1 |
1
SNS(Social Network Service)에서 사용자 관심사 추론 방법에 있어서,사용자 관심사 추론 시스템에서 사용자와 각 사회적 이웃과의 커뮤니케이션 로그로부터 토픽을 추출하는 단계;상기 사용자 관심사 추론 시스템에서 상기 추출한 토픽으로부터 상기 각 사회적 이웃 별로 관심사별 연관 정도를 계산하는 단계;상기 사용자 관심사 추론 시스템에서 상기 사용자의 상기 각 사회적 이웃과의 친밀도를 계산하는 단계;상기 사용자 관심사 추론 시스템에서 상기 관심사별 연관 정도 및 상기 친밀도에 기초하여, 각 사회적 이웃 별로 관심사의 종류마다 상기 사용자와 얼마나 연관이 있는지를 나타내는 상관도를 계산하는 단계; 및상기 사용자 관심사 추론 시스템에서 상기 계산된 상관도를 이용하여 상기 사용자의 관심사를 추론하는 단계를 포함하고,상기 사용자의 각 사회적 이웃과의 커뮤니케이션 로그로부터 토픽을 추출하는 단계는,상기 각 사회적 이웃이 사전에 설정한 하나 이상의 관심사에 관련된 문서인 관심 콘텐트(Interest Content)와 상기 커뮤니케이션 로그를 뜻하는 사회적 콘텐트(Social Content)를LDA (Latent Dirichlet Allocation) 토픽 모델을 통해 각각 토픽 분포 벡터 (Topic Distribution Vector)의 형태로 표시하는 것을 특징으로 하는 사용자 관심사 추론 방법
|
2 |
2
삭제
|
3 |
3
제1항에 있어서,상기 추출한 토픽으로부터 상기 각 사회적 이웃 별로 관심사별 연관 정도를 계산하는 단계는,상기 LDA 토픽 모델이 표시하는 각 토픽 분포 벡터를 수학식 1에 반영하여 상기 관심 콘텐트와 상기 사회적 콘텐트 간 유사도의 평균을 계산하여 연관 정도를 구하는 것을 특징으로 하는 사용자 관심사 추론 방법
|
4 |
4
제3항에 있어서,상기 LDA 토픽 모델은,입력 값은 관심 콘텐트와 사회적 콘텐트, 그리고 토픽의 개수이고,상기 입력되는 사회적 콘텐트와 사회적 콘텐트는 트레이닝 과정을 거쳐 토픽이 출력 값으로 나타나며, 상기 토픽은 확률 분포로써 나타나고,상기 입력되는 관심 콘텐트와 사회적 콘텐트 각각의 상기 토픽 분포 벡터를 알아내는 것을 특징으로 하는 사용자 관심사 추론 방법
|
5 |
5
제3항에 있어서,상기 관심사별 연관 정도 및 상기 친밀도에 기초하여, 각 사회적 이웃 별로 관심사의 종류마다 상기 사용자와 얼마나 연관이 있는지를 나타내는 상관도를 계산하는 단계는,상기 계산된 관심사별 연관 정도와 상기 사용자의 상기 각 사회적 이웃과의 친밀도를 수학식 2에 반영하여 상기 상관도를 계산하는 것을 특징으로 하는 사용자 관심사 추론 방법
|
6 |
6
제5항에 있어서,상기 계산된 상관도를 이용하여 상기 사용자의 관심사를 추론하는 단계는상기 상관도의 합으로 관심도를 계산하는 단계; 및상기 계산된 관심도의 값에 따라 상기 사용자의 관심사의 순위가 매겨지는 단계를 포함하는 사용자 관심사 추론 방법
|
7 |
7
제6항에 있어서, 상기 상관도의 합으로 관심도를 계산하는 단계는,상기 계산된 상관도를 수학식 3에 반영하여 계산하는 것을 특징으로 하는 사용자 관심사 추론 방법
|
8 |
8
SNS(Social Network Service)에서 사용자 관심사 추론 시스템에 있어서,사용자와 각 사회적 이웃과의 커뮤니케이션 로그로부터 토픽을 추출하는 토픽 추출부;상기 추출한 토픽으로부터 상기 각 사회적 이웃 별로 관심사별 연관 정도를 계산하는 연관 계산부;상기 사용자의 상기 각 사회적 이웃과의 친밀도를 계산하는 친밀도 계산부;상기 관심사별 연관 정도 및 상기 친밀도에 기초하여, 각 사회적 이웃 별로 관심사의 종류마다 상기 사용자와 얼마나 연관이 있는지를 나타내는 상관도를 계산하는 상관도 계산부; 및상기 계산된 상관도를 이용하여 상기 사용자의 관심사를 추론하는 관심사 추론부로 구성되고,상기 토픽 추출부는,상기 각 사회적 이웃이 사전에 설정한 하나 이상의 관심사에 관련된 문서인 관심 콘텐트(Interest Content)와 상기 커뮤니케이션 로그를 뜻하는 사회적 콘텐트(Social Content)를 LDA (Latent Dirichlet Allocation) 토픽 모델을 통해 각각 토픽 분포 벡터 (Topic Distribution Vector)의 형태로 표시하는 것을 특징으로 하는 사용자 관심사 추론 시스템
|
9 |
9
삭제
|
10 |
10
제8항에 있어서,상기 연관 계산부는,상기 LDA 토픽 모델이 표시하는 각 토픽 분포 벡터를 수학식 4에 반영하여 상기 관심 콘텐트와 상기 사회적 콘텐트 간 유사도의 평균을 계산하여 연관 정도를 구하는 것을 특징으로 하는 사용자 관심사 추론 시스템
|
11 |
11
제10항에 있어서,상기 LDA 토픽 모델은,입력 값은 관심 콘텐트와 사회적 콘텐트, 그리고 토픽의 개수이고,상기 입력되는 관심 콘텐트와 사회적 콘텐트는 트레이닝 과정을 거쳐 출력 값으로 토픽이 나타나며,상기 토픽은 확률 분포로써 나타나고,상기 입력되는 관심 콘텐트와 사회적 콘텐트 각각의 상기 토픽 분포 벡터를 알아내는 것을 특징으로 하는 사용자 관심사 추론 시스템
|
12 |
12
제10항에 있어서,상기 상관도 계산부는,상기 계산된 관심사별 연관 정도와 상기 사용자의 상기 각 사회적 이웃과의 친밀도를 수학식 5에 반영하여 상기 상관도를 계산하는 것을 특징으로 하는 사용자 관심사 추론 시스템
|
13 |
13
제12항에 있어서,상기 관심사 추론부는상기 상관도의 합으로 관심도를 계산하는 관심도 계산부; 및상기 계산된 관심도의 값에 따라 상기 사용자의 관심사의 순위가 매겨지는 순위 결정부를 포함하는 사용자 관심사 추론 시스템
|
14 |
14
제13항에 있어서, 상기 관심도 계산부는,상기 계산된 상관도를 수학식 6에 반영하여 계산하는 것을 특징으로 하는 사용자 관심사 추론 시스템
|