KR20200003536A - 스마트 커뮤니티 시스템 및 이의 다차원 스마트 커뮤니티 발견 방법 - Google Patents

스마트 커뮤니티 시스템 및 이의 다차원 스마트 커뮤니티 발견 방법 Download PDF

Info

Publication number
KR20200003536A
KR20200003536A KR1020180076431A KR20180076431A KR20200003536A KR 20200003536 A KR20200003536 A KR 20200003536A KR 1020180076431 A KR1020180076431 A KR 1020180076431A KR 20180076431 A KR20180076431 A KR 20180076431A KR 20200003536 A KR20200003536 A KR 20200003536A
Authority
KR
South Korea
Prior art keywords
community
home
similarity
proximity
information
Prior art date
Application number
KR1020180076431A
Other languages
English (en)
Other versions
KR102106260B1 (ko
Inventor
이동만
현순주
손희석
임준성
김태훈
Original Assignee
한국과학기술원
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 한국과학기술원 filed Critical 한국과학기술원
Priority to KR1020180076431A priority Critical patent/KR102106260B1/ko
Publication of KR20200003536A publication Critical patent/KR20200003536A/ko
Application granted granted Critical
Publication of KR102106260B1 publication Critical patent/KR102106260B1/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
    • G06Q50/40—Business processes related to the transportation industry
    • G06Q50/30—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (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)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 인간 중심의 스마트 커뮤니티를 형성할 수 있도록 하는 스마트 커뮤니티 시스템 및 이의 다차원 스마트 커뮤니티 구성 방법에 관한 것으로,
이는 회원 등록을 요청하는 가정이 존재하면, 상기 가정이 이용하는 홈 네트워크를 통해 주택, 가족 구성원, 가전 기기에 대한 정보를 포함하는 회원 정보를 수집 및 저장한 후 상기 가정을 회원으로 등록하는 단계; 다수의 가정이 회원 등록된 상태에서 커뮤니티 그룹 생성이 요청되면, 상기 회원 정보를 기반으로 가정 간 물리적, 사회적, 경제적 근접도를 산출 및 분석함으로써, 가정 간 유사도를 파악하는 단계; 및 가정 간 유사도를 기반으로 상기 다수의 회원을 클러스터링하여 적어도 하나의 커뮤니티 그룹을 생성하는 단계를 포함할 수 있다.

Description

스마트 커뮤니티 시스템 및 이의 다차원 스마트 커뮤니티 발견 방법{Smart community system and method for discovering multi-dimensional smart community}
본 발명은 스마트 커뮤니티 시스템 및 이의 다차원 스마트 커뮤니티 발견 방법에 관한 것으로, 특히 각 가정의 물리적, 사회적, 경제적 측면을 고려하여 인간 중심적인 커뮤니티를 형성하고 추천할 수 있도록 하는 스마트 커뮤니티 시스템 및 이의 다차원 스마트 커뮤니티 구성 방법에 관한 것이다.
모든 가정에 인터넷이 확산됨에 따라 주민들이 이전보다 서로 더 가까워지는 기회가 늘어났다. 그러나 견고한 구조적 장벽이 높아지고 그러한 지역 내 사회적 관계는 전통적인 마을에 비해 약하다. 따라서 커뮤니티를 활성화하고 궁극적으로 건설적인 참여와 주민 간의 커뮤니티 공유를 통해 커뮤니티 의식을 고양시키는 것은 현재 현대 주택 단지에서 어려운 문제로 대두되고 있다.
이러한 커뮤니티를 활성화하기 위한 노력의 일환으로 여러 스마트 홈에 IoT가 설치하고, 이들을 서로 상호 연결하는 스마트 커뮤니티 개념이 제시되었다.
스마트 커뮤니티는 주민들이 집단 지성을 활용함으로써 개인의 경제적 이익을 극대화 할뿐만 아니라 자원과 서비스의 자발적 상호 교환을 통해 커뮤니티 이익을 달성할 수 있게 함으로써, 궁극적으로 커뮤니티 의식과 삶의 질을 향상시키는 것을 목표로 한다. 그러한 스마트 커뮤니티를 활성화시키기 위해, 주민들은 기꺼이 사회봉사에 참여하고 헌신함을 가정으로 해야 한다.
이러한 참여와 헌신은 사람들을 그룹으로 모으는 것만으로는 보장되지 않기 때문에, (1) 친숙함 효과, (2) 관심과 취미, (3) 사회 경제적 지위 및 인구 통계 학적 정보와 같은 커뮤니티 형성의 3 가지 원동력에 기초하여, 사람들을 분류하고 커뮤니티 그룹을 생성해야 한다.
그러나 종래에는 지리적 근접성, 자원 종류 및 양과 같은 물리적 측면만을 고려하여 스마트 커뮤니티를 구축 및 운영하고 있어, 주민들의 커뮤니티 이익을 달성하고 궁극적으로 커뮤니티 의식을 고양시킬 수 있는 보다 인간 중심의 스마트 커뮤니티를 형성하기에는 한계가 있었다.
X. Li, R. Lu, X. Liang, X. Shen, J. Chen, and X. Lin. 2011. Smart community: An internet of things application. IEEE Commun. Mag. 49, 11 (2011), 68-75. T. K. Anandalaskhmi, S. Sathiakumar, and N. Parameswaran. 2013. Peak reduction algorithms for a smart community. In Proceedings of the 2013 International Conference on Energy Efficient Technologies for Sustainability (ICEETS'13). IEEE, 1113-1119.
이에 상기와 같은 문제점을 해결하기 위한 것으로써, 본 발명은 각 가정의 물리적, 사회적, 경제적 측면을 고려하여 인간 중심의 스마트 커뮤니티를 형성할 수 있도록 하는 스마트 커뮤니티 시스템 및 이의 다차원 스마트 커뮤니티 구성 방법을 제공하고자 한다.
그리고 스마트 커뮤니티의 서비스 유형 및 목적에 따라 유사성 측정을 위한 물리적, 사회적, 경제적 근접성 각각의 가중치를 조정할 수 있도록 하는 스마트 커뮤니티 시스템 및 이의 다차원 스마트 커뮤니티 구성 방법을 제공하고자 한다.
또한 최소한의 개인 정보만을 사용할 수 있도록 하는 스마트 커뮤니티 시스템 및 이의 다차원 스마트 커뮤니티 구성 방법을 제공하고자 한다.
본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 본 발명이 속하는 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
상기 과제를 해결하기 위한 수단으로써, 본 발명의 일 실시 형태에 따르면 회원 등록을 요청하는 가정이 존재하면, 상기 가정이 이용하는 홈 네트워크를 통해 주택, 가족 구성원, 가전 기기에 대한 정보를 포함하는 회원 정보를 수집 및 저장한 후 상기 가정을 회원으로 등록하는 단계; 다수의 가정이 회원 등록된 상태에서 커뮤니티 그룹 생성이 요청되면, 상기 회원 정보를 기반으로 가정 간 물리적, 사회적, 경제적 근접도를 산출 및 분석함으로써, 가정 간 유사도를 파악하는 단계; 및 가정 간 유사도를 기반으로 상기 다수의 회원을 클러스터링하여 적어도 하나의 커뮤니티 그룹을 생성하는 단계는 다차원 스마트 커뮤니티 구성 방법을 제공한다.
상기 가정 간 유사도를 파악하는 단계는 상기 커뮤니티 그룹의 서비스 유형 및 목적에 따라 물리적, 사회적, 경제적 근접도 각각의 가중치를 조정할 수 있는 것을 특징으로 한다.
상기 회원 정보는 주택 정보, 가정 구성원 정보, 및 가전기기 정보를 포함하며, 상기 주택 정보는 주택 위치, 주택 크기, 주택 소유 여부, 주택에 구비된 가전 기기 종류에 대한 정보를 포함하고, 상기 가정 구성원 정보는 구성원 수, 가족 구성 형태, 생활 패턴, 구성원 각각의 직업 및 나이에 대한 정보를 포함하고, 상기 가전 기기 정보는 기기 타입, 제조사, 제조 일자, 기능, 사용 횟수 및 기간에 대한 정보를 포함하는 것을 특징으로 한다.
상기 가정 간 유사도를 파악하는 단계는 물리적 거리(Physical Distance), 서로 이웃 수(Number of Mutual Neighbors), 서로 친구 수(Number of Mutual Friends), 및 만남 횟수(Number of Encounter Logs)를 기반으로 가정 간 물리적 근접성을 산출하고, 가족 형태 유사성(Similarity of family composition), 연령대 유사성(Similarity of age distribution of residents)을 기반으로 가정 간 사회적 근접성을 산출하는 단계; 주택 크기 차이(Difference of home size), 가전 기기 세트 유사성(Similarity of a set of home appliances), 주택 소유권 유사성(Similarity of home ownership), 직업 유사성(Similarity of Occupations of residents)을 기반으로 가정 간 경제적 근접성을 산출하는 단계; 상기 물리적 근접성, 상기 사회적 근접성, 및 상기 경제적 근접성을 기 설정된 가중치에 따라 고려하여 가정 간 유사도를 산출하는 것을 특징으로 한다.
상기 가정간 유사도를 파악하는 단계는 상기 커뮤니티 그룹의 서비스 유형 및 목적에 따라 상기 물리적 근접성, 상기 사회적 근접성, 및 상기 경제적 근접성의 산출을 위한 변수 각각의 가중치를 추가 조정할 수 있는 것을 특징으로 한다.
상기 방법은 새로운 가정이 회원 등록되면, 상기 새로운 가정과 상기 커뮤니티 그룹간의 물리적, 사회적, 경제적 근접도를 산출 및 비교 분석하여, 추천 대상 그룹을 선별 및 안내하는 단계를 더 포함하는 것을 특징으로 한다.
또한 상기 방법은 커뮤니티 그룹 단위로 스마트 커뮤니티 서비스를 제공하는 단계를 더 포함하는 것을 특징으로 한다.
상기 과제를 해결하기 위한 수단으로서, 본 발명의 다른 실시 형태에 따르면 다수의 IoT와 홈 게이트웨이를 통해 홈 네트워크를 구축하고, 주택, 가족 구성원, 가전 기기에 대한 정보를 포함하는 회원 정보를 수집 및 제공하는 다수의 홈 네트워크 시스템; 및 다수의 홈 네트워크 시스템이 제공하는 회원 정보를 기반으로 가정 간 물리적, 사회적, 경제적 근접도를 산출 및 분석하여 가정 간 유사도를 파악한 후, 상기 가정 간 유사도를 기반으로 상기 다수의 회원을 클러스터링하여 적어도 하나의 커뮤니티 그룹을 생성 및 운영하는 커뮤니티 센터를 포함하는 스마트 커뮤니티 시스템을 제공한다.
본 발명은 물리적, 사회적, 경제적 근접성을 통해 (1) 친숙함 효과, (2) 관심과 취미, (3) 사회 경제적 지위 및 인구 통계학적 정보와 같은 커뮤니티 형성의 3 가지 원동력을 반영하고, 이를 기반으로 인간 중심의 스마트 커뮤니티를 형성할 수 있도록 한다.
그리고 스마트 커뮤니티의 서비스 유형 및 목적에 따라 유사성 측정을 위한 물리적, 사회적, 경제적 근접성 각각의 가중치, 더 나아가서는 근접성 산출에 이용되는 변수의 가중치까지 조정할 수 있도록 함으로써, 스마트 커뮤니티 이용 의도를 보다 정확하고 충실하게 반영할 수 있도록 한다.
또한 최소한의 개인 정보만을 사용하여서도 스마트 커뮤니티 발견이 가능하도록 함으로써, 개인 정보 제공에 대한 사용자 부담을 최소화할 수 있도록 한다.
도 1은 본 발명의 일 실시 예에 따른 스마트 커뮤니티 시스템을 도시한 도면이다.
도 2는 본 발명의 일 실시 예에 따른 스마트 커뮤니티 시스템의 다차원 스마트 커뮤니티 구성 방법을 도시한 도면이다.
도 3은 본 발명의 일 실시 예에 따른 인간 중심의 커뮤니티를 발견하기 위한 클러스터링 알고리즘을 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시 예에 따른 다차원 스마트 커뮤니티 구성 방법을 실제 적용예를 도시한 도면이다.
본 발명의 목적 및 효과, 그리고 그것들을 달성하기 위한 기술적 구성들은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 본 발명을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다.
그리고 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다.
그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있다. 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
본 발명의 커뮤니티 발견 방법은 클러스터링 알고리즘과 매우 관련이 있는 데, 클러스터링의 기본 기준은 서로 비슷한 개체는 동일 그룹으로 클러스터링하고, 서로 상이한 개체는 다른 그룹으로 클러스터링하는 것이다.
클러스터링의 수학 공식은 유사성 측정(거리 함수)과 목적 함수(클러스터링 기준)의 두 가지 측정 기준이 정의된다.
이에 본 발명은 (1) 친숙함 효과, (2) 관심과 취미, (3) 사회 경제적 지위 및 인구 통계 학적 정보와 같은 커뮤니티 형성의 3 가지 원동력에 기초하여, 사람들을 분류하고 커뮤니티 그룹을 생성할 수 있도록 한다.
이를 위해, 본 발명은 물리적, 사회적, 경제적 근접성이라는 3 가지 요소를 통해 상기의 커뮤니티 형성의 3 가지 원동력을 반영하고, 이를 통해 커뮤니티 발견을 위한 유사성 산출 동작을 수행하도록 한다.
물리적 근접성은 일정 거리 이내에 있으며 일정 수준의 친밀감을 가진 사람들을 발견하기 위한 것이다. 이는 특정 커뮤니티 구성시에 공통의 목표를 달성하기 위한 작업에 참여하고 공동 작업을 하는 사람들이 서로 익숙하지 않아 당황스러워할 가능성을 낮추고, 대면 접촉을 통한 현장 지원이 보다 용이해질 수 있도록 하기 위함이다. 사회적 근접성은 이웃 사이의 사회적 동질성을 고취시킬 수 있는 비슷한 사회적 측면(예를 들어, 라이프 스타일)을 공유하는 사람들을 연결시키기 위한 것이다. 경제적 근접성은 유사한 사회 경제적 지위를 가진 사람을 발견하기 위한 것으로, 수입과 교육 수준에 의해 결정되는 사회 경제적 지위(SES)를 기반으로 산출 가능하다.
그리고 스마트 커뮤니티가 제공하고자하는 커뮤니티 그룹 각각의 서비스 유형 및 목적에 따라 유사성 측정을 위한 물리적, 사회적, 경제적 근접성 각각의 가중치를 조정할 수 있도록 한다.
예를 들어, 이웃 감시 서비스는 가정의 경제력에 관계없이 지리의 가까움이 이웃을 주의 깊게 관찰 할 수 있는 스마트 커뮤니티를 형성하는 핵심 요소이기 때문에, 물리적 근접성에 더 높은 가중치를 부여하고 경제적 근접성에 대해서는 더 낮은 가중치를 할당하도록 한다. 마찬가지로 에너지 절약 서비스는 가정의 일반적인 복지와 생활 방식이 스마트 커뮤니티를 형성하는 데 중요하기 때문에, 물리적 근접성보다 사회적 근접성과 경제적 근접성에 더 큰 가중치를 두도록 한다.
더하여, 본 발명은 근접도 각각의 가중치 균형 이외에, 근접도 산출에 이용되는 변수의 종류 및 가중치도 임의 조정할 수 있어야 한다. 즉, 근접도 각각의 변수는 거리 함수에 직접적으로 반영되므로 스마트 커뮤니티가 발견하는 유형에 따라 달라진다. 결과적으로, 근접도 산출에 이용되는 변수는 발견하고자하는 스마트 커뮤니티에 대해 가장 잘 묘사해야한다.
또한 본 발명은 사용자 개인 정보와 커뮤니티 발견 품질 사이의 균형점을 찾는 것이다. 개별 사용자의 관점에서, 대상 가정에 대해 잘 매치되고 유익한 스마트 커뮤니티 회원을 발견하려면 기성품 추천 시스템이 가정의 디지털 발자국(digital footprints)을 활용하여 가정에 대한 개인 정보를 공개하는 것이 필수적이다.
본 발명은 개인 정보의 남용을 방지하기 위해, 개인 정보 보호에 대한 우려를 해소하면서 특정 개인 데이터가 적합한 매치와 관련이 있는지 분석하도록 한다.
개인 정보 사용에 대한 본 발명의 이론적 근거는, 다른 사람들이 이름과 주소 같은 사용자의 신원을 추측 할 수 있는 사용자의 직접적인 개인 정보를 요청할 뿐만 아니라 사용자가 정보 유출 정도를 제어할 수 있도록 하는 것이다. 커뮤니티 발견의 품질을 보장하기 위해, 공개된 개인 데이터의 양에 따른 성능 저하를 최소화하는 탄력적이고 취약성이 낮은 커뮤니티 발견 방법을 제안하고자 한다.
도 1은 본 발명의 일 실시 예에 따른 스마트 커뮤니티 시스템을 도시한 도면이다.
도 1에서와 같이, 본 발명의 스마트 커뮤니티 시스템은 다수의 홈 네트워크 시스템(100)과 커뮤니티 센터(200)로 구성될 수 있다.
홈 네트워크 시스템(100) 각각은 다수의 IoT(110)와 홈 게이트웨이(120)를 통해 홈 네트워크를 구축하고, 주택, 가족 구성원, 가전 기기에 대한 정보를 포함하는 회원 정보를 수집 및 제공하도록 한다.
IoT 장치(110)는 자체 유지 장치로서, 가전 기기 자체로 구현될 수 있고, 가전 기기와 상호 연동되는 센서 형태로 구현될 수도 있다. 이는 가족 구성원이 수행하려는 작업의 종류를 인식하는 기능, 홈 게이트웨이(120)를 통해 다른 장치의 도움을 요청하는 기능, 개인화된 사용자 인터랙션을 제공하는 기능 등을 수행한다.
홈 게이트웨이(120)는 Bluetooth, Wi-Fi 또는 Zigbee와 같은 근거리 무선 방식으로 댁내 IoT 장치(110)들과 통신함으로써, 홈 네트워크를 지원한다. 그리고 가족 구성원의 생활양식과 행동 패턴을 추론하는 데 중요한 역할을 하는 컨텍스트 정보를 IoT 장치(110) 및 가족 구성원으로부터 수집한 후, 커뮤니티 센터(200)에 제공하도록 한다.
커뮤니티 센터(200)는 홈 네트워크를 구축 및 이용하는 가정을 회원으로 등록한다. 그리고 홈 네트워크 시스템(100)이 제공하는 회원 정보를 기반으로 가정 간 물리적, 사회적, 경제적 근접도를 산출 및 분석하여 가정 간 유사도를 파악한 후, 상기 가정 간 유사도를 기반으로 다수의 가정을 클러스터링하여 적어도 하나의 커뮤니티 그룹을 생성 및 운영하도록 한다.
도 2는 본 발명의 일 실시 예에 따른 스마트 커뮤니티 시스템의 다차원 스마트 커뮤니티 구성 방법을 도시한 도면이다.
도 2을 참고하면, 본 발명의 스마트 커뮤니티 발견 방법은 크게 회원 등록 단계(S1), 커뮤니티 그룹 생성 단계(S2), 커뮤니티 서비스 제공 단계(S3), 및 커뮤니티 그룹 추천 단계(S4) 등을 포함한다.
회원 등록 단계(S1)
만약, 회원 등록을 요청하는 가정이 존재하면, 커뮤니티 센터(200)는 가정이 이용하는 홈 네트워크를 통해 주택, 가족 구성원, 가전 기기에 대한 정보를 포함하는 회원 정보를 획득한 후 상기 가정을 회원으로 등록하도록 한다.
앞서 설명한 바와 같이, 본 발명은 물리적, 사회적 및 경제적 근접성을 통해 (1) 친숙함 효과, (2) 관심과 취미, (3) 사회 경제적 지위 및 인구 통계학적 정보와 같은 커뮤니티 형성의 3 가지 원동력을 반영하여 사람들을 분류하고 커뮤니티 그룹을 생성할 수 있도록 한다.
이에 본 발명에서는 물리적, 사회적 및 경제적 근접성의 산출이 가능하도록, 표1에서와 같이 주택(home), 가정(household), 및 개별 가전기기라는 세 가지 관점에서 회원 정보를 수집 및 제공하도록 한다.
표 1을 참고하면, 회원 정보는 주택 정보(Home), 가정 구성원 정보(Household), 및 가전기기 정보(Individual Appliance)를 포함하며, 주택 정보는 다시 주택 위치(Home location), 주택 크기(Home size), 주택 소유 여부(Home ownership), 주택에 구비된 가전 기기 종류(Installed home appliance)에 대한 정보를 포함하고, 가정 구성원 정보는 구성원 수(Number of residents), 가족 구성 형태(Family Composition), 생활 패턴(Commuting timeslot), 구성원 각각의 직업 및 나이(Occupations of residents, Age distribution of residents)에 대한 정보를 포함하고, 가전 기기 정보는 기기 타입(Device type), 제조사(Manufacturer), 제조 일자(Date of production), 기능(Operation), 사용 횟수 및 기간(Number of use of a device per week, Duration of use of a device at
a time)에 대한 정보를 포함함을 알 수 있다.
이때의 회원 정보는 회원 등록을 요청한 사람이 직접 입력한 정보만을 이용하여 생성될 수 있으나, 대부분의 경우에는 홈 게이트웨이 등을 통해 수집되는 컨텍스트 정보를 추가 이용하여 생성될 수도 있다.
Figure pat00001
커뮤니티 그룹 생성 단계(S2)
다수의 가정이 회원 등록된 상태에서 커뮤니티 그룹 생성이 요청되면, 회원 정보를 기반으로 가정간 물리적, 사회적, 경제적 근접도를 산출 및 비교하여 가정간 유사도를 파악한 후, 유사도가 높은 회원끼리 그룹핑하여 적어도 하나의 커뮤니티 그룹을 생성하도록 한다.
이를 위해 본 발명은 회원 정보를 기반으로 한 인간 중심의 커뮤니티 발견을 클러스터링 함수로 공식화한다. 이는 물리적, 사회적 및 경제적 근접값을 기반으로 수행되며, 이때의 3가지 근접값은 두 가정을 매칭하는 데 사용되고, 클러스터링을 위한 거리 함수로 간주된다.
가정(h1,h2)간 물리적 근접성은 앞서 설명한 바와 같이 주민들간의 친밀감을 보장하기 위한 것으로, 두 가정간의 물리적 거리와, 친구 관계 및 만남 이력과 같은 주민들의 사회적 관계를 통해 가정간 노출 가능성을 평가함으로써 산출 가능하다. 이는 수학식 1과 같이, 물리적 거리(Physical Distance), 서로 이웃수(Number of Mutual Neighbors), 서로 친구 수(Number of Mutual Friends), 및 만남 횟수(Number of Encounter Logs) 중 적어도 하나를 변수로 가지는 거리 함수를 통해 산출될 수 있다.
[수학식 1]
Figure pat00002
이때, α1 ~ α4는 변수 각각의 가중치이며, 이들의 초기값은 0.25으로 동일하게 설정된다.
물리적 거리(Physical Distance)는 회원 정보에 포함된 주택 위치를 기반으로 산출될 수 있다. 만약, 주택 위치 정보가 없다면, 스마트 폰 등의 위치 정보를 기반으로 가정 또는 직장의 위치를 추론하고, 이를 기반으로 물리적 거리를 산출할 수도 있다. 서로 이웃 수(Number of Mutual Neighbors), 서로 친구 수(Number of Mutual Friends)는 온라인 SNS의 친구 목록, 스마트 폰 등의 전화번호부에 등록된 친구 목록을 기반으로 산출될 수 있다. 만남 횟수(Number of Encounter Logs)는 스마트 폰의 위치가 동일 장소에 위치하는 횟수를 기반으로 산출될 수 있다.
다만, 물리적 거리(Physical Distance), 서로 이웃 수(Number of Mutual Neighbors), 서로 친구 수(Number of Mutual Friends), 및 만남 횟수(Number of Encounter Logs)와 같은 변수는 서로 상이한 척도(scale)로 측정될 수 있음을 고려하여, 이하의 수학식2에 따라 0-1 배율로 정규화되도록 한다.
[수학식 2]
Figure pat00003
이때, x는 변수를 의미하고, i는 가정 쌍(예를 들어, h1-h2, h1-h3 등)의 인덱스이다. 이와 같은 정규화 방법은 이하에서 언급되는 변수에 대해서도 동일하게 적용된다.
한편, 가정(h1,h2)간 사회적 근접성은 사회적 동질성과 자기 확신을 보장하는 사람들을 찾기 위한 것으로, 수학식3에서와 같이 가족 형태 유사성(Similarity of family composition), 연령대 유사성(Similarity of age distribution of residents)을 변수로 가지는 거리 함수를 통해 산출될 수 있다. 즉, 본 발명의 가정 구성 형태 및 연령대를 라이프 스타일 표현으로 활용하여 사회적 근접성을 산출하도록 한다.
[수학식 3]
Figure pat00004
이때, β1, β2는 각 변수의 가중치이며, 이들의 초기값은 0.5으로 동일하게 설정된다.
가족 형태 유사성(Similarity of family composition)는 회원 정보의 가족 구성 형태를 비교 분석하여 산출되며, 연령대 유사성(Similarity of age distribution of residents)는 회원 정보의 연령대 정보를 기반으로 산출될 수 있을 것이다. 이때, 가족 구성 형태는 C. J. Morgan, 1979. Eskimo hunting groups, social kinship, and the possibility of kin selection in humans. Ethol. Sociobiol.1, 1 (1979), 83-86.에 의해 제안된 가족 체계를 기반으로 정의될 수 있다. 다만, 이러한 정보는 범주적이며 한정된 표본 집합을 가지므로, Jaccard 유사성 계수를 사용하여 표현되도록 한다.
가정(h1,h2)간 경제적 근접성은 유사한 사회 경제적 지위를 가진 가정을 발견하기 위한 것으로, 수학식 4와 같이 주택 크기 차이(Difference of home size), 가전 기기 세트 유사성(Similarity of a set of home appliances), 주택 소유권 유사성(Similarity of home ownership), 직업 유사성(Similarity of Occupations of residents)을 변수로 가지는 거리 함수를 통해 산출될 수 있다. 즉, 많은 사람들이 수입과 같은 금융 정보의 공개를 꺼려함을 고려하여, 주택 크기, 가전기기 세트, 주택 소유 유형 및 주민 직업과 같은 주택 관련 정보를 활용한다.
[수학식 4]
Figure pat00005
이때, γ1 내지 γ는 각 변수의 가중치이고, 이들의 초기값은 0.25로 동일하게 설정된다.
주택 크기 차이(Difference of home size)는 회원 정보의 주택 크기를 비교 분석하여 산출되며, 이때의 주택 크기는 평방미터로 측정되므로 차이가 거리 측정값이 될 수 있다.
가전 기기 세트 유사성(Similarity of a set of home appliances)는 회원 정보의 가전 기기 세트를 기반으로 산출될 수 있다. 가전 --제품 세트는 장치 유형을 통해 정의되고, 제조업체는 일련의 범주 값으로 정의되므로, Jaccard 유사도 계수가 적용된다. 주택 소유권 유사성(Similarity of home ownership)는 회원 정보의 주택 소유권을 기반으로 산출될 수 있다. 주택 소유 유형은 임대 또는 구입한 주택의 범주 값으로 표현되므로, 정보 일치 시에는 1을, 그렇지 않으면 0의 값을 가지도록 한다. 직업 유사성의 경우, 개인 주민의 직업은 ISCO(international standard classification of occupations, International Labour Office 2012 참고)의 주요 및 하위 주요 그룹의 레벨로 정의되며, 이 문자열을 토큰화 프로세스를 거쳐 쉼표로 구분된 값의 형태로 계산 방식으로 표현된다. 이에 본 발명은 직업 유사성을 가정 구성원의 직종과 비교하고, Jaccard 유사성 계수를 기반으로 유사성을 산출할 수 잇도록 한다.
이하, 표 2는 근접도 산출에 이용되는 각 변수의 거리 측정값을 도시한 표이다.
Figure pat00006
표 2를 참고하면, 물리적 거리(Physical Distance) 및 주택 크기 차이(Difference of home size)는 수학식 5로 정의되는 유클리드 거리 측정 함수를 이용하여 산출된다. 유클리드 거리 측정은 유클리드 공간에서 두 점 X와 Y 사이의 직선거리이다. 이것이 거리 척도이기 때문에, 본 발명은 각 근접 척도에서 반대의 의미를 갖기 위해 상호(reciprocal)를 취하도록 한다.
[수학식 5]
Figure pat00007
이때, X와 Y는 비교 대상인 두 가정을 의미한다.
서로 이웃수(Number of Mutual Neighbors), 서로 친구 수(Number of Mutual Friends), 및 만남 횟수(Number of Encounter Logs), 가족 형태 유사성(Similarity of family composition), 연령대 유사성(Similarity of age distribution of residents), 가전 기기 세트 유사성(Similarity of a set of home appliances), 직업 유사성(Similarity of Occupations of residents)는 수학식 6으로 정의되는 Jaccard 유사도 계수를 이용하여 산출된다. Jaccard 유사도 계수는 교차점의 크기를 수학식 6과 같이 표본 집합의 합집합 크기로 나눈 값으로 정의된다.
[수학식 6]
Figure pat00008
주택 소유권 유사성(Similarity of home ownership)는 수학식 7에서와 같은 단순 매칭 계수를 기반으로 산출된다. 즉, 변수가 하나의 속성을 가지므로, 서로 일치 여부를 단순 체크하는 방식으로 산출된다.
[수학식 7]
Figure pat00009
즉, 본 발명은 근접성 각각의 의도를 가장 잘 반영하는 변수를 선별 및 이용하여, 의미 중복을 최소화하고 근접 값 사이의 응집력을 높일 수 있도록 한다. 또한 이러한 유형의 근접식 모델링은 주민이 개인 정보 제공을 원하지 않는 경우에도, 몇 가지 대체 변수를 통해 유사 의미를 도출할 수 있도록 함으로써, 데이터 유형의 개수에 덜 취약한 장점을 가진다.
그리고 가정 간 물리적, 사회적 및 경제적 근접성 모두가 산출되면, 수학식 8 및 9의 클러스터링 알고리즘의 거리 함수로서 3 가지의 근접값을 통합하도록 한다.
[수학식 8]
Figure pat00010
[수학식 9]
Figure pat00011
이때, PP는 물리적 근접성, SP는 사회적 근접성, EP는 경제적 근접성을 나타낸다. α, β 및 γ 값은 3 가지의 근접값 각각의 가중치로, 이는 커뮤니티 그룹의 서비스 유형 및 목적에 따라 조정될 수 있다.
그리고 근접값을 통합 결과를 기반으로 다수의 가정을 클러스터링하여 다수의 커뮤니티 그룹을 생성하도록 한다.
본 발명은 도 3에서와 같은 k- 평균 및 k- 모드 프로세스를 통합한 k- 프로토타입 클러스터링 방법을 이용하는 데, 이는 데이터 모델이 자연 질서 또는 거리를 평가하기가 쉽지 않은 이산성을 가진 범주형 속성도 포함하기 때문이다.
도 3은 본 발명의 일 실시 예에 따른 인간 중심의 커뮤니티를 발견하기 위한 클러스터링 알고리즘을 설명하기 위한 도면이다.
먼저, 모든 가정의 k 초기 클러스터 모드가 각 클러스터마다 하나씩 무작위로 선택된다(1 ~ 3 행).
그런 다음 각 가정과 초기 클러스터 사이의 거리 점수를 측정하고, 각 가정을 가장 가까운 클러스터에 할당한다. 각 클러스터의 주택 중에서 클러스터 내 거리를 최소화하는 클러스터 모드를 업데이트한다(5 ~ 16 행).
모든 가정이 클러스터에 할당된 후에는 현재 클러스터의 모드에 대한 개체의 거리 점수를 다시 계산한다. 오브젝트가 가장 가까운 모드가 현재 클러스터가 아닌 다른 클러스터에 속하는 것으로 발견되면 오브젝트를 해당 클러스터에 재 할당하고 두 클러스터의 모드를 갱신한다.
이 절차는 전체 데이터 세트를 평가 한 후, 각 클러스터에 속한 가정이 더 이상 변경되지 않을 때까지 반복된다(20 행).
커뮤니티 서비스 제공 단계(S3)
다수의 가정이 다수의 커뮤니티 그룹으로 클러스터링되면, 각 가정의 홈 게이트웨이(120)는 가족 구성원의 행동 패턴, 가정 기기의 사용 패턴 등에 대한 컨텍스트 정보를 주기적으로 생성하여 커뮤니티 센터(200)에 제공하도록 한다. 그러면, 커뮤니티 센터(200)는 커뮤니티 그룹 단위로 각 가정이 제공하는 컨텍스트 정보를 수집 및 분석하여, 기 설정된 서비스 유형 및 목적에 맞는 정보 제공 또는 원격 동작을 다양하게 수행할 수 있도록 한다.
예를 들어, 스마트 커뮤니티의 목적이 에너지 절감인 경우, 커뮤니티 센터(200)는 각 가정이 가전기기를 사용할 때마다 전력 사용 패턴을 모니터링하고 가정이 속한 커뮤니티 그룹의 평균 전력 사용량과 비교한다. 그리고 가전기기의 사용 패턴(예를 들어, 전력 소비 수준)이 커뮤니티 평균치를 벗어나면 절전 경고 메시지가 해당 가정의 스마트 폰으로 전송된다. 또한 절전 경고에 링크된 URL 또는 어플리케이션 메뉴를 통해 해당 가정은 가전기기의 총 에너지 소비를 줄이기 위해 제품을 원격으로 끌 수 있도록 한다.
즉, 본 발명은 커뮤니티 그룹 단위로 커뮤니티 서비스를 제공할 수 있도록 한다.
커뮤니티 그룹 추천 단계(S4)
새로운 가정이 회원 등록되면, 새로운 가정과 커뮤니티 그룹간의 물리적, 사회적, 경제적 근접도를 산출 및 비교 분석하여, 추천 커뮤니티 그룹을 선별 및 안내하도록 한다.
즉, 커뮤니티 그룹 단위로 회원 정보 평균값을 산출 및 저장한 후, 새로 회원 등록된 가정의 회원 정보와 상기의 회원 정보 평균값을 비교하여 새로운 가정과 커뮤니티 그룹간 물리적, 사회적, 경제적 근접도를 산출하도록 한다. 그리고 가장 높은 유사도를 가지는 커뮤니티 그룹을 새로운 가정에 추천하도록 한다.
또 다르게는 새로운 가정이 발생할 때마다, 새로운 가정을 포함한 모든 회원의 물리적, 사회적, 경제적 근접도를 재산출하고 앞서 설명된 클러스터링 동작을 재수행함으로써, 다수의 커뮤니티 그룹을 재산출할 수도 있도록 한다.
도 4는 본 발명의 일 실시 예에 따른 다차원 스마트 커뮤니티 구성 방법을 실제 적용예를 도시한 도면으로, 이는 에너지 절약을 스마트 커뮤니티의 목적으로 한다.
먼저, 커뮤니티 센터(200)는 스마트 커뮤니티용 어플리케이션을 생성 및 배포하고, 사용자 각각은 자신의 단말(예를 들어, 스마트 폰, 태플릿 PC)를 통해 이를 다운로드 및 설치하도록 한다.
그리고 사용자 각각은 어플리케이션의 회원 가입 절차를 통해 스마트 커뮤니티에 회원 가입하고, 로그인 절차를 통해 스마트 커뮤니티 발견을 요청한다.
커뮤니티 센터는 회원 가입 절차, 또는 최초 로그인시 어플리케이션을 통해 예비 조사를 수행함으로써 회원에 대한 기본 정보를 획득하도록 한다. 또한 사용자가 이용하는 홈 네트워크가 홈 게이트웨이를 통해 가족 구성원의 행동 패턴, 가정 기기의 사용 패턴 등에 대한 컨텍스트 정보를 추가 수집하여, 회원 정보를 생성 및 저장하도록 한다.
그러고 나서, 저장된 회원 정보를 기반으로 가정 간 3 가지 근접값을 산출 및 클러스터링함으로써, 에너지 절약을 위한 다수의 커뮤니티 그룹을 생성한다.
그러고 나서, 사용자가 가전기기를 사용할 때마다 전력 사용 패턴을 모니터링하고, 사용자가 속한 커뮤니티 그룹의 평균 전력 사용량과 비교한 후, 사용자의 가전기기의 사용 패턴 (예를 들어, 전력 소비 수준)이 임계값으로 커뮤니티 그룹의 평균치를 벗어나면 푸시 알람 형식으로 스마트 폰에 경고 메시지를 전송하도록 한다. 그리고 경고 메시지에 링크된 URL 또는 메뉴를 통해 사용자가 해당 가전기기의 전원을 원격 제어할 수 있도록 한다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시 예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시 예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (8)

  1. 회원 등록을 요청하는 가정이 존재하면, 상기 가정이 이용하는 홈 네트워크를 통해 주택, 가족 구성원, 가전 기기에 대한 정보를 포함하는 회원 정보를 수집 및 저장한 후 상기 가정을 회원으로 등록하는 단계;
    다수의 가정이 회원 등록된 상태에서 커뮤니티 그룹 생성이 요청되면, 상기 회원 정보를 기반으로 가정 간 물리적, 사회적, 경제적 근접도를 산출 및 분석함으로써, 가정 간 유사도를 파악하는 단계; 및
    가정 간 유사도를 기반으로 상기 다수의 회원을 클러스터링하여 적어도 하나의 커뮤니티 그룹을 생성하는 단계를 포함하는 다차원 스마트 커뮤니티 구성 방법.
  2. 제1항에 있어서, 상기 가정 간 유사도를 파악하는 단계는
    상기 커뮤니티 그룹의 서비스 유형 및 목적에 따라 물리적, 사회적, 경제적 근접도 각각의 가중치를 조정할 수 있는 것을 특징으로 하는 다차원 스마트 커뮤니티 구성 방법.
  3. 제2항에 있어서, 상기 회원 정보는
    주택 정보, 가정 구성원 정보, 및 가전기기 정보를 포함하며,
    상기 주택 정보는 주택 위치, 주택 크기, 주택 소유 여부, 주택에 구비된 가전 기기 종류에 대한 정보를 포함하고,
    상기 가정 구성원 정보는 구성원 수, 가족 구성 형태, 생활 패턴, 구성원 각각의 직업 및 나이에 대한 정보를 포함하고,
    상기 가전 기기 정보는 기기 타입, 제조사, 제조 일자, 기능, 사용 횟수 및 기간에 대한 정보를 포함하는 것을 특징으로 하는 다차원 스마트 커뮤니티 구성 방법.
  4. 제2항에 있어서, 상기 가정 간 유사도를 파악하는 단계는
    물리적 거리(Physical Distance), 서로 이웃 수(Number of Mutual Neighbors), 서로 친구 수(Number of Mutual Friends), 및 만남 횟수(Number of Encounter Logs)를 기반으로 가정 간 물리적 근접성을 산출하고,
    가족 형태 유사성(Similarity of family composition), 연령대 유사성(Similarity of age distribution of residents)을 기반으로 가정 간 사회적 근접성을 산출하는 단계;
    주택 크기 차이(Difference of home size), 가전 기기 세트 유사성(Similarity of a set of home appliances), 주택 소유권 유사성(Similarity of home ownership), 직업 유사성(Similarity of Occupations of residents)을 기반으로 가정 간 경제적 근접성을 산출하는 단계;
    상기 물리적 근접성, 상기 사회적 근접성, 및 상기 경제적 근접성을 기 설정된 가중치에 따라 고려하여 가정 간 유사도를 산출하는 것을 특징으로 하는 다차원 스마트 커뮤니티 구성 방법.
  5. 제4항에 있어서, 상기 가정 간 유사도를 파악하는 단계는
    상기 커뮤니티 그룹의 서비스 유형 및 목적에 따라 상기 물리적 근접성, 상기 사회적 근접성, 및 상기 경제적 근접성의 산출을 위한 변수 각각의 가중치를 추가 조정할 수 있는 것을 특징으로 하는 다차원 스마트 커뮤니티 구성 방법.
  6. 제1항에 있어서,
    새로운 가정이 회원 등록되면, 상기 새로운 가정과 상기 커뮤니티 그룹간의 물리적, 사회적, 경제적 근접도를 산출 및 비교 분석하여, 추천 대상 그룹을 선별 및 안내하는 단계를 더 포함하는 것을 특징으로 하는 다차원 스마트 커뮤니티 구성 방법.
  7. 제1항에 있어서,
    커뮤니티 그룹 단위로 스마트 커뮤니티 서비스를 제공하는 단계를 더 포함하는 것을 특징으로 하는 다차원 스마트 커뮤니티 구성 방법.
  8. 다수의 IoT와 홈 게이트웨이를 통해 홈 네트워크를 구축하고, 주택, 가족 구성원, 가전 기기에 대한 정보를 포함하는 회원 정보를 수집 및 제공하는 다수의 홈 네트워크 시스템; 및
    다수의 홈 네트워크 시스템이 제공하는 회원 정보를 기반으로 가정 간 물리적, 사회적, 경제적 근접도를 산출 및 분석하여 가정 간 유사도를 파악한 후, 상기 가정 간 유사도를 기반으로 상기 다수의 회원을 클러스터링하여 적어도 하나의 커뮤니티 그룹을 생성 및 운영하는 커뮤니티 센터를 포함하는 스마트 커뮤니티 시스템.
KR1020180076431A 2018-07-02 2018-07-02 스마트 커뮤니티 시스템 및 이의 다차원 스마트 커뮤니티 발견 방법 KR102106260B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180076431A KR102106260B1 (ko) 2018-07-02 2018-07-02 스마트 커뮤니티 시스템 및 이의 다차원 스마트 커뮤니티 발견 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180076431A KR102106260B1 (ko) 2018-07-02 2018-07-02 스마트 커뮤니티 시스템 및 이의 다차원 스마트 커뮤니티 발견 방법

Publications (2)

Publication Number Publication Date
KR20200003536A true KR20200003536A (ko) 2020-01-10
KR102106260B1 KR102106260B1 (ko) 2020-05-04

Family

ID=69158496

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180076431A KR102106260B1 (ko) 2018-07-02 2018-07-02 스마트 커뮤니티 시스템 및 이의 다차원 스마트 커뮤니티 발견 방법

Country Status (1)

Country Link
KR (1) KR102106260B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112269321A (zh) * 2020-11-06 2021-01-26 广东科徕尼智能科技有限公司 一种智能设备的群组控制方法、设备、存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130142010A (ko) * 2012-06-18 2013-12-27 중앙대학교 산학협력단 공동 주택의 에너지 소비량 모니터링 장치 및 방법
KR20140140309A (ko) * 2013-05-29 2014-12-09 (주) 다이퀘스트 사용자 간의 유사도 계산방법 및 이를 이용한 아이템 추천방법
KR101516329B1 (ko) * 2013-12-27 2015-05-06 충북대학교 산학협력단 소셜 네트워크 환경에서의 그룹 추천 시스템 및 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130142010A (ko) * 2012-06-18 2013-12-27 중앙대학교 산학협력단 공동 주택의 에너지 소비량 모니터링 장치 및 방법
KR20140140309A (ko) * 2013-05-29 2014-12-09 (주) 다이퀘스트 사용자 간의 유사도 계산방법 및 이를 이용한 아이템 추천방법
KR101516329B1 (ko) * 2013-12-27 2015-05-06 충북대학교 산학협력단 소셜 네트워크 환경에서의 그룹 추천 시스템 및 방법

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
T. K. Anandalaskhmi, S. Sathiakumar, and N. Parameswaran. 2013. Peak reduction algorithms for a smart community. In Proceedings of the 2013 International Conference on Energy Efficient Technologies for Sustainability (ICEETS'13). IEEE, 1113-1119.
X. Li, R. Lu, X. Liang, X. Shen, J. Chen, and X. Lin. 2011. Smart community: An internet of things application. IEEE Commun. Mag. 49, 11 (2011), 68-75.

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112269321A (zh) * 2020-11-06 2021-01-26 广东科徕尼智能科技有限公司 一种智能设备的群组控制方法、设备、存储介质

Also Published As

Publication number Publication date
KR102106260B1 (ko) 2020-05-04

Similar Documents

Publication Publication Date Title
Servia-Rodríguez et al. Mobile sensing at the service of mental well-being: a large-scale longitudinal study
Preoţiuc-Pietro et al. Mining user behaviours: a study of check-in patterns in location based social networks
JP6310071B2 (ja) クラスタリングに基づくマッピングおよびルーティングのためのシステムおよび方法
US20120124136A1 (en) Context information sharing apparatus and method for providing intelligent service by sharing context information between one or more terminals
Nizamkari A graph-based trust-enhanced recommender system for service selection in IOT
Lee et al. An intelligent power monitoring and analysis system for distributed smart plugs sensor networks
Otebolaku et al. A Framework for Exploiting Internet of Things for Context‐Aware Trust‐Based Personalized Services
Zhao et al. Social discovery: Exploring the correlation among three-dimensional social relationships
Ilyas et al. A distributed algorithm for identifying information hubs in social networks
Nie et al. Distributed and morphological operation-based data collection algorithm
Wang et al. Interplay between social selection and social influence on physical proximity in friendship formation
Singh et al. Smart Healthcare System with Light‐Weighted Blockchain System and Deep Learning Techniques
Eldaw et al. Presence analytics: making sense of human social presence within a learning environment
Kim et al. A multi-dimensional smart community discovery scheme for IoT-enriched smart homes
KR102106260B1 (ko) 스마트 커뮤니티 시스템 및 이의 다차원 스마트 커뮤니티 발견 방법
CN113055423B (zh) 策略的推送方法、策略的执行方法、装置、设备及介质
Chen et al. Passive profiling of mobile engaging behaviours via user-end application performance assessment
Gambhir et al. Piecewise maximal similarity for ad-hoc social networks
Kim et al. SpinRadar: a spontaneous service provision middleware for place-aware social interactions
Jagadamba et al. A service oriented adaptive trust evaluation model for ubiquitous computing environment
Qiao et al. A human-in-the-loop architecture for mobile network: From the view of large scale mobile data traffic
Nycz et al. Fluid-Flow Approximation in the Analysis of Vast Energy-Aware Networks
Watson Predicting privacy settings with a user-centered approach
Shen et al. Collaborative edge caching with personalized modeling of content popularity over indoor mobile social networks
Hassani et al. A context aware framework for mobile crowd-sensing

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