위치 정보 공유 사물(LISO) : 사용자 관심을 기반으로 소셜 미디어 데이터를 사용하는 상황 인식 지능형 서비스

• Published in: Chŏngbo Kwahakhoe nonmunji pp. 814 - 819
• Main Authors: 장서윤, 강지훈
• Format: Journal Article
• Language: Korean
• Published: 한국정보과학회 01.09.2020
• Subjects: 컴퓨터학
• ISSN: 2383-630X; 2383-6296
• DOI: 10.5626/JOK.2020.47.9.814

소셜 미디어(SNS) 데이터를 학습 알고리즘으로 분석하면, 개인적 관심사나 사회적 관심사 정보를 추출할 수 있다. 학습 알고리즘은 분석에 사용되는 정보의 양이 많을수록 정확도가 높아지지만, 분석 시간이 증가하는 문제점을 가지고 있다. 이러한 문제를 극복하기 위한 방안으로, 위치 정보 공유 사물(Location Information Sharing Objects, LISO)시스템을 제안한다. LISO는 사물의 타입에 따라 사물의 상황 분석의 역할을 나눔으로써 매우 큰 데이터로부터 학습이 가능하도록 하는 것을 목표로 한다. 고정 위치 사물은 위치 기반의 소셜 미디어 데이터를 수집하여 사회적 관심사를 분석하는 사물로서, 광범위한 데이터의 수집과 분석을 담당하여 정보를 가진다. 모바일 사물은 수시로 변동되는 상황 정보와 사용자의 개인적 관심사에 대한 정보를 분석한다. 이러한 사물의 유형에 따른 대용량 소셜 미디어 데이터의 분석의 역할 분담은, 대용량 정보의 분석의 짐을 분산시킨다. By analyzing social media (SNS) data with learning algorithms that can be obtained from social networks, it is possible to extract the information of personal or social concerns. The learning algorithms have a problem, however, in that the higher accuracy from analysis requires larger volumes of information but thus increases the analysis duration. To resolve this issue effectively, we propose a system, termed Location Information Sharing Objects (LISO). The LISO has two types of objects. The LISO learns from big data by classifying the role of the objects for analyzing social concerns based on their type. The fixed-position objects manage collecting and analyzing a wide range of location-specific social media data for obtaining social concerns. The mobile objects manage analyzing the information regarding frequently varying situations as well as users’ personal concerns. This role-sharing method for analyzing big social media data based on the type of the objects in the LISO can distribute the load of analyzing. KCI Citation Count: 0