로 특정 키워드를 자주 검색할 경우, 해당 키워드와 연관된 주제와 관련된 업무를 수행하고 있거나 해당 주제에 관심이 높을 가능성이 높기 때문이다.
또한, 전문가 풀 생성 모듈(200)은 각 문서의 작성자가 직접 정의한 태그 등을 유효 태그로 선정할 수도 있다. 문서에 정의된 태그들은 사용자가 해당 문서의 주제를 가장 잘 나타낼 수 있도록 부여한 것이므로, 이를 이용할 경우 해당 네트워크 이용자의 관심 분야 등을 정확히 측정할 수 있다.
이와 같이 전문가 풀 생성 모듈(200)에서의 유효 태그 추출 기준을 열거하였으나, 이는 단지 예시적인 것일 뿐 본 발명이 이에 한정되는 것은 아니다. 즉, 전문가 풀 생성 모듈(200)은 네트워크 및 이용자들의 특성에 따라 적절한 유효 태그 추출 기준을 설정할 수 있으며, 본 발명의 권리범위는 특정한 유효 태그 추출 기준에 한정되는 것은 아니다.
상술한 과정을 거쳐 네트워크 이용자 별 유효 태그가 추출되면, 전문가 풀 생성 모듈(200)은 추출된 유효 태그의 빈도수를 계산하고, 이에 따라 각 네트워크 이용자 별 전문 분야를 선정한다. 즉, 전문가 풀 생성 모듈(200)은 추출된 상기 유효 태그의 빈도수가 기 설정된 값 이상(예를 들어, 20회 이상)인 유효 태그가 속한 전문 분야를 해당 네트워크 이용자의 전문 분야로 선정할 수 있다. 예를 들어, 특정 네트워크 이용자가 등록한 게시글에서 "자금", "예산", "투자" 등의 유효 태그가 다수 추출될 경우, 전문가 풀 생성 모듈(200)은, 자금, 예산, 투자 등의 키워드가 속한 전문 분야, 즉 재무/회계 분야를 해당 네트워크 이용자의 전문 분야로 선정할 수 있다.
만약 상기 유효 태그가 네트워크 이용자로부터 직접 정의된 태그일 경우, 전문가 풀 생성 모듈(200)은 정의된 태그의 빈도수가 기 설정된 값 이상(예를 들어, 10회 이상)인 유효 태그를 해당 네트워크 이용자의 전문 분야로 선할 수 있다. 즉, 전문가 풀 생성 모듈(200)은 해당 유효 태그가 문서로부터 추출된 것인지 또는 네트워크 이용자로부터 직접 정의된 것인지에 따라 전문 분야 선정을 위한 빈도수 기준값을 달리 정할 수 있다. 네트워크 이용자에 의해 직접 정의된 것일 경우에는 형태소 분석에 의할 때 보다 더욱 정확하게 해당 네트워크 이용자의 전문 분야를 알아낼 수 있기 때문이다. 또한, 전문가 풀 생성 모듈(200)은 네트워크 이용자가 자신의 프로필에 등록한 전문 분야를 해당 네트워크 이용자의 전문 분야로 선정할 수도 있다.
한편, 전문가 풀 생성 모듈(200)은 사회관계망 분석(Social Network Analysis)를 이용하여 각 전문 분야 별 전문가를 선정할 수 있다. 즉, 사회관계망 분석을 통하여 해당 전문 분야에서 핵심적 역할을 하는 허브(hub)를 찾아낼 수 있다. 이 허브에 위치한 네트워크 이용자는 전문가이거나 또는 지식 중개인일 가능성이 높으므로, 사회관계망 분석을 통해 이를 알아낼 경우 이른바 know-where를 알 수 있게 되며 이를 통해 필요한 바를 얻거나 또는 얻을 수 있는 단초를 구할 수 있게 된다.
구체적으로, 전문가 풀 생성 모듈(200)은 특정 전문 분야별로 정의된 키워드에 대하여 네트워크 이용자들의 소셜 네트워킹 활동(메일 수신/발신, 메신저 이용 내역, 게시글 등록/조회 내역 등)을 수집하고, 이를 소정의 사회관계망 분석 툴(tool)을 이용하여 분석하여 각각의 이용자들의 타 이용자와의 연결도(connectivity), 다시 말해 해당 키워드와 관련한 타 이용자들과의 커뮤니케이션 정도를 점수화한다. 이때 상기 연결도의 값이 높은 사람일 경우에는 해당 전문 분야의 허브 역할을 하는 전문가일 가능성이 높으므로, 전문가 풀 생성 모듈(200)은 상기 소셜 네트워킹 활동 분석 결과 타 네트워크 이용자와의 연결도가 기 설정된 값 이상인 네트워크 이용자를 상기 특정 키워드가 속한 전문 분야의 전문가로 선정하게 된다.
도 3에 이와 같은 사회관계망 분석을 통해 각 이용자들의 연결도를 시각적으로 분석한 일례를 나타내었다. 도시된 실시예에서, 원형으로 표시한 이용자들의 경우 타 이용자와의 연결도가 비교적 높은 것을 알 수 있으며, 이러한 이용자들의 경우 본 전문 분야의 전문가일 가능성이 높다. 구체적인 사회관계망 분석 방법론 등의 경우 본 기술분야에서 알려져 있는 알고리즘 중 적절하다고 판단되는 것을 사용할 수 있으며, 본 발명은 특정한 사회관계망 분석 알고리즘에 한정되는 것은 아니다.
이상과 같은 방법을 통해 각 네트워크 이용자들의 네트워크 활동 내역 분석, 사회관계망 분석 결과 등이 계산되고 나면, 전문가 풀 생성 모듈(200)은 계산된 결과들을 이용하여 각 전문 분야별 각 네트워크 이용자의 전문가 지수를 계산한다. 상기 전문가 지수는 앞서 계산된 수치들에 기 설정된 가중치를 적용한 값들을 기 설정된 지수 산정 식을 이용하여 합산함으로써 구해질 수 있다. 전문가 풀 생성 모듈(200)은 최근의 네트워크 활동 내역에 더 많은 가중치를 부여하도록 상기 전문가 지수 산정 식을 구성할 수도 있다. 또한, 전문가 풀 생성 모듈(200)은 후술할 피드백 모듈(204)에 따른 피드백 결과 또한 상기 전문가 지수 산정에 반영되도록 상기 전문가 지수 산정 식을 구성할 수 있다.
상술한 식 등을 통하여 각 네트워크 이용자들의 각 전문 분야별 전문가 지수가 계산되면, 전문가 풀 생성 모듈(200)은 계산된 지수를 이용하여 선정된 전문가들을 순위화하며, 이를 데이터베이스화하여 전문가 풀을 구성한다.
상기 전문가 풀은, 예를 들어 선정된 전문가들을 택소노미(taxonomy) 형태, 즉 탑-다운(top-down) 식의 트리 형태로 분류하여 전문가 풀에 저장할 수 있다. 이 경우 상기 택소노미는 다중 분류체계를 지원하도록 구성될 수 있다. 예를 들어, "홍길동"이라는 전문가가 생명보험 분야의 분쟁 및 소송 전문가일 경우 이의 정보는 다음과 같이 분류되어 저장될 수 있다.
예) 홍길동:
업종-금융>보험>생명보험
직무역할-법무관리>분쟁/소송분야 전문가
또는, 전문가 풀 생성 모듈(200)은 선정된 전문가의 전문 분야에 속한 키워드들을 매칭하여 함께 저장할 수 있다. 이때 상기 키워드는 예를 들어 분석 과정에서 추출된 유효 태그 등이 될 수 있다. 예를 들어 다음과 같이 구성될 수 있다.
예) 홍길동:
관련 태그: 보험, 생명보험, 금융, 분쟁, 소송, 화해, 조정 등
다음으로, 전문가 검색 모듈(202)은 사용자의 질의에 따라 생성된 상기 전문가 풀을 검색하고, 검색 결과 도출된 전문가의 리스트를 상기 사용자에게 제공한다. 이때 사용자란 전문가의 조력을 필요로 하는 네트워크 내 이용자를 의미한다. 상기 사용자는 전문가 검색 시스템(106))을 이용하여 자신이 원하는 전문 분야의 전문가를 검색하고, 검색된 전문가로부터 조언을 듣거나 또는 전문가와의 협업을 진행하게 된다.
예를 들어, 전문가의 조력을 얻고자 하는 사용자는 자신이 조력을 희망하는 분야의 키워드를 검색하거나 또는 트리 형태를 순차적으로 탐색하면서 자신이 원하는 분야의 전문가를 찾을 수 있다. 이 경우 전문가 검색 모듈(202)은 입력된 키워드 또는 전문 분야 별 전문가들을 전문가 지수에 따라 정렬하여 상기 사용자에게 추천할 수 있다.
한편, 전문가 검색 모듈(202)은 검색된 전문가와 상기 사용자 간에 중계인이 있을 경우 이의 정보를 해당 전문가와 함께 제공할 수 있다. 예를 들어, 전문가의 조력을 구하고자 하는 사용자와 소셜 네트워크 서비스(SNS) 내에서 지인 관계를 맺은 타 이용자 중 검색된 전문가와 지인 관계를 맺은 이용자가 있을 경우, 해당 타 이용자를 해당 전문가와의 연결을 위한 중계인으로 추천할 수 있다. 상기 중계인은 한 명이 될 수도 있고, 여러 명이 될 수도 있으며, 상황에 따라 여러 단계의 중계인을 거쳐 해당 전문가로 연결될 수도 있다. 도 4는 이와 같은 전문가 추천 리스트 제공 화면을 예시한 것으로서, 도면에서 3번째로 추천된 전문가의 경우 2명의 중계인이 함께 출력된 것을 알 수 있다.
전문가 검색 모듈(202)을 통하여, 사용자는 특정 전문 분야의 전문가를 용이하게 검색할 수 있으며, 검색된 전문가와의 협업 등을 통해 필요한 조력을 받을 수 있다.
다음으로, 피드백 모듈(204)은 상기 사용자로부터 선택된 전문가에 대한 평가 결과를 입력 받고, 입력된 전문가 별 평가 결과를 이용하여 상기 전문가 풀을 업데이트한다.
전문가의 조력을 받은 사용자는 다양한 방법으로 선택된 전문가를 평가할 수 있다. 예를 들어, 상기 사용자는 선택된 전문가의 조력이 유용하다고 생각된 경우 이를 점수화하여 피드백 모듈(204)에 등록하거나 또는 "추천하기" 기능 등을 통해 해당 전문가를 추천할 수 있다. 또한, 향후에도 해당 전문가의 조력이 필요하다고 판단되는 경우에는 해당 전문가를 자신의 "전문가 즐겨찾기" 목록에 등록(태깅)할 수 있으며, 그 밖에 답변(또는 조력)의 신속도 및 정확도 등 다양한 항목을 통하여 해당 전문가를 평가할 수 있다.
피드백 모듈(204)은 이와 같이 각 사용자로부터 등록된 각 전문가 별 피추천수, 즐겨찾기 태깅된 횟수, 답변 만족도 및 답변 신속도 등의 평가 정보를 수신하고, 이를 각 전문가의 전문가 지수에 반영(재계산)한다. 상기 전문가 지수 반영 방법은 다양할 수 있으나, 기본적으로 긍정적인 피드백이 있을 경우 전문가 지수가 상승하고, 반대의 경우 하락하도록 구성됨이 일반적이다.
이와 같이 각 전문가들의 조력에 대한 결과를 전문가 지수에 지속적으로 반영함으로써, 본 발명에 따를 경우 보다 정확한 전문가 정보를 사용자들에게 제공할 수 있게 된다.
도 5는 본 발명의 일 실시예에 따른 전문가 검색 방법(500)을 도시한 순서도이다.
먼저, 전문가 풀 생성 모듈(200)에서 네트워크 이용자들의 네트워크 내 활동 내역을 분석하고, 상기 분석 결과에 따라 전문 분야별 전문가를 선정한다(502).
이때, 상기 502 단계는, 상기 네트워크 이용자들의 상기 네트워크 내 활동 내역으로부터 각 네트워크 이용자 별 유효 태그를 추출하고, 상기 유효 태그를 이용하여 각 네트워크 이용자의 전문 분야를 선정하도록 구성될 수 있다. 또한, 상기 502 단계는 특정 키워드 별로 상기 네트워크 이용자들의 소셜 네트워킹 활동을 분석하고, 상기 소셜 네트워킹 활동 분석 결과 타 네트워크 이용자와의 연결도가 기 설정된 값 이상인 네트워크 이용자를 상기 특정 키워드가 속한 전문 분야의 전문가로 선정하도록 구성될 수 있다. 이와 같은 네트워크 활동 내역 분석 및 소셜 네트워킹 활동 분석과 관련된 상세한 사항은 앞서 자세히 설명하였으므로, 여기서는 반복되는 설명을 생략하기로 한다.
다음으로, 전문가 풀 생성 모듈(200)에서 선정된 전문가들을 순위화하여 전문가 풀을 구성한다(504). 구체적으로, 전문가 풀 생성 모듈(200)은 네트워크 이용자들의 네트워크 내 활동 내역 및 상기 소셜 네트워킹 분석 결과를 이용하여 각 전문 분야별로 선정된 전문가의 전문가 지수를 계산하고, 계산된 전문가 지수에 따라 선정된 전문가들을 순위화하여 전문가 풀 데이터베이스에 저장 및 관리하게 된다.
다음으로, 전문가 검색 모듈(202)에서, 사용자의 질의에 따라 상기 전문가 풀을 검색하고, 검색 결과 도출된 전문가 리스트를 상기 사용자에게 제공한다(506). 이때, 전문가 검색 모듈(202)은 상기 검색 결과 상기 전문가 풀로부터 도출된 전문가들을 계산된 상기 전문가 지수에 따라 정렬하여 상기 사용자에게 제공하도록 구성된다. 또한, 상기 사용자와 검색된 전문가 간에 공통으로 지인 관계를 맺은 네트워크 내 타 이용자가 존재하는 경우, 상기 타 이용자를 해당 전문가의 중계인으로 전문가 검색 결과와 함께 사용자에게 제공할 수 있다.
마지막으로, 피드백 모듈(204)에서 사용자로부터 입력된 전문가 별 평가 결과를 이용하여 상기 전문가 풀을 업데이트한다(508). 즉, 본 단계에서는 전문가 별 피추천수, 즐겨찾기 태깅된 횟수, 답변 만족도 및 답변 신속도 중 하나 이상을 포함하는 전문가 별 평가 정보를 상기 사용자로부터 수신하고, 입력된 상기 전문가 별 평가 결과를 이용하여 상기 전문가 지수를 재계산한다.
한편, 본 발명의 실시예는 본 명세서에서 기술한 방법들을 컴퓨터상에서 수행하기 위한 프로그램을 포함하는 컴퓨터 판독 가능 기록매체를 포함할 수 있다. 상기 컴퓨터 판독 가능 기록매체는 프로그램 명령, 로컬 데이터 파일, 로컬 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체는 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 분야에서 통상의 지식을 가진 자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD와 같은 광 기록 매체, 플로피 디스크와 같은 자기-광 매체, 및 롬, 램, 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 포함할 수 있다.
이상에서 대표적인 실시예를 통하여 본 발명에 대하여 상세하게 설명하였으나, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 상술한 실시예에 대하여 본 발명의 범주에서 벗어나지 않는 한도 내에서 다양한 변형이 가능함을 이해할 것이다.
그러므로 본 발명의 권리범위는 설명된 실시예에 국한되어 정해져서는 안 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
100: 네트워크 서비스 시스템
102: 네트워크 서비스 엔티티
104: 네트워크 이용자 단말
106: 전문가 검색 시스템
200: 전문가 풀 생성 모듈
202: 전문가 검색 모듈
204: 피드백 모듈
102: 네트워크 서비스 엔티티
104: 네트워크 이용자 단말
106: 전문가 검색 시스템
200: 전문가 풀 생성 모듈
202: 전문가 검색 모듈
204: 피드백 모듈
Claims (25)
- 네트워크 이용자들의 상기 네트워크 내 활동 내역을 분석하고, 상기 분석 결과에 따라 전문 분야별로 선정된 전문가들을 순위화하여 전문가 풀을 구성하는 전문가 풀 생성 모듈;
사용자의 질의에 따라 상기 전문가 풀을 검색하고, 검색 결과 도출된 전문가의 리스트를 상기 사용자에게 제공하는 전문가 검색 모듈; 및
상기 사용자로부터 입력된 전문가 별 평가 결과를 이용하여 상기 전문가 풀을 업데이트하는 피드백 모듈을 포함하는 전문가 검색 시스템.
- 청구항 1에 있어서,
상기 전문가 풀 생성 모듈은, 상기 네트워크 이용자들의 상기 네트워크 내 활동 내역으로부터 각 네트워크 이용자 별 유효 태그를 추출하고, 상기 유효 태그를 이용하여 각 네트워크 이용자의 전문 분야를 선정하는, 전문가 검색 시스템.
- 청구항 2에 있어서,
상기 네트워크 내 활동 내역은, 각 네트워크 이용자들의 메일 수신/발신 내역, 게시판 내에서의 게시글 등록/조회 내역, 블로그 게시글 등록/조회 내역, 소셜네트워크 서비스 이용 내역 및 상기 네트워크 이용자들이 등록한 개인 프로필 정보 중 하나 이상을 포함하는, 전문가 검색 시스템.
- 청구항 2에 있어서,
상기 전문가 풀 생성 모듈은, 특정 네트워크 이용자가 상기 네트워크에 등록한 문서에 포함된 키워드 중 기 설정된 값 이상의 빈도를 나타내는 키워드를 해당 네트워크 이용자의 유효 태그로 추출하는, 전문가 검색 시스템.
- 청구항 2에 있어서,
상기 전문가 풀 생성 모듈은, 특정 네트워크 이용자가 상기 네트워크 내의 콘텐츠를 검색하는 데 사용된 키워드 중 기 설정된 회수 이상 검색된 키워드를 해당 네트워크 이용자의 유효 태그로 추출하는, 전문가 검색 시스템.
- 청구항 2에 있어서,
상기 전문가 풀 생성 모듈은, 추출된 상기 유효 태그의 빈도수가 기 설정된 값 이상인 유효 태그가 속한 전문 분야를 해당 네트워크 이용자의 전문 분야로 선정하는, 전문가 검색 시스템.
- 청구항 2에 있어서,
상기 전문가 풀 생성 모듈은, 특정 키워드 별로 상기 네트워크 이용자들의 소셜 네트워킹 활동을 분석하고, 상기 소셜 네트워킹 활동 분석 결과 타 네트워크 이용자와의 연결도가 기 설정된 값 이상인 네트워크 이용자를 상기 특정 키워드가 속한 전문 분야의 전문가로 선정하는, 전문가 검색 시스템.
- 청구항 7에 있어서,
상기 전문가 풀 생성 모듈은, 상기 네트워크 이용자들의 네트워크 내 활동 내역 및 상기 소셜 네트워킹 분석 결과를 이용하여 각 전문 분야별로 선정된 전문가의 전문가 지수를 계산하고, 계산된 전문가 지수에 따라 선정된 전문가들을 순위화하는, 전문가 검색 시스템.
- 청구항 8에 있어서,
상기 전문가 검색 모듈은, 상기 검색 결과 상기 전문가 풀로부터 도출된 전문가들을 계산된 상기 전문가 지수에 따라 정렬하여 상기 사용자에게 제공하는, 전문가 검색 시스템.
- 청구항 9에 있어서,
상기 전문가 검색 모듈은, 상기 사용자와 검색된 전문가 간에 공통으로 지인 관계를 맺은 네트워크 내 타 이용자가 존재하는 경우, 상기 타 이용자를 해당 전문가의 중계인으로 상기 사용자에게 제공하는, 전문가 검색 시스템.
- 청구항 8에 있어서,
상기 피드백 모듈은, 각 전문가 별 피추천수, 즐겨찾기 태깅된 횟수, 답변 만족도 및 답변 신속도 중 하나 이상을 포함하는 전문가 별 평가 정보를 상기 사용자로부터 수신하는, 전문가 검색 시스템.
- 청구항 11에 있어서,
상기 피드백 모듈은, 상기 사용자로부터 입력된 상기 전문가 별 평가 결과를 이용하여 상기 전문가 지수를 재계산하는, 전문가 검색 시스템.
- 전문가 풀 생성 모듈에서, 네트워크 이용자들의 상기 네트워크 내 활동 내역을 분석하고, 상기 분석 결과에 따라 전문 분야별 전문가를 선정하는 단계;
상기 전문가 풀 생성 모듈에서, 선정된 전문가들을 순위화하여 전문가 풀을 구성하는 단계;
전문가 검색 모듈에서, 사용자의 질의에 따라 상기 전문가 풀을 검색하고, 검색 결과 도출된 전문가 리스트를 상기 사용자에게 제공하는 전문가 검색 단계; 및
피드백 모듈에서, 사용자로부터 입력된 전문가 별 평가 결과를 이용하여 상기 전문가 풀을 업데이트하는 피드백 단계를 포함하는 전문가 검색 방법.
- 청구항 13에 있어서,
상기 전문가 선정 단계는, 상기 네트워크 이용자들의 상기 네트워크 내 활동 내역으로부터 각 네트워크 이용자 별 유효 태그를 추출하고, 상기 유효 태그를 이용하여 각 네트워크 이용자의 전문 분야를 선정하는, 전문가 검색 방법.
- 청구항 14에 있어서,
상기 네트워크 내 활동 내역은, 각 네트워크 이용자들의 메일 수신/발신 내역, 게시판 내에서의 게시글 등록/조회 내역, 블로그 게시글 등록/조회 내역, 소셜네트워크 서비스 이용 내역 및 상기 네트워크 이용자들이 등록한 개인 프로필 정보 중 하나 이상을 포함하는, 전문가 검색 방법.
- 청구항 14에 있어서,
상기 전문가 선정 단계는, 특정 네트워크 이용자가 상기 네트워크에 등록한 문서에 포함된 키워드 중 기 설정된 값 이상의 빈도를 나타내는 키워드를 해당 네트워크 이용자의 유효 태그로 추출하는, 전문가 검색 방법.
- 청구항 14에 있어서,
상기 전문가 선정 단계는, 특정 네트워크 이용자가 상기 네트워크 내의 콘텐츠를 검색하는 데 사용된 키워드 중 기 설정된 회수 이상 검색된 키워드를 해당 네트워크 이용자의 유효 태그로 추출하는, 전문가 검색 방법.
- 청구항 14에 있어서,
상기 전문가 선정 단계는, 추출된 상기 유효 태그의 빈도수가 기 설정된 값 이상인 유효 태그가 속한 전문 분야를 해당 네트워크 이용자의 전문 분야로 선정하는, 전문가 검색 방법.
- 청구항 14에 있어서,
상기 전문가 선정 단계는, 특정 키워드 별로 상기 네트워크 이용자들의 소셜 네트워킹 활동을 분석하고, 상기 소셜 네트워킹 활동 분석 결과 타 네트워크 이용자와의 연결도가 기 설정된 값 이상인 네트워크 이용자를 상기 특정 키워드가 속한 전문 분야의 전문가로 선정하는, 전문가 검색 방법.
- 청구항 19에 있어서,
상기 전문가 풀 구성 단계는, 상기 네트워크 이용자들의 네트워크 내 활동 내역 및 상기 소셜 네트워킹 분석 결과를 이용하여 각 전문 분야별로 선정된 전문가의 전문가 지수를 계산하고, 계산된 전문가 지수에 따라 선정된 전문가들을 순위화하는, 전문가 검색 방법.
- 청구항 20에 있어서,
상기 전문가 검색 단계는, 상기 검색 결과 상기 전문가 풀로부터 도출된 전문가들을 계산된 상기 전문가 지수에 따라 정렬하여 상기 사용자에게 제공하는, 전문가 검색 방법.
- 청구항 21에 있어서,
상기 전문가 검색 단계는, 상기 사용자와 검색된 전문가 간에 공통으로 지인 관계를 맺은 네트워크 내 타 이용자가 존재하는 경우, 상기 타 이용자를 해당 전문가의 중계인으로 상기 사용자에게 제공하는, 전문가 검색 방법.
- 청구항 20에 있어서,
상기 피드백 단계는, 각 전문가 별 피추천수, 즐겨찾기 태깅된 횟수, 답변 만족도 및 답변 신속도 중 하나 이상을 포함하는 전문가 별 평가 정보를 상기 사용자로부터 수신하는, 전문가 검색 시스템.
- 청구항 23에 있어서,
상기 피드백 단계는, 상기 사용자로부터 입력된 상기 전문가 별 평가 결과를 이용하여 상기 전문가 지수를 재계산하는, 전문가 검색 방법.
- 청구항 13 내지 24 중 어느 한 항에 기재된 방법을 컴퓨터상에서 수행하기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020120067257A KR101425054B1 (ko) | 2012-06-22 | 2012-06-22 | 전문가 검색 시스템 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020120067257A KR101425054B1 (ko) | 2012-06-22 | 2012-06-22 | 전문가 검색 시스템 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20140000408A true KR20140000408A (ko) | 2014-01-03 |
| KR101425054B1 KR101425054B1 (ko) | 2014-08-01 |
Family
ID=50138287
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020120067257A KR101425054B1 (ko) | 2012-06-22 | 2012-06-22 | 전문가 검색 시스템 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101425054B1 (ko) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150116604A (ko) * | 2014-04-08 | 2015-10-16 | 한국항공대학교산학협력단 | 실시간 지식기반 공유 스마트 러닝 시스템 및 그 방법 |
| KR20170141166A (ko) * | 2016-04-28 | 2017-12-22 | (주)전자조달연구원 | 입찰 전문가와 입찰 참여자의 매칭 플랫폼 시스템 및 방법 |
| KR20180072049A (ko) | 2016-12-21 | 2018-06-29 | 주식회사 한방종합컨설팅 | 사용자 맞춤형 전문가 매칭 및 검색 시스템 및 그 방법 |
| KR20200066864A (ko) * | 2018-12-03 | 2020-06-11 | 주식회사 사고링크 | 사고 피해자에 대한 사고 처리 제공 방법 및 시스템 |
| KR102426052B1 (ko) * | 2021-10-12 | 2022-07-29 | 주식회사 티피아이인사이트 | 기업 등급에 기초한 프로젝트 수행 기업 매칭 플랫폼 서비스를 제공하는 방법 및 장치 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11321644B2 (en) | 2020-01-22 | 2022-05-03 | International Business Machines Corporation | Software developer assignment utilizing contribution based mastery metrics |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100097542A (ko) * | 2009-02-26 | 2010-09-03 | 정관선 | 휴먼 네트워크를 이용한 전문가 답변 시스템 및 그 방법 |
-
2012
- 2012-06-22 KR KR1020120067257A patent/KR101425054B1/ko active IP Right Grant
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150116604A (ko) * | 2014-04-08 | 2015-10-16 | 한국항공대학교산학협력단 | 실시간 지식기반 공유 스마트 러닝 시스템 및 그 방법 |
| KR20170141166A (ko) * | 2016-04-28 | 2017-12-22 | (주)전자조달연구원 | 입찰 전문가와 입찰 참여자의 매칭 플랫폼 시스템 및 방법 |
| KR20180072049A (ko) | 2016-12-21 | 2018-06-29 | 주식회사 한방종합컨설팅 | 사용자 맞춤형 전문가 매칭 및 검색 시스템 및 그 방법 |
| KR20200066864A (ko) * | 2018-12-03 | 2020-06-11 | 주식회사 사고링크 | 사고 피해자에 대한 사고 처리 제공 방법 및 시스템 |
| KR102426052B1 (ko) * | 2021-10-12 | 2022-07-29 | 주식회사 티피아이인사이트 | 기업 등급에 기초한 프로젝트 수행 기업 매칭 플랫폼 서비스를 제공하는 방법 및 장치 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR101425054B1 (ko) | 2014-08-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11587040B2 (en) | System and method for identifying, ordering, and contacting candidates for a target position based on a position detail profile for the target position | |
| KR101993771B1 (ko) | 챗봇 검색 시스템 및 프로그램 | |
| Artiles et al. | WePS-3 Evaluation Campaign: Overview of the Web People Search Clustering and Attribute Extraction Tasks. | |
| JP4920023B2 (ja) | オブジェクト間競合指標計算方法およびシステム | |
| KR101425054B1 (ko) | 전문가 검색 시스템 및 방법 | |
| US20140358810A1 (en) | Identifying candidates for job openings using a scoring function based on features in resumes and job descriptions | |
| Tran et al. | Hashtag recommendation approach based on content and user characteristics | |
| US20120078906A1 (en) | Automated generation and discovery of user profiles | |
| US20120041769A1 (en) | Requests for proposals management systems and methods | |
| US11544308B2 (en) | Semantic matching of search terms to results | |
| Guo et al. | An analysis framework for content-based job recommendation | |
| US20210350330A1 (en) | Systems and methods for machine learning to analyze student profiles | |
| Bhattacharyya et al. | What do we know about customer churn behaviour in the telecommunication industry? A bibliometric analysis of research trends, 1985–2019 | |
| Silva et al. | A profile‐boosted research analytics framework to recommend journals for manuscripts | |
| Sánchez-Franco et al. | Clustering abstracts from the literature on Quality Management (1980–2020) | |
| Du et al. | Pcard: Personalized restaurants recommendation from card payment transaction records | |
| US20120185468A1 (en) | Multi-function matching engines implementing improved searching and search-related tools and techniques | |
| Hasan | A multi-criteria decision support system for ph. d. supervisor selection: A hybrid approach | |
| Bianchini et al. | Wiser: a multi-dimensional framework for searching and ranking web apis | |
| Cai et al. | Mining influential bloggers: From general to domain specific, from explicit to implicit | |
| JP2010055494A (ja) | 検索分析サーバ装置及び検索分析方法 | |
| Benlahbib et al. | MINING ONLINE REVIEWS TO SUPPORT CUSTOMERS’DECISION-MAKING PROCESS IN E-COMMERCE PLATFORMS: A NARRATIVE LITERATURE REVIEW | |
| Barbagallo et al. | Semantic sentiment analyses based on the reputation of Web information sources | |
| Sann et al. | Predicting Online Complaining Behavior in the Hospitality Industry: Application of Big Data Analytics to Online Reviews. Sustainability 2022, 14, 1800 | |
| Zhou et al. | Trust-aware collaborative filtering recommendation in reputation level |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20180625 Year of fee payment: 5 |
|
| FPAY | Annual fee payment |
Payment date: 20190701 Year of fee payment: 6 |