정보과학회 컴퓨팅의 실제 논문지 (KIISE Transactions on Computing Practices)

  • 제22권5호
  • /
  • Pages.246-251
  • /
  • 2016
  • /
  • 2383-6318(pISSN)
  • /
  • 2383-6326(eISSN)
한국정보과학회 (Korean Institute of Information Scientists and Engineers)
권호 표지
DOI QR코드

DOI QR Code

키워드 기반 블로그 마케팅을 위한 연관 키워드 추천 시스템

Associated Keyword Recommendation System for Keyword-based Blog Marketing

  • 최성자 (홍익대학교 경영학과) ;
  • 손민영 (금오공과대학교 컴퓨터공학과) ;
  • 김영학 (금오공과대학교 컴퓨터공학과)
  • 투고 : 2015.12.23
  • 심사 : 2016.03.29
  • 발행 : 2016.05.15
⟨ 이전 논문 다음 논문 ⟩

초록

최근에 SNS와 온라인 매체의 영향력이 커지면서 이를 이용한 마케팅에 대한 관심이 증가하고 있다. 블로그 마케팅은 대형 포털 사이트의 키워드 검색 결과에 따라 상위 노출을 함으로서 비교적 저렴한 비용으로 마케팅의 파급효과와 정보 전달력을 높일 수 있다. 그러나 일부 특정 키워드의 검색 결과의 경우 상위에 노출되려는 경쟁이 과열될 수 있기 때문에, 블로그를 상위에 노출하기 위해서는 장기적이고 적극적인 노력이 필요하다. 따라서 본 연구에서는 블로그의 상위 노출 가능성이 높은 연관 키워드 그룹을 추천하는 새로운 방법을 제안한다. 제안된 방법은 먼저 타겟 키워드의 검색 결과에 포함된 블로그 문서들을 수집하여 단어의 빈번도와 위치정보를 고려하여 연관성이 높은 키워드를 추출하고 필터링한다. 다음에 각 연관 키워드를 타겟 키워드와 비교하여 그들의 연관성, 월간 연관 키워드 검색 량, 검색에 포함된 블로그의 개수, 블로그의 평균 작성 일을 고려하여 상위 노출의 가능성이 높은 연관 키워드 그룹을 추천한다. 본 연구에서 실험을 통하여 제안된 방법이 연관성이 높은 키워드 그룹을 추천함을 보인다.

Recently, the influence of SNS and online media is rapidly growing with a consequent increase in the interest of marketing using these tools. Blog marketing can increase the ripple effect and information delivery in marketing at low cost by prioritizing keyword search results of influential portal sites. However, because of the tough competition to gain top ranking of search results of specific keywords, long-term and proactive efforts are needed. Therefore, we propose a new method that recommends associated keyword groups with the possibility of higher exposure of the blog. The proposed method first collects the documents of blog including search results of target keyword, and extracts and filters keyword with higher association considering the frequency and location information of the word. Next, each associated keyword is compared to target keyword, and then associated keyword group with the possibility of higher exposure is recommended considering the information such as their association, search amount of associated keyword per month, the number of blogs including in search result, and average writhing date of blogs. The experiment result shows that the proposed method recommends keyword group with higher association.

키워드

과제정보

연구 과제 주관 기관 : 금오공과대학교

참고문헌

  1. I. Kim and H.-G. Ji, "The Factors Affecting on the Usage of Organizational Blog : The Perspective of the Organizational Blog Type," Journal of Information Technology Applications & Management, Vol. 18, No. 2, pp. 61-89. Jun. 2011.
  2. H. Yun, S.-H. Ahn, and C. C. Lee, "Determinants of Trust in Power Blogs and Their Effect on Purchase Intention," International Journal of Contents, Vol. 12, No. 2, pp. 411-419. Feb. 2012.
  3. J. K. Kim, H. K. Kim, and S. Y. Park, "A Study on Blog users' Response to Blog Marketing," Information Systems Review, Vol. 11, No. 3, pp. 1-17, Sep. 2004.
  4. F. Ko and N. Tanimoto, "The eigenrumor algorithm for calculating contributions in cyberspace communities," Trusting Agents for Trusting Electronic Societies, Springer Berlin Heidelberg, pp. 59-74. 2005.
  5. S.-A. Kim, H.-S. Jho, and H. A. Lee, "Automatic Classification of Blog Posts using Various Term Weighting," Journal of the Korean Society of Marine Engineering, Vol. 39, No. 1, pp. 58-62. 2015. https://doi.org/10.5916/jkosme.2015.39.1.58
  6. Haveliwala and H. Taher, "Topic-sensitive pagerank: A context-sensitive ranking algorithm for web search," Knowledge and Data Engineering, IEEE Transactions on, Vol. 15, No. 4, pp. 784-796, 2003. https://doi.org/10.1109/TKDE.2003.1208999
  7. N. Agarwal, H. Liu, L. Tang, and P. S. Yu, "Identifying the influential bloggers in a community," Proc. of the 2008 international conference on web search and data mining. ACM, pp. 207-218, 2008.
  8. A. Kritikopoulos, M. Sideri, and I. Varlamis, "Blog-Rank: ranking weblogs based on connectivity and similarity features," Proc. of the 2nd international workshop on Advanced architectures and algorithms for internet delivery and applications. ACM, pp. 8, Oct. 2006.
  9. M. A. Tayebi, S. M. Hashemi, and A. Mohades, "B2Rank: An algorithm for ranking blogs based on behavioral features," Web Intelligence, IEEE/WIC/ACM International Conference on. IEEE, pp. 104-107, 2007.
  10. W. S. Hwang, Y. J. Do, D. H. Bae, and S. W. Kim, "Post Ranking Algorithms in Blog Environment," Korea Computer Congress, Vol. 35, No. 1, pp. 189-193. 2008.
  11. S. Lee and S. Lee, "A Related Keyword Group Extraction Method for Keyword Marketing," Korea Computer Congress, Vol. 31, No. 2, pp. 124-126. 2004.
  12. T. Joachims, A Probabilistic Analysis of the Rocchio Algorithm with TFIDF for Text Categorization. No. CMU-CS-96-118. CARNEGIE-MELLON UNIV PITTSBURGH PA DEPT OF COMPUTER SCIENCE, 1996.
  13. J.-M. Kim, J.-D. kim, and D.-K. Baik, "Design and Implementation of an Auto Tagging System in Blogosphere," Korea Computer Congress, Vol. 36, No. 2, pp. 19-23. 2009.