의미기억의 학습과 점화를 이용한 모바일 라이프로그 연관 검색 = Mobile Life-Log Search using Semantic Memory Learning and Priming

국문 초록 (Abstract)

모바일 기기에 내장된 다양한 센서로부터 얻은 방대한 양의 라이프로그를 효과적으로 검색하기 위한 연구가 진행 중이다. 기존 연구에서는 라이프로그를 일화기억 형태로 저장하고 이를 기반으로 한 검색을 수행하였다. 이러한 방법은 정확하고 충분한 질의어가 제공되지 않으면 데이터를 찾기가 어렵다는 문제가 있다. 본 논문에서는 불확실하고 불충분한 질의어 입력에도 연관 검색을 통해 데이터를 찾아낼 수 있는 의미기억 기반의 모바일 라이프로그 연관 검색 방법을 제안한다. 입력데이터를 이용해 의미기억 학습을 하며 데이터간 관계는 시맨틱 네트워크 구조로 생성된다. 관계의 가중치는 데이터의 중요성과 관계의 빈도수에 의해 통계적 계산으로 결정된다. 시맨틱 네트워크 상에서 활성화 확산 기반 점화를 이용하여 정보검색을 수행한다. 제안하는 방법의 실용성을 입증하기 위해 실제 수집된 모바일 라이프로그를 바탕으로 시맨틱 네트워크를 학습하고 검색 과정을 보였다. 또한 기존 일화기억에서 해결하기 힘든 문제를 시나리오로 제시하고 사용성 평가를 수행한 결과 높은 만족도를 통해 제안하는 방법의 유용성을 입증하였다.

다국어 초록 (Multilingual Abstract)

Several methods have been investigated to retrieve life-logs that are collected by various sensors in mobile devices. Previous works used to store mobile life-log as episodic memory and search the data, which hinders from finding information when queries are not enough and accurate. In this paper, we propose a method for mobile life-log search based on semantic memory. Semantic memory is represented as semantic networks that store the relationship between data, and the weights of edges are determined by the importance of data and frequency of relationship. Priming based on spreading activation to retrieve information makes it possible to search the data with respect to the insufficient and inexact queries. In order to show the usefulness and practicality of the proposed method, we collected mobile life-log, constructed a semantic network, and searched the data. The method gives the appropriate answers to the queries hard to find in episodic memory and produces higher scores in a usability test.

목차 (Table of Contents)

• 요약
• Abstract
• 1. 서론
• 2. 관련연구
• 3. 제안하는 방법
• 4. 실험
• 5. 결론 및 향후 연구
• 참고문헌

참고문헌 (Reference)

1 오근현, "시각화 기반 모바일 라이프 로그 시맨틱 네트워크 연관 검색 시스템" 한국정보과학회 16 (16): 727-731, 2010

2 K. Farrahi., "What did you do today? : discovering daily routines from large-scale mobile data" 849-852, 2008

3 Z. Ye., "The semantic processing of syntactic structure in sentence comprehension : An ERP study" 1142 : 135-145, 2007

4 L. Kelly., "The role of places and spaces in lifelog retrieval" 2009

5 L. R. Squire., "The medial temporal lobe memory system" 253 (253): 1380-1386, 1991

6 C. -L. Huang., "Spoken document retrieval using multilevel knowledge and semantic verification" 15 (15): 2251-2560, 2007

7 B. Markines, "Socially Induced Semantic Networks and Applications"

8 J. G. Raaijmakers., "Search of associative memory" 88 (88): 93-134, 1981

9 구중억, "Open API 기반 메타 검색시스템의 사용성 평가에 관한 연구" 한국정보관리학회 26 (26): 185-214, 2009

10 E. Horvitz., "Learning predictive models of memory landmarks" 1-6, 2004

11 B. J. Super, "Knowledge-based part correspondence" 40 : 2818-2825, 2007

12 X. Dimitropoulos., "Graph annotations in modeling complex network topologies" 19 (19): 2009

13 B. J. Baars, "Global workspace theory of consciousness : toward a cognitive neuroscience of human experience" 150 : 45-53, 2005

14 Y. -S. Lee., "Exploiting mobile contexts for Petri-net to generate a story in cartoons" 2010

15 K. Aizawa, "Digitizing personal experiences : Capture and retrieval of life log" 10-15, 2005

16 I. C. F. Ipsen., "Convergence analysis of a PageRank updating algorithm by Langville and Meyer" 27 (27): 952-967, 2006

17 R. J. Sternberg, "Cognitive Psychology 6th Ed" Wadworth 185-227, 2012

18 A. R. Doherty., "Automatically segmenting lifelog data into events" 20-23, 2008

19 M. Smith, "Analyzing social media networks: Learning by doing with NodeXL" 2009

20 J. M. C. Schrijnemakers., "Adding new word associations to semantic memory : evidence for two interactive learning components" 96 : 103-132, 1997

21 T. Ushiama., "A life-log search model based on Bayesian network" 2004