KR20170001367A - 소셜 데이터를 이용한 대인 간 영향력 평가 시스템 및 방법 - Google Patents

소셜 데이터를 이용한 대인 간 영향력 평가 시스템 및 방법 Download PDF

Info

Publication number
KR20170001367A
KR20170001367A KR1020150091264A KR20150091264A KR20170001367A KR 20170001367 A KR20170001367 A KR 20170001367A KR 1020150091264 A KR1020150091264 A KR 1020150091264A KR 20150091264 A KR20150091264 A KR 20150091264A KR 20170001367 A KR20170001367 A KR 20170001367A
Authority
KR
South Korea
Prior art keywords
user
influence
index
action
behavior
Prior art date
Application number
KR1020150091264A
Other languages
English (en)
Other versions
KR102251377B1 (ko
Inventor
고승현
이종필
이예리
Original Assignee
주식회사 케이티
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 케이티 filed Critical 주식회사 케이티
Priority to KR1020150091264A priority Critical patent/KR102251377B1/ko
Publication of KR20170001367A publication Critical patent/KR20170001367A/ko
Application granted granted Critical
Publication of KR102251377B1 publication Critical patent/KR102251377B1/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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • G06Q50/30—

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Computing Systems (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

소셜 데이터를 이용한 대인 간 영향력 평가 시스템 및 방법에 관한 기술이 개시된다.
본 발명의 일 실시예에 따른 소셜 데이터를 이용한 대인 간 영향력 평가 시스템은, 소셜 네트워크 서비스 사용자들의 소셜 네트워크 활동 행위에 의해 발생하는 소셜 데이터를 수집하는 소셜 데이터 수집부; 상기 수집된 소셜 데이터로부터 획득되는 소셜 네트워크 활동 행위의 행위 주체 정보 및 행위 시간 정보를 이용하여 제1 사용자의 영향력 방향을 판단하는 영향력 방향 판단부; 및 상기 제1 사용자의 영향력 방향이 제2 사용자를 향하는 것으로 판단되는 경우, 상기 제1 사용자의 원인 행위 및 상기 원인 행위와 관련된 상기 제2 사용자의 반응 행위 간의 시간 간격을 고려하여 상기 제1 사용자의 영향력 방향에 관한 방향성 지수를 산출하는 방향성 지수 산출부를 포함하여, 다양한 주제, 대상 등에 관한 대인 간 영향력의 방향과 강도를 시계열적으로 평가하고, 영향력 평가의 정확성 및 신뢰성을 개선한다.

Description

소셜 데이터를 이용한 대인 간 영향력 평가 시스템 및 방법{System and method for evaluating interpersonal influence using social data}
본 발명은 소셜 데이터를 이용한 대인 간 영향력 평가 시스템 및 방법에 관한 것으로서, 더욱 상세하게는, 소셜 네트워크 활동 행위에 의해 발생하는 소셜 데이터를 이용하여 다양한 주제, 대상 등에 관한 대인 간 영향력의 방향과 강도를 평가하는 영향력 평가 시스템 및 방법에 관한 것이다.
일반적으로, 영향력 지수는 특정 컨텐츠의 인용정보 등을 근거로 해당 컨텐츠의 영향력을 수치화하여 평가하기 위해 사용되었던 것이다. 최근, 빅데이터 분석 기술 등의 발전에 따라, 특정 상품과 관련된 시장 분석, 마케팅 전략 수립, 광고 모델 선정, 개인 프로파일의 작성과 검증 등, 다양한 분야에서 분석의 정확성과 신뢰성을 담보하기 위해, 기존의 영향력 지수 평가 모델을 확대 적용하거나 새로운 대인 간 영향력 평가 모델을 개발하고자 하는 연구가 급격히 증가하고 있는 추세이다.
그러나, 기존 기술들은 대부분, 특정 컨텐츠를 대상으로, 그에 대한 반응 컨텐츠의 개수, 컨텐츠를 등록한 자들 간의 관계 등을 고려하여 영향력 지수를 산출하는 것이기 때문에, 이러한 영향력 평가 방식을 다른 대상으로 확대 적용하는 것에는 한계가 있다.
또한, 한국 공개특허공보 제10-2015-0005795호, 한국 등록특허공보 제10-1409273호 등에 개시되어 있는 바와 같이, 기존 기술들은 영향력이 일 방향으로만 미치는 것을 전제로 영향력의 강도 지수만을 산출하는 것이다. 즉, 기존 기술들은, 영향력의 방향을 측정할 수 없으므로, 영향력의 방향이 확정되지 않은 인간 대 인간 사이의 영향력 평가에는 적용될 수 없다는 문제가 있다. 나아가, 기존 기술들은, 영향력의 방향을 측정할 수 없으므로, 소셜 네트워크 상에서 특정 주제, 대상 등과 관련된 영향력의 흐름을 시계열적으로 분석할 수 없다는 문제가 있다.
본 발명이 해결하고자 하는 기술적 과제는, 소셜 데이터를 이용하여 다양한 주제, 대상 등에 관한 대인 간 영향력의 방향과 강도를 시계열적으로 평가하고, 영향력 평가의 정확성 및 신뢰성을 개선하는 대인 간 영향력 평가 시스템 및 방법을 제공하는 것이다.
상기와 같은 기술적 과제를 해결하기 위하여 본 발명의 일 실시예에 따른 소셜 데이터를 이용한 대인 간 영향력 평가 시스템은, 소셜 네트워크 서비스 사용자들의 소셜 네트워크 활동 행위에 의해 발생하는 소셜 데이터를 수집하는 소셜 데이터 수집부; 상기 수집된 소셜 데이터로부터 획득되는 소셜 네트워크 활동 행위의 행위 주체 정보 및 행위 시간 정보를 이용하여 제1 사용자의 영향력 방향을 판단하는 영향력 방향 판단부; 및 상기 제1 사용자의 영향력 방향이 제2 사용자를 향하는 것으로 판단되는 경우, 상기 제1 사용자의 원인 행위 및 상기 원인 행위와 관련된 상기 제2 사용자의 반응 행위 간의 시간 간격을 고려하여 상기 제1 사용자의 영향력 방향에 관한 방향성 지수를 산출하는 방향성 지수 산출부를 포함한다.
일 실시예에 있어서, 상기 시스템은, 상기 제1 사용자의 영향력 방향이 제2 사용자를 향하는 것으로 판단되는 경우, 상기 제1 사용자의 원인 행위 및 상기 원인 행위와 관련된 상기 제2 사용자의 반응 행위에 관한 정보를 이용하여 상기 제1 사용자의 영향력 강도에 관한 강도 지수를 산출하는 강도 지수 산출부를 더 포함할 수 있다.
일 실시예에 있어서, 상기 영향력 방향 판단부는, 상기 제1 사용자의 행위와 관련된 제2 사용자의 행위가 상기 제1 사용자의 행위보다 후행되는 경우, 상기 제1 사용자의 영향력 방향이 상기 제2 사용자를 향하는 것으로 판단할 수 있다.
일 실시예에 있어서, 상기 방향성 지수 산출부는, 상기 제1 사용자의 원인 행위와 상기 제2 사용자의 반응 행위 간의 시간 간격에 상기 반응 행위의 형태에 따른 가중치를 부여하여 상기 방향성 지수를 산출할 수 있다.
일 실시예에 있어서, 상기 방향성 지수 산출부는, 상기 제2 사용자의 반응 행위의 횟수를 더 고려하여 상기 방향성 지수를 산출할 수 있다.
일 실시예에 있어서, 상기 강도 지수 산출부는, 상기 제1 사용자의 원인 행위와 상기 제2 사용자의 반응 행위 간의 시간 간격, 상기 반응 행위의 내용, 및 상기 반응 행위의 횟수를 고려하여 상기 강도 지수를 산출할 수 있다.
일 실시예에 있어서, 상기 강도 지수 산출부는, 상기 제1 사용자의 원인 행위와 상기 제2 사용자의 반응 행위 간의 시간 간격, 상기 반응 행위의 내용, 및 상기 반응 행위의 횟수에 각각 상기 반응 행위의 형태에 따른 가중치를 부여하여 상기 강도 지수를 산출할 수 있다.
일 실시예에 있어서, 상기 소셜 데이터 수집부는, 상기 소셜 네트워크 서비스 사용자들의 개인 통신 기기를 통한 음성 통신 또는 문자 통신 중 적어도 하나에 의해 발생하는 개인 통신 기기 사용 데이터를 더 수집하고, 상기 방향성 지수 산출부는, 상기 수집된 개인 통신 기기 사용 데이터로부터 획득되는 상기 제1 사용자 및 상기 제2 사용자 간의 통신 방향 정보를 더 고려하여 상기 방향성 지수를 산출하고, 상기 강도 지수 산출부는, 상기 수집된 개인 통신 기기 사용 데이터로부터 획득되는 상기 제1 사용자 및 상기 제2 사용자 간의 통신 시도 횟수 정보를 더 고려하여 상기 강도 지수를 산출할 수 있다.
상기와 같은 기술적 과제를 해결하기 위하여 본 발명의 일 실시예에 따른 소셜 데이터를 이용한 대인 간 영향력 평가 방법은, 소셜 네트워크 서비스 제공 서버를 포함하는 네트워크 서버와 연동하는 영향력 평가 시스템이 소셜 데이터를 이용하여 대인 간 영향력을 평가하는 방법으로서, 상기 영향력 평가 시스템이, 소셜 네트워크 서비스 사용자들의 소셜 네트워크 활동 행위에 따라 발생하는 소셜 데이터를 수집하는 소셜 데이터 수집 단계; 상기 영향력 평가 시스템이, 상기 수집된 소셜 데이터로부터 획득되는 소셜 네트워크 활동 행위의 행위 주체 정보 및 행위 시간 정보를 이용하여 제1 사용자의 영향력 방향을 판단하는 영향력 방향 판단 단계; 및 상기 제1 사용자의 영향력 방향이 제2 사용자를 향하는 것으로 판단되는 경우, 상기 영향력 평가 시스템이, 상기 제1 사용자의 원인 행위 및 상기 원인 행위와 관련된 상기 제2 사용자의 반응 행위 간의 시간 간격을 고려하여 상기 제1 사용자의 영향력 방향에 관한 방향성 지수를 산출하는 방향성 지수 산출 단계를 포함한다.
일 실시예에 있어서, 상기 방법은, 상기 제1 사용자의 영향력 방향이 제2 사용자를 향하는 것으로 판단되는 경우, 상기 영향력 평가 시스템이, 상기 제1 사용자의 원인 행위 및 상기 원인 행위와 관련된 상기 제2 사용자의 반응 행위에 관한 정보를 이용하여 상기 제1 사용자의 영향력 강도에 관한 강도 지수를 산출하는 강도 지수 산출 단계를 더 포함할 수 있다.
본 발명에 따르면, 소셜 네트워크 서비스 사용자들의 소셜 네트워크 활동 행위에 의해 발생하는 다양한 소셜 데이터를 이용하여 영향력을 평가함으로써, 다양한 주제, 대상 등에 대하여 대인 간 영향력을 평가할 수 있다.
특히, 단순히 영향력의 강도만을 측정하는 것이 아니라, 영향력의 방향을 판단하고, 판단된 영향력 방향을 고려하여 영향력 강도 지수를 산출함으로써, 대인 간 영향력 평가의 정확성 및 신뢰성을 개선한다.
또한, 판단된 영향력 방향에 대하여 수치화된 방향성 지수를 제공함으로써, 영향력 방향 판단의 정확성 및 신뢰성을 검증할 수 있도록 한다.
또한, 특정 주제, 대상 등과 관련하여 대인 간 영향력의 방향과 강도를 시계열적으로 분석할 수 있도록 함으로써, 영향력 평가 기술이 시장 분석, 마케팅 전략 수립, 광고 모델 선정, 개인 프로파일의 작성과 검증 등, 다양한 분야에서 다양한 목적을 위해 활용되도록 한다.
나아가, 본 발명이 속하는 기술 분야의 통상의 지식을 가진 자라면, 본 발명에 따른 다양한 실시예들이 상기 언급되지 않은 여러 기술적 과제들을 해결할 수 있음을 이하의 설명으로부터 자명하게 이해할 수 있을 것이다.
도 1은 본 발명이 적용되는 네트워크 환경의 일례를 나타낸 도면.
도 2는 본 발명의 일 실시예에 따른 소셜 데이터를 이용한 대인 간 영향력 평가 시스템을 나타낸 블록도.
도 3은 본 발명의 일 실시예에 따른 소셜 데이터를 이용한 대인 간 영향력 평가 방법을 나타낸 흐름도.
도 4는 대인 간 영향력 평가 결과의 일례를 나타낸 도면.
이하, 본 발명의 기술적 과제에 관한 해결 방안을 명확화하기 위해 첨부도면을 참조하여 본 발명의 실시예들을 상세하게 설명한다. 다만, 본 발명을 설명함에 있어서 관련 공지기술에 관한 설명이 오히려 본 발명의 요지를 불명료하게 하는 경우 그에 관한 설명은 생략하기로 한다. 또한, 후술하는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이들은 실시자 등의 의도 또는 관례 등에 따라 달라질 수 있을 것이다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 1에는 본 발명이 적용되는 네트워크 환경의 일례가 도시되어 있다.
도 1에 도시된 바와 같이, 본 발명이 적용되는 네트워크 환경은 유·무선 네트워크(30)를 통해 데이터 통신 등을 수행하는 사용자 단말들(10)과 네트워크 사용자에게 서비스를 제공하는 네트워크 서버들(20)을 포함한다. 사용자 단말들(10)에는 스마트폰(12), 유·무선 데이터 통신이 가능한 랩탑이나 노트북과 같은 휴대용 컴퓨터(14), 데스크 탑 PC(16) 등 다양한 개인 통신 기기들이 포함될 수 있다. 네트워크 서버들(20)에는 소셜 네트워크 서비스 제공 서버(20)와 통신사 서버(24) 등이 포함될 수 있다. 일반적으로, 소셜 네트워크 서비스 제공 서버(20)는, 특정 주제나 대상 등에 대하여 관심이나 활동을 공유하는 사용자들에게 온라인 상의 사회적 관계망을 구축해 주는 서비스를 제공하는 서버이다. 이러한 소셜 네트워크 서비스 제공 서버(20)는, 페이스북, 트위터, 카카오톡, 포털 사이트의 인터넷 카페, 블로그 등 다양한 소셜 네트워크 서비스를 제공하는 모든 서버를 포함하는 것이다. 또한, 통신사 서버(24)는, 개인 통신 기기 사용자들에게 음성 통신, 문자 통신 등 다양한 통신 서비스를 제공하는 서버이다.
본 발명에 따른 영향력 평가 시스템(100)은, 이러한 네트워크 환경에서 네트워크 서버들(20)과 연동하며, 사용자 단말들(10)을 통해 발생하는 다양한 소셜 데이터를 이용하여 대인 간의 영향력을 평가한다. 여기서, 소셜 데이터(social data)는 소셜 네트워크 서비스 사용자들의 소셜 네트워크 활동 행위에 의해 발생하는 모든 종류의 데이터를 포함하는 것이다. 소셜 네트워크 활동 행위에는, 예컨대 서비스 사용자의 게시글 등록, 파일 업로드 등과 같은 원인 행위들과, 이러한 원인 행위들에 대한 타 사용자의 댓글 달기, 공유(share), 퍼가기, ‘찬성/반대’ 내지 ‘좋아요’입력 등과 같은 반응 행위들이 포함될 수 있다.
한편, 도 1에는, 본 발명에 따른 영향력 평가 시스템(100)이 네트워크 서버들(20)과 독립되어 있는 별도의 시스템으로 도시되어 있으나, 실시예에 따라 네트워크 서버들(20) 중 어느 하나와 일체로 구성될 수도 있다.
도 2에는 본 발명의 일 실시예에 따른 소셜 데이터를 이용한 대인 간 영향력 평가 시스템이 블록도로 도시되어 있다.
도 2에 도시된 바와 같이, 본 발명의 일 실시예에 따른 영향력 평가 시스템(100)은, 소셜 데이터 수집부(110), 영향력 방향 판단부(140), 방향성 지수 산출부(150), 및 강도 지수 산출부(160)포함하며, 이들과 함께 데이터 분석부(120), 가중치 설정부(130), 및 출력부(170) 등을 더 포함할 수 있다.
도 3에는 본 발명의 일 실시예에 따른 소셜 데이터를 이용한 대인 간 영향력 평가 방법이 흐름도로 도시되어 있다.
도 2 및 도 3을 참조하여, 영향력 평가 시스템(100)의 구성과 동작을 구체적으로 설명한다. 우선, 소셜 데이터 수집부(110)는, 소셜 네트워크 서비스 사용자들의 소셜 네트워크 활동 행위에 의해 발생하는 소셜 데이터를 수집한다(S310). 이를 위해, 소셜 데이터 수집부(110)는, 소셜 네트워크 서비스 제공 서버로부터 소셜 데이터를 수집하는 SNS 데이터 수집 모듈(112)을 포함할 수 있다. SNS 데이터 수집 모듈(112)은, 사용자들이 가입되어 있는 소셜 네트워크 서비스들의 액세스 토큰(access token)을 이용하여 해당 서비스의 리소스에 접근할 수 있으며, 그 결과 소셜 네트워크 상에서 발생하는 다양한 소셜 데이터를 수집할 수 있다. 또한, 아래에서 다시 설명하겠지만, 소셜 데이터 수집부(110)는, 통신사 서버 등으로부터 소셜 네트워크 서비스 사용자들의 개인 통신 기기 사용 데이터를 수집하는 통신 데이터 수집 모듈(114)을 더 포함할 수 있다. 통신 데이터 수집 모듈(114)이 수집하는 개인 통신 기기 사용 데이터는, 개인 통신 기기를 통한 음성 통신 또는 문자 통신 중 적어도 하나에 의해 발생하는 데이터로서, 발신자 및 수신자 정보, 통신 시도 횟수 정보, 통신 시간 정보 등을 포함할 수 있다.
그 다음, 데이터 분석부(120)는, 소셜 데이터 수집부(110)에 의해 수집된 소셜 데이터를 분석하여 대인 간 영향력 평가에 사용될 정보들을 검출한다(S320). 예컨대, 데이터 분석부(120)는, 소셜 네트워크 활동 행위에 관한 행위 주체, 행위 형태, 행위 시간, 행위 횟수, 호감도 등에 관한 정보들을 검출할 수 있다. 이를 위해, 데이터 분석부(120)는, 소셜 데이터로부터 각각 행위 주체 정보를 검출하는 행위 주체 검출 모듈(122), 행위 형태 정보를 검출하는 행위 형태 검출 모듈(124), 행위 시간 정보를 검출하는 행위 시간 검출 모듈(126), 행위 횟수 정보를 검출하는 행위 횟수 검출 모듈(128), 행위 내용에 나타난 호감도 정보를 검출하는 호감도 검출 모듈(129) 등을 포함할 수 있다. 특히, 호감도 검출 모듈(129)은, 예컨대 댓글 쓰기와 같이 텍스트로 이루어진 반응 행위가 있는 경우, 텍스트 마이닝(text mining) 기술을 이용하여 작성자의 감성과 관련된 키워드들을 추출하고, 이러한 키워드들을 기반으로 감성 분석(sentimental analysis)을 수행하여 작성자 호감도를 미리 설정된 값으로 검출해 낸다.
그 다음, 가중치 설정부(130)는, 검출된 각각의 정보들에 부여될 가중치를 설정한다. 이 경우, 가중치 설정부(130)는, 각각의 정보들에 대응하여 미리 결정된 값을 가중치로 설정할 수 있다.
도 2에서는, 데이터 분석부(120)와 가중치 설정부(130)가 독립된 구성 요소로 도시되어 있으나, 실시예에 따라 후술되는 영향력 방향 판단부(140), 방향성 지수 산출부(150), 및 강도 지수 산출부(160) 각각에 필요한 구성이 할당되어 통합되도록 구성될 수도 있다.
그 다음, 영향력 방향 판단부(140)는, 수집된 소셜 데이터로부터 획득되는 소셜 네트워크 활동 행위의 행위 주체 정보 및 행위 시간 정보를 이용하여 제1 사용자의 영향력 방향을 판단한다(S340). 영향력 방향 판단부(140)는, 기본적으로 행위 형태 정보를 이용하여 영향력의 방향을 1차적으로 판단할 수 있다. 즉, 게시글쓰기와 그와 관련된 댓글 달기가 있는 경우, 영향력 방향 판단부(140)는 게시글 쓰기를 한 제1 사용자가 댓글 달기를 한 제2 사용자에게 영향력을 미친다고 판단할 수 있다. 그러나, 댓글에 댓글이 달린 경우 등, 행위 형태가 동일하거나 행위 형태로 영향력의 방향을 판단할 수 없는 경우에는 각각의 행위의 행위 시간 정보를 이용하여 영향력의 방향을 판단할 수 있다. 즉, 영향력 방향 판단부(140)는, 상호 관련된 제1 사용자의 행위와 제2 사용자의 행위가 있는 경우, 제2 사용자의 행위가 제1 사용자의 행위보다 후행되는 경우, 상기 제1 사용자의 영향력 방향이 상기 제2 사용자를 향하는 것으로 판단할 수 있다. 영향력 방향 판단부(140)는, 예컨대 수학식 1을 이용하여 대인 간 영향력의 방향을 판단할 수 있다.
[수학식 1]
Figure pat00001
수학식 1에서, TA는 사용자 A의 행위 시간, TB는 사용자 B의 행위 시간, ΔT는 양 행위 간의 시간 간격을 나타낸다. 영향력 방향 판단부(140)는, ΔT가 0보다 큰 경우, 즉 상호 관련된 사용자 A의 행위와 사용자 B의 행위 중, 사용자 B의 행위가 후행 행위인 경우, 양자 간의 영향력 방향이 사용자 A에서 사용자 B로 향하는 것으로 판단한다. 이 경우, 사용자 A의 행위가 원인 행위이고 사용자 B의 행위가 반응 행위에 해당하는 것으로 볼 수 있다. 반면, ΔT가 0보다 작은 경우, 즉 양 행위 중 사용자 A의 행위가 후행 행위인 경우, 영향력 방향 판단부(140)는, 양자 간의 영향력 방향이 사용자 B에서 사용자 A로 향하는 것으로 판단한다. 또한, ΔT가 0인 경우, 영향력 방향 판단부(140)는, 양 행위를 독립적인 것으로 보아 영향력의 방향 판단을 보류할 수 있다.
그 다음, 제1 사용자의 영향력 방향이 제2 사용자를 향하는 것으로 판단되는 경우, 방향성 지수 산출부(150)는, 제1 사용자의 원인 행위 및 상기 원인 행위와 관련된 제2 사용자의 반응 행위 간의 시간 간격을 고려하여 제1 사용자의 영향력 방향에 관한 방향성 지수를 산출한다(S350). 여기서, 방향성 지수는 영향력 방향 판단의 정확도 내지 신뢰도를 나타내는 지표에 해당하는 것이다. 방향성 지수 산출부(150)는, 예컨대 수학식 2를 이용하여 제1 사용자의 영향력 방향에 관한 방향성 지수를 산출할 수 있다.
[수학식 2]
Figure pat00002
수학식 2에서, D(A→B)는 사용자 A에서 사용자 B로의 영향력 방향에 관한 방향성 지수, TA는 사용자 A의 원인 행위 시간, TB는 사용자 B의 반응 행위 시간, w는 해당 반응 행위의 가중치, N은 해당 반응 행위 횟수를 나타낸다. 이와 같이, 방향성 지수 산출부(150)는, 제1 사용자의 원인 행위(TA)와 제2 사용자의 반응 행위(TB) 간의 시간 간격에 반응 행위의 형태에 따른 가중치(w)를 부여하여 방향성 지수(D)를 산출할 수 있으며, 제2 사용자의 반응 행위의 횟수(N)를 더 고려하여 방향성 지수(D)를 산출할 수 있다. 또한, 방향성 지수 산출부(150)는, 제2 사용자가 수행한 반응 행위(TB)의 형태(i)가 m번째 형태까지 존재하는 경우 각각의 반응 행위에 관한 방향성지수를 산출하여 합산함으로써 최종적인 방향성 지수를 산출할 수 있다. 이와 같이 산출된 방향성 지수(D)는,제1 사용자의 영향력에 대한 방향성 판단의 정확도 내지 신뢰도를 나타낸다. 수학식 2와 같이 방향성 지수를 산출하는 경우, 산출된 방향성 지수 값이 작을수록 영향력 방향 판단부(140)에 의한 영향력 방향 판단이 정확하다고 볼 수 있다. 즉, 사용자 A 행위에 대한 사용자 B의 반응이 빠르고, 그 횟수가 많을 수록 방향성 지수 값은 감소되며, 그 결과 사용자 A의 영향력 방향이 사용자 B를 향한다는 판단은 더욱 신뢰할 수 있는 것으로 볼 수 있다.
예컨대, 오전 10시에 등록된 사용자 A의 게시글에 대하여, 사용자 B가 10시30분에 댓글달기를 하고, 11시30분, 12시, 15시에 각각 추천을 하였으며, 댓글달기 및 추천 행위에 대한 가중치(w1, w2)가 각각 w1=10 및 w2=1인 경우, 사용자 A의 영향력 방향은 사용자 B를 향하는 것으로 판단되고, 해당 영향력 방향에 대한 방향성 지수는 5.9444(= {10×(0.5)}/12+{1×(1.5)+1×(2)+1×(5)}/32)로 산출된다.
한편, 방향성 지수가 나타내는 영향력 방향의 정확도는 표 1과 같이 결정될 수 있다.
방향성 지수(D) 정확도
0 ~10 매우 높음
10 ~ 100 높음
100 ~ 200 보통
200 ~ 480 낮음
480 이상 매우 낮음
따라서, 사용자 A의 영향력 방향이 사용자 B를 향한다는 판단은 매우 높은 정확도를 가지는 것으로 볼 수 있다.
한편, 상술한 바와 같이, 소셜 데이터 수집부(110)가 통신 데이터 수집 모듈(114)을 통해 통신사 서버 등으로부터 소셜 네트워크 서비스 사용자들의 개인 통신 기기 사용 데이터를 더 수집하는 경우, 방향성 지수 산출부(150)는, 수집된 개인 통신 기기 사용 데이터로부터 획득되는 제1 사용자 및 제2 사용자 간의 통신 방향 정보를 더 고려하여 방향성 지수를 산출할 수 있다. 예컨대, 방향성 지수 산출부(150)는, 제1 사용자의 원인 행위 발생 후 소정 시간 내에 제2 사용자의 반응 행위에 해당하는 통신 시도 행위가 발생하는 경우, 즉 발신자가 제2 사용자이고 수신자가 제1 사용자인 음성 통신 또는 문자 통신 시도가 발생하는 경우, 이러한 통신 방향을 더 고려하여 방향성 지수 값을 일정 정도 감소시켜 줌으로써, 방향성 지수의 정확도를 더욱 높일 수 있다.
그 다음, 강도 지수 산출부(160)는, 제1 사용자의 영향력 방향이 제2 사용자를 향하는 것으로 판단되는 경우, 제1 사용자의 원인 행위 및 상기 원인 행위와 관련된 제2 사용자의 반응 행위에 관한 정보를 이용하여 제1 사용자의 영향력 강도에 관한 강도 지수를 산출한다(S360). 이 경우, 강도 지수 산출부(160)는, 영향력 방향 판단부(140)의 판단에 따라 사용자 A의 영향력을 받는다고 판단된 타 사용자들의 반응 행위들에 관한 정보만을 이용하여, 사용자 A의 영향력 강도 지수를 산출할 수 있다. 우선, 강도 지수 산출부(160)는, 예컨대 수학식 3을 이용하여 제1 사용자의 제2 사용자에 대한 영향력 강도 지수를 산출할 수 있다.
[수학식 3]
Figure pat00003
수학식 3에서, S(A→B)는 사용자 B에 대한 사용자 A의 영향력 강도 지수, ΔT는 사용자 A의 원인 행위와 사용자 B의 반의 반응 행위 간의 시간 간격, R은 반응 행위의 호감도, N은 해당 반응 행위 횟수, wN, wT, wR은 각각 N, T, R에 대한 가중치를 나타낸다. 이와 같이, 강도 지수 산출부(160)는, 제1 사용자의 원인 행위와 제2 사용자의 반응 행위 간의 시간 간격(ΔT), 반응 행위의 내용(R), 및 상기 반응 행위의 횟수(N)를 고려하여 강도 지수(S)를 산출할 수 있다. 또한, 강도 지수 산출부(160)는, 제1 사용자의 원인 행위와 제2 사용자의 반응 행위 간의 시간 간격(ΔT), 반응 행위의 내용(R), 및 상기 반응 행위의 횟수(N)에 각각 상기 반응 행위의 형태에 따른 가중치들(wN, wT, wR)을 부여하여 강도 지수를 산출할 수 있다. 또한, 강도 지수 산출부(160)는, 제2 사용자가 수행한 반응 행위의 형태(i)가 m번째 형태까지 존재하는 경우 각각의 반응 행위에 관한 강도 지수를 산출하여 합산함으로써 사용자 B에 대한 사용자 A의 최종적인 영향력 강도 지수를 산출할 수 있다. 또한, 강도 지수 산출부(160)는, 사용자 A의 영향력이 미치는 타 사용자들에 대한 사용자 A의 강도 지수를 각각 산출하여 합산함으로써, 사용자 A의 전체 영향력 강도 지수를 산출할 수 있다. 강도 지수 산출부(160)는, 예컨대 수학식 4를 이용하여 사용자 A의 전체 영향력 강도 지수를 산출할 수 있다.
[수학식 4]
Figure pat00004
수학식 4에서, SA는 사용자 A의 전체 영향력 강도 지수이고, S(A→B), S(A→C), S(A→D), S(A→E)는 각각 사용자 B, C, D, E에 대한 사용자 A의 영향력 강도 지수들, αB, αc, αD, αE는 각각 사용자 B, C, D, E의 영향력을 고려한 가중치들을 나타낸다. 이와 같이, 강도 지수 산출부(160)는, 타 사용자들에 대한 사용자 A의 강도 지수들을 각각 산출하여 합산함으로써, 사용자 A의 전체 영향력 강도 지수(SA)를 산출할 수 있다. 이 경우, 강도 지수 산출부(160)는, 타 사용자들에 대한 사용자 A의 강도 지수들 각각에 타 사용자들의 영향력을 고려한 가중치들을 부여하여 사용자 A의 전체 영향력 강도 지수를 산출할 수 있다. 즉, 사용자 A가 높은 영향력 강도 지수를 가진 타 사용자에게 영향력을 미치는 경우, 사용자 A의 전체 영향력 강도 지수가 더욱 높게 나타날 수 있다.
한편, 상술한 바와 같이, 소셜 데이터 수집부(110)가 통신 데이터 수집 모듈(114)을 통해 통신사 서버 등으로부터 소셜 네트워크 서비스 사용자들의 개인 통신 기기 사용 데이터를 더 수집하는 경우, 강도 지수 산출부(160)는, 수집된 개인 통신 기기 사용 데이터로부터 획득되는 제1 사용자 및 제2 사용자 간의 통신 시도 횟수 정보를 더 고려하여 강도 지수를 산출할 수 있다. 예컨대, 강도 지수 산출부(160)는, 제1 사용자의 원인 행위 발생 후 소정 시간 내에 제2 사용자의 반응 행위에 해당하는 통신 시도들이 발생하는 경우, 즉 발신자가 제2 사용자이고 수신자가 제1 사용자인 음성 통신 또는 문자 통신 시도들이 발생하는 경우, 이러한 통신 시도 횟수를 더 고려하여 강도 지수 값을 일정 정도 증가시켜 줌으로써, 강도 지수의 정확도를 더욱 높일 수 있다.
그 다음, 출력부(170)는, 소셜 네트워크 서비스 사용자들에 대한 영향력 평가 결과를 출력한다. 이 경우, 출력부(170)는, 영향력 평가 결과로서 산출된 영향력의 방향, 방향성 지수, 및 강도 지수를 텍스트로 출력하거나, 이러한 산출값들을 이용하여 사용자들 간의 영향력을 시계열적으로 나타내는 그래픽을 출력할 수 있다.
도 4에는 대인 간 영향력 평가 결과의 일례가 도시되어 있다.
도 4에 도시된 바와 같이, 출력부(170)는, 대인 간 영향력 평가 결과를 시계열적으로 나타내는 그래픽을 출력할 수 있다. 즉, 도 4의 대인간 영향력 평가 결과는, 시간 TA에 사용자 A가 등록한 게시글에 대하여, 시간 TB에 사용자 B가 댓글 달기 2회, ‘좋아요’입력 1회, 공유 1회를 수행하고, 시간 TC에 사용자 C가 댓글 달기 1회를 수행하고, 시간 TD에 사용자 D가 사용자 B의 공유 게시글에 대하여 ‘좋아요’입력 1회, 공유 1회를 수행하고, 시간 TE에 사용자 E가 사용자 D의 공유 게시글에 대하여 ‘좋아요’입력 1회를 수행한 경우, 사용자 A, B, C, D, 및 E 간의 영향력 방향 및 강도를 시계열적으로 분석한 것이다. 이 경우, 화살표의 방향은 영향력 방향, 화살표의 길이는 방향성 지수, 화살표의 두께는 대인 간 영향력의 강도 지수를 나타낼 수 있다. 일 실시예에 있어서, 출력부(170)는, 대인 간 영향력의 방향성 지수와 강도 지수, 각 사용자의 전체 영향력 강도 지수 등을 그래픽 상에 표시할 수 있다.
한편, 본 발명의 실시예들은 컴퓨터가 읽어들일 수 있는 컴퓨터 프로그램을 컴퓨터로 판독 가능한 기록매체에 기록하여 구현하는 것이 가능하다. 본 발명의 실시예들이 컴퓨터 프로그램을 이용하여 구현되는 경우, 본 발명의 구성 요소들은 필요한 작업을 실행하는 프로그램 코드 세그먼트들이다. 이러한, 컴퓨터 프로그램 내지 코드 세그먼트들은 컴퓨터로 판독 가능한 기록매체에 저장되거나 반송파와 결합하여 전송 매체 또는 통신망을 통해 데이터 신호 형태로 전송될 수 있다. 컴퓨터로 판독 가능한 기록매체에는 컴퓨터 시스템이 읽어들일 수 있는 데이터를 기록하는 모든 종류의 기록매체가 포함된다. 예컨대, 컴퓨터로 판독 가능한 기록매체에는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광데이터 저장 장치 등이 포함될 수 있다. 또한, 이러한 기록매체를 다양한 네트워크로 연결된 컴퓨터 시스템에 분산 배치함으로써 프로그램 코드들이 분산 방식으로 저장되거나 실행되도록 할 수 있다.
상술한 바와 같이, 본 발명에 따르면, 소셜 네트워크 서비스 사용자들의 소셜 네트워크 활동 행위에 의해 발생하는 다양한 소셜 데이터를 이용하여 영향력을 평가함으로써, 다양한 주제, 대상 등에 대하여 대인 간 영향력을 평가할 수 있다. 특히, 단순히 영향력의 강도만을 측정하는 것이 아니라, 영향력의 방향을 판단하고, 판단된 영향력 방향을 고려하여 영향력 강도 지수를 산출함으로써, 대인 간 영향력 평가의 정확성 및 신뢰성을 개선한다. 또한, 판단된 영향력 방향에 대하여 수치화된 방향성 지수를 제공함으로써, 영향력 방향 판단의 정확성 및 신뢰성을 검증할 수 있도록 한다. 또한, 특정 주제, 대상 등과 관련하여 대인 간 영향력의 방향과 강도를 시계열적으로 분석할 수 있도록 함으로써, 영향력 평가 기술이 시장 분석, 마케팅 전략 수립, 광고 모델 선정, 개인 프로파일의 작성과 검증 등, 다양한 분야에서 다양한 목적을 위해 활용되도록 한다. 나아가, 본 발명에 따른 다양한 실시예들은, 당해 기술 분야는 물론 관련 기술 분야에서 본 명세서에 언급된 내용 이외의 다른 여러 기술적 과제들을 해결할 수 있음은 물론이다.
지금까지 본 발명에 대해 구체적인 실시예들을 참고하여 설명하였다. 그러나 당업자라면 본 발명의 기술적 범위에서 다양한 변형 실시예들이 구현될 수 있음을 명확하게 이해할 수 있을 것이다. 그러므로 앞서 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 즉, 본 발명의 진정한 기술적 사상의 범위는 첨부된 특허청구범위에 나타나 있으며, 그와 균등범위 내에 있는 모든 차이점은 본 발명에 포함되는 것으로 해석되어야 할 것이다.
100 : 영향력 평가 시스템 110 : 소셜 데이터 수집부
120 : 데이터 분석부 130 : 가중치 설정부
140 : 영향력 방향 판단부 150 : 방향성 지수 산출부
160 : 강도 지수 산출부 170 : 출력부

Claims (17)

  1. 소셜 네트워크 서비스 사용자들의 소셜 네트워크 활동 행위에 의해 발생하는 소셜 데이터를 수집하는 소셜 데이터 수집부;
    상기 수집된 소셜 데이터로부터 획득되는 소셜 네트워크 활동 행위의 행위 주체 정보 및 행위 시간 정보를 이용하여 제1 사용자의 영향력 방향을 판단하는 영향력 방향 판단부; 및
    상기 제1 사용자의 영향력 방향이 제2 사용자를 향하는 것으로 판단되는 경우, 상기 제1 사용자의 원인 행위 및 상기 원인 행위와 관련된 상기 제2 사용자의 반응 행위 간의 시간 간격을 고려하여 상기 제1 사용자의 영향력 방향에 관한 방향성 지수를 산출하는 방향성 지수 산출부를 포함하는 소셜 데이터를 이용한 대인 간 영향력 평가 시스템.
  2. 제1항에 있어서,
    상기 시스템은, 상기 제1 사용자의 영향력 방향이 제2 사용자를 향하는 것으로 판단되는 경우, 상기 제1 사용자의 원인 행위 및 상기 원인 행위와 관련된 상기 제2 사용자의 반응 행위에 관한 정보를 이용하여 상기 제1 사용자의 영향력 강도에 관한 강도 지수를 산출하는 강도 지수 산출부를 더 포함하는 것을 특징으로 하는 소셜 데이터를 이용한 대인 간 영향력 평가 시스템.
  3. 제1항에 있어서,
    상기 영향력 방향 판단부는, 상기 제1 사용자의 행위와 관련된 제2 사용자의 행위가 상기 제1 사용자의 행위보다 후행되는 경우, 상기 제1 사용자의 영향력 방향이 상기 제2 사용자를 향하는 것으로 판단하는 것을 특징으로 하는 소셜 데이터를 이용한 대인 간 영향력 평가 시스템.
  4. 제1항에 있어서,
    상기 방향성 지수 산출부는, 상기 제1 사용자의 원인 행위와 상기 제2 사용자의 반응 행위 간의 시간 간격에 상기 반응 행위의 형태에 따른 가중치를 부여하여 상기 방향성 지수를 산출하는 것을 특징으로 하는 소셜 데이터를 이용한 대인 간 영향력 평가 시스템.
  5. 제4항에 있어서,
    상기 방향성 지수 산출부는, 상기 제2 사용자의 반응 행위의 횟수를 더 고려하여 상기 방향성 지수를 산출하는 것을 특징으로 하는 소셜 데이터를 이용한 대인 간 영향력 평가 시스템.
  6. 제2항에 있어서,
    상기 강도 지수 산출부는, 상기 제1 사용자의 원인 행위와 상기 제2 사용자의 반응 행위 간의 시간 간격, 상기 반응 행위의 내용, 및 상기 반응 행위의 횟수를 고려하여 상기 강도 지수를 산출하는 것을 특징으로 하는 소셜 데이터를 이용한 대인 간 영향력 평가 시스템.
  7. 제6항에 있어서,
    상기 강도 지수 산출부는, 상기 제1 사용자의 원인 행위와 상기 제2 사용자의 반응 행위 간의 시간 간격, 상기 반응 행위의 내용, 및 상기 반응 행위의 횟수에 각각 상기 반응 행위의 형태에 따른 가중치를 부여하여 상기 강도 지수를 산출하는 것을 특징으로 하는 소셜 데이터를 이용한 대인 간 영향력 평가 시스템.
  8. 제7항에 있어서,
    상기 소셜 데이터 수집부는, 상기 소셜 네트워크 서비스 사용자들의 개인 통신 기기를 통한 음성 통신 또는 문자 통신 중 적어도 하나에 의해 발생하는 개인 통신 기기 사용 데이터를 더 수집하고,
    상기 방향성 지수 산출부는, 상기 수집된 개인 통신 기기 사용 데이터로부터 획득되는 상기 제1 사용자 및 상기 제2 사용자 간의 통신 방향 정보를 더 고려하여 상기 방향성 지수를 산출하고,
    상기 강도 지수 산출부는, 상기 수집된 개인 통신 기기 사용 데이터로부터 획득되는 상기 제1 사용자 및 상기 제2 사용자 간의 통신 시도 횟수 정보를 더 고려하여 상기 강도 지수를 산출하는 것을 특징으로 하는 소셜 데이터를 이용한 대인 간 영향력 평가 시스템.
  9. 소셜 네트워크 서비스 제공 서버를 포함한 네트워크 서버와 연동하는 영향력 평가 시스템이 소셜 데이터를 이용하여 대인 간 영향력을 평가하는 방법에 있어서,
    상기 영향력 평가 시스템이, 소셜 네트워크 서비스 사용자들의 소셜 네트워크 활동 행위에 따라 발생하는 소셜 데이터를 수집하는 소셜 데이터 수집 단계;
    상기 영향력 평가 시스템이, 상기 수집된 소셜 데이터로부터 획득되는 소셜 네트워크 활동 행위의 행위 주체 정보 및 행위 시간 정보를 이용하여 제1 사용자의 영향력 방향을 판단하는 영향력 방향 판단 단계; 및
    상기 제1 사용자의 영향력 방향이 제2 사용자를 향하는 것으로 판단되는 경우, 상기 영향력 평가 시스템이, 상기 제1 사용자의 원인 행위 및 상기 원인 행위와 관련된 상기 제2 사용자의 반응 행위 간의 시간 간격을 고려하여 상기 제1 사용자의 영향력 방향에 관한 방향성 지수를 산출하는 방향성 지수 산출 단계를 포함하는 소셜 데이터를 이용한 대인 간 영향력 평가 방법.
  10. 제9항에 있어서,
    상기 방법은, 상기 제1 사용자의 영향력 방향이 제2 사용자를 향하는 것으로 판단되는 경우, 상기 영향력 평가 시스템이, 상기 제1 사용자의 원인 행위 및 상기 원인 행위와 관련된 상기 제2 사용자의 반응 행위에 관한 정보를 이용하여 상기 제1 사용자의 영향력 강도에 관한 강도 지수를 산출하는 강도 지수 산출 단계를 더 포함하는 것을 특징으로 하는 소셜 데이터를 이용한 대인 간 영향력 평가 방법.
  11. 제9항에 있어서,
    상기 영향력 방향 판단 단계는, 상기 제1 사용자의 행위와 관련된 제2 사용자의 행위가 상기 제1 사용자의 행위보다 후행되는 경우, 상기 제1 사용자의 영향력 방향이 상기 제2 사용자를 향하는 것으로 판단하는 단계인 것을 특징으로 하는 소셜 데이터를 이용한 대인 간 영향력 평가 방법.
  12. 제9항에 있어서,
    상기 방향성 지수 산출 단계는, 상기 제1 사용자의 원인 행위와 상기 제2 사용자의 반응 행위 간의 시간 간격에 상기 반응 행위의 형태에 따른 가중치를 부여하여 상기 방향성 지수를 산출하는 단계인 것을 특징으로 하는 소셜 데이터를 이용한 대인 간 영향력 평가 방법.
  13. 제12항에 있어서,
    상기 방향성 지수 산출 단계는, 상기 제2 사용자의 반응 행위의 횟수를 더 고려하여 상기 방향성 지수를 산출하는 단계인 것을 특징으로 하는 소셜 데이터를 이용한 대인 간 영향력 평가 방법.
  14. 제10항에 있어서,
    상기 강도 지수 산출 단계는, 상기 제1 사용자의 원인 행위와 상기 제2 사용자의 반응 행위 간의 시간 간격, 상기 반응 행위의 내용, 및 상기 반응 행위의 횟수를 고려하여 상기 강도 지수를 산출하는 단계인 것을 특징으로 하는 소셜 데이터를 이용한 대인 간 영향력 평가 방법.
  15. 제14항에 있어서,
    상기 강도 지수 산출 단계는, 상기 제1 사용자의 원인 행위와 상기 제2 사용자의 반응 행위 간의 시간 간격, 상기 반응 행위의 내용, 및 상기 반응 행위의 횟수에 각각 상기 반응 행위의 형태에 따른 가중치를 부여하여 상기 강도 지수를 산출하는 단계인 것을 특징으로 하는 소셜 데이터를 이용한 대인 간 영향력 평가 방법.
  16. 제15항에 있어서,
    상기 소셜 데이터 수집 단계는, 상기 소셜 네트워크 서비스 사용자들의 개인 통신 기기를 통한 음성 통신 또는 문자 통신 중 적어도 하나에 의해 발생하는 개인 통신 기기 사용 데이터를 더 수집하는 단계이고,
    상기 방향성 지수 산출 단계는, 상기 수집된 개인 통신 기기 사용 데이터로부터 획득되는 상기 제1 사용자 및 상기 제2 사용자 간의 통신 방향 정보를 더 고려하여 상기 방향성 지수를 산출하는 단계이고,
    상기 강도 지수 산출 단계는, 상기 수집된 개인 통신 기기 사용 데이터로부터 획득되는 상기 제1 사용자 및 상기 제2 사용자 간의 통신 시도 횟수 정보를 더 고려하여 상기 강도 지수를 산출하는 단계인 것을 특징으로 하는 소셜 데이터를 이용한 대인 간 영향력 평가 방법.
  17. 제9항 내지 제16항 중 어느 한 항에 따른 방법을 컴퓨터 시스템을 통해 실행하는 컴퓨터 프로그램으로서 기록매체에 기록된 컴퓨터 프로그램.
KR1020150091264A 2015-06-26 2015-06-26 소셜 데이터를 이용한 대인 간 영향력 평가 시스템 및 방법 KR102251377B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150091264A KR102251377B1 (ko) 2015-06-26 2015-06-26 소셜 데이터를 이용한 대인 간 영향력 평가 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150091264A KR102251377B1 (ko) 2015-06-26 2015-06-26 소셜 데이터를 이용한 대인 간 영향력 평가 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20170001367A true KR20170001367A (ko) 2017-01-04
KR102251377B1 KR102251377B1 (ko) 2021-05-11

Family

ID=57831532

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150091264A KR102251377B1 (ko) 2015-06-26 2015-06-26 소셜 데이터를 이용한 대인 간 영향력 평가 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102251377B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200116290A (ko) 2019-04-01 2020-10-12 한양대학교 산학협력단 다중 상태 파급 모델을 이용한 영향력 평가 방법 및 장치

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090007628A (ko) * 2006-05-05 2009-01-19 소니 온라인 엔터테인먼트 엘엘씨 통신 네트워크에서의 유력/인기 참여자의 결정
KR20120137541A (ko) * 2011-04-11 2012-12-24 에스케이씨앤씨 주식회사 소셜 네트워크 분석 서비스 방법 및 장치
KR20130100494A (ko) * 2012-03-02 2013-09-11 주식회사 랭크웨이브 네트워크 서비스에서의 사용자 영향력 지수 설정 방법 및 그 장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090007628A (ko) * 2006-05-05 2009-01-19 소니 온라인 엔터테인먼트 엘엘씨 통신 네트워크에서의 유력/인기 참여자의 결정
KR20120137541A (ko) * 2011-04-11 2012-12-24 에스케이씨앤씨 주식회사 소셜 네트워크 분석 서비스 방법 및 장치
KR20130100494A (ko) * 2012-03-02 2013-09-11 주식회사 랭크웨이브 네트워크 서비스에서의 사용자 영향력 지수 설정 방법 및 그 장치

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200116290A (ko) 2019-04-01 2020-10-12 한양대학교 산학협력단 다중 상태 파급 모델을 이용한 영향력 평가 방법 및 장치

Also Published As

Publication number Publication date
KR102251377B1 (ko) 2021-05-11

Similar Documents

Publication Publication Date Title
Pournarakis et al. A computational model for mining consumer perceptions in social media
McClain et al. A typology of web survey paradata for assessing total survey error
TW201443811A (zh) 社群媒體影響性評估（一）
US20090048904A1 (en) Method and system for determining topical on-line influence of an entity
US9210112B2 (en) Method for providing a social networking service and service providing server applying the same
KR101797422B1 (ko) 소셜 관계 분석 및 관리를 위한 방법 및 장치
CN102859967A (zh) 用于基于用户交互数据来估计用户特征的方法和设备
US20210209624A1 (en) Online platform for predicting consumer interest level
US20150161517A1 (en) Device and method for predicting popularity of social data
US20130166540A1 (en) System and method for monitoring and analyzing social network databases
Evans et al. Digital segmentation of priority populations in public health
US20150262238A1 (en) Techniques for Topic Extraction Using Targeted Message Characteristics
Zhang et al. Putting human behavior predictability in context
US20140379702A1 (en) System for influencer scoring and methods thereof
KR20180127853A (ko) 사용자 영향력 계산 방법
Kunovich Perceptions of racial group size in a minority-majority area
Reddy Fake profile identification using machine learning
KR102017746B1 (ko) 유사도 산출 방법 및 그 장치
US9208509B1 (en) System, method, and computer program for personalizing content for a user based on a size of a working vocabulary of the user
Ngugi et al. Data quality shortcomings with the US HIV/AIDS surveillance system
Mashhadi et al. No walk in the park: The viability and fairness of social media analysis for parks and recreational policy making
Palm The declining influence of class and ideology in union membership: Consistent but divergent trends among Swedish employees
KR20200080737A (ko) 다중 접속 통합 콘텐츠 서비스 방법 및 시스템
KR101747155B1 (ko) 소셜 네트워크 서비스 제공 방법 및 이를 적용한 서비스 제공 서버
KR102251377B1 (ko) 소셜 데이터를 이용한 대인 간 영향력 평가 시스템 및 방법

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant