소셜 네트워크에서 신뢰성을 고려한 사용자 영향력 판별 기법 :User Influence Discrimination Scheme Considering Reliability in Social Networks

박윤정

추천

검색

자료유형: 학위논문

저자정보: 박윤정 (충북대학교, 충북대학교 대학원)

지도교수: 유재수

발행연도: 2017

저작권: 충북대학교 논문은 저작권에 의해 보호받습니다.

이용수0

이 논문의 연구 히스토리 (4)

2017

소셜 네트워크에서 신뢰성을 고려한 사용자 영향력 판별 기법

박윤정 빅데이터협동과정 2017.01 학위논문

2016

소셜 네트워크의 특성을 고려한 사용자 영향력 판별기법

박윤정 , 이서희 , 한진수 외 5명 한국정보과학회 학술발표논문집 2016.12 학술대회자료

소셜 네트워크에서 행위 분석을 통한 사용자 영향력 판별 기법

박윤정 , 이서희 , 한진수 외 5명 한국콘텐츠학회논문지 2016.12 학술저널

소셜 네트워크에서 신뢰성을 고려한 사용자 영향력 판별 기법

박윤정 , 이서희 , 한진수 외 5명 한국콘텐츠학회 종합학술대회 논문집 2016.05 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

SNS는 장소와 시간에 관계없이 빠른 전파력을 가졌다는 편의성이 부각되면서, 사용자가 급증하였다. 이에 SNS는 간단한 정보공유뿐만 아니라 마케팅, 소셜 추천, 전문가 찾기 등 여러 분야에 활용 되어졌고, 정보의 빠른 전파를 위해 높은 영향력을 가진 사용자를 찾게 되었다. SNS데이터를 통한 사용자 영향력 판별 연구가 활성화 되었으나, 정보 공유의 대상이 불특정하고 방대한 정보의 양 때문에 신뢰성 없는 정보를 공유하는 문제가 발생하게 되었다. 이에 따라 제공 정보의 신뢰성이 고려된 사용자 영향력 판별 기법이 요구되고 있다. 본 논문에서는 기존 기법을 통해 사용자의 신뢰성을 기준으로 사용자 집단을 필터링 하였다. 그 결과 제공 정보의 신뢰성이 보장된 사용자만을 대상으로 영향력을 판별하였다. 신뢰성이 보장된 사용자들로 신뢰성 네트워크를 구축함으로써 사용자 영향력 판별의 신뢰성과 효율성 향상에 기여한다. 또한, 사용자 영향력 판별의 객관성을 보장하기 위해 소셜 행위, 차원, 시간, 사용자간 연결정도를 추가 고려한다. 제안하는 기법에서는 사용자의 소셜 행위 데이터를 수집하여 신뢰성 점수를 측정한다. 목적에 맞는 신뢰성 임계치를 정한 후 임계치 이상의 사용자들로 신뢰성 네트워크를 구축한다. 간소화된 네트워크에 속한 사용자들의 SNS데이터를 통해 추가요소를 분류하고 가중치를 부여한다. 부여된 가중치를 통해 영향력 점수를 측정하여 최종 사용자 영향력 결과와 랭킹을 도출한다. 이를 통해 사용자 영향력 판별함으로써 사용자 영향력의 정확성을 향상시킨다. 제안하는 기법의 우수성을 보이기 위해 제안하는 기법과 기존 기법을 신뢰성과 사용자 영향력에 대한 비교 성능평가를 수행한다.

Recently, with the ubiquitous use of smartphones, Social Network Services (SNS) such as Twitter, Facebook,andKakaoStory etc., have been able to serve on mobile as well as on online. Facebook, one of the representative social network services, is commonly used to share personal information, posts, videos, and so on among users. Facebook has been recognized as an attractive platform for marketing, social recommendation, and expert search, since we can share many kinds of information speedily wherever and whenever we want. Hence, researchers in various fields have been active on finding influential users who can spread the information efficiently in a brief space of time. There are several schemes for finding the most influential users on SNS. One of them is local influence technique which takes into consideration the number of friends on SNS. There is also IGSK technique which takes into consideration the number of friends, similarity among users and the un-directional network that does not specify the relations among users. However, these two existing schemes are not appropriate to discriminate whether a user is influential or not since they do not have sufficient information to do this.. Especially, the IGSK has problems with inaccuracy on determining influential users because it considers the un-directional network. Besides, as the era of Big Data has arrived, we could not guarantee the reliability of information provided by a massive influx of users on SNS. In this thesis, to resolve the problems of the existing schemes, we propose a user influence discrimination scheme considering reliability in social networks. The proposed scheme measures reliability scores through social activities and simplifies a social network by collecting only reliable users. It also derives user influence by considering direct and indirect influences that depends on network degree between users. Consequently, the proposed scheme improves the expandability of the user influence. We prove the superiority of the proposed scheme in terms of action frequency rate by comparing it with the existing scheme through performance evaluations.

#소셜네트워크 #사용자영향력 #신뢰성 #신뢰성네트워크 #영향력판별

Ⅰ. 서론 1
Ⅱ. 관련연구 4
1. 차원 중심의 영향력 판별 기법 4
(1) Local Influence 기법 4
(2) SCV 기법 6
2. 시간 중심의 영향력 판별 기법 8
(1) IGSK 기법 8
(2) Novelty Decay 기법 10
3. 소셜 행위 중심의 영향력 판별 기법 11
(1) User Reputation 기법 11
(2) KLOUT 기법 13
(3) SIR 기법 15
4. 기존 영향력 판별 기법의 문제점 16
Ⅲ. 제안하는 사용자 영향력 판별 기법 20
1. 제안하는 기법 구조 20
2. 신뢰성 네트워크 구축 24
(1) 소셜 행위 분류 24
(2) 신뢰성 스코어링 27
(3) 신뢰성 필터링 30
3. 신뢰성을 고려한 사용자 영향력 판별 32
(1) 판별요소 가중치 32
(2) 영향력 스코어링 35
(3) 최종 사용자 영향력 판별 36
Ⅳ. 성능평가 40
1. 성능평가 환경 41
2. 성능평가 결과 42
(1) 기존 기법과의 영향력 랭킹 결과 비교 43
(2) 영향력 점수에 대한 행위 빈도율 비교 45
(3) ROC곡선을 통한 정확성 비교 47
Ⅴ. 결론 및 향후연구 49
참고문헌 51

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (4)

초록· 키워드

목차

최근 본 자료

댓글(0)