소셜 네트워크에서 모바일 사용자 이동 패턴을 이용한 친구 추천 기법

국문 초록 (Abstract)

정보 기술의 발전 및 스마트 기기의 활성화로 인해 소셜 네트워크 서비스의 사용자 수가 기하급수적으로 증가하고 있다. 이러한 소셜 네트워크 서비스에서 사용자의 성향을 파악하고 유사한 사용자를 추천하는 연구들이 활발하게 진행되고 있다. 본 논문에서는 모바일 사용자의 이동 패턴 분석을 통해 유사한 성향을 가지는 소셜 네트워크 친구를 추천하는 기법을 제안한다. 제안하는 기법은 사용자의 정확한 성향을 판별하기 위해 동행인 여부, 방문 시간이 짧은 궤적, 반복적으로 나타나는 궤적을 고려하여 의미 없는 궤적을 제거한다. 의미 있는 궤적 정보만을 이용하여 사용들 사이의 유사도를 계산하여 유사한 성향을 가지는 사용자를 친구를 추천한다. 성능 평가를 통해 제안하는 기법이 기존 기법에 비해 성능이 우수함을 보인다.

다국어 초록 (Multilingual Abstract)

With the development of information technologies and the wide spread of smart devices, the number of users of social network services has increased exponentially. Studies that identify user preferences and recommend similar users in these social network services have been actively done. In this paper, we propose a new scheme to recommend social network friends with similar preferences through the moving pattern analysis of mobile users. The proposed scheme removes the meaningless trajectories via companions, short time trajectories, and repeated trajectories to determine the correct user preference. The proposed scheme calculates user similarity using the meaningful trajectories and recommends users with similar preferences as friends. It is shown
through performance evaluation that the proposed scheme outperforms the existing schemes.

목차 (Table of Contents)

• 요약
• Abstract
• I. 서론
• II. 관련연구
• Ⅲ. 제안하는 사용자 추천 기법
• Ⅳ. 성능평가
• Ⅴ. 결론 및 향후 연구
• 참고문헌

참고문헌 (Reference)

1 노연우, "소셜 네트워크에서 사용자의 영향력을 고려한 핫 토픽 예측 기법" 한국콘텐츠학회 15 (15): 24-36, 2015

2 이충희, "모바일 소셜 네트워크를 위한 사용자의 선호도 및 이동 패턴을 이용한 친구 추천" 한국정보과학회 40 (40): 79-87, 2013

3 양희태, "동적 사용자 프로필 및 협업 필터링을 이용한 소셜 네트워크그룹 추천" 한국콘텐츠학회 13 (13): 11-20, 2013

4 H. Kwak, "What is Twitter, a social network or a news media?" 591-600, 2010

5 M. J. Lee, "User Similarity Calculation Based on the Location for Social Network Services" 38-52, 2011

6 E. Tiakas, "Trajectory Similarity Search in Spatial Networks" 185-192, 2006

7 X. Li, "Traffic Density-Based Discovery of Hot Routes in Road Networks" 441-459, 2007

8 G. Roh, "Supporting Pattern Matching Queries over Trajectories on Road Networks" 23 (23): 1753-1758, 2011

9 R. Li, "Multiple Location Profiling for Users and Relationships from Social Network and Content" 5 (5): 1603-1614, 2012

10 Z. Li, "MoveMine : Mining Moving Object Databases" 1203-1206, 2010

11 J. Leskovec, "Mining of Massive Datasets" Cambridge 1-17, 2014

12 G. Chen, "Mining Frequent Trajectory Patterns from GPS Tracks" 1-6, 2010

13 Z. Yu, "Learning Location Correlation from GPS Trajectories" 27-32, 2010

14 X. Xiao, "Inferring social ties between users with human location history" 5 (5): 3-19, 2014

15 Y. Zheng, "GeoLife : A Collaborative Social Networking Service among User, Location and Trajectory" 33 (33): 32-39, 2010

16 N. Pelekis, "Clustering Trajectories of Moving Objects in an Uncertain World" 417-427, 2009

17 A. Kharrat, "Characterizing Traffic Density and Its Evolution through Moving Object Trajectories" 319-322, 2009

18 K. W. Leung, "CLR : a collaborative location recommendation framework based on co-clustering" 305-314, 2011

19 T. Dong, "A study of the social networking website service in digital content industries : The Facebook case in Taiwan" 30 : 708-714, 2014

20 H. M. O. Mokhtar, "A Time Parameterized Technique for Clustering Moving Object Trajectories" 1 (1): 14-30, 2011

21 B. Berjani, "A Recommendation System for Spots in Location-based Online Social Networks" 4-, 2011

22 J. H. Cha, "A Location Recommendation Scheme Considering Companions and Distance in Mobile Social Networks" 243-244, 2013