KR20180127853A - 사용자 영향력 계산 방법 - Google Patents

사용자 영향력 계산 방법 Download PDF

Info

Publication number
KR20180127853A
KR20180127853A KR1020170063132A KR20170063132A KR20180127853A KR 20180127853 A KR20180127853 A KR 20180127853A KR 1020170063132 A KR1020170063132 A KR 1020170063132A KR 20170063132 A KR20170063132 A KR 20170063132A KR 20180127853 A KR20180127853 A KR 20180127853A
Authority
KR
South Korea
Prior art keywords
user
influence
score
reliability
social
Prior art date
Application number
KR1020170063132A
Other languages
English (en)
Other versions
KR101937458B1 (ko
Inventor
박윤정
복경수
유재수
Original Assignee
충북대학교 산학협력단
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 충북대학교 산학협력단 filed Critical 충북대학교 산학협력단
Priority to KR1020170063132A priority Critical patent/KR101937458B1/ko
Publication of KR20180127853A publication Critical patent/KR20180127853A/ko
Application granted granted Critical
Publication of KR101937458B1 publication Critical patent/KR101937458B1/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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/248—Presentation of query results
    • G06F17/3053—
    • G06F17/30554—

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

소셜 네트워크 서비스에 연관되며, 보다 특정하게는 소셜 네트워크 서비스에서 사용자의 영향력에 대한 정보를 제공하는 서비스에 연관된다. 일실시예에 따르면, 신뢰성 네트워크 구축 방법은 소셜 네트워크 상에서, 제1 사용자의 복수개의 게시글을 대상으로 다른 사용자들이 반응하는 적어도 하나 이상의 소셜 활동을 수집하는 단계, 소셜 활동의 유형을 파악하고, 기 설정된 신뢰성 판별 모형에 따라 유형에 대응하는 점수를 부여하는 단계, 복수개의 소셜 활동의 각 점수를 이용하여 제1 사용자의 신뢰성 점수를 계산하는 단계 및 제1 사용자의 신뢰성 점수가 기 설정된 신뢰성 임계치 점수 이상인 경우, 제1 사용자를 신뢰성 네트워크에 포함시키는 단계를 포함할 수 있다.

Description

신뢰 네트워크 구축 방법 및 사용자 영향력 계산 방법{METHOD FOR ESTABLISHING A RELIABLE NETWORK AND METHOD FOR CALCULATING USER INFLUENCE}
소셜 네트워크 서비스에 연관되며, 보다 특정하게는 소셜 네트워크 서비스에서 사용자의 영향력에 대한 정보를 제공하고 이에 연관되는 신뢰 네트워크를 구축하는 방법에 연관된다.
스마트 디바이스에 대한 사용이 보편화되면서 장소와 시간에 관계없이 빠른 전파력으로 다양한 정보를 전달할 수 있다는 편의성이 모바일 소셜 네트워크 서비스의 장점으로 부각되면서, 소셜 네트워크 서비스를 이용하는 사용자 수가 급증하였다.
정보를 전파할 수 있는 능력이 소셜 네트워크 서비스 사용자마다 다르기 때문에, 사용자 영향력에 대한 정확한 판별이 요구된다.
사용자 영향력 판별이란 사용자가 속한 소셜 네트워크 서비스 상에서, 소셜 활동 데이터를 수집하여 다른 사용자에게 정보를 얼마나 잘 퍼트리고, 영향을 미칠 수 있는 지를 측정하는 것이다. 판별된 사용자 영향력은 다양한 콘텐츠와 메시지 확산, 브랜드와 제품 홍보대사 및 제품 개발과 개선에 필요한 여론을 접하는 역할을 수행하도록 하는 사용자를 결정하는 지표가 될 수 있다.
미국 특허등록공보 US 9218630호
한국 공개특허공보 KR 2016-0079830호
일측에 따르면, 컴퓨터 구현되는 신뢰 네트워크 구축 방법이 제공된다. 방법은, 소셜 네트워크 상에서 제1 사용자의 복수개의 게시글을 대상으로 다른 사용자들이 반응하는 적어도 하나 이상의 소셜 활동을 수집하는 단계, 소셜 활동의 유형을 파악하고, 기 설정된 신뢰성 판별 모형에 따른 유형에 대응하는 점수를 부여하는 단계, 복수개의 소셜 활동의 각 점수를 이용하여 제1 사용자의 신뢰성 점수를 계산하는 단계 및 제1 사용자의 신뢰성 점수가 기 설정된 신뢰성 임계치 점수 이상인 경우, 제1 사용자를 신뢰성 네트워크에 포함시키는 단계를 포함할 수 있다.
일실시예에 따라, 신뢰성 판별 모형은 소셜 활동을 긍정적인 반응 및 부정적인 반응 중에서 어느 하나로 분류하고, 긍정적인 반응인 경우 신뢰성 점수에 가점을 부여하고, 부정적인 반응인 경우 신뢰성 점수에 감점을 부여할 수 있다.
다른 일측에 따르면, 사용자 영향력 계산 방법은 소셜 네트워크 상에서, 제1 사용자의 게시글에 대해 제2 사용자가 소셜 활동을 수행한 데이터를 수집하는 단계, 소셜 활동의 유형을 파악하는 단계, 소셜 활동이 이루어진 시점과 현 시점 사이의 시간 간격을 파악하는 단계, 제2 사용자의 소셜 네트워크 상에서의 인맥 수를 파악하는 단계 및 유형, 시간 간격 및 인맥 수를 고려하여, 제2 사용자의 소셜 활동에 대응하는 제1 사용자의 영향력 점수를 계산하는 단계를 포함할 수 있다.
일실시예에 따라, 제1 사용자와 인맥을 맺고 있는 복수의 사용자들에 대해 각각 영향력을 계산하고, 복수개의 영향력 점수를 고려하여 최종적인 사용자의 영향력 점수를 계산할 수 있다.
다른 일실시예에 따라, 제1 사용자의 영향력 점수를 계산하는 단계는, 소셜 활동의 유형을 긍정적인 반응 및 부정적인 반응 중에서 어느 하나로 분류하고, 긍정적인 반응인 경우 영향력 점수에 가점을 부여하고, 부정적인 반응인 경우 영향력 점수에 감점을 부여할 수 있다.
또 다른 일실시예에 따라, 제1 사용자의 영향력 점수를 계산하는 단계는, 시간 간격이 길수록 영향력 점수에 낮은 점수를 부여할 수 있다.
또 다른 일실시예에 따라, 제1 사용자의 영향력 점수를 계산하는 단계는, 인맥 수가 높을수록 영향력 점수에 높은 점수를 부여할 수 있다.
또 다른 일실시예에 따라, 제1 사용자와 직접적인 인맥을 맺고 있는 직접 영향 사용자와, 제1 사용자와 직접적인 인맥을 맺고 있지는 않으나 공통되는 사용자 인맥을 통해 간접적으로 연결되어 있는 간접 영향 사용자를 구분하여, 직접 영향 사용자와 간접 영향 사용자의 소셜 활동에 대한 영향력 점수의 계산 방법을 달리할 수 있다.
또 다른 일실시예에 따라, 제1 사용자와 직접적인 인맥을 맺고 있는 직접 영향 사용자와, 제1 사용자와 직접적인 인맥을 맺고 있지는 않으나 공통되는 사용자 인맥을 통해 간접적으로 연결되어 있는 간접 영향 사용자를 구분하여, 적어도 한 명 이상의 직접 영향 사용자 및 간접 영향 사용자의 계산된 영향력 점수를 가중치를 달리하여 합산하여 제1 사용자의 영향력 점수를 계산할 수 있다.
또 다른 일측에 따르면, 사용자 영향력 계산 방법은 소셜 네트워크 상에서, 제1 사용자의 복수개의 게시글을 대상으로 다른 사용자들이 반응하는 적어도 하나 이상의 소셜 활동을 수집하는 단계, 소셜 활동의 유형을 파악하고, 기 설정된 신뢰성 판별 모형에 따라 유형에 대응하는 점수를 부여하는 단계, 복수개의 소셜 활동의 각 점수를 이용하여 제1 사용자의 신뢰성 점수를 계산하는 단계, 제1 사용자의 신뢰성 점수가 기 설정된 신뢰성 임계치 점수 이상인 경우, 제1 사용자를 신뢰성 네트워크에 포함시켜 신뢰성 네트워크를 구축하는 단계 및 신뢰성 네트워크에 포함되는 사용자만을 대상으로 소셜 네트워크 상에서 사용자의 영향력을 계산하는 단계를 포함할 수 있다.
일실시예에 따르면, 사용자의 영향력을 계산하는 단계는, 신뢰성 네트워크에 포함되는 사용자의 게시글에 대해 제2 사용자가 소셜 활동을 수행한 데이터를 수집하는 단계, 소셜 활동의 유형을 파악하는 단계, 소셜 활동이 이루어진 시점과 현 시점 사이의 시간 간격을 파악하는 단계, 제2 사용자의 소셜 네트워크 상에서의 인맥 수를 파악하는 단계 및 유형, 시간 간격 및 인맥 수를 고려하여, 제2 사용자의 소셜 활동에 대응하는 신뢰성 네트워크에 포함되는 사용자의 영향력 점수를 계산하는 단계를 포함할 수 있다.
도 1은 일실시예에 따라 소셜 네트워크에서 사용자 영향력을 판별하는 방법의 구성을 나타낸다.
도 2는 일실시예에 따라 사용자 영향력을 판별하는 방법의 구성을 보다 구체적으로 나타낸다.
도 3은 일실시예에 따라 사용자의 소셜 행위를 긍정적인 행위와 부정적인 행위로 분류하고 각 행위의 신뢰성 스코어링을 위하여 가중치를 부여하는 표를 나타낸다.
도 4는 일실시예에 따른 사용자 신뢰성 스코어링 과정을 보다 구체적으로 나타낸다.
도 5는 일실시예에 따라 사용자의 신뢰성을 스코어링하는 구체적인 예를 나타낸다.
도 6은 일실시예에 따른 신뢰성 네트워크의 구축 과정을 나타낸다.
도 7은 일실시예에 따라 시간 가중치를 고려하는 그래프를 나타낸다.
도 8은 일실시예에 따라 친구 수(차원) 가중치를 고려하는 그래프를 나타낸다.
도 9는 일실시예에 따라 사용자의 영향력을 스코어링하는 과정을 보다 구체적으로 나타낸다.
이하에서, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 권리범위는 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
아래 설명에서 사용되는 용어는, 연관되는 기술 분야에서 일반적이고 보편적인 것으로 선택되었으나, 기술의 발달 및/또는 변화, 관례, 기술자의 선호 등에 따라 다른 용어가 있을 수 있다. 따라서, 아래 설명에서 사용되는 용어는 기술적 사상을 한정하는 것으로 이해되어서는 안 되며, 실시예들을 설명하기 위한 예시적 용어로 이해되어야 한다.
또한 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 설명 부분에서 상세한 그 의미를 기재할 것이다. 따라서 아래 설명에서 사용되는 용어는 단순한 용어의 명칭이 아닌 그 용어가 가지는 의미와 명세서 전반에 걸친 내용을 토대로 이해되어야 한다.
도 1은 일실시예에 따라 소셜 네트워크에서 사용자 영향력을 판별하는 방법의 구성을 나타낸다.
일실시예에 따라 소셜 네트워크(110)로 페이스북(113) 및 재커리 가라데 동호회(116) 등이 있을 수 있다. 이러한 소셜 네트워크에서 사용자 프로필 정보와 사용자가 생성한 소셜 활동 데이터를 수집할 수 있다.
일실시예에 따른 사용자 영향력 판별 방법(100)은 사용자의 신뢰성을 판별(120)하고, 판별된 신뢰성을 바탕으로 사용자의 영향력 판별(130)을 통해 수행될 수 있다.
신뢰성 판별(120)과정에서는 소셜 네트워크로부터 수집된 소셜 행위를 긍정적인 소셜 행위와 부정적인 소셜 행위로 분류(122)하고, 분류된 소셜 행위 각각을 소셜 행위 유형에 따라 점수를 부여하여, 신뢰성 스코어링(124)을 수행할 수 있다. 신뢰성 스코어링을 통해, 각 소셜 행위의 신뢰성을 판별하고 이를 통해 사용자의 최종적인 신뢰성을 판별할 수 있다. 사용자들의 신뢰성을 필터링(126)하여, 임계치 이상의 신뢰성이 있는 것으로 판별된 사용자들로 구성되는 신뢰성 네트워크를 구축(128)할 수 있다.
일실시예에 따라 구축된 신뢰성 네트워크에 포함되는 사용자들에 대해서 영향력 판별(130)을 수행할 수 있다. 영향력을 판별하기 이전에 신뢰성 네트워크를 구축하고, 구축된 신뢰성 네트워크에 포함되는 사용자들에 대해서 영향력 판별을 수행함으로써 사용자들이 제공하는 정보에 대한 신뢰성을 보장할 수 있다. 또한 사용자 영향력 판별을 위한 계산 과정 수행 시, 신뢰성 네트워크에 포함되는 사용자에 대해서 영향력 판별을 수행함으로써 계산량을 줄일 수 있다.
사용자 영향력 판별(130) 과정에서 수신 영향력을 분류(132)하는 과정이 수행될 수 있다. 이 과정은 사용자들 간에 소셜 네트워크 상에서 연결된 거리 정도에 따라서 직접적인 영향력 및 간접적인 영향력 중에서 어느 하나로 분류하는 과정일 수 있다.
분류된 영향력에 대해서, 영향력 점수를 부여하는 영향력 스코어링(134) 과정을 수행할 수 있다. 이 과정에서, 스코어링 된 영향력 점수가 너무 낮은 경우는 제외하는 영향력 필터링(136) 과정을 수행할 수 있다. 필터링된 영향력 점수들을 이용하여, 최종적으로 사용자의 영향력 점수를 스코어링(138)하는 과정을 수행할 수 있다.
도 2는 일실시예에 따라 사용자 영향력을 판별하는 방법의 구성을 보다 구체적으로 나타낸다.
사용자(200)의 영향력 점수를 판별하기 위하여, 소셜 네트워크에서 사용자 프로필(200) 및 소셜 행위(210) 데이터를 수집하고, 수집된 소셜 행위 데이터를 긍정적인 행위와 부정적인 행위로 분류(220)하는 과정을 수행한다.
그리고 분류된 소셜 행위에 대해서 행위 유형에 따라 점수를 부여하는 스코어링 과정(230)을 수행한다. 이에 대해서는 도 3에서 보다 상세히 서술하도록 하겠다. 사용자의 각 소셜 행위에 대해서 신뢰성 점수를 부여하고, 이를 통해 사용자의 신뢰성 점수를 측정할 수 있다. 이에 대해 신뢰성 임계치 이상의 사용자만이 남도록 필터링(240)하는 과정을 수행할 수 있다.
그리고 신뢰성 점수가 임계치 이상인 사용자들로 구성된 신뢰성 네트워크를 구축(245)할 수 있다. 필터링된 네트워크에서 친구수가 많은 순서에 따라 사용자들을 내림차순으로 정렬(250)하는 과정을 수행할 수 있다.
신뢰성 네트워크에 포함되는 사용자들의 소셜 행위에 대해서 행위, 시간, 차원의 요소를 고려하여 영향력 점수를 부여(260)하는 과정을 수행할 수 있다. 이 때, 소셜 행위에 연관된 사용자들간의 거리를 고려(270)할 수 있다. 일실시예에 따라 거리가 1인 경우는 특정 소셜 행위에 연관된 두 사용자간에 직접적인 친구 관계를 맺은 경우일 수 있으며, 거리가 2 이상인 경우는 특정 소셜 행위에 연관된 두 사용자간에 직접적인 친구관계는 없으나 서로 공통되는 친구 관계를 통해 간접적으로 연결된 관계일 수 있다. 또한 영향력 점수를 부여하는 과정에서, 영향력 점수가 너무 낮은 행위는 제외시키는 필터링(265) 과정을 수행할 수 있다.
사용자의 영향력 행위에 대해 스코어링하는 과정을 통해, 최종적으로 사용자의 영향력 점수를 도출(280)할 수 있고, 이 점수를 통해 사용자의 소셜 네트워크에서의 영향력을 판단할 수 있다.
도 3은 일실시예에 따라 사용자의 소셜 행위를 긍정적인 행위와 부정적인 행위로 분류하고 각 행위의 신뢰성 스코어링을 위하여 가중치를 부여하는 표를 나타낸다.
일실시예에 따라, 소셜 네트워크에서의 소셜 행위에는 공유, 친구맺기, 구독, 댓글, 리스트 추가, 태그, 좋아요, 보기, 싫어요, 차단, 신고 등이 있을 수 있으며 각 행위는 긍정적인 행위 및 부정적인 행위 중 어느 하나로 분류될 수 있다.
일실시예에 따라 공유, 친구 맺기, 구독, 댓글, 리스트 추가, 태그, 좋아요, 보기는 긍정적인 소셜 행위로 분류될 수 있고, 싫어요, 차단, 신고는 부정적인 소셜 행위로 분류될 수 있다.
사용자의 신뢰성을 측정하기 위하여, 소셜 행위를 분류하여 점수를 부여할 수 있으며, 일실시예에 따라 긍정적인 행위들에 해당하는 공유는 1.0, 친구 맺기 및 구독은 0.75, 댓글, 리스트 추가, 태그는 0.5, 좋아요는 0.4, 보기는 0.1의 가중치를 부여할 수 있고, 부정적인 행위에 해당하는 싫어요는 0.25을 감산하고, 차단, 신고는 1.0을 감산할 수 있다. 이 과정에서 항목별 빈도수도 고려될 수 있다.
도 4는 일실시예에 따른 사용자 신뢰성 스코어링 과정을 보다 구체적으로 나타낸다.
일실시예에 따라 사용자 1의 특정 게시글에 대해, 수신되는 소셜 행위들을 수집하고, 각 소셜 행위들의 빈도수에 대한 데이터를 수집(400)할 수 있다. 수신되는 소셜 행위들에는 공유, 친구 신청, 댓글, 좋아요, 보기, 차단 등이 있을 수 있다.
수집되는 소셜 행위들을 긍정적인 행위와 부정적인 행위로 분류(410)할 수 있고, 분류되는 각 소셜 행위들에 대해 도 3에서 설명한 바와 같이 가중치를 계산(416)할 수 있다. 이러한 과정은 사용자 1의 복수개의 게시글에 대해 각각 수행(413)될 수 있다. 수신되는 소셜 행위들의 빈도수에 따른 가중치에 대한 계산(419)도 고려될 수 있다.
각 게시물 별로 스코어링된 신뢰성 점수(412)를 통해, 최종적으로 사용자 1의 신뢰성을 스코어링(424)하여 복수의 사용자들의 신뢰성을 스코어링(420)할 수 있다.
도 5는 일실시예에 따라 사용자의 신뢰성을 스코어링하는 구체적인 예를 나타낸다.
사용자 1(500)은 사용자 2(502), 사용자 3(504), 사용자 5(506) 및 사용자 6(508)과 소셜 네트워크 상에서 직접 혹은 간접적인 관계를 맺고 있을 수 있다. 직접적인 관계란 사용자 간의 친구관계를 맺고 있는 경우를 의미할 수 있으며, 간접적인 관계란 사용자 간에 직접적인 친구관계는 없으나 공통된 사용자를 친구로 맺고 있는 등의 간접적인 영향력을 서로 미치고 있는 경우를 의미할 수 있다.
사용자 1의 게시글에 대해서 수신되는 다른 사용자들의 소셜 행위들을 수집하고, 각 소셜 행위들의 빈도수에 대한 데이터를 수집(510)할 수 있다. 일실시예에 따라 공유는 10회, 친구 신청 및 구독은 2회, 댓글 및 태그는 3회, 좋아요는 4회, 보기는 4회 및 차단은 0회의 빈도수로 데이터가 수집될 수 있다.
수집된 사용자들의 소셜 행위들을 부정적인 행위와 긍정적인 행위로 분류(520)하는 과정을 수행할 수 있다. 일실시예에 따라 차단은 부정적인 행위로 분류되며, 공유, 친구 신청, 구독, 댓글, 태그 및 좋아요 등은 긍정적인 행위로 분류될 수 있다. 분류된 소셜 행위들에 대해 가중치를 부여하고 신뢰성을 계산하는 계산식을 통해 사용자 1의 신뢰성 점수를 계산할 수 있다.
Figure pat00001
수학식 1은 사용자의 신뢰성 점수를 계산하는 식이다. D는 신뢰성 점수의 범위를 0 < R < 1로 만들기 위한 임의의 감퇴계수이다. PR은 소셜 행위 중에서 긍정적인 행위 가중치의 합을 나타내며, NR은 소셜 행위 중에서 부정적인 행위 가중치의 합을 나타낸다. n(R)은 소셜 행위의 총량을 나타낸다.
일실시예에 따라 감퇴계수 d는 0.5라고 할 수 있다. 도 5의 일실시예에 따라 긍정적인 소셜 행위들의 가중치 및 빈도수를 고려하여 계산되는 14.4와 부정적인 소셜 행위들의 가중치 및 빈도수를 고려하여 계산되는 0을 각각 PR과 NR로 결정하고, 총 행위수 23을 n(R)로 결정할 수 있다. 이 수치들을 고려하여 최종적으로 사용자 1의 신뢰성 점수는 0.81로 측정(540)되는 것을 계산할 수 있다. 이와 같이 측정되는 사용자들의 신뢰성 점수를 바탕으로 신뢰성 네트워크를 구축할 수 있다.
도 6은 일실시예에 따른 신뢰성 네트워크의 구축 과정을 나타낸다.
도 6에 따르면 소셜 네트워크 상의 사용자들에 대해서 위에서 설명한 방법과 같이 신뢰성 점수를 계산(600)할 수 있다.
일실시예에 따라 신뢰성 임계치를 0.7이라고 할 때, 계산된 사용자들의 신뢰성 점수 중 신뢰성 임계치 이상의 신뢰성 점수를 가진 사용자들을 필터링(610)하는 과정을 수행할 수 있다.
필터링되는 사용자들로 구성되는 신뢰성 네트워크를 구축(620)하여, 네트워크 사용자들의 영향력 판별에 있어서 신뢰성을 보장할 수 있다.
신뢰성 네트워크의 구축을 통해 네트워크가 간소화되고, 이에 따라 불필요한 계산 과정이 생략되어 시간 측면의 성능을 향상시키는 데에도 기여할 수 있다. 또한 신뢰성 없는 정보를 받을 가능성을 배제시킬 수 있다.
도 7 내지 도 9에서는 신뢰성 네트워크에 포함되는 사용자들간의 연결된 거리 정도에 따라 사용자의 게시글에 수신되는 소셜 행위들을 직접적인 영향력 및 간접적인 영향력으로 분류하고, 분류된 소셜 행위들에 대해 행위, 시간 및 차원의 가중치를 합산하여 최종 사용자의 영향력 판별을 수행하는 과정을 설명한다. 이 과정에서 임계치 이하로 점수가 낮은 영향력 점수는 배제할 수 있다.
도 7은 일실시예에 따라 시간 가중치를 고려하는 그래프를 나타낸다.
Figure pat00002
수학식 2는 일실시예에 따라 수신된 소셜 행위가 발생한 시간에 대한 가중치를 계산하는 식이다. T는 시간을 나타내고, α는 시간 가중치에 고려되는 최대로 긴 시간을 고려하여 시간 가중치의 범위를 0 < TA < 1로 만들기 위한 임의의 상수이다. 수신되는 소셜 행위가 이루어진 시간이 늦을수록 가중치를 낮게 부여하기 위하여 α의 범위는 0 <α< 1로 주어질 수 있다.
도 7에 따르면, 일실시예에 따라 시간(t)의 최대 범위가 12개월인 경우의 예로 가중치(TA)가 0과 1 사이의 값을 갖도록 고안된 경우의 그래프를 나타낸다. α는 일실시예에 따라 0.85로 고려될 수 있다. 시간의 값이 작을수록 즉 게시글에 대해 비교적 최근에 수신된 소셜 행위일수록 높은 가중치 값을 갖도록 하는 감소함수 그래프 개형을 가질 수 있다.
도 8은 일실시예에 따라 친구 수(차원) 가중치를 고려하는 그래프를 나타낸다.
Figure pat00003
수학식 3은 일실시예에 따라 친구 수(차원 수)에 따른 가중치를 계산하는 식이다. n은 친구 수를 나타내고, β는 최대 친구 수를 고려하여, 가중치의 범위를 0 < Di < 1로 만들기 위한 임의의 상수이다. 친구 수가 많을수록 가중치를 높게 부여하기 위하여 β의 범위는 β> 1로 주어질 수 있다.
도 8에 따르면, 일실시예에 따라 친구 수(n)의 최대 범위가 1200명인 경우의 예로, 가중치(Di)가 0과 1 사이의 값을 갖도록 고안된 경우의 그래프를 나타낸다. β는 일실시예에 따라 1.00008로 고려될 수 있다. 친구 수가 많을수록 높은 가중치의 값을 갖도록 하는 증가함수 그래프 개형을 가질 수 있다.
도 9는 일실시예에 따라 사용자의 영향력을 스코어링하는 과정을 보다 구체적으로 나타낸다.
사용자 1(900)의 영향력을 계산한다고 할 때, 사용자 1과 다른 사용자들간의 연결 거리를 고려할 수 있다. 사용자 3(902)은 사용자 1과 직접적인 친구 관계를 맺고 있는 등의 이유로 직접 영향 사용자로 분류될 수 있으며, 사용자 7(904)은 사용자 1과 직접적인 친구 관계 등은 없으나, 사용자 3과 친구 관계를 맺고 있는 등의 이유로 사용자 1과 간접 영향 사용자로 분류될 수 있다. 마찬가지로 사용자 12(906) 및 사용자 13(908)의 경우에도 사용자 1과 직접적인 친구 관계 등은 없으나, 사용자 7 및 사용자 3을 통하여 간접적인 친구 관계를 맺고 있는 등의 이유로 간접 영향 사용자로 분류될 수 있다.
사용자들간의 거리를 고려하여, 직접 영향 사용자 및 간접 영향 사용자로 분류할 수 있으며, 직접 영향 사용자들의 사용자 1의 게시글에 대한 소셜 행위는 직접 영향력으로 계산(920)될 수 있으며, 간접 영향 사용자들의 사용자 1의 게시글에 대한 소셜 행위는 간접 영향력으로 계산(930)될 수 있다.
Figure pat00004
수학식 4는 직접 영향력 점수(DInfi)를 계산(920)하는 식이다. 직접 영향력은 사용자 1이 전파한 정보에 대해 반응하는 시간의 빠르기와 확산성 등을 객관적으로 확인되도록 하는 지표가 될 수 있다.
일실시예에 따라 수신되는 각 소셜 행위(Aij)와 행위 시간(TA)은 종속관계일 수 있으며, 수학식 4는 이를 고려한 식이다. 행위, 시간, 차원의 가중치 분포에 따라 변경될 수 있는 비율을 임의의 상수 δ를 이용하여 각 비율을 배분하여 계산할 수 있다.
Figure pat00005
수학식 5는 간접 영향력 점수(IInfi)를 계산(930)하는 식이다. 각 간접 영향 사용자들에 대해서 먼저 수학식 4의 DInfi를 계산한 뒤, 간접 영향 사용자들이 사용자 1과 연결된 거리의 정도가 일정하지 않을 수 있기 때문에 조화 평균의 개념을 사용할 수 있다.
Figure pat00006
수학식 6은 사용자의 최종적인 영향력 점수를 계산하는 식이다. 계산되는 직접 영향력(DInfi)과 간접 영향력(IInfi)의 값을 더하여 계산할 수 있는데, 두 영향력의 분포에 따라 변경될 수 있는 비율을 임의의 상수 γ를 이용하여 비율을 배분하여 계산할 수 있다.
도 9에 따르면, 일실시예에 따라 직접 영향력을 계산(920)하는 과정에서, δ를 0.5로 고려해줄 수 있다. 일실시예에 따라 직접 영향 사용자인 사용자 3과의 사이에서, 사용자 3이 사용자 1의 게시글에 대해 공유의 소셜 행위를 하고, 소셜 행위가 수행된 시간은 1일 전이며, 사용자 3의 친구 수(차원)은 300명 종속 관계일 수 있다. 이를 고려하여 소셜 행위의 분류, 가중치 고려 및 수학식 4를 통해 직접 영향력을 계산하면 0.7의 결과가 나올 수 있다.
그리고 도 9에 따르면, 일실시예에 따라 간접 영향력은 간접 영향 사용자인 사용자 7, 사용자 12 및 사용자 13과의 사이에서 행위, 시간, 차원(친구 수)를 각각 계산하고, 이를 수학식 4 및 수학식 5를 이용하여 계산하여 간접 영향력 값을 구할 수 있다. 일실시예에 따라 0.33으로 간접 영향력 값이 계산될 수 있다.
그리고 도 9의 일실시예에 따라 사용자 1의 최종적인 영향력 계산(940) 과정에서 수학식 6에서의 γ를 0.8로 고려해줄 수 있다. 일실시예에 따라 기 계산된 직접 영향력 및 간접 영향력 값을 적용하여 계산되는 최종적인 사용자 1의 영향력은 0.62로 계산될 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (11)

  1. 컴퓨터 구현되는 신뢰 네트워크 구축 방법에 있어서,
    소셜 네트워크 상에서, 제1 사용자의 복수개의 게시글에 대해 다른 사용자들이 반응하는 활동을 포함하는 적어도 하나 이상의 소셜 활동을 수집하는 단계;
    상기 적어도 하나 이상의 소셜 활동의 유형을 파악하고, 기 설정된 신뢰성 판별 모형에 따라 상기 유형에 대응하는 점수를 부여하는 단계;
    부여된 상기 점수를 이용하여 상기 제1 사용자의 신뢰성 점수를 계산하는 단계; 및
    상기 제1 사용자의 상기 신뢰성 점수가 기 설정된 신뢰성 임계치 점수 이상인 경우, 상기 제1 사용자를 상기 신뢰 네트워크에 포함시키는 단계
    를 포함하는 방법.
  2. 제1항에 있어서,
    상기 신뢰성 판별 모형은 상기 소셜 활동을 긍정적인 반응 및 부정적인 반응 중에서 어느 하나로 분류하고, 긍정적인 반응인 경우 상기 신뢰성 점수에 가점을 부여하고, 부정적인 반응인 경우 상기 신뢰성 점수에 감점을 부여하는 방법.
  3. 컴퓨터 구현되는 사용자 영향력 계산 방법에 있어서,
    소셜 네트워크 상에서, 제1 사용자의 게시글에 대해 제2 사용자가 소셜 활동을 수행한 데이터를 수집하는 단계;
    상기 소셜 활동의 유형을 파악하는 단계;
    상기 소셜 활동이 이루어진 시점과 현 시점 사이의 시간 간격을 파악하는 단계;
    상기 제2 사용자의 소셜 네트워크 상에서의 인맥 수를 파악하는 단계; 및
    상기 유형, 상기 시간 간격 및 상기 인맥 수를 고려하여, 상기 제2 사용자의 상기 소셜 활동에 대응하는 상기 제1 사용자의 영향력 점수를 계산하는 단계
    를 포함하는 방법.
  4. 제3항에 있어서,
    상기 제1 사용자와 인맥을 맺고 있는 복수의 사용자들에 대해 각각 상기 영향력을 계산하고, 복수개의 상기 영향력 점수를 더 고려하여 상기 제1 사용자의 영향력 점수를 계산하는 방법.
  5. 제3항에 있어서,
    상기 제1 사용자의 영향력 점수를 계산하는 단계는,
    상기 소셜 활동의 상기 유형을 긍정적인 반응 및 부정적인 반응 중에서 어느 하나로 분류하고, 긍정적인 반응인 경우 상기 영향력 점수에 가점을 부여하고, 부정적인 반응인 경우 상기 영향력 점수에 감점을 부여하는 방법.
  6. 제3항에 있어서,
    상기 제1 사용자의 영향력 점수를 계산하는 단계는,
    상기 시간 간격이 길수록 상기 영향력 점수를 상대적으로 낮게 부여하는 방법.
  7. 제3항에 있어서,
    상기 제1 사용자의 영향력 점수를 계산하는 단계는,
    상기 인맥 수가 높을수록 상기 영향력 점수를 상대적으로 높게 부여하는 방법.
  8. 제3항에 있어서,
    상기 제1 사용자와 직접적인 인맥을 맺고 있는 직접 영향 사용자와, 상기 제1 사용자와 직접적인 인맥을 맺고 있지는 않으나 공통되는 사용자 인맥을 통해 간접적으로 연결되어 있는 간접 영향 사용자를 구분하여,
    상기 직접 영향 사용자와 상기 간접 영향 사용자의 상기 소셜 활동에 대한 상기 영향력 점수의 계산 방법을 달리하는 방법.
  9. 제3항에 있어서,
    상기 제1 사용자와 직접적인 인맥을 맺고 있는 직접 영향 사용자와, 상기 제1 사용자와 직접적인 인맥을 맺고 있지는 않으나 공통되는 사용자 인맥을 통해 간접적으로 연결되어 있는 간접 영향 사용자를 구분하여,
    적어도 한 명 이상의 상기 직접 영향 사용자 및 상기 간접 영향 사용자의 계산된 상기 영향력 점수를 가중치를 달리하여 합산하여 상기 제1 사용자의 상기 영향력 점수를 계산하는 방법.
  10. 컴퓨터 구현되는 사용자 영향력 계산방법에 있어서,
    소셜 네트워크 상에서, 제1 사용자의 복수개의 게시글을 대상으로 다른 사용자들이 반응하는 적어도 하나 이상의 소셜 활동을 수집하는 단계;
    상기 소셜 활동의 유형을 파악하고, 기 설정된 신뢰성 판별 모형에 따라 상기 유형에 대응하는 점수를 부여하는 단계;
    복수개의 상기 소셜 활동의 각 상기 점수를 이용하여 상기 제1 사용자의 신뢰성 점수를 계산하는 단계;
    상기 제1 사용자의 상기 신뢰성 점수가 기 설정된 신뢰성 임계치 점수 이상인 경우, 상기 제1 사용자를 신뢰성 네트워크에 포함시켜 신뢰성 네트워크를 구축하는 단계; 및
    상기 신뢰성 네트워크에 포함되는 사용자만을 대상으로 소셜 네트워크 상에서 사용자의 영향력을 계산하는 단계
    를 포함하는 방법.
  11. 제10항에 있어서,
    사용자의 영향력을 계산하는 단계는,
    상기 신뢰성 네트워크에 포함되는 사용자의 게시글에 대해 제2 사용자가 소셜 활동을 수행한 데이터를 수집하는 단계;
    상기 소셜 활동의 유형을 파악하는 단계;
    상기 소셜 활동이 이루어진 시점과 현 시점 사이의 시간 간격을 파악하는 단계;
    상기 제2 사용자의 소셜 네트워크 상에서의 인맥 수를 파악하는 단계; 및
    상기 유형, 상기 시간 간격 및 상기 인맥 수를 고려하여, 상기 제2 사용자의 상기 소셜 활동에 대응하는 상기 신뢰성 네트워크에 포함되는 사용자의 영향력 점수를 계산하는 단계
    를 포함하는 방법.
KR1020170063132A 2017-05-22 2017-05-22 사용자 영향력 계산 방법 KR101937458B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170063132A KR101937458B1 (ko) 2017-05-22 2017-05-22 사용자 영향력 계산 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170063132A KR101937458B1 (ko) 2017-05-22 2017-05-22 사용자 영향력 계산 방법

Publications (2)

Publication Number Publication Date
KR20180127853A true KR20180127853A (ko) 2018-11-30
KR101937458B1 KR101937458B1 (ko) 2019-01-10

Family

ID=64561032

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170063132A KR101937458B1 (ko) 2017-05-22 2017-05-22 사용자 영향력 계산 방법

Country Status (1)

Country Link
KR (1) KR101937458B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210148574A (ko) * 2020-06-01 2021-12-08 주식회사 피처링 Sns 사용자 채널에 대한 공개 데이터를 분석하여 영향력 리포트를 제공하는 시스템 및 방법
KR20210148573A (ko) * 2020-06-01 2021-12-08 주식회사 피처링 Sns 사용자 채널에 대한 공개 데이터를 수집하고, 수집된 공개 데이터를 기반으로 영향력을 측정하는 시스템 및 방법
KR102554242B1 (ko) * 2022-09-07 2023-07-11 유희주 뉴럴 네트워크를 이용하여 서버가 이벤트와 관련된 메시지를 단말에게 제공하는 방법 및 장치
CN117290433A (zh) * 2023-09-27 2023-12-26 烟台大学 信息网络与社交网络协同驱动的观点输出方法和系统

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210077949A (ko) 2019-12-18 2021-06-28 주식회사 화성 소셜 웹서비스에서의 사용자 영향력 지수 산출 방법 및 시스템

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210148574A (ko) * 2020-06-01 2021-12-08 주식회사 피처링 Sns 사용자 채널에 대한 공개 데이터를 분석하여 영향력 리포트를 제공하는 시스템 및 방법
KR20210148573A (ko) * 2020-06-01 2021-12-08 주식회사 피처링 Sns 사용자 채널에 대한 공개 데이터를 수집하고, 수집된 공개 데이터를 기반으로 영향력을 측정하는 시스템 및 방법
KR102554242B1 (ko) * 2022-09-07 2023-07-11 유희주 뉴럴 네트워크를 이용하여 서버가 이벤트와 관련된 메시지를 단말에게 제공하는 방법 및 장치
CN117290433A (zh) * 2023-09-27 2023-12-26 烟台大学 信息网络与社交网络协同驱动的观点输出方法和系统
CN117290433B (zh) * 2023-09-27 2024-02-23 烟台大学 信息网络与社交网络协同驱动的观点输出方法和系统

Also Published As

Publication number Publication date
KR101937458B1 (ko) 2019-01-10

Similar Documents

Publication Publication Date Title
KR101937458B1 (ko) 사용자 영향력 계산 방법
Adikari et al. Identifying fake profiles in linkedin
Balaanand et al. An enhanced graph-based semi-supervised learning algorithm to detect fake users on Twitter
US9721253B2 (en) Gating decision system and methods for determining whether to allow material implications to result from online activities
WO2019154115A1 (zh) 一种资源转移监测方法及装置
US8880600B2 (en) Creating groups of users in a social networking system
US8401984B2 (en) Identification and measurement of social influence and correlation
US10728201B2 (en) Batching of notifications
US10747771B2 (en) Method and apparatus for determining hot event
US20170286845A1 (en) Automatic extraction of user mobility behaviors and interaction preferences using spatio-temporal data
US8583471B1 (en) Inferring household income for users of a social networking system
US20180144256A1 (en) Categorizing Accounts on Online Social Networks
WO2016138830A1 (zh) 识别风险行为的方法及装置
US20140143346A1 (en) Identifying And Classifying Travelers Via Social Media Messages
JP2018530848A (ja) プロモーション情報のための配信方法、装置及びシステム
US20170116195A1 (en) Notification Targeting
Zhang et al. A trust model stemmed from the diffusion theory for opinion evaluation
US11036818B2 (en) Method and system for detecting graph based event in social networks
Davoudi et al. Towards automatic bot detection in Twitter for health-related tasks
JP2019049765A (ja) 特定装置、特定方法および特定プログラム
US11386349B1 (en) Systems and methods for distinguishing human users from bots
KR20210148573A (ko) Sns 사용자 채널에 대한 공개 데이터를 수집하고, 수집된 공개 데이터를 기반으로 영향력을 측정하는 시스템 및 방법
Aswani et al. Outlier detection among influencer blogs based on off-site web analytics data
Singh et al. An analytical model for identifying suspected users on Twitter
CN108388652B (zh) 一种发送歌单标识的方法和装置

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right