KR20190065661A - Sns 데이터를 이용하여 검색어에 따른 결과를 제공하는 장치 및 방법과, 이를 수행하기 위한 기록 매체 - Google Patents

Sns 데이터를 이용하여 검색어에 따른 결과를 제공하는 장치 및 방법과, 이를 수행하기 위한 기록 매체 Download PDF

Info

Publication number
KR20190065661A
KR20190065661A KR1020170165067A KR20170165067A KR20190065661A KR 20190065661 A KR20190065661 A KR 20190065661A KR 1020170165067 A KR1020170165067 A KR 1020170165067A KR 20170165067 A KR20170165067 A KR 20170165067A KR 20190065661 A KR20190065661 A KR 20190065661A
Authority
KR
South Korea
Prior art keywords
word
spatial
words
frequency
temporal
Prior art date
Application number
KR1020170165067A
Other languages
English (en)
Other versions
KR102006549B1 (ko
Inventor
정재은
박재홍
이오준
홍민성
Original Assignee
중앙대학교 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 중앙대학교 산학협력단 filed Critical 중앙대학교 산학협력단
Priority to KR1020170165067A priority Critical patent/KR102006549B1/ko
Publication of KR20190065661A publication Critical patent/KR20190065661A/ko
Application granted granted Critical
Publication of KR102006549B1 publication Critical patent/KR102006549B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Business, Economics & Management (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Algebra (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Mathematical Optimization (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

SNS 데이터를 이용하여 검색어에 따른 결과를 제공하는 장치 및 방법과, 이를 수행하기 위한 기록 매체가 개시된다. 개시된 장치는, 컴퓨터에서 판독 가능한 명령을 저장하는 메모리; 및 상기 명령을 실행하도록 구현되는 프로세서;를 포함하되, 상기 프로세서는, SNS 데이터가 생성된 시간 정보 및 공간 정보에 기초하여 상기 SNS 데이터에 포함된 복수의 단어를 시간적 특성 및 공간적 특성에 따라 연관성을 가지는 단어들로 그룹화하여 복수의 시간적 연관 단어 그룹 및 복수의 공간적 연관 단어 그룹을 산출하고, 검색어가 입력되는 경우 상기 검색어의 생성 시간 정보 및 생성 공간 정보를 이용하여 상기 복수의 시간적 연관 단어 그룹 중 하나의 시간적 연관 단어 그룹 및 상기 복수의 공간적 연관 단어 그룹 중 하나의 공간적 연관 단어 그룹을 검색하고, 상기 하나의 시간적 연관 단어 그룹 및 상기 하나의 공간적 연관 단어 그룹 각각에 포함된 단어를 이용하여 상기 검색어와 관련된 결과를 제공한다.

Description

SNS 데이터를 이용하여 검색어에 따른 결과를 제공하는 장치 및 방법과, 이를 수행하기 위한 기록 매체{Server and Method for providing search results using SNS date, Recording medium for performing the method}
본 발명의 실시예들은 SNS 데이터 및 이와 태깅된 시간 정보 및 공간 정보를 이용하여 검색어에 대한 정확한 결과를 제공하는 장치 및 방법과, 이를 수행하기 위한 기록 매체에 관한 것이다.
소셜 미디어는 트위터(Twitter), 페이스북(Facebook) 등과 같은 소셜 네트워킹 서비스(SNS: Social　Networking　Service)에 가입한 이용자들이 서로　정보와 의견을 공유하면서 대인관계망을 넓힐 수 있는 플랫폼을 가리킨다. 소셜 미디어의 확산으로 많은 양의 정보들이 유통되고 있으며 사용자들의 정보 습득 경로 또한 변화하고 있다. 이에 따라, 소셜 미디어 상의 텍스트에 대한 분석이 요구되고 있다.
소셜 미디어의 특성상 텍스트의 길이가 일반적인 웹 문서들에 비해 상대적으로 짧기 때문에, 기존의 정보 검색 기법들을 적용하기에는 무리가 있다. 특히, 소셜 미디어에서는 정보의 유통량이 크고 소모되는 속도가 빠르기 때문에 시간의 흐름과 위치의 이동에 따른 단어 간 의미적 연관성 또한 빠르게 변화한다.
또한, 데이터들이 실시간으로 급격히 변하며 방대한 양의 정보를 가지고 있기 때문에 빅데이터 관점에서 접근해야 한다. 이러한 이유로 기존의 정보 검색 기법들은 도메인 환경의 변화를 빠르게 받아들이고 그에 따라 모델을 갱신하는데 한계를 갖는다.
상기한 바와 같은 종래기술의 문제점을 해결하기 위해, 본 발명에서는 SNS 데이터 및 이와 태깅된 시간 정보 및 공간 정보를 이용하여 검색어에 대한 정확한 결과를 제공하는 장치 및 방법과, 이를 수행하기 위한 기록 매체를 제안하고자 한다.
본 발명의 다른 목적들은 하기의 실시예를 통해 당업자에 의해 도출될 수 있을 것이다.
상기한 목적을 달성하기 위해 본 발명의 바람직한 일 실시예에 따르면, 컴퓨터에서 판독 가능한 명령을 저장하는 메모리; 및 상기 명령을 실행하도록 구현되는 프로세서;를 포함하되, 상기 프로세서는, SNS 데이터가 생성된 시간 정보 및 공간 정보에 기초하여 상기 SNS 데이터에 포함된 복수의 단어를 시간적 특성 및 공간적 특성에 따라 연관성을 가지는 단어들로 그룹화하여 복수의 시간적 연관 단어 그룹 및 복수의 공간적 연관 단어 그룹을 산출하고, 검색어가 입력되는 경우 상기 검색어의 생성 시간 정보 및 생성 공간 정보를 이용하여 상기 복수의 시간적 연관 단어 그룹 중 하나의 시간적 연관 단어 그룹 및 상기 복수의 공간적 연관 단어 그룹 중 하나의 공간적 연관 단어 그룹을 검색하고, 상기 하나의 시간적 연관 단어 그룹 및 상기 하나의 공간적 연관 단어 그룹 각각에 포함된 단어를 이용하여 상기 검색어와 관련된 결과를 제공하는 것을 특징으로 하는 서가 제공된다. ]
상기 프로세서는, 상기 SNS 데이터에 등장한 복수의 단어에 대한 2 이상의 단어 쌍의 시간적 단어 연관값 및 공간적 단어 연관값을 산출하고, 상기 2 이상의 단어 쌍 각각 시간적 단어 연관값을 K-평균 군집화(K-means clustering) 알고리즘에 대입하여 상기 복수의 시간적 연관 단어 그룹을 산출하고, 상기 2 이상의 단어 쌍 각각의 공간적 단어 연관값을 K-평균 군집화 알고리즘에 대입하여 상기 복수의 공간적 연관 단어 그룹을 산출할 수 있다.
상기 SNS 데이터는 복수의 텍스트를 포함하고, 상기 복수의 텍스트 각각에는 상기 텍스트가 생성된 시간 구간 정보가 태깅되어 있으며, 상기 프로세서는, 상기 복수의 단어 각각의 시간적 동시 발생 빈도를 산출하고, 상기 복수의 단어 각각의 시간적 동시 발생 빈도에 기초하여 상기 2 이상의 단어 쌍의 시간적 단어 연관값을 산출하되, 상기 복수의 단어 각각의 시간적 동시 발생 빈도는, 상기 복수의 텍스트가 생성된 시간 구간 별로 상기 단어와 기준 단어가 상기 복수의 텍스트에서 동시에 발생하는 빈도를 의미할 수 있다.
상기 단어의 시간적 동시 발생 빈도는 아래의 수학식과 같이 표현될 수 있다.
Figure pat00001
여기서,
Figure pat00002
는 상기 단어
Figure pat00003
의 시간적 동시 발생 빈도,
Figure pat00004
는 상기 시간 구간 중 n번째 시간 구간,
Figure pat00005
는 상기 복수의 텍스트 중 l번째 텍스트,
Figure pat00006
는 상기 복수의 텍스트의 개수,
Figure pat00007
는 상기 n번째 시간 구간
Figure pat00008
동안 상기 l번째 텍스트에서 상기 기준 단어
Figure pat00009
와 상기 단어
Figure pat00010
가 동시에 등장하는 빈도,
Figure pat00011
는 상기 n번째 시간 구간
Figure pat00012
동안 상기 복수의 텍스트 모두에서 상기 기준 단어
Figure pat00013
와 상기 단어
Figure pat00014
가 동시에 등장하는 빈도를 각각 의미함.
상기 2 이상의 단어 쌍 각각의 시간적 단어 연관값은 아래의 수학식과 같이 표현될 수 있다.
Figure pat00015
여기서,
Figure pat00016
는 단어
Figure pat00017
와 단어
Figure pat00018
로 구성된 단어 쌍의 시간적 단어 연관값,
Figure pat00019
는 상기 단어
Figure pat00020
의 시간적 동시 발생 빈도,
Figure pat00021
는 상기 단어
Figure pat00022
의 시간적 동시 발생 빈도,
Figure pat00023
는 상기 시간적 동시 발생 빈도
Figure pat00024
와 상기 시간적 동시 발생 빈도
Figure pat00025
의 각 거리(angular distance),
Figure pat00026
는 상기 시간적 동시 발생 빈도
Figure pat00027
와 상기 시간적 동시 발생 빈도
Figure pat00028
의 유클리드 거리(Euclidean distance)를 각각 의미함.
상기 SNS 데이터는 복수의 텍스트를 포함하고, 상기 복수의 텍스트 각각에는 상기 텍스트가 생성된 공간 정보가 태깅되어 있으며, 상기 프로세서는, 상기 복수의 단어 각각의 공간적 동시 발생 빈도를 산출하고, 상기 복수의 단어 각각의 공간적 동시 발생 빈도에 기초하여 상기 2 이상의 단어 쌍의 공간적 단어 연관값을 산출하되, 상기 복수의 단어 중 어느 하나의 단어의 공간적 동시 발생 빈도는, 상기 복수의 텍스트가 생성된 공간 정보 별로 상기 어느 하나의 단어와 기준 단어가 상기 복수의 텍스트에서 동시에 발생하는 빈도를 의미할 수 있다.
상기 어느 하나의 단어의 공간적 동시 발생 빈도는 아래의 수학식과 같이 표현될 수 있다.
Figure pat00029
여기서,
Figure pat00030
는 상기 어느 하나의 단어
Figure pat00031
의 공간적 동시 발생 빈도,
Figure pat00032
는 상기 복수의 텍스트가 생성된 공간 정보 중 위도 정보,
Figure pat00033
는 상기 복수의 텍스트가 생성된 공간 정보 중 경도 정보,
Figure pat00034
는 위도가
Figure pat00035
이고 경도가
Figure pat00036
인 공간에서 생성된 텍스트에서 상기 기준 단어
Figure pat00037
와 상기 어느 하나의 단어
Figure pat00038
가 동시에 등장하는 빈도를 각각 의미함.
상기 2 이상의 단어 쌍의 공간적 단어 연관값은 아래의 수학식과 같이 표현될 수 있다.
Figure pat00039
여기서,
Figure pat00040
는 단어
Figure pat00041
와 단어
Figure pat00042
로 구성된 단어 쌍의 공간적 단어 연관값,
Figure pat00043
는 상기 단어
Figure pat00044
의 공간적 동시 발생 빈도,
Figure pat00045
는 상기 단어
Figure pat00046
의 공간적 동시 발생 빈도를 각각 의미함.
또한, 본 발명의 다른 실시예에 따르면, 프로세서가 포함된 장치에서 수행되는 검색 결과 제공 방법에 있어서, SNS 데이터가 생성된 시간 정보 및 공간 정보에 기초하여 상기 SNS 데이터에 포함된 복수의 단어를 시간적 특성 및 공간적 특성에 따라 연관성을 가지는 단어들로 그룹화하여 복수의 시간적 연관 단어 그룹 및 복수의 공간적 연관 단어 그룹을 산출하는 단계; 검색어가 입력되는 경우 상기 검색어의 생성 시간 정보 및 생성 공간 정보를 이용하여 상기 복수의 시간적 연관 단어 그룹 중 하나의 시간적 연관 단어 그룹 및 상기 복수의 공간적 연관 단어 그룹 중 하나의 공간적 연관 단어 그룹을 검색하는 단계; 및 상기 하나의 시간적 연관 단어 그룹 및 상기 하나의 공간적 연관 단어 그룹 각각에 포함된 단어를 이용하여 상기 검색어와 관련된 결과를 제공하는 단계;를 포함하는 것을 특징으로 하는 검색 결과 제공 방법이 제공된다.
또한, 본 발명의 다른 실시예에 따르면, 검색어를 이용한 검색 결과 제공을 위하여 디지털 처리 장치에 의해 실행될 수 있는 명령어들의 프로그램이 유형적으로 구현되어 있으며 디지털 처리 장치에 의해 판독될 수 있는 기록매체로서, SNS 데이터가 생성된 시간 정보 및 공간 정보에 기초하여 상기 SNS 데이터에 포함된 복수의 단어를 시간적 특성 및 공간적 특성에 따라 연관성을 가지는 단어들로 그룹화하여 복수의 시간적 연관 단어 그룹 및 복수의 공간적 연관 단어 그룹을 산출하는 단계; 검색어가 입력되는 경우 상기 검색어의 생성 시간 정보 및 생성 공간 정보를 이용하여 상기 복수의 시간적 연관 단어 그룹 중 하나의 시간적 연관 단어 그룹 및 상기 복수의 공간적 연관 단어 그룹 중 하나의 공간적 연관 단어 그룹을 검색하는 단계; 및 상기 하나의 시간적 연관 단어 그룹 및 상기 하나의 공간적 연관 단어 그룹 각각에 포함된 단어를 이용하여 상기 검색어와 관련된 결과를 제공하는 단계;를 수행하는 프로그램이 기록된 기록매체가 제공된다.
본 발명에 따르면, SNS 데이터 및 이와 태깅된 시간 정보 및 공간 정보를 이용하여 검색어에 대한 정확한 검색 결과를 제공할 수 있는 장점이 있다.
또한, 본 발명의 효과는 상기한 효과로 한정되는 것은 아니며, 본 발명의 상세한 설명 또는 특허청구범위에 기재된 발명의 구성으로부터 추론 가능한 모든 효과를 포함하는 것으로 이해되어야 한다.
도 1은 본 발명의 일 실시예에 따른 검색 결과 제공 시스템의 개략적인 구성을 도시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 관리 서버의 개략적인 구성을 도시한 도면이다.
도 3 내지 도 5는 본 발명의 일 실시예에 따른 검색어에 따른 결과를 제공하는 방법의 흐름도를 도시한 도면이다.
본 명세서에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "구성된다" 또는 "포함한다" 등의 용어는 명세서상에 기재된 여러 구성 요소들, 또는 여러 단계들을 반드시 모두 포함하는 것으로 해석되지 않아야 하며, 그 중 일부 구성 요소들 또는 일부 단계들은 포함되지 않을 수도 있고, 또는 추가적인 구성 요소 또는 단계들을 더 포함할 수 있는 것으로 해석되어야 한다. 또한, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
이하, 본 발명의 다양한 실시예들을 첨부된 도면을 참조하여 상술한다.
도 1은 본 발명의 일 실시예에 따른 검색 결과 제공 시스템(100)의 개략적인 구성을 도시한 도면이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 검색 결과 제공 시스템(100)는 단말 장치(110) 및 관리 서버(120)를 포함한다.
단말 장치(110)는 데스크탑 컴퓨터, 스마트폰, 태블릿 PC 등 마이크로 프로세서 기반의 장치를 통칭하는 개념으로, 사용자로부터 검색어를 입력받고, 결과를 디스플레이에 출력하는 장치이다.
관리 서버(120)는 사용자로부터 입력된 검색어를 통해 결과를 도출하며, 그 결과를 단말 장치(110)로 전송한다. 이 때, 관리 서버(120)는 결과의 정확도를 높이기 위해 시간 정보 및 공간 정보가 태깅되어 있는 SNS 데이터인 복수의 마이크로 텍스트 내지 숏 텍스트를 이용하여 결과를 도출할 수 있다. 예를 들어, 검색어에 따른 결과는 검색어를 이용한 정보 검색, 검색어의 자동 완성 등이 있다.
즉, 본 발명의 일 실시예에 따른 검색 결과 제공 시스템(100)을 이용한 검색 방법은 사용자로부터 입력된 검색어의 생성 시간 정보(어느 시점에 검색어가 입력) 또는 생성 공간 정보(어느 장소에서 검색어가 입력)를 이용하여 생성 시간 정보와 연관되는 결과 또는 생성 공간 정보와 대응되는 결과를 제공한다. 이 때, 정확한 결과를 제공하기 위해 시간 정보 및 공간 정보가 태깅된 SNS 데이터가 이용될 수 있다. 여기서, 시간 정보 및 공간 정보 역시 SNS 데이터가 생성된 시간 및 공간에 대한 정보이다.
일례로서, "football"이라는 단어는 "축구"(영국의 경우)과 "미식 축구"(미국의 경우)의 두 가지 의미를 가진다. 만약 사용자가 영국에서 "football"이라는 검색어를 단말 장치(110)에 입력하는 경우, 관리 서버(120)는 검색어의 생성 공간 정보(영국)를 파악하여 "축구"와 관련된 검색 결과를 단말 장치(110)로 제공한다. 반대로, 사용자가 미국에서 "football"이라는 검색어를 단말 장치(110)에 입력하는 경우, 관리 서버(120)는 검색어의 생성 공간 정보(미국)를 파악하여 "미식축구"와 관련된 검색 결과를 단말 장치(110)로 제공한다.
다른 일례로서, "택시"이라는 단어는 2017년 개봉된 영화인 "택시 운전사"와, 운송 수단인 "택시"과 관련된 의미를 가질 수 있다. 만약, 사용자가 번화가에서, 오후 5시 부근에 "택시"이라는 검색어를 단말 장치(110)에 입력하는 경우, 관리 서버(120)는 검색어의 생성 시간 정보를 파악하여 영화 "택시 운전사"와 관련된 검색 결과(일례로, 상영 시간표)를 단말 장치(110)로 제공한다. 반대로, 사용자가 번화가에서, 오후 11시 부근에 "택시"이라는 검색어를 단말 장치(110)에 입력하는 경우, 관리 서버(120)는 검색어의 생성 시간 정보를 파악하여 운송 수단인 "택시"와 관련된 검색 결과(일례로, 콜 택시 연락처)를 단말 장치(110)로 제공한다.
이하, 도 2 및 도 3을 참조하여, 본 발명의 일 실시예에 따른 관리 서버(120)의 동작을 보다 상세하게 설명하기로 한다.
도 2는 본 발명의 일 실시예에 따른 관리 서버(120)의 개략적인 구성을 도시한 도면이다.
도 2를 참조하면, 본 발명의 일 실시예에 따른 관리 서버(120)는 입력부(210), 메모리부(220) 및 프로세서부(230)를 포함한다. 이하, 각 구성 요소 별로 그 기능을 상세하게 설명하기로 한다.
입력부(210)는 단말 장치(110)와 통신 연결된다. 즉, 입력부(210)는 검색어를 단말 장치(110)로부터 수신하고 검색어에 따른 결과(일례로, 정보 검색 결과)를 단말 장치(110)로 전송한다.
메모리부(220)는 휘발성 및/또는 비휘발성 메모리일 수 있고, 관리 서버(120)의 적어도 하나의 다른 구성요소에 관계된 명령어 또는 데이터를 저장한다. 특히, 메모리부(220)는 검색어에 따른 결과를 제공하는 프로그램과 관련된 명령 또는 데이터를 저장할 수 있다.
프로세서부(230)는 중앙처리장치, 애플리케이션 프로세서, 또는 커뮤니케이션 프로세서 중 하나 또는 그 이상을 포함할 수 있다. 예를 들면, 프로세서부(230)는 관리 서버(120)의 적어도 하나의 다른 구성요소들의 제어 및/또는 통신에 관한 연산이나 데이터 처리를 실행할 수 있다. 특히, 프로세서부(130)는 프로그램의 실행에 관계된 명령을 실행할 수 있다.
도 3은 본 발명의 일 실시예에 따른 관리 서버(120)의 동작인 검색어에 따른 결과를 제공하는 방법의 흐름도를 도시한 도면이다. 이하, 각 단계 별로 수행되는 과정을 설명하기로 한다.
먼저, 단계(310)에서, 프로세서부(230)는 통신부(210)을 통해 다수의 SNS 데이터를 수집한다.
이 때, SNS 데이터는 적은 수의 단어를 포함하는 마이크로 텍스트를 복수 개 포함할 수 있다. 그리고, 각각의 마이크로 텍스트에는 텍스트가 생성된 시간 정보 및 공간 정보가 자동으로 태깅될 수 있다. 한편, 단계(310)에서, 프로세서부(230)는 복수의 마이크로 텍스트에서 단어를 추출 내지 정제하고, 태깅된 시간 정보 및 공간 정보를 추출하는 동작을 더 수행할 수 있다.
다음으로, 단계(320)에서, 프로세서부(230)는 검색어의 결과 생성에 이용되는 복수의 시간적 연관 단어 그룹을 산출한다. 이 때, 복수의 시간적 연관 단어 그룹 각각은 시간적 관점에서 서로 관련되어 있는 의미의 단어들이 분류된 그룹이다.
도 4는 본 발명에 따른 단계(320)의 세부적인 흐름도를 도시한 도면이다.
단계(321)에서, 프로세서부(230)는 SNS 데이터를 구성하는 복수의 마이크로 텍스트에 등장한 복수의 단어 각각의 시간적 동시 발생 빈도(co-occurrence frequency)를 산출한다.
이 때, 복수의 단어 각각의 시간적 동시 발생 빈도는, 복수의 텍스트가 생성된 시간 구간 별로 해당 단어와 기준 단어가 복수의 텍스트에서 동시에 발생하는 빈도, 즉 공통으로 등장하는 빈도를 의미한다. 이 때, 기준 단어는 복수의 마이크로 텍스트 모두에 포함되어 있는 단어일 수 있다.
본 발명의 일 실시예에 따르면, 복수의 단어 각각의 시간적 동시 발생 빈도는 아래의 수학식 1과 같이 표현될 수 있다.
Figure pat00047
여기서,
Figure pat00048
는 해당 단어
Figure pat00049
(
Figure pat00050
)의 시간적 동시 발생 빈도,
Figure pat00051
는 시간 구간 중 n번째 시간 구간,
Figure pat00052
는 복수의 텍스트 중 l번째 텍스트,
Figure pat00053
는 복수의 텍스트의 개수,
Figure pat00054
는 n번째 시간 구간
Figure pat00055
동안 l번째 텍스트에서 기준 단어
Figure pat00056
와 해당 단어
Figure pat00057
가 동시에 등장하는 빈도,
Figure pat00058
는 n번째 시간 구간
Figure pat00059
동안 복수의 텍스트 모두에서 기준 단어
Figure pat00060
와 해당 단어
Figure pat00061
가 동시에 등장하는 빈도를 각각 의미한다.
한편, 시간적 동시 발생 빈도
Figure pat00062
는 도 5와 같이 표현될 수 있다. 도 5를 참조하면, 벡터로 표현되는 동시 발생 빈도
Figure pat00063
는 각각의 시간에 따라 두 단어의 동시 발생 빈도가 변화하는 모양을 나타낸다. 따라서, 비슷한 특성을 가진 벡터들을 분류하여 연관성을 가지는 단어들을 군집화할 수 있다. .
그리고, 단계(322)에서, 프로세서부(230)는, 복수의 단어 각각의 시간적 동시 발생 빈도에 기초하여 2 이상의 단어 쌍 각각의 시간적 단어 연관값을 산출한다. 이 때, 2 이상의 단어 쌍 각각은 2개의 단어가 임의적으로 서로 쌍을 이룬 것으로써, 2개의 단어는 복수의 단어에 포함되는 단어이다.
본 발명의 일 실시예에 따르면, 2 이상의 단어 쌍 각각의 시간적 단어 연관값은 아래의 수학식 2과 같이 표현될 수 있다.
Figure pat00064
여기서,
Figure pat00065
는 단어
Figure pat00066
와 단어
Figure pat00067
로 구성된 단어 쌍의 시간적 단어 연관값,
Figure pat00068
는 단어
Figure pat00069
의 시간적 동시 발생 빈도,
Figure pat00070
는 단어
Figure pat00071
의 시간적 동시 발생 빈도를 의미한다.
그리고,
Figure pat00072
는 시간적 동시 발생 빈도
Figure pat00073
와 시간적 동시 발생 빈도
Figure pat00074
사이의 유사도(방향성)을 의미하며,
Figure pat00075
는 시간적 동시 발생 빈도
Figure pat00076
와 시간적 동시 발생 빈도
Figure pat00077
의 각 거리(angular distance)를 의미한다. 이 때, 벡터들
Figure pat00078
및
Figure pat00079
의 방향성이 비슷하면 시간에 따른 두 단어
Figure pat00080
및
Figure pat00081
의 동시 발생 빈도가 유사하게 변화한다는 것을 의미한다. 따라서,
Figure pat00082
에서 도출되는
Figure pat00083
에 따른 각 거리가 작을수록 두 단어
Figure pat00084
및
Figure pat00085
의 동시 발생 빈도가 유사하게 변화함을 알 수 있다.
또한,
Figure pat00086
는 시간적 동시 발생 빈도
Figure pat00087
와 시간적 동시 발생 빈도
Figure pat00088
의 유클리드 거리(Euclidean distance)를 의미한다. 두 단어
Figure pat00089
및
Figure pat00090
의 유클리드 거리가 작은 값을 갖는 경우, 두 단어 간의 동시 출현 빈도의 총합이 비슷하다는 것을 의미하고, 이는 단어의 사용 빈도가 유사성이 있다는 것을 의미한다.
마지막으로, 단계(323)에서, 프로세서부(230)는 2 이상의 단어 쌍 각각의 시간적 단어 연관값을 K-평균 군집화(K-means clustering) 알고리즘에 대입하여 복수의 시간적 연관 단어 그룹을 산출한다.
K-평균 군집화 알고리즘은 임의의 데이터 집단을 K개의 클러스터로 나누어주는 알고리즘을 의미한다. 여기서, K-평균 군집화 알고리즘은, i) 클러스터링을 하고자 하는 K를 결정하고, ii) 결정된 K에 기초하여 K개의 수만큼의 임의의 중심점 C(C1, C2, C3, … , Ck)를 결정하고, iii) 각 중심점에서의 각각의 데이터의 거리를 계산한 후 가장 가까운 것들을 그 데이터 그룹에 소속시키고, iv) 각 데이터 그룹에 대하여 다시 새로운 중심점을 산출하고, v) 새로운 중심점을 이용하여 데이터 그룹을 업데이트하며, vi) 데이터의 그룹이 변하지 않을 때까지 iii) ~ v) 과정을 반복한다.
즉, 단계(323)에서, 프로세서부(230)는 K-평균 군집화 알고리즘에 사용되는 데이터로 2 이상의 단어 쌍 각각의 시간적 단어 연관값을 사용한다. 이 때, K개의 시간적 연관 단어 그룹(클러스터)을 생성하기 위한 파라미터
Figure pat00091
는 아래의 수학식 3과 같이 표현될 수 있다.
Figure pat00092
여기서,
Figure pat00093
는 l번째 클러스터의 중심점인 단어,
Figure pat00094
는 클러스터,
Figure pat00095
는 각각의 클러스터에 포함된 단어 간의 intra-compactness,
Figure pat00096
는 클러스터 사이의 inter-adjacency를 각각 의미한다. 여기서,
Figure pat00097
값이 최소가 될 때 가장 적합한 클러스터링을 형성한다.
그리고, 적절한 시간적 연관 단어 그룹의 수(즉, K)를 구하기 위해 프르세서부(230)는 점진적인 기법을 이용한다. 즉, k=1에서 시작하여 하나씩 증가시키며, 증가된 k에서의 전체 거리의 합이 더 작은 경우 k=2로 수정하고 이를 반복하여 진행한다.
다시 도 3을 참조하면, 단계(330)에서, 프로세서부(230)는 검색어의 결과 생성에 이용되는 복수의 공간적 연관 단어 그룹을 산출한다. 이 때, 복수의 공간적 연관 단어 그룹 각각은 공간적 관점에서 서로 관련되어 있는 의미의 단어들이 분류된 그룹이다.
도 5는 본 발명에 따른 단계(320)의 세부적인 흐름도를 도시한 도면이다.
단계(331)에서, 프로세서부(230)는 SNS 데이터를 구성하는 복수의 마이크로 텍스트에 등장한 복수의 단어 각각의 공간적 동시 발생 빈도를 산출한다.
이 때, 복수의 단어 각각의 공간적 동시 발생 빈도는 복수의 텍스트가 생성된 장소 별로 해당 단어와 기준 단어가 복수의 텍스트에서 동시에 발생하는 빈도, 즉 공통으로 등장하는 빈도를 의미한다.
본 발명의 일 실시예에 따르면, 복수의 단어 각각의 공간적 동시 발생 빈도는 아래의 수학식 4와 같이 표현될 수 있다.
Figure pat00098
여기서,
Figure pat00099
(
Figure pat00100
)는 해당 단어
Figure pat00101
의 공간적 동시 발생 빈도,
Figure pat00102
는 복수의 마이크로 텍스트가 생성된 공간 정보 중 위도 정보,
Figure pat00103
는 복수의 마이크로 텍스트가 생성된 공간 정보 중 경도 정보,
Figure pat00104
는 위도가
Figure pat00105
이고 경도가
Figure pat00106
인 공간에서 생성된 마이크로 텍스트에서 기준 단어
Figure pat00107
와 해당 단어
Figure pat00108
가 동시에 등장하는 빈도를 각각 의미한다.
그리고, 단계(332)에서, 프로세서부(230)는 복수의 단어 각각의 공간적 동시 발생 빈도에 기초하여 2 이상의 단어 쌍 각각의 공간적 단어 연관값을 산출한다.
본 발명의 일 실시예에 따르면, 2 이상의 단어 쌍 각각의 공간적 단어 연관값은 아래의 수학식 5와 같이 표현될 수 있다.
Figure pat00109
여기서,
Figure pat00110
는 단어
Figure pat00111
와 단어
Figure pat00112
로 구성된 단어 쌍의 공간적 단어 연관값,
Figure pat00113
는 단어
Figure pat00114
의 공간적 동시 발생 빈도,
Figure pat00115
는 단어
Figure pat00116
의 공간적 동시 발생 빈도를 각각 의미한다.
마지막으로, 단계(333)에서, 프로세서부(230)는 2 이상의 단어 쌍 각각의 공간적 단어 연관값을 K-평균 군집화 알고리즘에 대입하여 복수의 공간적 연관 단어 그룹을 산출한다. 즉, 프로세서부(230)는 K-평균 군집화 알고리즘에 사용되는 데이터로 2 이상의 단어 쌍 각각의 공간적 단어 연관값을 사용한다. 이 때, K개의 공간적 연관 단어 그룹(클러스터)을 생성하기 위한 파라미터
Figure pat00117
는 아래의 수학식 6과 같이 표현될 수 있다.
Figure pat00118
여기서,
Figure pat00119
는 l번째 클러스터의 중심점인 단어,
Figure pat00120
는 클러스터,
Figure pat00121
는 각각의 클러스터에 포함된 단어 간의 intra-compactness,
Figure pat00122
는 클러스터 사이의 inter-adjacency를 각각 의미한다. 그리고, 적절한 공간적 연관 단어 그룹의 수(즉, K)를 구하기 위해 프르세서부(230)는 점진적인 기법을 이용한다.
다시 도 3을 참조하면, 단계(340)에서, 프로세서부(230)는 사용자로부터 검색어가 입력되는 경우 검색어의 생성 시간 정보 및 생성 공간 정보를 이용하여 복수의 시간적 연관 단어 그룹 중 하나의 시간적 연관 단어 그룹과, 복수의 공간적 연관 단어 그룹 중 하나의 공간적 연관 단어 그룹을 검색한다.
마지막으로, 단계(350)에서, 프로세서부(230)는 검색된 하나의 시간적 연관 단어 그룹 및 검색된 하나의 공간적 연관 단어 그룹 각각에 포함된 단어를 이용하여 검색어와 관련된 결과를 제공한다. 제공된 결과는 단말 장치(110)로 전송될 수 있다.
정리하면, 본 발명의 일 실시예에 따른 검색 결과 제공 시스템(100)은 시간 정보 및 공간 정보가 태깅되어 있는 복수의 마이크로 텍스트와, 검색어의 생성 시간 정보 및 생성 공간 정보를 이용하여 검색어와 관련된 정확한 결과(일례로, 정보 검색)을 도출할 수 있는 장점이 있다.
이하에서는, 시간 정보에 따른 이벤트 탐지의 일례 및 시간 정보에 따른 이벤트 탐지의 일례를 설명하기로 한다.
시간 정보에 따른 이벤트 탐지의 일례를 설명하면 다음과 같다.
상기에서 설명된 시간적 연관 단어 그룹 각각의 concept을 라고 하고, 임의의 시간
Figure pat00124
에서 특정 concept
Figure pat00125
에 포함된 단어들의 동시 발생 빈도의 총합을
Figure pat00126
라고 하면,
Figure pat00127
에서 모든 concept의 동시 발생 빈도의 총합의 집합
Figure pat00128
은 아래의 수학식 7과 같이 표현된다.
Figure pat00129
이를 확률적으로 분석하기 위해서 아래의 수학식 8이 적용된다.
Figure pat00130
여기서,
Figure pat00131
이 크다는 것은 시간
Figure pat00132
에서 concept
Figure pat00133
에 포함되어 있는 단어들이 자주 사용되었다는 것을 의미하고, 이는 특정 시간에서의 쿼리임을 의미한다. 즉,
Figure pat00134
에 포함된 원소들 중에서 가장 큰 값이 concept이다. 시간
Figure pat00135
에서 가장 의미 있는 concept을
Figure pat00136
이라고 할 때, 이는 아래의 수학식 9와 같이 표현된다.
Figure pat00137
여기서, 단어의 사용 빈도에 영향을 미치는 이벤트가 발생하면 사용되는 concept이 달라진다. 반대로, 사용되는 concept가 달라질 때 이벤트가 발생하였다고 추정 가능하다. 즉,
Figure pat00138
을 만족 하는 시점의 구간
Figure pat00139
에서 이벤트가 발생하였다는 것을 알 수 있다.
그리고, 공간 정보에 따른 이벤트 탐지의 일례를 설명하면 다음과 같다.
상기에서 설명된 공간적 연관 단어 그룹 각각의 concept을
Figure pat00140
라고 하고, 영역
Figure pat00141
에서 concept
Figure pat00142
에 포함된 모든 단어들의 동시 발생 빈도의 총합을
Figure pat00143
이라 하면, 영역
Figure pat00144
에서 모든 concept의 동시 발생 빈도의 총합의 집합
Figure pat00145
은 아래의 수학식 10과 같이 표현된다.
Figure pat00146
이를 확률적으로 분석하기 위해서 아래와 같은 수학식 11을 적용한다.
Figure pat00147
이 때, 공간에서의 이벤트 감지의 방식으로는 DBSCAN이 사용될 수 있다. DBSCAN을 이용하기 위해 임의의 concept
Figure pat00148
에 대하여 영역에 따른 아래의 수학식 12과 같은 행렬을 생성한다.
Figure pat00149
여기서, 특정 concept
Figure pat00150
의 동시 발생 빈도가 가장 큰 영역은 "1"로 표시하고, 나머지 부분은 "0"으로 표시하며, DBSCAN 방식을 이용하여 "1"로 표시된 영역을 분할한다.
그리고, 이 행렬의 성분은 해당 영역에서 concept
Figure pat00151
와 연관성이 가장 큰 경우 2차원의 좌표값을 갖게 되고, 아닌 경우 "0"의 값을 갖는다. DBSCAN에 사용될 거리는 아래의 수학식 13과 같다.
Figure pat00152
DBSCAN의 경우, 이상치를 판단하기 위한 임계 거리 내의 최소 허용 객체의 수는 2차원의 데이터의 차원이므로, "3"으로 결정한다. 또한, 임계 거리는 전체 단어 내의 임의의 두 단어 사이의 최대와 최소 거리를 이용하여 아래의 수학식 14과 같이 표현될 수 있다.
Figure pat00153
이를 이용하면 각각의 concept의 클러스터에 따라 사용되는 영역을 파악할 수 있다.
또한, 본 발명의 실시예들은 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 본 발명을 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), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 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 본 발명의 일 실시예들의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.

Claims (10)

  1. 컴퓨터에서 판독 가능한 명령을 저장하는 메모리; 및
    상기 명령을 실행하도록 구현되는 프로세서;를 포함하되,
    상기 프로세서는,
    SNS 데이터가 생성된 시간 정보 및 공간 정보에 기초하여 상기 SNS 데이터에 포함된 복수의 단어를 시간적 특성 및 공간적 특성에 따라 연관성을 가지는 단어들로 그룹화하여 복수의 시간적 연관 단어 그룹 및 복수의 공간적 연관 단어 그룹을 산출하고,
    검색어가 입력되는 경우 상기 검색어의 생성 시간 정보 및 생성 공간 정보를 이용하여 상기 복수의 시간적 연관 단어 그룹 중 하나의 시간적 연관 단어 그룹 및 상기 복수의 공간적 연관 단어 그룹 중 하나의 공간적 연관 단어 그룹을 검색하고,
    상기 하나의 시간적 연관 단어 그룹 및 상기 하나의 공간적 연관 단어 그룹 각각에 포함된 단어를 이용하여 상기 검색어와 관련된 결과를 제공하는 것을 특징으로 하는 서버.
  2. 제1항에 있어서,
    상기 프로세서는,
    상기 SNS 데이터에 등장한 복수의 단어에 대한 2 이상의 단어 쌍의 시간적 단어 연관값 및 공간적 단어 연관값을 산출하고,
    상기 2 이상의 단어 쌍 각각 시간적 단어 연관값을 K-평균 군집화(K-means clustering) 알고리즘에 대입하여 상기 복수의 시간적 연관 단어 그룹을 산출하고,
    상기 2 이상의 단어 쌍 각각의 공간적 단어 연관값을 K-평균 군집화 알고리즘에 대입하여 상기 복수의 공간적 연관 단어 그룹을 산출하는 것을 특징으로 하는 단말 장치.
  3. 제2항에 있어서,
    상기 SNS 데이터는 복수의 텍스트를 포함하고, 상기 복수의 텍스트 각각에는 상기 텍스트가 생성된 시간 구간 정보가 태깅되어 있으며,
    상기 프로세서는,
    상기 복수의 단어 각각의 시간적 동시 발생 빈도를 산출하고, 상기 복수의 단어 각각의 시간적 동시 발생 빈도에 기초하여 상기 2 이상의 단어 쌍의 시간적 단어 연관값을 산출하되,
    상기 복수의 단어 각각의 시간적 동시 발생 빈도는, 상기 복수의 텍스트가 생성된 시간 구간 별로 상기 단어와 기준 단어가 상기 복수의 텍스트에서 동시에 발생하는 빈도를 의미하는 것을 특징으로 하는 단말 장치.
  4. 제3항에 있어서,
    상기 단어의 시간적 동시 발생 빈도는 아래의 수학식과 같이 표현되는 것을 특징으로 하는 단말 장치.

    Figure pat00154


    여기서,
    Figure pat00155
    는 상기 단어
    Figure pat00156
    의 시간적 동시 발생 빈도,
    Figure pat00157
    는 상기 시간 구간 중 n번째 시간 구간,
    Figure pat00158
    는 상기 복수의 텍스트 중 l번째 텍스트,
    Figure pat00159
    는 상기 복수의 텍스트의 개수,
    Figure pat00160
    는 상기 n번째 시간 구간
    Figure pat00161
    동안 상기 l번째 텍스트에서 상기 기준 단어
    Figure pat00162
    와 상기 단어
    Figure pat00163
    가 동시에 등장하는 빈도,
    Figure pat00164
    는 상기 n번째 시간 구간
    Figure pat00165
    동안 상기 복수의 텍스트 모두에서 상기 기준 단어
    Figure pat00166
    와 상기 단어
    Figure pat00167
    가 동시에 등장하는 빈도를 각각 의미함.
  5. 제3항에 있어서,
    상기 2 이상의 단어 쌍 각각의 시간적 단어 연관값은 아래의 수학식과 같이 표현되는 것을 특징으로 하는 단말 장치.

    Figure pat00168


    여기서,
    Figure pat00169
    는 단어
    Figure pat00170
    와 단어
    Figure pat00171
    로 구성된 단어 쌍의 시간적 단어 연관값,
    Figure pat00172
    는 상기 단어
    Figure pat00173
    의 시간적 동시 발생 빈도,
    Figure pat00174
    는 상기 단어
    Figure pat00175
    의 시간적 동시 발생 빈도,
    Figure pat00176
    는 상기 시간적 동시 발생 빈도
    Figure pat00177
    와 상기 시간적 동시 발생 빈도
    Figure pat00178
    의 각 거리(angular distance),
    Figure pat00179
    는 상기 시간적 동시 발생 빈도
    Figure pat00180
    와 상기 시간적 동시 발생 빈도
    Figure pat00181
    의 유클리드 거리(Euclidean distance)를 각각 의미함.
  6. 제2항에 있어서,
    상기 SNS 데이터는 복수의 텍스트를 포함하고, 상기 복수의 텍스트 각각에는 상기 텍스트가 생성된 공간 정보가 태깅되어 있으며,
    상기 프로세서는,
    상기 복수의 단어 각각의 공간적 동시 발생 빈도를 산출하고, 상기 복수의 단어 각각의 공간적 동시 발생 빈도에 기초하여 상기 2 이상의 단어 쌍의 공간적 단어 연관값을 산출하되,
    상기 복수의 단어 중 어느 하나의 단어의 공간적 동시 발생 빈도는, 상기 복수의 텍스트가 생성된 공간 정보 별로 상기 어느 하나의 단어와 기준 단어가 상기 복수의 텍스트에서 동시에 발생하는 빈도를 의미하는 것을 특징으로 하는 단말 장치.
  7. 제6항에 있어서,
    상기 어느 하나의 단어의 공간적 동시 발생 빈도는 아래의 수학식과 같이 표현되는 것을 특징으로 하는 단말 장치.

    Figure pat00182


    여기서,
    Figure pat00183
    는 상기 어느 하나의 단어
    Figure pat00184
    의 공간적 동시 발생 빈도,
    Figure pat00185
    는 상기 복수의 텍스트가 생성된 공간 정보 중 위도 정보,
    Figure pat00186
    는 상기 복수의 텍스트가 생성된 공간 정보 중 경도 정보,
    Figure pat00187
    는 위도가
    Figure pat00188
    이고 경도가
    Figure pat00189
    인 공간에서 생성된 텍스트에서 상기 기준 단어
    Figure pat00190
    와 상기 어느 하나의 단어
    Figure pat00191
    가 동시에 등장하는 빈도를 각각 의미함.
  8. 제6항에 있어서,
    상기 2 이상의 단어 쌍의 공간적 단어 연관값은 아래의 수학식과 같이 표현되는 것을 특징으로 하는 단말 장치.

    Figure pat00192


    여기서,
    Figure pat00193
    는 단어
    Figure pat00194
    와 단어
    Figure pat00195
    로 구성된 단어 쌍의 공간적 단어 연관값,
    Figure pat00196
    는 상기 단어
    Figure pat00197
    의 공간적 동시 발생 빈도,
    Figure pat00198
    는 상기 단어
    Figure pat00199
    의 공간적 동시 발생 빈도를 각각 의미함.
  9. 프로세서가 포함된 장치에서 수행되는 검색 결과 제공 방법에 있어서,
    SNS 데이터가 생성된 시간 정보 및 공간 정보에 기초하여 상기 SNS 데이터에 포함된 복수의 단어를 시간적 특성 및 공간적 특성에 따라 연관성을 가지는 단어들로 그룹화하여 복수의 시간적 연관 단어 그룹 및 복수의 공간적 연관 단어 그룹을 산출하는 단계;
    검색어가 입력되는 경우 상기 검색어의 생성 시간 정보 및 생성 공간 정보를 이용하여 상기 복수의 시간적 연관 단어 그룹 중 하나의 시간적 연관 단어 그룹 및 상기 복수의 공간적 연관 단어 그룹 중 하나의 공간적 연관 단어 그룹을 검색하는 단계; 및
    상기 하나의 시간적 연관 단어 그룹 및 상기 하나의 공간적 연관 단어 그룹 각각에 포함된 단어를 이용하여 상기 검색어와 관련된 결과를 제공하는 단계;를 포함하는 것을 특징으로 하는 검색 결과 제공 방법.
  10. 검색어를 이용한 검색 결과 제공을 위하여 디지털 처리 장치에 의해 실행될 수 있는 명령어들의 프로그램이 유형적으로 구현되어 있으며 디지털 처리 장치에 의해 판독될 수 있는 기록매체로서,
    SNS 데이터가 생성된 시간 정보 및 공간 정보에 기초하여 상기 SNS 데이터에 포함된 복수의 단어를 시간적 특성 및 공간적 특성에 따라 연관성을 가지는 단어들로 그룹화하여 복수의 시간적 연관 단어 그룹 및 복수의 공간적 연관 단어 그룹을 산출하는 단계;
    검색어가 입력되는 경우 상기 검색어의 생성 시간 정보 및 생성 공간 정보를 이용하여 상기 복수의 시간적 연관 단어 그룹 중 하나의 시간적 연관 단어 그룹 및 상기 복수의 공간적 연관 단어 그룹 중 하나의 공간적 연관 단어 그룹을 검색하는 단계; 및
    상기 하나의 시간적 연관 단어 그룹 및 상기 하나의 공간적 연관 단어 그룹 각각에 포함된 단어를 이용하여 상기 검색어와 관련된 결과를 제공하는 단계;를 수행하는 프로그램이 기록된 기록매체.
KR1020170165067A 2017-12-04 2017-12-04 Sns 데이터를 이용하여 검색어에 따른 결과를 제공하는 장치 및 방법과, 이를 수행하기 위한 기록 매체 KR102006549B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170165067A KR102006549B1 (ko) 2017-12-04 2017-12-04 Sns 데이터를 이용하여 검색어에 따른 결과를 제공하는 장치 및 방법과, 이를 수행하기 위한 기록 매체

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170165067A KR102006549B1 (ko) 2017-12-04 2017-12-04 Sns 데이터를 이용하여 검색어에 따른 결과를 제공하는 장치 및 방법과, 이를 수행하기 위한 기록 매체

Publications (2)

Publication Number Publication Date
KR20190065661A true KR20190065661A (ko) 2019-06-12
KR102006549B1 KR102006549B1 (ko) 2019-08-01

Family

ID=66846258

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170165067A KR102006549B1 (ko) 2017-12-04 2017-12-04 Sns 데이터를 이용하여 검색어에 따른 결과를 제공하는 장치 및 방법과, 이를 수행하기 위한 기록 매체

Country Status (1)

Country Link
KR (1) KR102006549B1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130043422A (ko) * 2011-10-20 2013-04-30 부경대학교 산학협력단 모바일기기를 이용한 지도기반의 실시간 재난정보서비스 운용방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130043422A (ko) * 2011-10-20 2013-04-30 부경대학교 산학협력단 모바일기기를 이용한 지도기반의 실시간 재난정보서비스 운용방법

Also Published As

Publication number Publication date
KR102006549B1 (ko) 2019-08-01

Similar Documents

Publication Publication Date Title
US11580104B2 (en) Method, apparatus, device, and storage medium for intention recommendation
US10452702B2 (en) Data clustering
US10268758B2 (en) Method and system of acquiring semantic information, keyword expansion and keyword search thereof
JP6293642B2 (ja) 推薦エンジンに基づく汎用グラフ、ルール及び空間構造
US20210042628A1 (en) Building a federated learning framework
US20150242497A1 (en) User interest recommending method and apparatus
EP3971798A1 (en) Data processing method and apparatus, and computer readable storage medium
US20120330959A1 (en) Method and Apparatus for Assessing a Person's Security Risk
US10565253B2 (en) Model generation method, word weighting method, device, apparatus, and computer storage medium
US10885065B2 (en) Data convergence
Lymberopoulos et al. Location-aware click prediction in mobile local search
JP2014515514A (ja) 提案される語を提供するための方法および装置
EP3245598B1 (en) Website access control
US10002187B2 (en) Method and system for performing topic creation for social data
CN104077723B (zh) 一种社交网络推荐系统及方法
EP3582138A1 (en) Pedestrian search method and apparatus
KR101638535B1 (ko) 사용자 검색어 연관 이슈패턴 검출 방법, 이를 수행하는 이슈패턴 검출 서버 및 이를 저장하는 기록매체
CN109446520B (zh) 用于构建知识库的数据聚类方法及装置
CN110889029B (zh) 城市目标推荐方法和装置
KR101614890B1 (ko) 멀티 테넌시 이력 생성 방법, 이를 수행하는 멀티 테넌시 이력 생성 서버 및 이를 저장하는 기록매체
KR102006549B1 (ko) Sns 데이터를 이용하여 검색어에 따른 결과를 제공하는 장치 및 방법과, 이를 수행하기 위한 기록 매체
CN104217032A (zh) 数据库维度的处理方法及装置
US10262061B2 (en) Hierarchical data classification using frequency analysis
US9286348B2 (en) Dynamic search system
CN110619090A (zh) 一种区域吸引力评估方法及设备

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