1 |
1
소셜 네트워크에서 개인 라이프로그(personal life log)를 수집하는 단계;상기 개인 라이프로그를 트리플 구조로 분석하여 사용자의 각 행동에 대한 대상을 정의하여 사용자 행동 행렬을 생성하여 사용자 행동 변수를 각각 추출하는 단계;상기 개인 라이프로그를 분석하여 사용자와 친구간 상호작용 정도를 도출하고, 도출된 상호작용 정도를 이용하여 친구관계 특징 변수를 도출하는 단계;상기 개인 라이프로그를 분석하여 각 피드에 대해 사용자가 남긴 위치정보를 이용하여 이동 경로 특징 변수를 도출하는 단계; 및상기 사용자 행동 변수, 상기 친구관계 특징 변수 및 상기 이동 경로 특징 변수를 학습된 네 가지 개인 성향 모델에 적용하여 개인 성향을 예측하는 단계를 포함하는 개인 성향 예측 방법
|
2 |
2
제1 항에 있어서,상기 사용자 행동 행렬은 상기 개인 라이프로그에서 사용자(subject)의 각 행동(predicate)을 각 대상(object)로 일반화하여 정의한 것이되,상기 트리플 구조는 상기 사용자, 상기 대상 및 행동을 포함하는 형태인 것을 특징으로 하는 개인 성향 예측 방법
|
3 |
3
제1 항에 있어서,상기 친구관계 특징 변수를 도출하는 단계는,상기 개인 라이프로그를 분석하여 사용자의 피드에 친구가 댓글을 단 빈도 및 상기 친구의 댓글에 상기 사용자가 응답한 빈도를 상기 상호작용 정도로 도출하는 단계; 및상기 도출된 상호작용 정도를 K-평균 군집 알고리즘을 통해 군집을 구분하여 친한 친구 수와 아는 사람 수를 각각 친구관계 특징 변수로 도출하는 단계를 포함하는 것을 특징으로 하는 개인 성향 예측 방법
|
4 |
4
제1 항에 있어서,상기 이동 경로 특징 변수를 도출하는 단계는,상기 사용자가 남긴 위치 정보를 이용하여 각 방문 지점간의 평균 이동 거리를 도출하는 단계; 및상기 위치 정보를 이용하여 상기 방문 지점의 개수 및 상기 각 방문 지점의 방문 빈도를 POI 다양성 정보로 각각 도출하는 단계를 포함하되,상기 평균 이동 거리 및 상기 POI 다양성 정보를 상기 이동 경로 특징 변수로 도출하고, 상기 위치 정보는 GPS 좌표, 각 지점의 명칭 및 각 지점의 식별정보(ID) 중 적어도 하나를 포함하는 것을 특징으로 하는 개인 성향 예측 방법
|
5 |
5
제1 항에 있어서,상기 네 가지 개인 성향 예측 모델에 적용하여 개인 성향을 예측하는 단계는,상기 사용자 행동 변수, 상기 친구관계 특징 변수 및 상기 이동 경로 특징 변수들을 이용하여 상기 네 가지 개인 성향 예측 모델 각각에 대한 최적 변수 조합을 도출하는 단계; 및상기 도출된 최적 변수 조합을 이용하여 상기 네 가지 개인 성향 예측 모델에 적용하여 선형 회귀 분석을 수행하여 개인 성향을 예측하는 단계를 포함하는 개인 성향 예측 방법
|
6 |
6
제 5 항에 있어서,최적 변수 조합을 도출하는 단계는,상기 네 가지 개인 성향 예측 모델 각각에 대해 상기 사용자 행동 변수, 상기 친구관계 특징 변수 및 상기 이동 경로 특징 변수들을 이용하여 10-fold cross validation의 평균 제곱근 오차(RMSE: root mean square error)를 최소로 하는 최적 변수 조합을 도출하는 단계이되,상기 네 가지 개인 성향 예측 모델은 소비자 심리 분야의 외향성(Extraversion) 예측 모델, 공적자기의식(Public Self Consciousness) 예측 모델, 독특성욕구(Desire for Uniqueness) 예측 모델 및 자존감(Self Esteem) 예측 모델인 것을 특징으로 하는 개인 성향 예측 방법
|
7 |
7
제1 항에 있어서,상기 네 가지 개인 성향을 예측하는 단계 이전에,상기 사용자 행동 변수, 상기 친구관계 특징 변수 및 상기 이동 경로 특징 변수와 사용일자간의 상관성을 도출하고, 상관성이 제1 임계치 이상인 변수들을 사용자별 총 사용기간으로 나누어 정규화하는 단계- 상기 사용자별 총 사용기간은 상기 사용자의 최초 피드 발생일 및 최종 피드 발생일 사이의 일수로 계산됨-; 및상기 변수에 대한 왜도(skewness)를 계산하고, 왜도가 제2 임계치 이상인 경우 로그 함수를 적용하여 정규화하는 단계를 포함하는 것을 특징으로 하는 개인 성향 예측 방법
|
8 |
8
제7 항에 있어서,상기 사용자 행동 변수, 상기 친구관계 특징 변수 및 상기 이동 경로 특징 변수를 이용하여 상기 네 가지 개인 성향 모델을 학습하는 단계를 더 포함하는 개인 성향 예측 방법
|
9 |
9
제1 항 내지 제8 항 중 어느 하나의 방법을 수행하기 위한 프로그램 코드를 기록한 기록매체 제품
|
10 |
10
소셜 네트워크에서 개인 라이프로그(personal life log)를 수집하는 수집부;상기 개인 라이프로그를 트리플 구조로 분석하여 사용자의 각 행동에 대한 대상을 정의하여 사용자 행동 행렬을 생성하여 사용자 행동 변수를 각각 추출하는 특징 변수 추출부;상기 개인 라이프로그를 분석하여 사용자와 친구간 상호작용 정도를 도출하고, 상기 도출된 상호작용 정도를 이용하여 친구관계 특징 변수를 도출하는 친구관계 분석부;상기 개인 라이프로그를 분석하여 각 피드에 대해 사용자가 남긴 위치정보를 이용하여 이동 경로 특징 변수를 도출하는 이동 경로 분석부; 및상기 사용자 행동 변수, 상기 친구관계 특징 변수 및 상기 이동 경로 특징 변수를 학습된 네 가지 개인 성향 예측 모델에 적용하여 개인 성향을 예측하는 예측부를 포함하는 개인 성향 예측 장치
|