KR20210077949A - System and method for measuring a user influence index in a social network - Google Patents

System and method for measuring a user influence index in a social network Download PDF

Info

Publication number
KR20210077949A
KR20210077949A KR1020190169486A KR20190169486A KR20210077949A KR 20210077949 A KR20210077949 A KR 20210077949A KR 1020190169486 A KR1020190169486 A KR 1020190169486A KR 20190169486 A KR20190169486 A KR 20190169486A KR 20210077949 A KR20210077949 A KR 20210077949A
Authority
KR
South Korea
Prior art keywords
user
content
exposed
users
influence index
Prior art date
Application number
KR1020190169486A
Other languages
Korean (ko)
Inventor
이건하
정한수
김현석
최민희
Original Assignee
주식회사 화성
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 화성 filed Critical 주식회사 화성
Priority to KR1020190169486A priority Critical patent/KR20210077949A/en
Publication of KR20210077949A publication Critical patent/KR20210077949A/en

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/30—

Landscapes

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

Abstract

The present invention relates to a method and a system for calculating a user influence index in a social web service. The system for calculating a user influence index comprises: a relational data extraction/analysis unit that extracts information about users exposed for each content in a network by analyzing network relationship information on users' content sharing relationship, user subscription relationship, and content citation relationship on an S/W education social web service; an exposure degree extracting unit for calculating the number of times a user's content is exposed and the number of other users exposed to the user's content by using user information extracted by the relation data extraction/analysis unit; and an influence index calculation unit for calculating a user influence index by using the number of times the user's content is exposed and the number of other users exposed to the user's content; and an influence index calculation unit for calculating a user influence index by using the number of times the user's content is exposed and the number of other users exposed to the user's content. The user influence index calculation system according to the present invention described above calculates an influence index by using the average degree of exposure in consideration of not only a case of direct exposure to the user's content but also the case of indirect exposure.

Description

소셜 웹서비스에서의 사용자 영향력 지수 산출 방법 및 시스템{System and method for measuring a user influence index in a social network}Method and system for calculating a user influence index in a social web service {System and method for measuring a user influence index in a social network}

본 발명은 소셜 웹서비스에서의 사용자 영향력 지수 산출 방법 및 시스템에 관한 것으로서, 더욱 구체적으로는 소프트웨어 교육을 제공하는 온라인 서비스 중 소셜화된 웹서비스상에서 각 사용자가 관계를 맺고 있는 네트워크 관계 및 다른 사용자의 콘텐츠를 공유, 구동 및 인용한 관계 등을 이용하여 각 사용자의 영향력 지수를 산출하는 방법 및 시스템에 관한 것이다. The present invention relates to a method and system for calculating a user influence index in a social web service, and more particularly, to a network relationship with which each user has a relationship on a socialized web service among online services that provide software education, and the It relates to a method and system for calculating the influence index of each user by using the relationship of sharing, driving, and citing content.

트위터, 페이스북, 블로그 등의 SNS와 유사한 소셜화된 웹 서비스상에서는 각 사용자들은 자신이 직접 콘텐츠를 작성하기도 하지만, 다른 사람의 콘텐츠를 공유(share), 구독(subscribe), 인용(reference)하기도 하는 등 다른 사용자들과 매우 밀접한 관계를 맺게 된다. In socialized web services similar to SNS such as Twitter, Facebook, and blogs, each user writes their own content, but also shares, subscribes, and references other people's content. You will have a very close relationship with other users.

특히, 소셜화된 소프트웨어(S/W) 교육 웹서비스는 게시(Post), 협업(Collaboration), 코멘트(Comment), 검증(Validate), 인증(Certification), 공유(Share) 등과 같은 다양한 관계 데이터가 존재한다. 발명된 소셜화된 S/W 교육 웹서비스를 이용하여 교육 콘텐츠의 게시/공유, 사용자간의 협업/교류, 멘토 중심의 코멘트, 커뮤니티중심의 검증 등의 환경이 제공되며, 이러한 과정에서 영향력 있는 사용자를 찾는 것이 이러한 맥락에서 중요한 부분 중 하나이다. In particular, the socialized software (S/W) education web service has various relational data such as Post, Collaboration, Comment, Validate, Certification, Share, etc. exist. Using the invented socialized S/W education web service, an environment such as posting/sharing of educational contents, collaboration/exchange between users, mentor-centered comments, and community-centered verification is provided, and in this process, influential users Finding is one of the important parts in this context.

이러한 소셜화된 소프트웨어(S/W) 교육 웹서비스 상에서는 사회적 지위 혹은 사용자 분류(학습자, 교수자, 커뮤니티, 멘토 등)에 따라 영향력이 큰 사람들이 본 웹서비스 상에서도 영향력이 클 수 있지만, 반드시 일치하는 것은 아니다. 따라서, 발명된 웹서비스 상에서 영향력 지수를 산출하는 방법으로는 사용자의 활동과, 그 활동에 대한 반응을 측정하여 지수화 하는 방법 등이 있다. In this socialized software (S/W) education web service, people with high influence according to social status or user classification (learner, professor, community, mentor, etc.) may have a large influence on this web service, but must match no. Therefore, as a method of calculating the influence index on the invented web service, there are a method of measuring and indexing the user's activity and the reaction to the activity.

종래의 기술 중에도 영향력이 큰 인물을 추출하는 방법에 대한 연구는 존재하며, 기본적으로 사용자와 직접적인 관계를 맺는 사용자 수나, 작성 글에 대해 댓글을 단 사용자 수 등을 이용하는 방법이 있기는 하나, 사용자 영향력을 평가하고 판단하는 데는 한계가 있다. SNS 상에서 사용자의 영향력을 산출하는 연구도 있다. Among the prior art, there are studies on how to extract people with great influence, and although there is a method using the number of users who have a direct relationship with users or the number of users who commented on written posts, there is basically a method of using user influence. There are limitations in evaluating and judging. There are also studies that calculate the influence of users on SNS.

한국등록특허공보 제 10-2052344호Korean Patent Publication No. 10-2052344 한국등록특허공보 제 10-1937458호Korean Patent Publication No. 10-1937458

전술한 문제점을 해결하기 위한 본 발명의 목적은 S/W 교육 웹서비스 상에서 사용자와 타 사용자의 친구/그룹관계, 사용자 글의 공유/인용 관계 등을 이용하여 실제로 해당 사용자가 웹서비스상에서 영향을 미치는 정도를 정확하게 산출할 수 있는 방법 및 시스템을 제공하는 것이다. It is an object of the present invention to solve the above problems by using the friend/group relationship between the user and other users on the S/W education web service, the sharing/quoting relationship of the user's writing, etc., so that the user actually affects the web service. It is to provide a method and system capable of accurately calculating the degree.

전술한 기술적 과제를 달성하기 위한 본 발명의 특징에 따른 사용자 영향력 지수 산출 시스템은, S/W 교육 소셜 웹서비스상에서 사용자의 콘텐츠 공유 관계, 사용자간의 구독 관계 및 콘텐츠의 인용관계에 대한 네트워크 관계 정보를 분석하여, 네트워크의 콘텐츠별로 노출된 사용자에 대한 정보를 추출하는 관계 데이터 추출/분석부; 상기 관계 데이터 추출/분석부에서 추출된 사용자에 대한 정보를 이용하여 사용자의 콘텐츠가 노출된 횟수 및 상기 사용자의 콘텐츠에 노출된 타사용자의 수를 산출하는 노출도 추출부; 상기 사용자의 콘텐츠가 노출된 횟수 및 상기 사용자의 콘텐츠에 노출된 타사용자의 수를 이용하여 사용자 영향력 지수를 산출하는 영향력 지수 산출부;를 구비한다. The user influence index calculation system according to the characteristics of the present invention for achieving the above-described technical problem, the user's content sharing relationship on the S/W education social web service, the user's subscription relationship between users, and the network relationship information about the content citation relationship a relation data extraction/analysis unit that analyzes and extracts information about users exposed for each content of the network; an exposure degree extracting unit for calculating the number of times the user's content is exposed and the number of other users exposed to the user's content by using the information about the user extracted by the relation data extraction/analysis unit; and an influence index calculator for calculating a user influence index by using the number of times the user's content is exposed and the number of other users exposed to the user's content.

전술한 특징에 따른 사용자 영향력 지수 산출 시스템에 있어서, 상기 관계 데이터 추출/분석부는 상기 사용자의 콘텐츠에 직접 노출된 친구/그룹 관계의 사용자, 상기 사용자의 콘텐츠를 공유 또는 인용하는 타 사용자 및 사용자의 콘텐츠에 간접 노출이 된 타 사용자의 정보를 추출하며, 상기 친구/그룹 관계의 사용자는 상기 사용자의 콘텐츠를 구독하는 사용자를 포함하고, 상기 간접 노출된 사용자는 상기 친구/그룹 관계인 사용자의 콘텐츠를 구독하는 사용자를 포함하는 것이 바람직하다. In the user influence index calculation system according to the above feature, the relationship data extraction/analysis unit is a user of a friend/group relationship directly exposed to the user's content, other users sharing or citing the user's content, and user's content extracts information of other users who are indirectly exposed to , the friend/group relationship user includes a user who subscribes to the user's content, and the indirectly exposed user subscribes to the friend/group relationship user's content It is desirable to include users.

전술한 특징에 따른 사용자 영향력 지수 산출 시스템에 있어서, 상기 관계 데이터 추출/분석부는 일정기간 동안 작성 또는 노출된 콘텐츠에 대해서만 상기 콘텐츠에 대해 노출된 사용자의 정보를 추출하는 것이 바람직하다. In the user influence index calculation system according to the above-described characteristics, it is preferable that the relation data extraction/analysis unit extracts the information of the user exposed to the content only for the content created or exposed for a certain period of time.

전술한 특징에 따른 사용자 영향력 지수 산출 시스템에 있어서, 상기 영향력 지수 산출부는 상기 사용자의 콘텐츠가 노출된 횟수 및 상기 사용자의 콘텐츠에 노출된 타사용자의 수를 이용하여 상기 사용자의 타사용자 별 평균 노출 정도를 나타내는 평균 노출점수를 산출하고, 상기 사용자의 타사용자 1인당 평균 노출점수와 상기 사용자의 콘텐츠에 노출된 타사용자의 수의 함수로 상기 영향력지수를 산출하는 것이 바람직하다. In the user influence index calculation system according to the above-described characteristics, the influence index calculation unit uses the number of times the user's content is exposed and the number of other users exposed to the user's content, the average exposure degree for each other user. It is preferable to calculate an average exposure score representing , and calculate the influence index as a function of the average exposure score per other user of the user and the number of other users exposed to the user's content.

본 발명에 따른 사용자 영향력 지수 산출 시스템은, S/W 교육 소셜 웹서비스 상에서 각 사용자가 실제로 어느 정도의 영향력을 미치는지를 나타내는 보다 객관적인 영향력 지수를 산출할 수 있게 된다. 따라서, 본 발명에서는 각 사용자가 작성한 콘텐츠에 대한 직접 노출과 타 사용자에 의한 간접 노출 정보를 모두 고려하여 영향력 지수를 산출하게 된다. The user influence index calculation system according to the present invention can calculate a more objective influence index indicating how much influence each user actually has on the S/W educational social web service. Therefore, in the present invention, the influence index is calculated by considering both direct exposure to content created by each user and indirect exposure information by other users.

또한, 본 발명에 따른 사용자 영향력 지수 산출 시스템은, 콘텐츠 수만 많은 경우나, 구독 사용자는 많지만 작성 콘텐츠가 없거나 그 수가 적은 경우에 영향력 지수가 높게 산출되는 것을 방지하여 기존의 방식을 보완할 수 있게 된다. In addition, the user influence index calculation system according to the present invention can supplement the existing method by preventing the influence index from being calculated high when only the number of contents is large, or when there are many subscribed users but there is no or the number of written contents is small. .

도 1은 본 발명의 바람직한 실시예에 따른 사용자 영향력 지수 산출 시스템에 대한 구성을 도시한 블록도이다.
도 2는 본 발명의 바람직한 실시예에 따른 사용자 영향력 지수 산출 시스템에 있어서, 사용자 영향력 지수를 산출하는 과정을 순차적으로 도시한 흐름도이다.
도 3은 본 발명의 바람직한 실시예에 따른 사용자 영향력 지수 산출 시스템에 있어서, 사용자의 확산 영향력 통계 지표를 설명하기 위하여 도시한 모식도이다.1 is a block diagram showing the configuration of a user influence index calculation system according to a preferred embodiment of the present invention.
2 is a flowchart sequentially illustrating a process of calculating a user influence index in the user influence index calculation system according to a preferred embodiment of the present invention.
3 is a schematic diagram illustrating a user's diffusion influence statistical index in the user influence index calculation system according to a preferred embodiment of the present invention.

이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예에 따른 사용자 영향력 지수 산출 시스템의 구성 및 동작에 대하여 구체적으로 설명한다. Hereinafter, the configuration and operation of the user influence index calculation system according to a preferred embodiment of the present invention will be described in detail with reference to the accompanying drawings.

도 1은 본 발명의 바람직한 실시예에 따른 사용자 영향력 지수 산출 시스템에 대한 구성을 도시한 블록도이다. 도 1을 참조하면, 본 발명의 바람직한 실시예에 따른 사용자 영향력 지수 산출 시스템(1)은 트랜잭션 로그 수집부(100), 관계 데이터 추출부(110), 확산 영향력 통계지표 추출부(120) 및 영향력 지수 산출부(130)를 구비하여, 사용자 영향력 지수를 산출하여 제공하게 된다. 1 is a block diagram showing the configuration of a user influence index calculation system according to a preferred embodiment of the present invention. Referring to FIG. 1 , the user influence index calculation system 1 according to a preferred embodiment of the present invention includes a transaction log collection unit 100 , a relationship data extraction unit 110 , a diffusion influence statistical index extraction unit 120 and an influence The index calculation unit 130 is provided to calculate and provide a user influence index.

상기 트랜잭션 로그 수집부(100)는, 웹서비스 상에서 사용자의 행위에 따라 발생하는 트랜잭션 로그(Transaction Logs)를 수집하여 저장하는 것으로서, 상기 수집된 정보는 단편적인 데이터이므로 이를 종합적으로 콘텐츠 별로 공유한 사용자, 구독한 사용자, 인용한 사용자 등에 대한 정보를 분석할 필요가 있다. 한편, 트랜잭션 로그 수집부에서 필요한 형태로 가공된 정보를 활용하는 경우 관계 데이터 추출 및 분석의 기능은 필요 없을 수도 있다. The transaction log collection unit 100 collects and stores transaction logs generated according to a user's actions on the web service. Since the collected information is fragmentary data, users who comprehensively share it for each content , it is necessary to analyze information about users who subscribed, users who cited, etc. On the other hand, when the transaction log collection unit utilizes the processed information in the required form, the function of extracting and analyzing relational data may not be necessary.

상기 관계 데이터 추출부(110)는, 사용자 간 혹은 사용자-그룹 간의 구독관계 및 콘텐츠 공유관계에 대한 링크 정보를 분석하여 콘텐츠 별로 노출이 된 사용자에 대한 정보를 추출함으로써, 이용관계 데이터를 정의한다. 상기 관계 데이터 추출부는 트랜잭션 로그 수집부에서 저장하는 관계 정보를 이용하여, 사용자-사용자, 사용자-콘텐츠, 사용자-그룹의 링크 관계를 종합하여 콘텐츠 별로 노출된 사용자 정보를 분석한다. 이때, 트랜잭션 로그 수집부에 저장된 관계 정보의 가공이 필요하게 된다. The relationship data extraction unit 110 defines usage relationship data by analyzing link information on a subscription relationship and a content sharing relationship between users or between users and groups to extract information about users exposed for each content. The relationship data extractor analyzes user information exposed for each content by synthesizing link relationships between user-user, user-content, and user-group by using the relationship information stored by the transaction log collector. In this case, it is necessary to process the relationship information stored in the transaction log collection unit.

상기 확산 영향력 통계지표 추출부(120)는, 관계 데이터 추출부 정보를 이용하여 사용자 별 콘텐츠 게시 수, 사용자 별 팔로우(FOLLOWER)/ 팔로잉(FOLLOWING) 수, 사용자 별 콘텐츠 관련 글의 총 공유 수 / 평균 공유 수, 게시된 콘텐츠 관련 반응 수 / 반응 사용자 수를 계산하여 제공한다. The diffusion influence statistical index extraction unit 120 uses the relation data extraction unit information to determine the number of posts per user, the number of following/following per user, and the total number of shares of content-related articles per user / It is provided by calculating the average number of shares, the number of responses related to the posted content / number of users who responded.

상기 영향력 지수 산출부(130)는 사용자의 확산 영향력 통계지표 추출부의 정보를 이용하여 영향력을 산출하는 것으로서, 영향력 지수 산출은 기간을 지정하여 수행하며, 과거의 영향력 지수는 현 시점에서 변동될 수 있다. The influence index calculation unit 130 calculates the influence by using the information of the user's diffusion influence statistical index extraction unit, and the influence index calculation is performed by designating a period, and the influence index of the past may be changed at the present time.

도 2는 본 발명의 바람직한 실시예에 따른 사용자 영향력 지수 산출 시스템에 있어서, 사용자 영향력 지수를 산출하는 과정을 순차적으로 도시한 흐름도이다. 도 2를 참조하면, 본 발명에 따른 사용자 영향력 지수 산출 방법은, 먼저 서비스를 통해 사용자들에 대한 데이터들을 수집한다. 사용자들에 대한 데이터는 사용자들이 웹서비스상에 게시한 콘텐츠, 사용자들이 반응한 콘텐츠, 사용자들이 작성하여 업로드한 글이나 데이터 등이 포함될 수 있다. 이러한 사용자들에 대한 데이터는 전처리과정을 통해 정제, 여과, 변환 과정을 거친 후, 사전 설정되어 마련된 “사용자의 글데이터 확산 영향력 분석 모델”을 통해 분석된다. 상기 “사용자의 글데이터 확산 영향력 분석 모델”은 사용자와 콘텐츠 수준에서의 영향력 관련 지표를 집계하는 모델이다. 2 is a flowchart sequentially illustrating a process of calculating a user influence index in the user influence index calculation system according to a preferred embodiment of the present invention. Referring to FIG. 2 , the method for calculating the user influence index according to the present invention collects data about users through a service first. The data about users may include content posted by users on the web service, content that users have responded to, articles or data created and uploaded by users, and the like. The data on these users are purified, filtered, and converted through a preprocessing process, and then analyzed through a pre-set “User's Text Data Spreading Impact Analysis Model”. The "user's text data diffusion influence analysis model" is a model that aggregates influence-related indicators at the user and content level.

상기 “사용자의 글데이터 확산 영향력 분석 모델”을 통해 분석 과정을 거쳐, 사용자에 대한 확산 영향력 통계 지표를 얻게 된다. 상기 확산 영향력 통계 지표로는 사용자별 콘텐츠 게시수, 사용자별 팔로우(FOLLOWER) / 팔로잉(FOLLOWING) 수, 사용자별 콘텐츠 관련 글의 총 공유수 및 평균 공유수, 게시된 콘텐츠 관련 반응수 및 반응 사용자수를 포함한다. Through an analysis process through the above “user's text data diffusion influence analysis model”, statistical indicators of diffusion influence on users are obtained. The spread influence statistical indicators include the number of content posts by user, the number of followers/following by user, the total number of shares and average number of content-related posts by user, and the number of responses and reaction users related to the posted content. include number.

도 3은 본 발명의 바람직한 실시예에 따른 사용자 영향력 지수 산출 시스템에 있어서, 사용자의 확산 영향력 통계 지표를 설명하기 위하여 도시한 모식도이다. 사용자의 확산 영향력 통계 지표는 웹서비스상 링크의 통계치를 통한 잠재적인 영향력과 콘텐츠 게시 행위에 따른 타사용자의 반응행위의 집계된 결과값을 사용자 수준에서 정의한 것이다. 도 3을 참조하면, 본 발명에서 고려되는 링크 관계, 즉 네트워크는 콘텐츠 작성, 콘텐츠 공유, 콘텐츠 구독, 콘텐츠 인용되도록 설계되어 있는 가상공간을 의미하며 S/W 교육 웹서비스 혹은 트위터, 페이스북이 대표적이다. 또한, 본 발명에 따른 시스템은, 공유, 구독 및 인용관계를 이용하여 사용자 영향력 지수를 산출하는 것을 특징으로 하며, 공유의미, 구독 및 인용 관련한 재 게시(예를 들면, 리트윗) 및 '좋아요' 등에 대하여 관계를 정의하고, 블로그 서비스에서도 적용될 수 있게 된다. 3 is a schematic diagram illustrating a user's diffusion influence statistical index in the user influence index calculation system according to a preferred embodiment of the present invention. The user's diffusion influence statistical index is defined at the user level as the aggregated result value of the potential influence through the statistics of links on the web service and the reaction behavior of other users according to the content posting behavior. Referring to FIG. 3 , the link relationship considered in the present invention, that is, the network means a virtual space designed to create content, share content, subscribe to content, and cite content, and S/W education web service or Twitter and Facebook are representative to be. In addition, the system according to the present invention is characterized in that the user influence index is calculated using sharing, subscription and citation relationships, and reposting (eg, retweet) and 'like' related to sharing meaning, subscription and citation. The relationship can be defined and applied to the blog service as well.

따라서, 확산 영향력 통계지표 추출부는 관계 데이터 추출부에서 분석된 정보를 이용하여 사용자의 콘텐츠가 노출된 횟수 및 사용자의 콘텐츠에 노출된 다음(차) 사용자의 수를 산출하게 된다. Therefore, the diffusion influence statistical indicator extractor calculates the number of times the user's content is exposed and the number of users after (secondary) exposure to the user's content by using the information analyzed by the relational data extractor.

다음, 상기 사용자에 대한 확산 영향력 통계 지표를 이용하여 수학식 1에 따라 사용자 영향력 지수를 산출하게 된다. 하기의 수학식 1에 따른 사용자 영향력 지수는 사용자의 공유 행위와 그에 대한 반응 행동이 일어난 시간의 차와 각 행동의 중요도를 반영한 선형 합으로 산출된다. Next, the user influence index is calculated according to Equation 1 using the spread influence statistical index for the user. The user influence index according to Equation 1 below is calculated as a linear sum reflecting the difference between the user's sharing behavior and the time when the user's response behavior occurs and the importance of each behavior.

Figure pat00001
Figure pat00001

여기서,

Figure pat00002
는 공유의 획수가 많은 경우 공유 지수가 감소함을 나타내고,
Figure pat00003
는 다른 사용자가 동일한 아이템을 공유하였다면 공유 지수가 감소함을 나타내고,
Figure pat00004
는 자신이 공유한 아이템에 대하여 반응이 많이 나타날수록 공유 지수가 증가하고, 공유한 시간과 반응이 일어난 시간의 차가 작을수록 공유 지수가 증가함을 나타낸다. 상기 수학식의 각 변수는 아래의 표 1과 같이 정의된다. here,
Figure pat00002
indicates that the share index decreases when the number of strokes of the share is large,
Figure pat00003
indicates that the share index decreases if other users share the same item,
Figure pat00004
indicates that the sharing index increases as the number of responses to the shared item increases, and the sharing index increases as the difference between the shared time and the reaction time is small. Each variable in the above equation is defined as shown in Table 1 below.

Figure pat00005
Figure pat00005

따라서, 본 발명에 따른 사용자 영향력 지수 산출 시스템에 따라 산출되는 사용자 영향력 지수는, 구독 사용자가 많더라도 작성한 글 수가 적거나, 구독 사용자가 많기만 하다고 영향력지수가 높은 것에 대한 문제를 해결하기 위해, 궁극적으로 사용자의 영향력은 사용자가 얼마나 많은 콘텐츠를 작성하면서, 그 콘텐츠가 얼마나 많은 사람들에게 노출되는가를 파악하고 이를 반영하여 결정하게 된다. Therefore, the user influence index calculated according to the user influence index calculation system according to the present invention is a small number of articles written even if there are many subscribed users, or to solve the problem of a high influence index even if there are many subscribed users, ultimately As a result, the influence of users is determined by determining how many content users create and how many people the content is exposed to and reflecting this.

이상에서 본 발명에 대하여 그 바람직한 실시예를 중심으로 설명하였으나, 이는 단지 예시일 뿐 본 발명을 한정하는 것이 아니며, 본 발명이 속하는 분야의 통상의 지식을 가진 자라면 본 발명의 본질적인 특성을 벗어나지 않는 범위에서 이상에 예시되지 않은 여러 가지의 변형과 응용이 가능함을 알 수 있을 것이다. 그리고, 이러한 변형과 응용에 관계된 차이점들은 첨부된 청구 범위에서 규정하는 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.In the above, the present invention has been described with respect to the preferred embodiment thereof, but this is merely an example and does not limit the present invention, and those of ordinary skill in the art to which the present invention pertains without departing from the essential characteristics of the present invention. It will be appreciated that various modifications and applications not exemplified above in the scope are possible. In addition, differences related to such modifications and applications should be construed as being included in the scope of the present invention defined in the appended claims.

1 : 사용자 영향력 지수 산출 시스템
100 : 트랜잭션 로그 수집부
110 : 관계 데이터 추출부
120 : 확산 영향력 통계지표 추출부
130 : 영향력 지수 산출부1: User influence index calculation system
100: transaction log collection unit
110: relation data extraction unit
120: Diffusion influence statistical index extraction unit
130: influence index calculation unit

Claims (4)

S/W 교육 소셜 웹서비스상에서 사용자의 콘텐츠 공유 관계, 사용자간의 구동 관계 및 콘텐츠의 인용관계에 대한 네트워크 관계 정보를 분석하여, 네트워크의 콘텐츠별로 노출된 사용자에 대한 정보를 추출하는 관계 데이터 추출/분석부;
상기 관계 데이터 추출/분석부에서 추출된 사용자에 대한 정보를 이용하여 사용자의 콘텐츠가 노출된 횟수 및 상기 사용자의 콘텐츠에 노출된 타사용자의 수를 산출하는 노출도 추출부;
상기 사용자의 콘텐츠가 노출된 횟수 및 상기 사용자의 콘텐츠에 노출된 타사용자의 수를 이용하여 사용자 영향력 지수를 산출하는 영향력 지수 산출부;
를 구비하는 것을 특징으로 하는 사용자 영향력 지수 산출 시스템.Relational data extraction/analysis that extracts information about users exposed for each content in the network by analyzing network relationship information on users' content sharing relationship, driving relationship between users, and content citation relationship on S/W education social web services part;
an exposure degree extracting unit for calculating the number of times the user's content is exposed and the number of other users exposed to the user's content by using the information about the user extracted by the relation data extraction/analysis unit;
an influence index calculation unit for calculating a user influence index by using the number of times the user's content is exposed and the number of other users exposed to the user's content;
User influence index calculation system, characterized in that it comprises a. 제1항에 있어서, 상기 관계 데이터 추출/분석부는 상기 사용자의 콘텐츠에 직접 노출된 친구/그룹 관계의 사용자, 상기 사용자의 콘텐츠를 공유 또는 인용하는 타 사용자 및 사용자의 콘텐츠에 간접 노출이 된 타 사용자의 정보를 추출하며,
상기 친구/그룹 관계의 사용자는 상기 사용자의 콘텐츠를 구독하는 사용자를 포함하고, 상기 간접 노출된 사용자는 상기 친구/그룹 관계인 사용자의 콘텐츠를 구독하는 사용자를 포함하는 것을 특징으로 하는 것을 특징으로 하는 사용자 영향력 지수 산출 시스템.According to claim 1, wherein the relation data extraction/analysis unit is a friend/group relationship user directly exposed to the user's content, other users who share or quote the user's content, and other users who are indirectly exposed to the user's content extract information from
A user characterized in that the friend/group relationship user includes a user who subscribes to the user's content, and the indirectly exposed user includes a user who subscribes to the friend/group relationship user's content. Impact index calculation system. 제1항에 있어서, 상기 관계 데이터 추출/분석부는 일정기간 동안 작성 또는 노출된 콘텐츠에 대해서만 상기 콘텐츠에 대해 노출된 사용자의 정보를 추출하는 것을 특징으로 하는 사용자 영향력 지수 산출 시스템.The system of claim 1 , wherein the relation data extraction/analysis unit extracts the information of the user exposed to the content only for the content created or exposed for a certain period of time. 제1항에 있어서, 상기 영향력 지수 산출부는 상기 사용자의 콘텐츠가 노출된 횟수 및 상기 사용자의 콘텐츠에 노출된 타사용자의 수를 이용하여 상기 사용자의 타사용자 별 평균 노출 정도를 나타내는 평균 노출점수를 산출하고, 상기 사용자의 타사용자 1인당 평균 노출점수와 상기 사용자의 콘텐츠에 노출된 타사용자의 수의 함수로 상기 영향력지수를 산출하는 것을 특징으로 하는 사용자 영향력 지수 산출 시스템.
The method of claim 1, wherein the influence index calculator calculates an average exposure score indicating the average exposure degree for each other user of the user by using the number of times the user's content is exposed and the number of other users exposed to the user's content. and calculating the influence index as a function of the average exposure score per other user of the user and the number of other users exposed to the user's content.
KR1020190169486A 2019-12-18 2019-12-18 System and method for measuring a user influence index in a social network KR20210077949A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190169486A KR20210077949A (en) 2019-12-18 2019-12-18 System and method for measuring a user influence index in a social network

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190169486A KR20210077949A (en) 2019-12-18 2019-12-18 System and method for measuring a user influence index in a social network

Publications (1)

Publication Number Publication Date
KR20210077949A true KR20210077949A (en) 2021-06-28

Family

ID=76607789

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190169486A KR20210077949A (en) 2019-12-18 2019-12-18 System and method for measuring a user influence index in a social network

Country Status (1)

Country Link
KR (1) KR20210077949A (en)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101937458B1 (en) 2017-05-22 2019-01-10 충북대학교 산학협력단 Method for establishing a reliable network and method for calculating user influence
KR102052344B1 (en) 2018-06-11 2019-12-04 옴니어스 주식회사 Method and apparatus for measuring influence in social network

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101937458B1 (en) 2017-05-22 2019-01-10 충북대학교 산학협력단 Method for establishing a reliable network and method for calculating user influence
KR102052344B1 (en) 2018-06-11 2019-12-04 옴니어스 주식회사 Method and apparatus for measuring influence in social network

Similar Documents

Publication Publication Date Title
Combs et al. Meta‐analytic research in management: Contemporary approaches, unresolved controversies, and rising standards
Guess et al. Misinformation, disinformation, and online propaganda
TWI601088B (en) Topic management network public opinion evaluation management system and method
So et al. Factors affecting citation networks in science and technology: focused on non-quality factors
Salifu et al. Determinants of loan repayment performance of small and medium enterprises (SMEs) in Ghana: The case of Asante Akyem Rural Bank
Ozmel et al. Interorganizational imitation and acquisitions of high‐tech ventures
Lipsey et al. Foreign ownership and employment growth in a developing country
Roger Moon et al. Asymptotic local power of pooled t‐ratio tests for unit roots in panels with fixed effects
Chen et al. Voluntary disclosure of greenhouse gas emissions by cities under carbon disclosure project: A sustainable development approach
Nourani et al. Business excellence: the managerial and value-creation efficiencies of the insurance companies
CN108920479B (en) Cross-information-source account recommendation method for two micro terminals
Arai et al. Microdata evidence on rent-sharing
Klein et al. Inside the black box of IASB standard setting: Evidence from board meeting audio playbacks on the amendment of IAS 19 (2011)
Seebach et al. Analyzing social media for corporate reputation management: How firms can improve business agility
Alter The evolution of models in historical demography
Chen et al. Are Chinese stock market cycles duration independent?
Yu et al. Investigating the role of health, education, energy and pollution for explaining total factor productivity in emerging economies
Andersson et al. The impact of advanced vocational education and training on earnings in S weden
O'Mara‐Eves et al. Ongoing developments in meta‐analytic and quantitative synthesis methods: Broadening the types of research questions that can be addressed
Henderson et al. The three I s of public schools: irrelevant inputs, insufficient resources and inefficiency
Muriuki et al. Urban sustainability–a segmentation study of Greater Brisbane, Australia
KR20210077949A (en) System and method for measuring a user influence index in a social network
Heffernan Using university rankings as a potential indicator of student experiences in American higher education
Wowczko A case study of evaluating job readiness with data mining tools and CRISP-DM methodology
Hetschko et al. Embedding as a pitfall for survey-based welfare indicators: evidence from an experiment