http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
김수도(Su-Do Kim),이윤정(Yun-Jung Lee),윤성민(Seong-Min Yoon),조환규(Hwan-Gue Cho) 한국콘텐츠학회 2016 한국콘텐츠학회논문지 Vol.16 No.8
인터넷을 통해 공개되고 있는 요리 레시피에 대한 분류 및 평가는 작성자의 문화적 배경, 요리능력, 요리경험, 선호도 등 주관적 기준에 따라 제시되고 있다. 이 연구에서는 요리 난이도를 측정하기 위한 척도로서 정보 엔트로피 개념을 통해 객관화한다. 또한 요리의 공통 엔트로피를 계산하여 레시피 사이의 유사성을 측정하고, 레시피를 개체로 하는 유사도 기반의 사회연결망을 생성한다. 요리난이도를 측정한 결과, 동태해물찜(한식), 베지테리안 라자냐(이탈리아) 등은 요리난이도 측면에서 가장 어려운 요리로, 초고추장(한식)과 두부스테이크(이탈리아)는 가장 쉬운 요리로 나타났고, 레시피 연결망의 거리공간을 통해 한식과 아시아요리는 유사성이 높은 것을 확인할 수 있었다. 또한 활용적 측면에서 특정 요리와 유사한 요리는 무엇인지, 요리를 대체할 수 있는 유사한 요리 그룹은 어떤 것이 있는지, 요리용이성 관점에서 식단을 준비할 때 가장 합리적인 계획은 무엇인지를 보여주었다. The classification and evaluation of cooking that is being published on the internet are presented without scientific criteria based on individual subjective factors. In this paper, we objectified the degree of cooking difficulty based on the information entropy. And we measured the similarity by calculating the common entropy between recipes and constructed a social network based on the recipe similarity. As a result of measuring the cooking difficulty, ‘Dongtae Haemul-jjim’ (Korean) and ‘Vegetarian Lasagna’ (Italy) are the most difficult recipes and ‘Gochu-jang’ (Korean) and ‘Tofu steak’ (Italy) are the easiest recipes. Through the recipe network, the similarity between Korean and Asian cooking is higher than Western cuisine. We showed a similar recipe to a particular cooking, the group of similar recipes, and reasonable schedule when preparing the menu from the viewpoint of ease of cooking.
김수도(Su-Do Kim),조환규(Hwan-Gue Cho) 한국콘텐츠학회 2012 한국콘텐츠학회논문지 Vol.12 No.4
한국의 온라인 토론게시판은 의견 공유뿐 아니라 여론 형성과 참여를 위한 공간으로 활발히 사용되고 있다. 토론게시판에서 어떤 글은 사회적?정치적 이슈를 몰고 다니기도 하고 어떤 글은 사용자의 관심을 끌지 못하기도 한다. 본 논문에서는 한국의 유명 토론게시판인 다음 아고라와 서프라이즈에서 수집한 글의 통계적 정보를 이용하여 글의 인기를 분석하고 인기글을 예측하기 위한 예측모델을 제안한다. 분석결과 아고라는 87.52%의 글이 게시판에 제출된 후 하루가 지나기 전에 글의 인기가 끝나고 있었지만 서프라이즈는 39%의 글이 4일 이상 인기가 지속되고 있었다. 그렇지만 글의 인기기간과 조회수의 상관관계는 낮았다. 조회수 증가가 오랫동안 지속된다고 해서 최종 조회수가 높다는 것을 의미하지는 않는다. 본 논문에서는 분류와 예측 분야에서 잘 알려진 SVM 모델과 유사매칭 모델, 그리고 새롭게 제안한 예측 모델 ‘베이스라인’을 이용하여 인기글을 예측하고 평가하였다. SVM 모델이 F-measure와 정밀도에서 유사매칭과 베이스라인보다 우수하였으며, 베이스라인이 실행시간에서 가장 우수한 성능을 보였다. Online discussion bulletin in Korea is not only a specific place where user exchange opinions but also a public sphere through which users discuss and form public opinion. Sometimes, there is a heated debate on a topic and any article becomes a political or sociological issue. In this paper, we propose how to analyze the popularity of articles by collecting the information of articles obtained from two well-known discussion forums such as AGORA and SEOPRISE. And we propose a prediction model for the article popularity by applying the characteristics of subject articles. Our experiment shown that the popularity of 87.52% articles have been saturated within a day after the submission in AGORA, but the popularity of 39% articles is growing after 4 days passed in SEOPRISE. And we observed that there is a low correlation between the period of popularity and the hit count. The steady increase of the hit count of an article does not necessarily imply the final hit count of the article at the saturation point is so high. In this paper, we newly propose a new prediction model called ‘baseline’. We evaluated the predictability for popular articles using three models (SVM, similar matching and baseline). Through the results of performance evaluation, we observed that SVM model is the best in F-measure and precision, but baseline is the best in running time.
김수도(Su-Do Kim),김소라(So-Ra Kim),조환규(Hwan-Gue Cho) 한국콘텐츠학회 2011 한국콘텐츠학회논문지 Vol.11 No.10
블로그는 사용자에게 자신의 의견을 표현하고 다른 사람들의 의견을 수렴할 수 있는 자유로운 의사표현 네트워크를 제공한다. 어떤 글은 사회적, 정치적 이슈를 몰고 다니기도 하며 또 어떤 글은 사용자의 관심을 끌지 못하고 지나가기도 한다. 글이 작성된 초기에 향후 얼마나 인기를 얻을지 예측한다는 것은 글의 저자, 블로거, 광고회사 그리고 웹호스팅 모두에게 흥미로울 것이다. 인기를 예측하기 위한 다양한 연구들이 진행되어 왔지만 대부분의 연구들이 사용자간의 상호연관성에 기반하고 있고 정확한 값으로 표현하는데 높은 에러율을 발생하고 있다. 본 논문에서는 블로그에 글이 작성된 초기에 향후 글의 인기를 예측하기 위해 조회수를 사용하여 글의 인기를 4타입(explosion, hot, warm, cold)의 가상 온도로 예측하는 방법을 제안한다. 먼저 글의 포화시점을 정의하고, 초기 조회수와 포화시점 조회수의 관계를 통해 포화시점 조회수를 예측하는 모델링 공식을 유도하였다. 예측된 포화시점 조회수를 이용하여 글의 인기를 4타입의 가상 온도로 표현하였다. 초기 관찰기간에 따라 예측 정확률이 결정되고 있다. 실험결과 30분 이후부터 MAPE(Mean Absolute Percentage Error)가 30%이하로 낮아졌지만, explosive 타입의 경우 초기 조회수로 예측하기 힘들었다. explosive를 제외한 hot, warm, cold 타입에서는 30분후부터 86%이상의 평균 예측 정확률을 보여주며, 70분후부터는 90%이상의 평균 예측 정확률을 보여주고 있었다. A Blog provides commentary, news, or content on a particular subject. The important part of many blogs is interactive format. Sometimes, there is a heated debate on a topic and any article becomes a political or sociological issue. In this paper, we proposed a method to predict the popularity of an article in advance. First, we used hit count as a factor to predict the popularity of an article. We defined the saturation point and derived a model to predict the hit count of the saturation point by a correlation coefficient of the early hit count and hit count of the saturation point. Finally, we predicted the virtual temperature of an article using 4 types(explosive, hot, warm, cold). We can predict the virtual temperature of Internet discussion articles using the hit count of the saturation point with more than 70% accuracy, exploiting only the first 30 minutes’ hit count. In the hot, warm, and cold categories, we can predict more than 86% accuracy from 30 minutes hit count and more than 90% accuracy from 70 minutes hit count.
모바일디바이스에 적응적인 WIPI 기반 m-learning 시스템 설계 및 구현
김수도(Su-Do Kim),박만곤(Man-Gon Park) 한국멀티미디어학회 2006 한국멀티미디어학회 학술발표논문집 Vol.2006 No.2
현대의 기술들 중 삶에 가장 많은 변화를 준 기술은 당연히 인터넷과 모바일 기술일 것이다. 현재 웹 기반인 e-learning 시스템은 활성화되어 다양한 학습컨텐츠를 제공하지만 모바일기반의 m-learning은 모바일디바이스의 한계로 일부 부분에서만 제공되고 있고 디바이스 지원형식이 달라 학습컨텐츠 사용 시 문제를 발생시킨다. 본 논문에서는 학습자의 모바일디바이스에 적응적인 학습컨텐츠만을 제공할 수 있는 WIPI기반의 m-learning 시스템 프레임모델을 제안하고 구현하였다.