WO2017047876A1 - 소셜 미디어에 대한 사용자 행위 분석을 기반으로 한 신뢰성 평가 방법 및 시스템 - Google Patents

소셜 미디어에 대한 사용자 행위 분석을 기반으로 한 신뢰성 평가 방법 및 시스템 Download PDF

Info

Publication number
WO2017047876A1
WO2017047876A1 PCT/KR2015/014550 KR2015014550W WO2017047876A1 WO 2017047876 A1 WO2017047876 A1 WO 2017047876A1 KR 2015014550 W KR2015014550 W KR 2015014550W WO 2017047876 A1 WO2017047876 A1 WO 2017047876A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
evaluation
implicit
score
social
Prior art date
Application number
PCT/KR2015/014550
Other languages
English (en)
French (fr)
Inventor
유재수
복경수
임종태
윤진경
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 US15/535,713 priority Critical patent/US20170352044A1/en
Publication of WO2017047876A1 publication Critical patent/WO2017047876A1/ko
Priority to US16/503,602 priority patent/US10546034B2/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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • 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
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking

Definitions

  • the present invention relates to a social network service method and system, and more particularly, to a reliability evaluation method and system based on user behavior analysis for social media.
  • Social media services are characterized by the fact that users can produce, process, and share information directly, and the information spreads quickly because the process is simple and convenient. As a result, many users are using social media services. In addition, as users have easy access to social media services through mobile devices, the use of social media services regardless of time and place has become common in the production and exchange of information through services.
  • Social media services are blogs that combine user thoughts, claims, and everyday life into content on the Internet, Wikipedia, where people from all walks of life form a huge collective intelligence, and free web-based user-to-user communication.
  • Social network services SNS
  • handcrafted content user, created contents (UCC), micro-blog
  • communication and sharing, and network may be included.
  • Social media services have the advantage of being able to acquire a lot of information in a short time as it becomes a place of active information exchange due to easy information production and rapid information diffusion. Social media services have these advantages as well as the spread of unreliable information. Social media services have the disadvantage that anyone can easily and freely produce information, and because of the anonymity guarantee, malicious providers can easily create and disseminate unclear information quickly.
  • Information distributed through social media services includes low reliability information produced by a user, information shared between users, information generated by a malicious user by a particular user, and the like. Therefore, it is necessary to determine the reliability of the provider of the information distributed through the social media service. In addition, if the user is not an expert, since unverified information may be provided through a social media service, an evaluation technique considering the expertise of the information or the expertise of the information provider is required.
  • the IRIS technique determines the credibility between users based on the type of relationship among users, the evaluation score for the interaction, and the similarity of interests.
  • the MSNTM technique calculates the reliability between users based on their hobby similarity, the evaluation score of information, and the reliability score of information.
  • the TRSN technique evaluates the reliability of a user based on the number of directly connected users and the similarity of the user profiles.
  • One aspect of the present invention provides a method for evaluating reliability based on user behavior analysis on social media.
  • Another aspect of the present invention provides a reliability assessment system based on user behavior analysis for social media.
  • a method for evaluating reliability of information in a social media service includes calculating an evaluation score for the information based on a social action of each of a plurality of information consumers for the information provided by the information provider and Calculating a reputation score for the category of the information provider based on a category and the evaluation score for the information.
  • the evaluation score is determined based on a final implicit evaluation score of the information and a final explicit evaluation score on the information, and the final implicit evaluation score is determined on the information as the social behavior among the plurality of information consumers.
  • the final explicit evaluation score is an explicit evaluation of the information as the social behavior among the plurality of information consumers. It may be determined based on the social behavior of at least one explicit information consumer.
  • the social behavior of the at least one implicit information consumer includes an implicit positive evaluation and an implicit negative evaluation of the information, wherein the implicit positive evaluation is an active implicit positive evaluation or passive implicit in consideration of whether the social behavior is active. It may be classified as a positive evaluation, and the implicit negative evaluation may be classified into an active implicit negative evaluation or a passive implicit negative evaluation in consideration of whether the social behavior is active.
  • the final explicit evaluation score is calculated based on the following equation,
  • the evaluation score is calculated based on the following equation,
  • Each is a weight, , The sum of may be one.
  • Is the number of users of the social media service Is the number of the plurality of information consumers, Is an evaluation score for each of the information and other information belonging to the category, and n may be the number of the information and the other information.
  • a system for evaluating reliability of information in a social media service includes a processor, wherein the processor scores an evaluation score for the information based on the social behavior of each of the plurality of information consumers for the information provided by the information provider. And calculating a reputation score for the category of the information provider based on the category of the information and the evaluation score for the information.
  • the evaluation score is determined based on a final implicit evaluation score of the information and a final explicit evaluation score on the information, and the final implicit evaluation score is determined on the information as the social behavior among the plurality of information consumers.
  • the final explicit evaluation score is an explicit evaluation of the information as the social behavior among the plurality of information consumers. It may be determined based on the social behavior of at least one explicit information consumer.
  • the social behavior of the at least one implicit information consumer includes an implicit positive evaluation and an implicit negative evaluation of the information, wherein the implicit positive evaluation is an active implicit positive evaluation or passive implicit in consideration of whether the social behavior is active. It may be classified as a positive evaluation, and the implicit negative evaluation may be classified into an active implicit negative evaluation or a passive implicit negative evaluation in consideration of whether the social behavior is active.
  • the final explicit evaluation score is calculated based on the following equation,
  • the evaluation score is calculated based on the following equation,
  • Each is a weight, , The sum of may be one.
  • Is the number of users of the social media service Is the number of the plurality of information consumers, Is an evaluation score for each of the information and other information belonging to the category, and n may be the number of the information and the other information.
  • Reliability determination method and system based on the analysis of user behavior for social media can more accurately determine the reliability of the information in consideration of the implicit evaluation of the information consumer of the information, By calculating the reputation information for each category of the information provider providing the information by classifying the category, it is possible to ensure the reliability of the information of the specific category provided by the information provider.
  • FIG. 1 is a conceptual diagram illustrating a method of determining reliability based on user behavior analysis for social media according to an embodiment of the present invention.
  • FIG. 2 is a conceptual diagram illustrating social behavior between an information provider and an information consumer on social media according to an embodiment of the present invention.
  • FIG. 3 is a conceptual diagram illustrating a process of deriving a score of information through evaluation behaviors of information consumers according to an embodiment of the present invention.
  • FIG. 4 is a conceptual diagram illustrating a method of determining a professional field of an information provider according to an exemplary embodiment of the present invention.
  • FIG. 5 is a block diagram illustrating a system for evaluating reliability of information in a social media service according to an embodiment of the present invention.
  • the initial social network service is a social network focused on social networking among users, in which users connect with other users and simply share information through social networking. Thus, users could only encounter limited information that exists within the network.
  • social media an open online platform that not only creates relationships with other users, but also shares information produced in various forms, such as text, images, audio, and video, with others and allows other users to participate.
  • Large amounts of information are produced, reproduced, consumed and shared through social media.
  • mutual and interdependent relationships between information providers and information consumers can be formed. Therefore, the acts of creating and consuming information can be carried out in an implicit relationship that is not visible, rather than an explicit relationship made through making friends.
  • a new information provider for analyzing information and implicit evaluations of information providers based on social behaviors performed on social media is provided. Reputation management techniques are disclosed.
  • an explicit evaluation as well as an implicit evaluation may be considered in the generation of reputation information of the information provider.
  • the response of information consumers to information can be largely classified into implicit positive evaluation, implicit negative evaluation and explicit positive / negative evaluation.
  • Each of the implied positive and implicit negative ratings can be further classified into several levels, depending on the aggressiveness of the information consumer's ratings. Implicit positive / negative evaluations can be given higher scores for the user's response, and higher scores for the passive and passive responses.
  • the response of the information consumer is scored to calculate a comprehensive evaluation score for the information, and based on this, reputation information of the information provider may be generated for each field.
  • reputation information may be generated according to each field.
  • the reputation information for the final information provider may be generated by reflecting the influence of the information provider according to the number of information consumers.
  • the reliability determination method based on user behavior analysis on social media When the reliability determination method based on user behavior analysis on social media according to an embodiment of the present invention is used, the problem of the existing reliability determination that does not consider the implicit evaluation information of the information provider is solved and The credibility of information can be improved by classifying professional information providers in a specific field based on the detailed reputation information.
  • FIG. 1 is a conceptual diagram illustrating a method of determining reliability based on user behavior analysis for social media according to an embodiment of the present invention.
  • information consumption by information consumers can be performed in a variety of ways. Information consumption in various ways by these information consumers can provide a suitable environment for deriving an implicit assessment of the information provided by the information provider.
  • the information is classified by sector in consideration of the implicit evaluation of information consumers based on the analysis of the information consumption behavior of information consumers on social media.
  • Reputation information about the provider may be generated. Reputation information about a sectoral information provider can be used to assess the sectoral expertise of the provider.
  • the reputation of the information provider in social media may be managed in consideration of the influence of the information provider.
  • information (or content) generation and consumption steps are performed first.
  • the information provider may generate information (or content), and the information consumer may consume the information (or content) generated by the information provider.
  • step S100 a social activities analysis step
  • the response of the information consumers to the consumption of the information generated by the information provider may be classified into an implicit positive evaluation and an implicit negative evaluation.
  • Each of the implied positive and implicit negative assessments can be divided into additional stages by further considering the information consumer's evaluation aggressiveness (eg, active evaluation, passive evaluation, etc.). For example, the evaluation of the information consumer can be divided into several stages according to whether the user's evaluation behavior is active or passive, such as active suggestive positive evaluation, passive suggestive positive evaluation, active suggestive negative evaluation, and passive suggestive negative evaluation.
  • Information consumption behaviors of the information consumer may be scored to determine an evaluation score for the information and to generate reputation information for the information provider.
  • the explicit evaluation of information consumers of information is also an indispensable factor in generating information providers' reputational information about information.
  • explicit ratings of information consumers may also be considered along with implicit ratings to determine the reputation information of the information provider.
  • An information (or content) evaluation step (step S110) is performed.
  • a reputation computation by category step (step S120) is performed.
  • Reputation information for each sector of the information provider may be generated based on a comprehensive evaluation score of the information.
  • the influence of the information provider according to the number of information consumers may be additionally considered to evaluate the field expertise of the information provider.
  • a storing step (step S130) of reputation information of the information provider is performed.
  • the reputation information of the sector-specific information provider may be finally stored as the reputation information of the information provider.
  • Information consumers When information providers generate information within social media, information consumers can consume and share the information in various forms. Information consumers can consume information and interact with information providers according to the quality, preferences and interests of information provided.
  • FIG. 2 is a conceptual diagram illustrating social behavior between an information provider and an information consumer on social media according to an embodiment of the present invention.
  • the information provider 200 may provide information (or content), and the information consumer 250 may perform an implicit evaluation of the information in various ways.
  • Information consumers 250 may express their opinions about the behavior through social actions, such as indicating that they see or like the information provided by the information provider, adding it to their preference list, or sharing it. That is, the social behavior of information consumers 250 on information may be an implicit evaluation of information consumers 250 on information.
  • Explicit evaluation of information is the evaluation of information that is clearly expressed in explicit numbers, such as the rating or rating of the information.
  • Explicit evaluation is also a significant factor in evaluating information and determining reputation information for the information provider 200. However, most of the information consumers 250 do not participate in the evaluation and the reputation information for the information provider 200 and the evaluation of the information based on the malicious intention may be generated by the malicious information consumer 250. In order to solve this problem, an implicit evaluation of information may be performed by analyzing information consumption behavior, social behavior, etc. of the information consumer 250.
  • the implicit evaluation of the information is based on the social behaviors of the information consumers 250 performed on the information.
  • Social behaviors of the information consumers 250 may be classified and scored (or quantified) to perform.
  • Social behavior can be largely classified into positive evaluation and negative evaluation.
  • a positive score can be given for the positive evaluation of social behavior and a negative score can be given for the negative evaluation of social behavior.
  • the total sum of the positive values obtained from all positive evaluations for a particular piece of information and the negative values obtained from all negative evaluations of a particular piece of information can determine the overall evaluation score for the information.
  • the positive evaluation may be specifically classified according to the degree of positiveness
  • the negative evaluation may be specifically classified according to the degree of negativeness.
  • positive ratings can also be categorized as active positive or passive positive ratings, assign a relatively large positive score to the active positive rating, and give a relatively small positive score to the passive positive rating.
  • the negative evaluation can classify whether it is an active negative evaluation or a passive negative evaluation, give a relatively negative score to the active negative evaluation, and give a relatively large negative score to the passive positive evaluation.
  • Table 1 below shows the implicit evaluation according to the social behavior of the information consumer.
  • an evaluation of information of an information provider may be performed through an evaluation score of information by social behavior.
  • the more active the positive evaluation the higher the score.
  • the behavior that wants a constant relationship with the information provider may be given a maximum value of 1.0 and 0.75 points if the content is widely distributed to others.
  • Blocking or reporting on negative behavior is the act of looking at the information and continually breaking the relationship with the information provider who created the information, or reporting spam or illegal content. Such blocking or reporting acts are considered the most active of negative behaviors and can be given a score of -1.0.
  • negative comments can be given a score of -0.5 because they look at the information and express negative comments about the information. Dislike expresses the dislike simply with a single click, so -0.25 can be given as the most passive of negative actions.
  • the reputation information of the user may be determined based on an explicit evaluation of the generated information to determine the reputation information of the information provider 200 and an implicit evaluation as described above. As described above, information may be evaluated based on an implicit evaluation and an explicit evaluation. In the social behavior analysis stage, the social behaviors of the information are classified into an implicit positive evaluation, an implicit negative evaluation, and an explicit evaluation to score each social behavior, and a comprehensive evaluation of the information may be performed based on this.
  • FIG. 3 is a conceptual diagram illustrating a process of deriving a score of information through evaluation behaviors of information consumers according to an embodiment of the present invention.
  • information belongs to one category, and consumption of information may occur in various ways by users.
  • An information consumer's rating behavior was performed on information 1 300, such as view, share, dislike, rating, and like.
  • An evaluation score for the information may be calculated based on the evaluation actions occurring in the information.
  • the implicit score for the information can be calculated by dividing the implicit positive score and the implicit negative score.
  • Final implied score for the information based on the final implied positive score and the final implied negative score Can be calculated.
  • the final implicit evaluation score it is calculated by giving the implicit evaluation score a damping factor d.
  • the damping coefficient is d, for example, the value of the damping coefficient may be 0.5.
  • the damping factor is derived from the range [-1, 1]. Can be used to map the value of to a range of [0,1].
  • Equation 3 is an equation for calculating the final implicit evaluation score.
  • Equation (3) Is the number of implicit evaluations of the information, Is the final implicit evaluation score for the information to which the damping factor is applied.
  • the final explicit evaluation score is the final result of the score for the evaluation, which is clearly numerical, such as the rating or rating received.
  • a comprehensive evaluation score of information may be determined in consideration of both the final implicit evaluation score and the final explicit evaluation score for the information.
  • Equation 5 represents the final evaluation score of the information calculated by considering both the final implicit evaluation score and the final explicit evaluation score for the information.
  • the final evaluation score for the information calculated as above may be used to determine the reputation information of the information provider.
  • FIG. 4 is a conceptual diagram illustrating a method of determining a professional field of an information provider according to an exemplary embodiment of the present invention.
  • Information providers are rarely able to become experts in all fields. For example, just because an information provider has a high level of expertise in the sports field does not necessarily mean that the information provider has a high level of expertise in the culinary field. Therefore, in order to manage the reputation information of the improved information provider, it is necessary to subdivide the reputation information of users according to fields.
  • the specialized area of the information provider may be determined to determine the reliability of the information provided by the information provider on social media.
  • information generated by the information provider may be grouped by sector, and a final evaluation score for information belonging to a specific sector may be calculated.
  • the final evaluation score can be used to determine reputation information for a particular sector of the information provider.
  • Reputation information for a particular field of information provider may determine the reliability of information provided in relation to the particular field of information provider.
  • information 1, information 2, and information 3 are classified into sector 1 410, and the reputation of the information provider for sector 1 410 based on the evaluation scores of the information 1, information 2, and information 3, respectively.
  • the score can be calculated.
  • the information 4, the information 5, and the information 6 are classified into the sector 2 420, and the reputation score of the information provider for the sector 2 420 may be calculated based on the evaluation scores of the information 4, the information 5, and the information 6, respectively. .
  • Information 7, 8, and 9 may be classified into sector 3 430, and an information provider's reputation score for sector 3 430 may be calculated based on evaluation scores of information 7, information 8, and information 9. .
  • the information 10 and the information 11 may be classified into the sector 4 440, and the reputation score of the information provider for the sector 4 440 may be calculated based on the evaluation scores of the information 10 and the information 11.
  • the reputation score of each sector may determine reputation information for each sector.
  • the reputation score of an information provider in a specific field May be calculated based on Equation 6 below.
  • a specific field At least one information belonging to An evaluation score for each is calculated, and a reputation score of an information provider according to a specific field may be calculated based on an average of evaluation scores of information classified into a specific field.
  • the number of information belonging to a specific field may be n.
  • User reputation scores for specific areas Is the number of information consumers Number of users of social media services It can be calculated based on the value divided by.
  • FIG. 5 is a block diagram illustrating a system for evaluating reliability of information in a social media service according to an embodiment of the present invention.
  • a reliability evaluation system for calculating an evaluation score for information in a social media service and calculating an information provider's reputation score for a specific category in consideration of the evaluation score for the information and the category of the information.
  • the reliability evaluation system may include a category classifier 500, an evaluation score calculator 510, a reputation score calculator 520, and a processor 530.
  • the reliability evaluation system may perform a reliability determination method based on user behavior analysis of the social media described above with reference to FIGS. 1 to 4. For example, each component may perform the following operation.
  • the category classifier 500 may be used to classify categories of information. According to an embodiment of the present invention, the reputation score of the information provider may be calculated for each category. Information provided by the information provider may be classified for each category to calculate a reputation score of the information provider for each category.
  • the evaluation score calculator 510 may be implemented to calculate an evaluation score for the information in consideration of an explicit evaluation and an implicit evaluation of the information consumer on the information.
  • the implicit evaluation is based on the social behavior of the user, considering the positiveness, negativeness, evaluation activeness, and passiveness of the evaluation. However, it can be classified as a passive negative implicit assessment.
  • the active positive implicit assessment, the active negative implicit assessment, the passive positive implicit assessment, and the passive negative implicit assessment may each have different evaluation scores.
  • the reputation score calculator 520 may calculate the reputation score of the corresponding category of the user corresponding to the category of the information based on the evaluation score of the information.
  • the reputation score can be determined by further considering the number of information consumers who have consumed the information provided by the information provider.
  • the processor 530 may be implemented to control operations of the category classifier 500, the evaluation score calculator 510, and the reputation score calculator 520.
  • the reliability determination method based on the analysis of user behavior on social media may be implemented in the form of program instructions that may be implemented as an application or executed through various computer components, and recorded in a computer-readable recording medium.
  • the computer-readable recording medium may include program instructions, data files, data structures, etc. alone or in combination.
  • the program instructions recorded on the computer-readable recording medium are those specially designed and configured for the present invention, and may be known and available to those skilled in the computer software arts.
  • Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks, and magnetic tape, optical recording media such as CD-ROMs, DVDs, and magneto-optical media such as floptical disks. media), and hardware devices specifically configured to store and execute program instructions, such as ROM, RAM, flash memory, and the like.
  • Examples of program instructions include not only machine code generated by a compiler, but also high-level language code that can be executed by a computer using an interpreter or the like.
  • the hardware device may be configured to operate as one or more software modules to perform the process according to the invention, and vice versa.
  • Reliability evaluation method and system based on the analysis of user behavior for social media of the present invention, it is possible to more accurately determine the reliability of the information in consideration of the implicit evaluation of the information consumer about the information, and to classify the category of information
  • By calculating the reputation information for each category of the information provider providing the information can be usefully applied to an application that can ensure the reliability of the information of a specific category provided by the information provider.

Abstract

소셜 미디어에 대한 사용자 행위 분석을 기반으로 한 신뢰성 판별 방법 및 시스템이 개시된다. 소셜 미디어 서비스에서 정보의 신뢰성 평가 방법은 정보 제공자에 의해 제공된 정보에 대한 복수의 정보 소비자 각각의 소셜 행위를 기반으로 상기 정보에 대한 평가 점수를 산출하는 단계와 상기 정보의 카테고리 및 상기 정보에 대한 상기 평가 점수를 기반으로 상기 정보 제공자의 상기 카테고리에 대한 평판 점수를 산출하는 단계를 포함할 수 있다.

Description

소셜 미디어에 대한 사용자 행위 분석을 기반으로 한 신뢰성 평가 방법 및 시스템
본 발명은 소셜 네트워크 서비스 방법 및 시스템에 관한 것으로서, 보다 상세하게는, 소셜 미디어에 대한 사용자 행위 분석을 기반으로 한 신뢰성 평가 방법 및 시스템에 관한 것이다.
최근 인터넷 기술과 모바일 기기의 발달로 사용자들 간의 소통이 활발해지고 사용자들 간 소통의 장으로서 소셜 미디어 서비스가 발전하였다. 인터넷 기술은 모바일 기기 또는 웹을 통해 소셜 미디어 서비스에 빠르게 접속하여 정보를 신속하고 편리하게 생성하고 접할 수 있도록 하였고 모바일 기기의 발달은 언제 어디서나 사용자가 소셜 미디어 서비스에 접속할 수 있도록 하였다. 소셜 미디어 서비스는 정보를 생산, 소비, 공유하는 수단으로 최근 활발히 개발되고 있으며 소셜 미디어 서비스를 이용하는 사용자 수는 빠르게 증가하고 있다. 신문, 잡지, TV, 라디오 등과 같은 매체는 정보 생산자가 정보 소비자에게 단방향으로 정보를 전달하는 반면 소셜 미디어 서비스에서는 사용자가 정보 제공자가 되는 동시에 정보 소비자가 되는 양방향의 통신 매체이다. 소셜 미디어 서비스는 사용자가 정보를 직접 생산, 가공, 공유할 수 있고 그 과정이 단순하고 편리하기 때문에 정보가 빠르게 확산된다는 특징을 갖고 있다. 이와 같은 특징으로 많은 사용자들이 소셜 미디어 서비스를 이용하고 있다. 또한, 사용자들은 모바일 기기를 통한 소셜 미디어 서비스로의 접근이 쉬워지면서 소셜 미디어 서비스를 시간과 장소에 구애받지 않고 사용하여 서비스를 통한 정보 생산, 교류 행위가 일상화되었다.
소셜 미디어 서비스는 사용자의 생각이나 주장, 일상 등을 콘텐츠로 만들어 인터넷 상 공간에 조합하는 블로그(Blog), 각계 각층의 사람들이 거대한 집단 지성을 형성한 위키피디아(Wikipedia), 웹 기반으로 사용자 간의 자유로운 의사 소통과 공유, 인맥을 형성하는 소셜 네트워크 서비스(social network service, SNS), 손수 제작물(user, created contents, UCC), 마이크로 블로그(Micro-Blog) 등을 포함할 수 있다.
용이한 정보 생산과 빠른 정보 확산으로 인해 활발한 정보 교류의 장이 되면서 소셜 미디어 서비스는 많은 정보를 단시간에 획득할 수 있다는 장점을 갖는다. 소셜 미디어 서비스는 이러한 장점과 동시에 신뢰할 수 없는 정보의 확산이라는 문제점을 가지고 있다. 소셜 미디어 서비스는 누구나 쉽고 자유롭게 정보를 생산할 수 있다는 특징과 함께 익명성 보장으로 인해 악의적 제공자가 불분명한 정보를 쉽게 생성하고 빠르게 전파할 수 있다는 단점을 가진다.
이러한 이유로 신뢰할 수 없는 정보들이 무분별하게 소셜 미디어 서비스를 기반으로 네트워크를 통해 무수히 확산되고 있다. 따라서 소셜 미디어 서비스를 통한 불확실하거나 신뢰할 수 없는 정보들의 공유라는 문제점을 해결하기 위해 소셜 미디어 서비스를 통해 유통되는 정보의 신뢰성과 전문성을 판별하는 방법이 요구되고 있다.
소셜 미디어 서비스를 통해 유통되는 정보는 사용자에 의해 생산된 신뢰성이 낮은 정보, 사용자들 간에 공유되는 정보, 특정 사용자에 의해 악의에 의해 생성된 정보 등을 포함한다. 따라서, 소셜 미디어 서비스를 통해 유통되는 정보의 제공자에 대한 신뢰성의 판단이 필요하다. 또한 사용자가 비전문가인 경우, 검증되지 못한 정보가 소셜 미디어 서비스를 통해 제공될 수 있기 때문에 정보의 전문성이나 정보 제공자의 전문성을 고려하는 평가 기법도 필요하다.
소셜 네트워크 상에서 사용자의 신뢰성을 측정하는 기법에 대한 연구들이 계속 이루어지고 있다. IRIS 기법은 사용자들 사이의 관계 유형, 상호 작용에 대한 평가 점수, 관심사의 유사성을 기반으로 사용자 간의 신뢰성을 판별한다. MSNTM 기법은 사용자들의 취미 유사성, 정보에 대한 평가 점수, 정보에 대한 신뢰성 점수를 기반으로 사용자 간의 신뢰도를 계산한다. TRSN 기법은 직접 연결된 사용자의 수, 사용자 프로필의 유사도를 기반으로 사용자의 신뢰도를 평가한다.
본 발명의 일 측면은 소셜 미디어에 대한 사용자 행위 분석을 기반으로 한 신뢰성 평가 방법을 제공한다.
본 발명의 다른 측면은 소셜 미디어에 대한 사용자 행위 분석을 기반으로 한 신뢰성 평가 시스템을 제공한다.
본 발명의 일 측면에 따른 소셜 미디어 서비스에서 정보의 신뢰성 평가 방법은 정보 제공자에 의해 제공된 정보에 대한 복수의 정보 소비자 각각의 소셜 행위를 기반으로 상기 정보에 대한 평가 점수를 산출하는 단계와 상기 정보의 카테고리 및 상기 정보에 대한 상기 평가 점수를 기반으로 상기 정보 제공자의 상기 카테고리에 대한 평판 점수를 산출하는 단계를 포함할 수 있다.
한편, 상기 평가 점수는 상기 정보에 대한 최종 암시적 평가 점수 및 상기 정보에 최종 명시적 평가 점수를 기반으로 결정되고, 상기 최종 암시적 평가 점수는 상기 복수의 정보 소비자 중 상기 소셜 행위로서 상기 정보에 대한 암시적 평가를 수행한 적어도 하나의 암시적 정보 소비자의 소셜 행위를 기반으로 결정되고, 상기 최종 명시적 평가 점수는 상기 복수의 정보 소비자 중 상기 소셜 행위로서 상기 정보에 대한 명시적 평가를 수행한 적어도 하나의 명시적 정보 소비자의 소셜 행위를 기반으로 결정될 수 있다.
또한, 상기 적어도 하나의 암시적 정보 소비자의 소셜 행위는 상기 정보에 대한 암시 긍정적 평가, 암시 부정적 평가를 포함하고, 상기 암시 긍정적 평가는 상기 소셜 행위의 능동성 여부를 고려하여 능동 암시 긍정적 평가 또는 수동 암시 긍정적 평가로 분류되고, 상기 암시 부정적 평가는 상기 소셜 행위의 능동성 여부를 고려하여 능동 암시 부정적 평가 또는 수동 암시 부정적 평가로 분류될 수 있다.
또한, 상기 최종 암시적 평가 점수
Figure PCTKR2015014550-appb-I000001
는 아래의 수학식을 기반으로 산출되고,
<수학식>
Figure PCTKR2015014550-appb-I000002
Figure PCTKR2015014550-appb-I000003
Figure PCTKR2015014550-appb-I000004
여기서,
Figure PCTKR2015014550-appb-I000005
은 상기 정보가 받은
Figure PCTKR2015014550-appb-I000006
개의 모든 암시 긍정적 평가 점수의 합이고,
Figure PCTKR2015014550-appb-I000007
는 정보가 받은
Figure PCTKR2015014550-appb-I000008
개의 모든 부정 암시적 평가 점수의 합이고,
Figure PCTKR2015014550-appb-I000009
는 정보에 대한 암시적 평가의 개수이고, d는 감폭 계수이고,
상기 최종 명시적 평가 점수는 아래의 수학식을 기반으로 산출되고,
<수학식>
Figure PCTKR2015014550-appb-I000010
여기서,
Figure PCTKR2015014550-appb-I000011
는 상기 명시적 평가의 개수이고,
Figure PCTKR2015014550-appb-I000012
은 상기 정보가 받은
Figure PCTKR2015014550-appb-I000013
개의 명시적 평가들의 평균이고 범위는
Figure PCTKR2015014550-appb-I000014
이고,
상기 평가 점수는 아래의 수학식을 기반으로 산출되고,
<수학식>
Figure PCTKR2015014550-appb-I000015
여기서
Figure PCTKR2015014550-appb-I000016
,
Figure PCTKR2015014550-appb-I000017
각각은 가중치이고,
Figure PCTKR2015014550-appb-I000018
,
Figure PCTKR2015014550-appb-I000019
의 합은 1일 수 있다.
또한, 상기 평판 점수
Figure PCTKR2015014550-appb-I000020
는 아래의 수학식을 기반으로 산출되고,
<수학식>
Figure PCTKR2015014550-appb-I000021
여기서,
Figure PCTKR2015014550-appb-I000022
는 상기 소셜 미디어 서비스의 사용자의 수,
Figure PCTKR2015014550-appb-I000023
은 상기 복수의 정보 소비자의 수이고,
Figure PCTKR2015014550-appb-I000024
는 상기 정보 및 상기 카테고리에 속한 다른 정보 각각에 대한 평가 점수이고, n은 상기 정보 및 상기 다른 정보의 개수일 수 있다.
본 발명의 다른 측면에 따른 소셜 미디어 서비스에서 정보의 신뢰성 평가 시스템은 프로세서를 포함하고, 상기 프로세서는 정보 제공자에 의해 제공된 정보에 대한 복수의 정보 소비자 각각의 소셜 행위를 기반으로 상기 정보에 대한 평가 점수를 산출하고, 상기 정보의 카테고리 및 상기 정보에 대한 상기 평가 점수를 기반으로 상기 정보 제공자의 상기 카테고리에 대한 평판 점수를 산출하도록 구현될 수 있다.
한편, 상기 평가 점수는 상기 정보에 대한 최종 암시적 평가 점수 및 상기 정보에 최종 명시적 평가 점수를 기반으로 결정되고, 상기 최종 암시적 평가 점수는 상기 복수의 정보 소비자 중 상기 소셜 행위로서 상기 정보에 대한 암시적 평가를 수행한 적어도 하나의 암시적 정보 소비자의 소셜 행위를 기반으로 결정되고, 상기 최종 명시적 평가 점수는 상기 복수의 정보 소비자 중 상기 소셜 행위로서 상기 정보에 대한 명시적 평가를 수행한 적어도 하나의 명시적 정보 소비자의 소셜 행위를 기반으로 결정될 수 있다.
또한, 상기 적어도 하나의 암시적 정보 소비자의 소셜 행위는 상기 정보에 대한 암시 긍정적 평가, 암시 부정적 평가를 포함하고, 상기 암시 긍정적 평가는 상기 소셜 행위의 능동성 여부를 고려하여 능동 암시 긍정적 평가 또는 수동 암시 긍정적 평가로 분류되고, 상기 암시 부정적 평가는 상기 소셜 행위의 능동성 여부를 고려하여 능동 암시 부정적 평가 또는 수동 암시 부정적 평가로 분류될 수 있다.
또한, 상기 최종 암시적 평가 점수
Figure PCTKR2015014550-appb-I000025
는 아래의 수학식을 기반으로 산출되고,
<수학식>
Figure PCTKR2015014550-appb-I000026
Figure PCTKR2015014550-appb-I000027
Figure PCTKR2015014550-appb-I000028
여기서,
Figure PCTKR2015014550-appb-I000029
은 상기 정보가 받은
Figure PCTKR2015014550-appb-I000030
개의 모든 암시 긍정적 평가 점수의 합이고,
Figure PCTKR2015014550-appb-I000031
는 정보가 받은
Figure PCTKR2015014550-appb-I000032
개의 모든 부정 암시적 평가 점수의 합이고,
Figure PCTKR2015014550-appb-I000033
는 정보에 대한 암시적 평가의 개수이고, d는 감폭 계수이고,
상기 최종 명시적 평가 점수는 아래의 수학식을 기반으로 산출되고,
<수학식>
Figure PCTKR2015014550-appb-I000034
여기서,
Figure PCTKR2015014550-appb-I000035
는 상기 명시적 평가의 개수이고,
Figure PCTKR2015014550-appb-I000036
은 상기 정보가 받은
Figure PCTKR2015014550-appb-I000037
개의 명시적 평가들의 평균이고 범위는
Figure PCTKR2015014550-appb-I000038
이고,
상기 평가 점수는 아래의 수학식을 기반으로 산출되고,
<수학식>
Figure PCTKR2015014550-appb-I000039
여기서 ,
Figure PCTKR2015014550-appb-I000040
,
Figure PCTKR2015014550-appb-I000041
각각은 가중치이고,
Figure PCTKR2015014550-appb-I000042
,
Figure PCTKR2015014550-appb-I000043
의 합은 1일 수 있다.
또한, 상기 평판 점수
Figure PCTKR2015014550-appb-I000044
는 아래의 수학식을 기반으로 산출되고,
<수학식>
Figure PCTKR2015014550-appb-I000045
여기서,
Figure PCTKR2015014550-appb-I000046
는 상기 소셜 미디어 서비스의 사용자의 수,
Figure PCTKR2015014550-appb-I000047
은 상기 복수의 정보 소비자의 수이고,
Figure PCTKR2015014550-appb-I000048
는 상기 정보 및 상기 카테고리에 속한 다른 정보 각각에 대한 평가 점수이고, n은 상기 정보 및 상기 다른 정보의 개수일 수 있다.
본 발명의 실시예에 따른 소셜 미디어에 대한 사용자 행위 분석을 기반으로 한 신뢰성 판별 방법 및 시스템은 정보에 대한 정보 소비자의 암시적 평가를 고려하여 정보에 대한 신뢰도 판단을 보다 정확하게 할 수 있고, 정보의 카테고리를 분류하여 정보를 제공하는 정보 제공자의 카테고리 별 평판 정보를 산출하여 정보 제공자에 의해 제공되는 특정 카테고리의 정보에 대한 신뢰도를 보장할 수 있다.
도 1은 본 발명의 실시예에 따른 소셜 미디어에 대한 사용자 행위 분석을 기반으로 한 신뢰성 판별 방법을 나타낸 개념도이다.
도 2는 본 발명의 실시예에 따른 소셜 미디어 상에서 정보 제공자와 정보 소비자 간의 소셜 행위를 나타낸 개념도이다.
도 3은 본 발명의 실시예에 따른 정보 소비자들의 평가 행위들을 통한 정보의 점수가 도출되는 과정을 나타낸 개념도이다.
도 4는 본 발명의 실시예에 따른 정보 제공자의 전문 분야를 결정하는 방법을 나타낸 개념도이다.
도 5는 본 발명의 실시예에 다른 소셜 미디어 서비스에서 정보의 신뢰성 평가 시스템을 나타낸 블록도이다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시예와 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수 있다. 또한, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조 부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.
이하, 도면들을 참조하여 본 발명의 바람직한 실시예들을 보다 상세하게 설명하기로 한다.
기존 소셜 미디어 서비스를 통해 유통되는 정보의 신뢰도에 대한 연구들은 사용자의 프로필, 사용자들 사이의 관계성, 명시적 평가를 기반으로 사용자들의 신뢰성을 평가한다. 하지만, 실제 소셜 미디어 서비스를 통한 정보 소비 및 공유 과정에서 사용자들의 명시적 평가 행위는 상대적으로 적게 발생하고 대부분의 사용자는 자신의 프로필을 갱신하지 않는다. 따라서, 기존 소셜 미디어 서비스를 통해 유통되는 정보의 신뢰도의 평가를 위한 기존의 사용자 평판 관리 기법은 명시적인 사용자들의 평가 정보를 기반으로 신뢰성을 판별한다. 따라서, 평가 정보가 없는 콘텐츠에 대한 신뢰도 및/또는 사용자에 대한 정확한 신뢰도가 평가될 수 없다.
소셜 미디어 서비스에서 대용량의 정보가 생성, 가공, 소비, 공유되고 있다. 소셜 미디어 서비스를 통한 정보의 생성 및 소비 과정에서 사용자들은 콘텐츠 개시, 댓글, 평가, 읽기, 공유, 구독, 스크랩, 추천 등 수많은 소셜 행위들을 수행할 ㅅ 있다. 예를 들어, 초기의 소셜 네트워크 서비스는 사용자들 간의 인맥 관리 위주의 소셜 네트워크로 사용자들은 다른 사용자와 관계를 맺고 단순히 인맥 관계를 통해 정보를 공유하는 형태였다. 따라서, 사용자들은 인맥 관계 내에서 존재하는 한정적인 정보만을 접할 수 있었다.
하지만, 최근에는 다른 사용자와의 관계를 생성할 뿐만 아니라 텍스트, 이미지, 오디오, 비디오 등과 같은 다양한 형태로 생산된 정보를 타인과 공유하고 다른 사용자가 참여할 수 있는 개방화된 온라인 플랫폼인 소셜 미디어가 활성화되어 소셜 미디어를 통해 대용량의 정보가 생산 및 재생산, 소비, 공유되고 있다. 따라서, 사용자들 간의 온라인 상에서 정보의 생성 및 교류 과정 속에서 정보 제공자와 정보 소비자들 간의 상호 관계 및 상호 의존적인 관계성이 형성될 수 있다. 따라서 정보를 생성하고 소비하는 행위들은 친구 맺기 등을 통해 맺어진 명시적 관계가 아닌 겉으로 드러나지 않는 암시적인 관계 상에서 수행될 수 있다.
따라서 현재 소셜 미디어 상에서 수행되는 다양한 소셜 행위들의 분석을 통해 암시적 평가를 도출하고 암시적 평가를 사용자의 평판과 신뢰성에 반영하는 방법이 필요하다.
본 발명의 실시예에 따른 소셜 미디어에 대한 사용자 행위 분석을 기반으로 한 신뢰성 판별 방법 및 시스템에서는 소셜 미디어 상에서 이루어지는 소셜 행위들을 기반으로 정보와 정보 제공자에 대한 암시적인 평가들을 분석하는 새로운 정보 제공자에 대한 평판 관리 기법이 개시된다. 본 발명의 실시예에 따르면, 정보 제공자의 평판 정보의 생성시 암시적 평가뿐만 아니라 명시적 평가가 고려될 수 있다. 정보에 대한 정보 소비자들의 반응은 크게 암시 긍정적 평가, 암시 부정적 평가, 명시 긍정적/부정적 평가로 분류될 수 있다. 암시 긍정적 평가, 암시 부정적 평가 각각은 정보 소비자의 평가의 적극성에 따라 여러 단계로 한 번 더 분류될 수 있다. 암시 긍정적/부정적 평가 각각에 대한 사용자의 반응이 능동적일수록 높은 점수, 수동적일수록 낮은 점수가 부여 될 수 있다.
정보 소비자의 반응이 점수화되어 정보에 대한 종합적인 평가 점수가 계산되고 이를 기반으로 분야 별로 정보 제공자의 평판 정보가 생성될 수 있다. 분야에 따른 정보 제공자의 전문성을 판별하기 위해 평판 정보는 분야 별로 구분되어 결정될 수 있다. 또한, 정보 소비자의 수에 따른 정보 제공자의 영향력을 반영하여 최종적인 정보 제공자에 대한 평판 정보가 생성될 수 있다.
본 발명의 실시예에 따른 소셜 미디어에 대한 사용자 행위 분석을 기반으로 한 신뢰성 판별 방법이 사용되는 경우, 정보 제공자의 암시적인 평가 정보를 고려하지 않은 기존 신뢰도 판단의 문제가 해결되고 분야 별로 정보 제공자의 세분화된 평판 정보를 기반으로 특정 분야에 대해 전문적인 정보 제공자를 구분하여 정보의 신뢰도가 향상될 수 있다.
도 1은 본 발명의 실시예에 따른 소셜 미디어에 대한 사용자 행위 분석을 기반으로 한 신뢰성 판별 방법을 나타낸 개념도이다.
*현재 소셜 미디어에서 정보 소비자의 정보 소비는 다양한 방식으로 수행될 수 있다. 이러한 정보 소비자의 다양한 방식의 정보 소비는 정보 제공자에 의해 제공된 정보에 대한 암시적 평가를 도출하기에 적합한 환경을 제공할 수 있다.
또한 소셜 미디어는 개방과 참여의 공간이기 때문에 정보 제공자와 직접적으로 명시적 관계가 없는 정보 소비자들도 정보 제공자에 의해 제공된 정보의 소비 행위에 따라 정보 제공자를 평가할 수 있다. 정보 제공자와 명시적 관계가 없는 정보 소비자들의 정보에 대한 평가도 정보 제공자의 평판 정보에 반영될 수 있다. 본 발명의 실시예에 따른 소셜 미디어에 대한 사용자 행위 분석을 기반으로 한 신뢰성 판별 방법에서는 소셜 미디어에서 이루어지는 정보 소비자들의 정보 소비 행위에 대한 분석을 기반으로 정보 소비자들의 암시적인 평가를 고려하여 분야별로 정보 제공자에 대한 평판 정보가 생성될 수 있다. 분야별 정보 제공자에 대한 평판 정보는 정보 제공자의 분야별 전문성을 평가하기 위해 사용될 수 있다.
최종적으로 정보 제공자의 영향력을 고려하여 소셜 미디어에서의 정보 제공자의 평판이 관리될 수 있다.
도 1을 참조하면, 소셜 미디어에 대한 사용자 행위 분석을 기반으로 한 신뢰성 판별 방법에서는 우선적으로 정보(또는 콘텐츠) 생성 및 소비 단계가 수행된다. 정보 생성 및 소비 단계에서는 정보 제공자는 정보(또는 콘텐츠)를 생성하고, 정보 소비자는 정보 제공자에 의해 생성된 정보(또는 콘텐츠)를 소비할 수 있다.
다음으로 소셜 행위 분석(social activities analysis)단계(단계 S100)가 수행된다.
소셜 행위 분석 단계에서는 정보에 대한 정보 소비자들의 암시적인 평가를 도출하기 위해 정보 소비자들이 정보 제공자에 의해 생성된 정보의 소비에 따른 반응은 암시 긍정적 평가, 암시 부정적평가로 구분될 수 있다.
암시 긍정적 평가 및 암시 부정적 평가 각각은 정보 소비자의 평가 적극성(예를 들어, 능동 평가, 수동 평가 등)을 추가적으로 고려하여 추가적인 단계로 구분될 수 있다. 예를 들어, 능동 암시 긍정적 평가, 수동 암시 긍정적 평가, 능동 암시 부정적 평가, 수동 암시 부정적 평가 등으로 사용자의 평가 행위가 능동적인지 수동적인지 여부에 따라 여러 단계로 정보 소비자의 평가를 구분할 수 있다. 정보 소비자의 정보 소비 행위들은 점수화되어 정보에 대한 평가 점수가 결정되고 정보 제공자에 대한 평판 정보가 생성될 수 있다.
정보에 대한 정보 소비자들의 명시적 평가 또한 정보에 대한 정보 제공자의 평판 정보를 생성하는데 있어 배제할 수 없는 요소이다. 따라서, 정보 소비자들의 명시적 평가 또한 암시적 평가들과 함께 고려되어 정보 제공자의 평판 정보가 결정될 수 있다.
정보(또는 콘텐츠) 평가(contents evaluation)단계(단계 S110)가 수행된다.
정보 소비자의 암시적 평가와 명시적 평가를 모두 고려하여 정보(또는 콘텐츠)의 종합적인 평가 점수가 계산될 수 있다.
분야별 평판 계산(reputation computation by category) 단계(단계 S120)가 수행된다.
정보에 대한 종합적인 평가 점수를 기반으로 정보 제공자의 분야별 평판 정보가 생성될 수 있다. 또한, 정보 소비자의 수에 따른 정보 제공자의 영향력이 추가적으로 고려되어 정보 제공자의 분야별 전문성이 평가될 수 있다.
정보 제공자의 평판 정보의 저장 단계(단계 S130)가 수행된다.
분야별 정보 제공자의 평판 정보가 최종적으로 정보 제공자의 평판 정보로서 저장될 수 있다.
소셜 미디어 내에서 정보 제공자가 정보를 생성하면 정보 소비자들은 정보를 다양한 형태로 소비하고 공유할 수 있다. 정보 소비자는 제공된 정보의 질, 선호도, 관심사에 따라 정보를 소비하며 정보 제공자와 다양한 상호 작용을 할 수 있다.
도 2는 본 발명의 실시예에 따른 소셜 미디어 상에서 정보 제공자와 정보 소비자 간의 소셜 행위를 나타낸 개념도이다.
도 2를 참조하면, 정보 제공자(200)는 정보(또는 컨텐츠)를 제공할 수 있고, 정보 소비자(250)는 다양한 방식으로 정보에 대한 암시적 평가를 수행할 수 있다.
정보 소비자들(250)은 정보 제공자에 의해 제공된 정보를 보거나 좋아한다는 의미를 표시하거나 자신의 선호 목록에 추가하거나 공유하는 등과 같은 소셜 행위를 통해 정보에 대한 자신의 의견을 행동으로 표현할 수 있다. 즉, 정보에 대한 정보 소비자들(250)의 소셜 행위는 정보에 대한 정보 소비자들(250)의 암시적 평가 행위일 수 있다.
정보에 대한 명시적 평가는 정보에 대한 평점 또는 별점과 같이 명시적인 수치로 명확하게 드러내는 정보에 대한 평가이다.
명시적 평가도 역시 정보를 평가하고 정보 제공자(200)에 대한 평판 정보를 결정함에 있어 의미 있는 요소이다. 하지만 대부분의 정보 소비자들(250)이 평가에 참여하지 않으며 악의적 정보 소비자(250)에 의해 악의적인 의도에 기반한 정보에 대한 평가 및 정보 제공자(200)에 대한 평판 정보가 생성될 수도 있다. 이러한 문제점을 해결하기 위해서 정보 소비자(250)의 정보 소비 행위, 소셜 행위 등에 대한 분석을 통해 정보에 대한 암시적인 평가가 수행될 수 있다.
본 발명의 실시예에 따른 소셜 미디어에 대한 정보 소비자(250)의 행위 분석을 기반으로 한 신뢰성 판별 방법에서는 정보에 대해 행해지는 정보 소비자들(250)의 소셜 행위들을 기반으로 정보에 대한 암시적 평가를 수행하기 위해 정보 소비자들(250)의 소셜 행위들을 분류하여 점수화(또는 수치화)할 수 있다.
소셜 행위는 크게 긍정적 평가, 부정적 평가로 분류될 수 있다. 소셜 행위 중 긍정적 평가에 대해서는 양수의 점수를 부여하고 소셜 행위 중 부정적 평가에 대해서는 음수의 점수를 부여할 수 있다. 특정 정보에 대한 모든 긍정적 평가로 인해 획득된 양수 값과 특정 정보에 대한 모든 부정적 평가로 인해 획득된 음수 값의 전체 합을 통해 정보에 대한 종합적인 평가 점수가 결정될 수 있다.
이뿐만 아니라 전술한 바와 같이 긍정적 평가도 긍정의 정도에 따라 구체적으로 분류되고 부정적 평가도 부정의 정도에 따라 구체적으로 분류될 수 있다. 예를 들어, 긍정적 평가도 능동적 긍정 평가인지 수동적 긍정 평가인지를 분류하고 능동적 긍정 평가에 상대적으로 큰 양의 점수를 부여하고, 수동적 긍정 평가에 상대적으로 작은 양의 점수를 부여할 수 있다.
마찬가지로, 부정적 평가도 능동적 부정 평가인지 수동적 부정 평가인지를 분류하고 능동적 부정 평가에 상대적으로 작은 음의 점수를 부여하고, 수동적 긍정 평가에 상대적으로 큰 음의 점수를 부여할 수 있다.
아래의 표 1은 정보 소비자의 소셜 행위에 따른 암시적인 평가를 나타낸다.
<표 1>
Figure PCTKR2015014550-appb-I000049
표 1을 참조하면, 소셜 행위에 의한 정보에 대한 평가 점수를 통해 정보 제공자의 정보에 대한 평가가 수행될 수 있다. 긍정적 평가 중 능동적인 평가일수록 높은 점수가 부여될 수 있다. 정보 제공자와 지속적 관계(constant relationship)를 원하는 행위는 최댓값인 1.0, 콘텐츠를 다른 사람에게 널리 유포할 경우(share) 0.75점이 부여될 수 있다.
정보에 대한 긍정적인 의견을 짧은 단어로 표현하거나 정보를 선호 리스트에 추가하여 보관하고자 하는 행위는 정보의 유포 측면에서 공유보다 수동적이고 짧게 의견을 표하는 데에 그친다. 따라서, 중간 점수인 0.5점이 부여될 수 있다. 단순하게 클릭으로 해당 정보에 대해 좋아요(like)라는 긍정의 의미를 표하는 행위는 0.25점이 부여될 수 있다. 마지막으로 보기(view)는 가장 수동적인 행위로 간주하여 0.1이 부여될 수 있다.
부정적 행위에서 차단(block) 또는 신고(report)는 정보를 보고 해당 정보를 생성한 정보 제공자와 지속적으로 관계를 끊는 행위 또는 스팸이나 불법적인 내용에 대해 신고하는 행위이다. 이러한 차단 또는 신고 행위는 부정적인 행위 중 가장 능동적인 행위로 간주하여 -1.0의 점수가 부여될 수 있다.
다음으로 부정적인 댓글(negative comment)은 해당 정보를 보고 정보에 대한 부정적인 의견을 글로 표현했기 때문에 -0.5의 점수가 부여될 수 있다. 싫어요(dislike)는 단순히 클릭 한 번으로 싫다는 의견을 표현하기 때문에 부정적인 행위 중 가장 수동적인 행위로 판단하여 -0.25가 부여될 수 있다.
정보 제공자(200)의 평판 정보를 결정하기 위해 생성된 정보에 대한 명시적 평가 및 위와 같은 암시적 평가를 기반으로 사용자의 평판 정보가 결정될 수 있다. 전술한 바와 같이 암시적 평가와 명시적 평가를 기반으로 정보가 평가될 수 있다. 소셜 행위 분석 단계에서 정보에 대한 소셜 행위들이 암시 긍정적 평가, 암시 부정적 평가, 명시적 평가로 분류하여 각 소셜 행위들을 점수화하고 정보 평가 단계에서 이를 기반으로 정보에 대한 종합적인 평가가 수행될 수 있다.
도 3은 본 발명의 실시예에 따른 정보 소비자들의 평가 행위들을 통한 정보의 점수가 도출되는 과정을 나타낸 개념도이다.
도 3을 참조하면, 정보는 하나의 카테고리에 속하고, 사용자들에 의해 다양한 방식으로 정보에 대한 소비 행위가 일어날 수 있다.
정보 1(information 1)(300)에 대해 보기(view), 공유(share), 싫어요(dislike), 평점(rating), 좋아요(like)와 같은 정보 소비자의 평가 행위(또는 소셜 행위)가 이루어졌고 정보에서 일어나는 평가 행위들을 기반으로 정보에 대한 평가 점수가 산출될 수 있다.
정보에 대한 암시적 평가 점수는 암시 긍정적 평가 점수와 암시 부정적 평가 점수로 나누어 계산될 수 있다.
정보
Figure PCTKR2015014550-appb-I000050
의 최종 암시 긍정적 평가 점수
Figure PCTKR2015014550-appb-I000051
은 정보
Figure PCTKR2015014550-appb-I000052
가 받은
Figure PCTKR2015014550-appb-I000053
개의 모든 암시 긍정적 평가 점수의 합으로 나타낸다. 따라서 정보
Figure PCTKR2015014550-appb-I000054
가 받은 최종 암시 긍정적 평가 점수
Figure PCTKR2015014550-appb-I000055
은 아래의 수학식1을 기반으로 결정될 수 있다.
<수학식 1>
Figure PCTKR2015014550-appb-I000056
마찬가지로 정보
Figure PCTKR2015014550-appb-I000057
의 최종 암시 부정적 평가 점수
Figure PCTKR2015014550-appb-I000058
은 정보에 대한 개별 암시 부정적 평가 점수를 반영하여 계산될 수 있다. 정보
Figure PCTKR2015014550-appb-I000059
의 최종 암시 부정적 평가 점수
Figure PCTKR2015014550-appb-I000060
는 정보가 받은
Figure PCTKR2015014550-appb-I000061
개의 모든 부정 암시적 평가 점수의 합으로서 아래의 수학식 2를 기반으로 결정될 수 있다.
<수학식 2>
Figure PCTKR2015014550-appb-I000062
최종 암시 긍정적 평가 점수와 최종 암시 부정적 평가 점수를 기반으로 정보에 대한 최종 암시적 평가 점수
Figure PCTKR2015014550-appb-I000063
가 계산될 수 있다. 최종 암시적 평가 점수의 계산시, 암시적 평가 점수에 감폭 계수d를 부여하여 계산한다. 감폭 계수는 d이고, 예를 들어, 감폭 계수의 값은 0.5이 수 있다. 감폭 계수는 [-1, 1] 범위로 도출되는
Figure PCTKR2015014550-appb-I000064
의 값을 [0,1]의 범위로 매핑하기 위해 사용될 수 있다.
아래의 수학식 3은 최종 암시적 평가 점수의 산출을 위한 수학식이다.
<수학식 3>
Figure PCTKR2015014550-appb-I000065
수학식 3에서
Figure PCTKR2015014550-appb-I000066
는 정보에 대한 암시적 평가의 개수이고,
Figure PCTKR2015014550-appb-I000067
는 감폭 계수를 적용한 정보에 대한 최종 암시적 평가 점수이다.
최종 명시적 평가 점수는 정보가 받은 평점 또는 별점 등과 같이 명확하게 수치로 나타나는 평가에 대한 점수의 최종 결과값이다. 정보
Figure PCTKR2015014550-appb-I000068
에 대한 최종 명시적 평가 점수
Figure PCTKR2015014550-appb-I000069
은 정보
Figure PCTKR2015014550-appb-I000070
가 받은
Figure PCTKR2015014550-appb-I000071
개의 명시적 평가 점수들의 평균이고 범위는
Figure PCTKR2015014550-appb-I000072
이다. 따라서 정보
Figure PCTKR2015014550-appb-I000073
의 최종 명시적 평가 점수는 아래의 수학식 4를 기반으로 산출될 수 있다.
<수학식 4>
Figure PCTKR2015014550-appb-I000074
본 발명의 실시예에 따른 소셜 미디어에 대한 사용자 행위 분석을 기반으로 한 신뢰성 판별 방법에서는 정보에 대한 최종 암시적 평가 점수와 최종 명시적 평가 점수를 모두 고려하여 정보의 종합적인 평가 점수를 결정할 수 있다.
아래의 수학식 5는 정보에 대한 최종 암시적 평가 점수와 최종 명시적 평가 점수를 모두 고려하여 산출된 정보의 최종 평가 점수를 나타낸다.
<수학식 5>
Figure PCTKR2015014550-appb-I000075
수학식 5를 참조하면, 정보에 대한 최종 명시적 평가 점수
Figure PCTKR2015014550-appb-I000076
와 최종 암시적 평가 점수
Figure PCTKR2015014550-appb-I000077
각각에 가중치
Figure PCTKR2015014550-appb-I000078
와
Figure PCTKR2015014550-appb-I000079
각각을 부여하여 정보에 대한 최종 평가 점수가 산출될 수 있다. 가중치
Figure PCTKR2015014550-appb-I000080
와
Figure PCTKR2015014550-appb-I000081
각각의 합은 1이다.
위와 같이 산출된 정보에 대한 최종 평가 점수는 정보 제공자의 평판 정보의 결정을 위해 사용될 수 있다.
도 4는 본 발명의 실시예에 따른 정보 제공자의 전문 분야를 결정하는 방법을 나타낸 개념도이다.
정보 제공자가 모든 분야의 전문가가 될 수 있는 경우는 거의 없다. 예를 들어, 정보 제공자가 스포츠 분야에 대한 전문성이 높다고 해서 정보 제공자가 요리 분야에 대한 전문성 또한 높다고 할 수는 없다. 따라서, 보다 향상된 정보 제공자의 평판 정보의 관리를 위해서는 사용자들의 평판 정보를 분야에 따라 세분화할 필요가 있다.
소셜 미디어 상에서 정보 제공자에 의해 제공되는 정보의 신뢰성을 판단하기 위해 정보 제공자의 전문 분야가 결정될 수 있다. 본 발명의 실시예에 따르면, 정보 제공자에 의해 생성된 정보는 분야별로 그룹핑되고, 특정 분야에 속하는 정보에 대한 최종 평가 점수가 산출될 수 있다. 최종 평가 점수는 정보 제공자의 특정 분야에 대한 평판 정보를 결정하기 위해 사용될 수 있다. 정보 제공자의 특정 분야에 대한 평판 정보는 정보 제공자의 특정 분야에 관련되어 제공되는 정보의 신뢰도를 결정할 수 있다.
도 4를 참조하면, 정보1, 정보2, 정보3은 분야1(410)로 분류되고, 정보1, 정보2, 정보3 각각의 평가 점수를 기반으로 분야1(410)에 대한 정보 제공자의 평판 점수가 산출될 수 있다.
정보4, 정보5, 정보6은 분야2(420)로 분류되고, 정보4, 정보5, 정보6 각각의 평가 점수를 기반으로 분야2(420)에 대한 정보 제공자의 평판 점수가 산출될 수 있다.
정보7, 정보8, 정보9는 분야3(430)으로 분류되고, 정보7, 정보8, 정보9 각각의 평가 점수를 기반으로 분야3(430)에 대한 정보 제공자의 평판 점수가 산출될 수 있다.
정보10, 정보11은 분야4(440)로 분류되고, 정보10, 정보11각각의 평가 점수를 기반으로 분야4(440)에 대한 정보 제공자의 평판 점수가 산출될 수 있다.
분야 각각의 평판 점수는 분야 각각에 대한 평판 정보를 결정할 수 있다.
구체적으로 특정 분야에 대한 정보 제공자의 평판 점수
Figure PCTKR2015014550-appb-I000082
는 아래의 수학식 6을 기반으로 산출될 수 있다.
<수학식 6>
Figure PCTKR2015014550-appb-I000083
수학식 6을 참조하면, 특정 분야
Figure PCTKR2015014550-appb-I000084
에 속한 적어도 하나의 정보
Figure PCTKR2015014550-appb-I000085
각각에 대한 평가 점수가 산출되고, 특정 분야에 따른 정보 제공자의 평판 점수는 특정 분야로 분류된 정보의 평가 점수의 평균을 기반으로 산출될 수 있다. 특정 분야에 속한 정보의 개수는 n일 수 있다.
또한 정보 제공자에 대한 평가자의 수가 많을수록 더 영향력 있는 정보 제공자라고 간주하여 해당 정보 제공자를 평가한 정보 소비자들의 수를 정보 제공자의 평판 점수의 계산에 반영할 수 있다. 수학식 6에서
Figure PCTKR2015014550-appb-I000086
는 소셜 미디어 서비스의 사용자의 수,
Figure PCTKR2015014550-appb-I000087
은 정보 소비자의 수이다. 특정 분야에 대한 사용자의 평판 점수
Figure PCTKR2015014550-appb-I000088
는 정보 소비자의 수
Figure PCTKR2015014550-appb-I000089
를 소셜 미디어 서비스의 사용자의 수
Figure PCTKR2015014550-appb-I000090
로 나눈 값을 기반으로 산출될 수 있다.
도 5는 본 발명의 실시예에 다른 소셜 미디어 서비스에서 정보의 신뢰성 평가 시스템을 나타낸 블록도이다.
도 5에서는 소셜 미디어 서비스에서 정보에 대한 평가 점수를 산출하고, 정보에 대한 평가 점수 및 정보의 카테고리를 고려하여 특정 카테고리에 대한 정보 제공자의 평판 점수를 산출하는 신뢰성 평가 시스템이 개시된다. 신뢰성 평가 시스템은 카테고리 분류부(500), 평가 점수 산출부(510), 평판 점수 산출부(520), 프로세서(530)를 포함할 수 있다. 신뢰성 평가 시스템은 도 1 내지 도 4에서 전술한 소셜 미디어에 대한 사용자 행위 분석을 기반으로 한 신뢰성 판별 방법을 수행할 수 있다. 예를 들어, 각 구성부는 아래와 같은 동작을 수행할 수 있다.
카테고리 분류부(500)는 정보의 카테고리를 분류하기 위해 사용될 수 있다. 본 발명의 실시예에 다르면 정보 제공자의 평판 점수는 카테고리 별로 산출될 수 있다. 카테고리 별 정보 제공자의 평판 점수의 산출을 위해 정보 제공자에 의해 제공되는 정보가 카테고리 별로 분류될 수 있다.
평가 점수 산출부(510)는 정보에 대한 정보 소비자의 명시적 평가, 암시적 평가를 고려하여 정보에 대한 평가 점수를 산출하기 위해 구현될 수 있다. 전술한 바와 같이 암시적 평가는 사용자의 소셜 행위를 기반으로 한 평가의 긍정성, 부정성, 평가의 능동성, 평가의 수동성을 고려하여 능동 긍정 암시적 평가, 능동 부정 암시적 평가, 수동 긍정 암시적 평가, 수동 부정 암시적 평가로 분류될 수 있다. 능동 긍정 암시적 평가, 능동 부정 암시적 평가, 수동 긍정 암시적 평가, 수동 부정 암시적 평가 각각은 서로 다른 평가 점수를 가질 수 있다.
평판 점수 산출부(520)는 정보에 대한 평가 점수를 기반으로 정보의 카테고리에 대응되는 사용자의 해당 카테고리의 평판 점수가 산출될 수 있다. 평판 점수는 정보 제공자에 의해 제공된 정보를 소비한 정보 소비자의 수를 더 고려하여 결정될 수 있다.
프로세서(530)는 카테고리 분류부(500), 평가 점수 산출부(510), 평판 점수 산출부(520) 각각의 동작을 제어하기 위해 구현될 수 있다.
이와 같은 소셜 미디어에 대한 사용자 행위 분석을 기반으로 한 신뢰성 판별 방법은 애플리케이션으로 구현되거나 다양한 컴퓨터 구성요소를 통하여 수행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다.
상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것들이거니와 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD 와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다.
프로그램 명령어의 예에는, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 상기 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상에서는 실시예들을 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
본 발명의 소셜 미디어에 대한 사용자 행위 분석을 기반으로 한 신뢰성 평가 방법 및 시스템은, 정보에 대한 정보 소비자의 암시적 평가를 고려하여 정보에 대한 신뢰도 판단을 보다 정확하게 할 수 있고, 정보의 카테고리를 분류하여 정보를 제공하는 정보 제공자의 카테고리 별 평판 정보를 산출하여 정보 제공자에 의해 제공되는 특정 카테고리의 정보에 대한 신뢰도를 보장할 수 있는 어플리케이션에 유용하게 응용될 수 있다.

Claims (10)

  1. 소셜 미디어 서비스에서 정보의 신뢰성 평가 방법은,
    정보 제공자에 의해 제공된 정보에 대한 복수의 정보 소비자 각각의 소셜 행위를 기반으로 상기 정보에 대한 평가 점수를 산출하는 단계; 및
    상기 정보의 카테고리 및 상기 정보에 대한 상기 평가 점수를 기반으로 상기 정보 제공자의 상기 카테고리에 대한 평판 점수를 산출하는 단계를 포함하는 소셜 미디어 서비스에서 정보의 신뢰성 평가 방법.
  2. 제1항에 있어서,
    상기 평가 점수는 상기 정보에 대한 최종 암시적 평가 점수 및 상기 정보에 최종 명시적 평가 점수를 기반으로 결정되고,
    상기 최종 암시적 평가 점수는 상기 복수의 정보 소비자 중 상기 소셜 행위로서 상기 정보에 대한 암시적 평가를 수행한 적어도 하나의 암시적 정보 소비자의 소셜 행위를 기반으로 결정되고,
    상기 최종 명시적 평가 점수는 상기 복수의 정보 소비자 중 상기 소셜 행위로서 상기 정보에 대한 명시적 평가를 수행한 적어도 하나의 명시적 정보 소비자의 소셜 행위를 기반으로 결정되는 것을 특징으로 하는 소셜 미디어 서비스에서 정보의 신뢰성 평가 방법.
  3. 제2항에 있어서,
    상기 적어도 하나의 암시적 정보 소비자의 소셜 행위는 상기 정보에 대한 암시 긍정적 평가, 암시 부정적 평가를 포함하고,
    상기 암시 긍정적 평가는 상기 소셜 행위의 능동성 여부를 고려하여 능동 암시 긍정적 평가 또는 수동 암시 긍정적 평가로 분류되고,
    상기 암시 부정적 평가는 상기 소셜 행위의 능동성 여부를 고려하여 능동 암시 부정적 평가 또는 수동 암시 부정적 평가로 분류되는 것을 특징으로 하는 소셜 미디어 서비스에서 정보의 신뢰성 평가 방법.
  4. 제2항에 있어서,
    상기 최종 암시적 평가 점수
    Figure PCTKR2015014550-appb-I000091
    는 아래의 수학식을 기반으로 산출되고,
    <수학식>
    Figure PCTKR2015014550-appb-I000092
    Figure PCTKR2015014550-appb-I000093
    Figure PCTKR2015014550-appb-I000094
    여기서,
    Figure PCTKR2015014550-appb-I000095
    은 상기 정보가 받은
    Figure PCTKR2015014550-appb-I000096
    개의 모든 암시 긍정적 평가 점수의 합이고,
    Figure PCTKR2015014550-appb-I000097
    는 정보가 받은
    Figure PCTKR2015014550-appb-I000098
    개의 모든 부정 암시적 평가 점수의 합이고,
    Figure PCTKR2015014550-appb-I000099
    는 정보에 대한 암시적 평가의 개수이고, d는 감폭 계수이고,
    상기 최종 명시적 평가 점수는 아래의 수학식을 기반으로 산출되고,
    <수학식>
    Figure PCTKR2015014550-appb-I000100
    여기서,
    Figure PCTKR2015014550-appb-I000101
    는 상기 명시적 평가의 개수이고,
    Figure PCTKR2015014550-appb-I000102
    은 상기 정보가 받은
    Figure PCTKR2015014550-appb-I000103
    개의 명시적 평가들의 평균이고 범위는
    Figure PCTKR2015014550-appb-I000104
    이고,
    상기 평가 점수는 아래의 수학식을 기반으로 산출되고,
    <수학식>
    Figure PCTKR2015014550-appb-I000105
    여기서
    Figure PCTKR2015014550-appb-I000106
    ,
    Figure PCTKR2015014550-appb-I000107
    각각은 가중치이고,
    Figure PCTKR2015014550-appb-I000108
    ,
    Figure PCTKR2015014550-appb-I000109
    의 합은 1인 것을 특징으로 하는 소셜 미디어 서비스에서 정보의 신뢰성 평가 방법.
  5. 제4항에 있어서,
    상기 평판 점수
    Figure PCTKR2015014550-appb-I000110
    는 아래의 수학식을 기반으로 산출되고,
    <수학식>
    Figure PCTKR2015014550-appb-I000111
    여기서,
    Figure PCTKR2015014550-appb-I000112
    는 상기 소셜 미디어 서비스의 사용자의 수,
    Figure PCTKR2015014550-appb-I000113
    은 상기 복수의 정보 소비자의 수이고,
    Figure PCTKR2015014550-appb-I000114
    는 상기 정보 및 상기 카테고리에 속한 다른 정보 각각에 대한 평가 점수이고, n은 상기 정보 및 상기 다른 정보의 개수인 것을 특징으로 하는 소셜 미디어 서비스에서 정보의 신뢰성 평가 방법.
  6. 소셜 미디어 서비스에서 정보의 신뢰성 평가 시스템에 있어서,
    상기 신뢰성 평가 시스템은 프로세서를 포함하고,
    상기 프로세서는 정보 제공자에 의해 제공된 정보에 대한 복수의 정보 소비자 각각의 소셜 행위를 기반으로 상기 정보에 대한 평가 점수를 산출하고,
    상기 정보의 카테고리 및 상기 정보에 대한 상기 평가 점수를 기반으로 상기 정보 제공자의 상기 카테고리에 대한 평판 점수를 산출하도록 구현되는 것을 특징으로 하는 소셜 미디어 서비스에서 정보의 신뢰성 평가 시스템.
  7. 제6항에 있어서,
    상기 평가 점수는 상기 정보에 대한 최종 암시적 평가 점수 및 상기 정보에 최종 명시적 평가 점수를 기반으로 결정되고,
    상기 최종 암시적 평가 점수는 상기 복수의 정보 소비자 중 상기 소셜 행위로서 상기 정보에 대한 암시적 평가를 수행한 적어도 하나의 암시적 정보 소비자의 소셜 행위를 기반으로 결정되고,
    상기 최종 명시적 평가 점수는 상기 복수의 정보 소비자 중 상기 소셜 행위로서 상기 정보에 대한 명시적 평가를 수행한 적어도 하나의 명시적 정보 소비자의 소셜 행위를 기반으로 결정되는 것을 특징으로 하는 소셜 미디어 서비스에서 정보의 신뢰성 평가 시스템.
  8. 제7항에 있어서,
    상기 적어도 하나의 암시적 정보 소비자의 소셜 행위는 상기 정보에 대한 암시 긍정적 평가, 암시 부정적 평가를 포함하고,
    상기 암시 긍정적 평가는 상기 소셜 행위의 능동성 여부를 고려하여 능동 암시 긍정적 평가 또는 수동 암시 긍정적 평가로 분류되고,
    상기 암시 부정적 평가는 상기 소셜 행위의 능동성 여부를 고려하여 능동 암시 부정적 평가 또는 수동 암시 부정적 평가로 분류되는 것을 특징으로 하는 소셜 미디어 서비스에서 정보의 신뢰성 평가 시스템.
  9. 제7항에 있어서,
    상기 최종 암시적 평가 점수
    Figure PCTKR2015014550-appb-I000115
    는 아래의 수학식을 기반으로 산출되고,
    <수학식>
    Figure PCTKR2015014550-appb-I000116
    Figure PCTKR2015014550-appb-I000117
    Figure PCTKR2015014550-appb-I000118
    여기서,
    Figure PCTKR2015014550-appb-I000119
    은 상기 정보가 받은
    Figure PCTKR2015014550-appb-I000120
    개의 모든 암시 긍정적 평가 점수의 합이고,
    Figure PCTKR2015014550-appb-I000121
    는 정보가 받은
    Figure PCTKR2015014550-appb-I000122
    개의 모든 부정 암시적 평가 점수의 합이고,
    Figure PCTKR2015014550-appb-I000123
    는 정보에 대한 암시적 평가의 개수이고, d는 감폭 계수이고,
    상기 최종 명시적 평가 점수는 아래의 수학식을 기반으로 산출되고,
    <수학식>
    Figure PCTKR2015014550-appb-I000124
    여기서,
    Figure PCTKR2015014550-appb-I000125
    는 상기 명시적 평가의 개수이고,
    Figure PCTKR2015014550-appb-I000126
    은 상기 정보가 받은
    Figure PCTKR2015014550-appb-I000127
    개의 명시적 평가들의 평균이고 범위는
    Figure PCTKR2015014550-appb-I000128
    이고,
    상기 평가 점수는 아래의 수학식을 기반으로 산출되고,
    <수학식>
    Figure PCTKR2015014550-appb-I000129
    여기서
    Figure PCTKR2015014550-appb-I000130
    ,
    Figure PCTKR2015014550-appb-I000131
    각각은 가중치이고,
    Figure PCTKR2015014550-appb-I000132
    ,
    Figure PCTKR2015014550-appb-I000133
    의 합은 1인 것을 특징으로 하는 소셜 미디어 서비스에서 정보의 신뢰성 평가 시스템.
  10. 제9항에 있어서,
    상기 평판 점수
    Figure PCTKR2015014550-appb-I000134
    는 아래의 수학식을 기반으로 산출되고,
    <수학식>
    Figure PCTKR2015014550-appb-I000135
    여기서,
    Figure PCTKR2015014550-appb-I000136
    는 상기 소셜 미디어 서비스의 사용자의 수,
    Figure PCTKR2015014550-appb-I000137
    은 상기 복수의 정보 소비자의 수이고,
    Figure PCTKR2015014550-appb-I000138
    는 상기 정보 및 상기 카테고리에 속한 다른 정보 각각에 대한 평가 점수이고, n은 상기 정보 및 상기 다른 정보의 개수인 것을 특징으로 하는 소셜 미디어 서비스에서 정보의 신뢰성 평가 시스템.
PCT/KR2015/014550 2015-09-18 2015-12-31 소셜 미디어에 대한 사용자 행위 분석을 기반으로 한 신뢰성 평가 방법 및 시스템 WO2017047876A1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US15/535,713 US20170352044A1 (en) 2015-09-18 2015-12-31 Method and system for evaluating reliability based on analysis of user activities on social medium
US16/503,602 US10546034B2 (en) 2015-09-18 2019-07-04 Method and system for evaluating reliability based on analysis of user activities on social medium

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2015-0132468 2015-09-18
KR1020150132468A KR101677684B1 (ko) 2015-09-18 2015-09-18 소셜 미디어에 대한 사용자 행위 분석을 기반으로 한 신뢰성 평가 방법 및 장치

Related Child Applications (3)

Application Number Title Priority Date Filing Date
US15/535,713 A-371-Of-International US20170352044A1 (en) 2015-09-18 2015-12-31 Method and system for evaluating reliability based on analysis of user activities on social medium
US201715535713A A-371-Of-International 2015-09-18 2017-06-14
US16/503,602 Continuation-In-Part US10546034B2 (en) 2015-09-18 2019-07-04 Method and system for evaluating reliability based on analysis of user activities on social medium

Publications (1)

Publication Number Publication Date
WO2017047876A1 true WO2017047876A1 (ko) 2017-03-23

Family

ID=57538095

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2015/014550 WO2017047876A1 (ko) 2015-09-18 2015-12-31 소셜 미디어에 대한 사용자 행위 분석을 기반으로 한 신뢰성 평가 방법 및 시스템

Country Status (3)

Country Link
US (1) US20170352044A1 (ko)
KR (1) KR101677684B1 (ko)
WO (1) WO2017047876A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190010334A (ko) * 2017-07-21 2019-01-30 유은진 온라인 스타일링 시스템 및 온라인 스타일링 제안 방법

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101859620B1 (ko) * 2016-12-23 2018-05-18 충북대학교 산학협력단 온라인 소셜 네트워크에서 신뢰성 기반의 콘텐츠 추천 방법 및 시스템
US11005846B2 (en) 2017-12-07 2021-05-11 Electronics And Telecommunications Research Institute Method and apparatus for providing trust-based media services
US11334612B2 (en) * 2018-02-06 2022-05-17 Microsoft Technology Licensing, Llc Multilevel representation learning for computer content quality
KR102167377B1 (ko) * 2020-03-13 2020-10-19 주식회사 미스블럭 포인트 기반 의료 후기 정보 공유 방법 및 장치
KR102583286B1 (ko) * 2021-02-17 2023-09-26 충북대학교 산학협력단 소셜 차량 인터넷에서 데이터 공유를 위한 신뢰성 판별 방법 및 장치
CN115345228A (zh) * 2022-08-05 2022-11-15 航天神舟智慧系统技术有限公司 一种消防风险识别方法与系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100257183A1 (en) * 2009-04-01 2010-10-07 Korea Institute Of Science And Technology Assessment of a user reputation and a content reliability
KR20120096335A (ko) * 2011-02-22 2012-08-30 중앙대학교 산학협력단 소셜 네트워크상에서의 접근 권한 제어 방법 및 장치
KR20140096411A (ko) * 2013-01-24 2014-08-06 에스케이플래닛 주식회사 평가 신뢰도에 기반한 디지털 컨텐츠 추천 방법 및 그 장치
US20150095320A1 (en) * 2013-09-27 2015-04-02 Trooclick France Apparatus, systems and methods for scoring the reliability of online information
KR20150033768A (ko) * 2013-09-23 2015-04-02 충북대학교 산학협력단 동적 사용자 프로필 및 소셜 네트워크 신뢰성을 이용한 전문가 검색 시스템 및 방법

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101161342B1 (ko) 2005-05-10 2012-06-29 삼성전자주식회사 인쇄 장치 및 방법
US8788583B2 (en) * 2010-05-13 2014-07-22 International Business Machines Corporation Sharing form training result utilizing a social network
US9870424B2 (en) * 2011-02-10 2018-01-16 Microsoft Technology Licensing, Llc Social network based contextual ranking
US8600858B1 (en) * 2011-05-18 2013-12-03 Fahad Kamruddin Determining financial sentiment based on contests
US8688796B1 (en) * 2012-03-06 2014-04-01 Tal Lavian Rating system for determining whether to accept or reject objection raised by user in social network
US8793255B1 (en) * 2012-05-11 2014-07-29 Google Inc. Generating a reputation score based on user interactions

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100257183A1 (en) * 2009-04-01 2010-10-07 Korea Institute Of Science And Technology Assessment of a user reputation and a content reliability
KR20120096335A (ko) * 2011-02-22 2012-08-30 중앙대학교 산학협력단 소셜 네트워크상에서의 접근 권한 제어 방법 및 장치
KR20140096411A (ko) * 2013-01-24 2014-08-06 에스케이플래닛 주식회사 평가 신뢰도에 기반한 디지털 컨텐츠 추천 방법 및 그 장치
KR20150033768A (ko) * 2013-09-23 2015-04-02 충북대학교 산학협력단 동적 사용자 프로필 및 소셜 네트워크 신뢰성을 이용한 전문가 검색 시스템 및 방법
US20150095320A1 (en) * 2013-09-27 2015-04-02 Trooclick France Apparatus, systems and methods for scoring the reliability of online information

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190010334A (ko) * 2017-07-21 2019-01-30 유은진 온라인 스타일링 시스템 및 온라인 스타일링 제안 방법
KR102176786B1 (ko) * 2017-07-21 2020-11-10 유은진 온라인 스타일링 시스템 및 온라인 스타일링 제안 방법

Also Published As

Publication number Publication date
KR101677684B1 (ko) 2016-11-21
US20170352044A1 (en) 2017-12-07

Similar Documents

Publication Publication Date Title
WO2017047876A1 (ko) 소셜 미디어에 대한 사용자 행위 분석을 기반으로 한 신뢰성 평가 방법 및 시스템
Mergel Building holistic evidence for social media impact
Guillen et al. People as a service: a mobile-centric model for providing collective sociological profiles
US8504481B2 (en) System and method for protecting user privacy using social inference protection techniques
WO2017171167A1 (ko) 구인 및 구직 정보를 제공하기 위한 장치 및 이를 위한 방법
WO2014142541A1 (en) Computing system with relationship model mechanism and method of operation thereof
US10747831B1 (en) System and method for machine learning system initialization
WO2020107762A1 (zh) Ctr预估方法、装置及计算机可读存储介质
Li et al. Itrust: interpersonal trust measurements from social interactions
WO2022071635A1 (en) Recommending information to present to users without server-side collection of user data for those users
Ashouri et al. Quality attributes in edge computing for the Internet of Things: A systematic mapping study
CN106255970A (zh) 本地个人守护程序
EP3821378A1 (en) Apparatus for deep representation learning and method thereof
WO2022216034A1 (ko) 협업필터링과 도서 기반 추천을 결합한 하이브리드 방식의 도서 추천을 위한 장치 및 이를 위한 방법
WO2022005125A1 (ko) 사물인터넷허브, 사물의 동일성 인증 시스템 및 사물의 동일성 인증 방법
Lecuyer et al. Enhancing selectivity in big data
WO2017171168A1 (ko) 구인 및 구직 정보를 제공하기 위한 방법이 기록된 컴퓨터 판독 가능한 기록매체
Zhang et al. Efficient and privacy-preserving search over edge–cloud collaborative entity in IoT
WO2014136998A1 (ko) 네트워크 서비스에서의 사용자 영향력 지수 설정 방법 및 그 장치
WO2021235643A1 (ko) 컴퓨팅 장치 및 그 동작 방법
CN117609642A (zh) 一种基于区块链技术的社交平台媒体内容展示方法及系统
JP6747085B2 (ja) 情報処理装置及び情報処理プログラム
CN110175283B (zh) 一种推荐模型的生成方法及装置
WO2023080509A1 (ko) 효율적인 전환 매트릭스 추정을 통한 노이즈 레이블을 학습하는 방법 및 장치
WO2022124723A1 (ko) 사람 및 사물의 동일성인증을 통한 사물의 보안 관리컴퓨터 및 그 방법

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 15904206

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 15535713

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 15904206

Country of ref document: EP

Kind code of ref document: A1