블로그 인텔리전스

국문 초록 (Abstract)

본 연구의 목적은 가상 커뮤니티 공간에서 사용자가 접하게 되는 정보가 늘어나게 되면서 의사결정을 하는데 소비되는 비용이 증가하게 되는 블로그의 정보과부하 문제를 해결하기 위한 것이다. 정보과부하 문제는 사용자가 접하게 되는 정보가 늘어나게 되면서 의사결정을 하는데 소비되는 비용이 증가하게 되는 현상으로, 본 연구에서는 블로그 사용자의 성향을 분석하여 개인화된 정보만을 제공하여 사용자가 의사결정을 하는데 도움을 주는 블로그 인텔리전스의 구현을 위하여 협업필터링 기법을 이용한 가상 커뮤니티 추천방법론을 제안한다. 가상 커뮤니티는 특정한 목적과 유사한 성향을 갖는 사용자들의 집합체로 정의되기 때문에, 블로그 사용자는 가상 커뮤니티를 통해서 개인화되고 정제된 정보를 접할 수 있다. 제안한 가상 커뮤니티 추천 방법은 사용자가 이용중인 가상 커뮤니티에서 행하는 일련의 트랜잭션을 정량화 시킨 값, 즉 관심도 기법을 이용하였고, 그 성능을 실제 블로그 사이트의 데이터를 이용하여 평가하였다.

다국어 초록 (Multilingual Abstract)

The rapid growth of blog has caused information overload where bloggers in the virtual community space are no longer able to effectively choose the blogs they are exposed to. Recommender systems have been widely advocated as a way of coping with the problem of information overload in e-business environment. Collaborative Filtering (CF) is the most successful recommendation method to date and used in many of the recommender systems. In this research, we propose a CF-based recommender system for bloggers in the virtual community space. The proposed methodology is suit for "Blog Intelligence", i.e., a personalized recommender system for bloggers in virtual community. Firstly, we apply the "Interest Value" to recommendations systems. The Interest Value is the quantity value about users’ transaction data in virtual community, and can measure the opinion of users accurately. Secondly, we generate the neighborhood group based on the Interest Value. Finally, we use the Community Likeness Score (Cls) to generate the top-n recommendation list. Our experimental results upon real data of Korean Blog site show that the methodology is capable of dealing with the information overload issue in virtual community space. And considering the performance of our methodology, Interest Value has the potential to meet the challenge of recommendation methodologies in virtual community space.