Journal of the Korea Academia-Industrial cooperation Society (한국산학기술학회논문지)

The Korea Academia-Industrial cooperation Society (한국산학기술학회)
권호 표지
DOI QR코드

DOI QR Code

On development of supporting tool for Folksonomy Mining based on Formal Concept Analysis

형식개념분석을 이용한 폭소노미 마이닝 기법과 지원도구의 개발

  • Kang, Yu-Kyung (Department of Computer Science & Engineering, Sun Moon University) ;
  • Hwang, Suk-Hyung (Department of Computer Science & Engineering, Sun Moon University) ;
  • Yang, Hae-Sool (Graduate School of Venture, Hoseo University)
  • 강유경 (선문대학교 컴퓨터공학부) ;
  • 황석형 (선문대학교 컴퓨터공학부) ;
  • 양해술 (호서대학교 벤처전문대학원)
  • Published : 2009.08.31
Download PDF
⟨ Previous Next ⟩

Abstract

Folksonomy is a user-generated taxonomy to organize information by which a user assigns tags to resources published on the web. Triadic datas that indicate relations of between users, tags, and resources, are created by collaborative tagging from many users in folksonomy-based system. Such the folksonomy data has been utilized in the field of the semantic web and web2.0 as metadata about web resources. In this paper, we propose FCA-based folksonomy data mining approach in order to extract the useful information from folksonomy data with various points of view. And we developed tool for supporting our approach. In order to verify the usefulness of our proposed approach and FMT, we have done some experiments for data of del.icio.us, which is a popular folksonomy-based bookmarking system. And we report about result of our experiments.

폭소노미(folksonomy)는 웹에 존재하는 리소스에 대해 사용자가 자유롭게 선택한 태그(tag)를 붙여서 정보를 체계화하는 새로운 분류 체계이다. 폭소노미 기반의 시스템에서는 사용자들의 협력태깅에 의해 사용자, 태그, 리소스사이의 관계를 나타내는 3항원 소데이터가 생성된다. 이와 같은 폭소노미 데이터는 웹 리소스에 대한 정보체계화를 위한 메타데이터로서 시맨틱 웹과 웹2.0 분야에 활용되고 있다. 본 논문에서는 다종다양한 폭소노미 데이터를 다양한 관점으로 분석하여 유용한 정보를 추출하기 위한 형식개념분석 기반의 폭소노미 데이터 마이닝 기법을 제안하고, 이를 지원하기 위한 분석도구 FMT를 개발하였다. 또한, 제안한 기법과 FMT의 유용성을 검증하기 위하여, 폭소노미 기반 시스템인 del.icio.us의 데이터를 대상으로 실험을 수행하고, 그 결과를 보고한다.

Keywords

References

  1. http://delicious.com
  2. http://www.flickr.com
  3. http://www.youtube.com
  4. http://www.bibsonomy.org
  5. http://www.connotea.org
  6. http://www.citeulike.org
  7. P. N. Tan, M. Steinbach and V. Kumar, Introduction to Data Mining, Pearson, 2006.
  8. M. Kamber and J. Han, Data Mining(Concepts and Techniques), Morgan Kaufmann Pub, 2006.
  9. 최영희, 데이터마이닝을 이용한 데이터 활용에 관한 연구, 조선대학교, 전산통계학과, 석사학위논문, 2001.
  10. 김은수, 웹 마이닝을 이용한 개인 광고 시스템 설계 및 구현, 한남대학교대학원, 컴퓨터공학과, 박사학위논문, 2004.
  11. Ching-man Au Yeung, Nicholas Gibbins, and Nigel Shadbolt, "Understanding the Semantics of Ambiguous Tags in Folksonomies", The International Workshop on Emergent Semantics and Ontology Evolution at ISWC/ASWC 2007, pp. 108-121, 2007.
  12. Robert J'aschke, Andreas Hotho, Christoph Schmitz, Bernhard Ganter, and Gerd Stumme, "Discovering shared conceptualizations in folksonomies", Web Semantics: Science, Services and Agents on the World Wide Web, Vol. 6, Pages 38-53, 2008. https://doi.org/10.1016/j.websem.2007.11.004
  13. Suk-Hyung Hwang, Yu-Kyung Kang, "Applying Hierarchical Classes Analysis to Triadic context for Folsonomy Mining", 2007 International Conference on Convergence Informati on Technology(ICCIT'07), pp.103-109, 2007.
  14. Hong-Gee Kim, Suk-Hyung Hwang, Yu-Kyung Kang, Hak-Lae Kim, and Hae-Sool Yang, "An Agent Environment for Contextualizing Folksonomies in a Triadic Context", First KES International Symposium, KES-AMSTA2007, LNAI4496, pp.728-737, 2007. 5.
  15. 이강표, 김현우, 장충수, 김형주, "FolksoViz: Wikipedia 본문을 이용한 상하위 관계 기반 폭소노미 시각화 기법", 정보과학회논문지:컴퓨팅의 실제 및 레터 제14권 제4호, 2008. 6.
  16. B. Ganter, R. Wille, Formal Concept Analysis: Mathematical Foundations, Springer, 1999.
  17. C. Carpineto, G. Romano, Concept Data Analysis: Theory and Applications, Wiley, September, 2004.
  18. 안수민, 퍼지 집합 이론을 이용한 아파트입지특성 평가에 관한 연구, 중앙대학교, 석사학위논문, 2003.
  19. 최재만, 퍼지이론과 확률론의 불확실성에 대한 고찰, 수원대학교 교육대학원 석사학위논문, 2007.
  20. R. Lowen, Fuzzy Set Theory: Basic Concepts, Techniques and Bibliography, Springer, 1996.
  21. H.J. Zimmermann, Fuzzy Set Theory and Its Applications, Germany : Kluwer Academic, 1996.
  22. J. Jantzen, Foundations of Fuzzy Control, WileyBlackwell; New title edition, 2007.
  23. Z. Pawlak, Rough Sets : Theoretical Aspects of Reasoning about Data, Springer, 1991.
  24. B. Walczak and D. L. Massart, "Tutorial Rough sets theory", Chemometrics and Intelligent Laboratory Systems, Vol. 47, pp. 1-16, 1999. https://doi.org/10.1016/S0169-7439(98)00200-7
  25. J. Komorowski, L. Polkowsik and A. Skowron, Rough Sets : A Tutorial, in:S.K. Pal, A. New Trend in Decision Making, Springer, Singapore, pp. 1-98, 1999.
  26. S. D. Jitender, V. V. Raghavan, A. Sarkar and H. Sever, "Data Mining Trends in Research and Development", Rough Sets and Data Mining analysis of imprecise data, Kluwer Academic publishers, pp. 9-45, 1997.
  27. 유재진, 김재련, "러프 집합을 이용한 의사결정나무의 노드 선택 방법", 한국산업경영시스템학회 2003 추계학술대회 논문집, pp.41-46, 2003.
  28. 김형수, 김홍기, 이상부, "확률적 러프집합 이론에 기반한 퍼지 정보의 검색", 정보과학회논문지(B), 제25권 제9호, pp.1431-1441, 1998.
  29. 서완석, 김재련, "러프집합이론과 SOM을 이용한 연속형 속성의 이산화", Journal of the Society of Korea Industrial and Systems Engineering, Vol. 28, No. 1, pp.1-7, 2005.