KIPS Transactions on Software and Data Engineering (정보처리학회논문지:소프트웨어 및 데이터공학)

Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

A Method on Retrieving Personalized Information Based on Mutual Trust in Real and Online World

현실과 가상 세계에서 상호 신뢰도에 기반한 개인화 정보의 식별 방법

  • Received : 2016.12.23
  • Accepted : 2017.01.10
  • Published : 2017.05.31
Download PDF
⟨ Previous Next ⟩

Abstract

Two remarkable problems of recent online social network are information overflow and information overload. Since the mid-1990s, many researches to overcome these issues have been conducted with information recommender systems and context awareness based personalization techniques, the importance of trust or relationship between users to discover influential information has been increasing as recent online social networks become huge. But almost researches have not regarded trust or relationship in real world while reflecting them in online world. In this paper, we present a novel method how to discover influential and spreadable information that is highly personalized to a user. This valuable information is extracted from an information set that consists of lots of information user missed in the past, and we assumes important information is likely to exist in this set.

최근 소셜 네트워크의 2가지 주목할 만한 특정은 바로 정보의 홍수와 정보 소비의 과부하 문제이다. 1990년대부터 상황 인지 기반의 개인화 기법들이나 추천 시스템을 통하여 이러한 문제들을 해결하고자 하였는데, 특히 커뮤니티 멤버간의 신뢰도나 친밀도를 기반으로 개인화 정보를 발견하기 위한 접근방법이 최근 소셜 네트워크가 거대화됨에 따라 그 중요성이 부각되고 있다. 그러나 이러한 대부분의 접근법들은 현실이 아닌 온라인 세계에서의 상호 신뢰도(또는 친밀도)만을 고려하는 경향이 있어 보다 더 높은 개인화 성능(적절성)을 가지기 위해서는 현실 세계까지 고려할 필요가 있다. 본 연구에서는 높은 적절성을 가지는 개인화 정보를 식별하는 새로운 방법을 제시하며, 이러한 개인화 정보를 발견하기 위하여 현실 세계와 온라인 세계에서 정보 제공자와 수신자의 상호 신뢰도를 측정하고 이를 기반으로 정보의 중요도를 판단한다. 그리고 본 기법은 개인에게 신규로 제공되는 정보가 아닌 과거에 소비하지 못하고 놓친 정보들을 대상으로 적용한다.

Keywords

References

  1. G. D. Abowd et al., "Towards a better understanding of context and context-awareness," in Proceeding of International Symposium on Handheld and Ubiquitous Computing, Springer Berlin Heidelberg, pp.304-307, 1999.
  2. By the Numbers:200+ Amazing Facebook Statistics [internet], http://expandedrambling-s.com/index.php/by-the-numbers-17-amazing-facebook-stats/8/.
  3. D. H. Lee and P. Brusilovsky, "Fighting information overflow with personalized comprehensive information access: A proactive job recommender," in Proceeding of Autonomic and Autonomous Systems 2007, pp.21-21, 2007.
  4. F. E. Walter, S. Battiston, and F. Schweitzer, "A model of a trust-based recommendation system on a social network," Journal of Autonomous Agents and Multi-Agent Systems, Vol.16, No.1, pp.57-74, 2008. https://doi.org/10.1007/s10458-007-9021-x
  5. J. Golbeck, "Generating predictive movie recommendations from trust in social networks," in Proceeding of International Conference on Trust Management, Springer-Verlag, Berlin Heidelberg, pp.93-104, 2006.
  6. P. Massa and P. Avesani, "Trust-aware recommender systems," in Proceeding of the 2007 ACM Conference on Recommender Systems, pp.17-24, 2007.
  7. M. Jamali and M. Ester, "Trustwalker: a random walk model for combining trust-based and item-based recommendation," in Proceeding of the 15th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, pp. 397-406, 2009.
  8. J. Tang, X. HU, H. Gao, and H. Liu, "Exploiting Local and Global Social Context for Recommendation," in Proceeding of the International Joint Conference on Artificial Intelligence, pp.264-269, 2013.
  9. D. M. Romero, W Galuba, S. Asur, and B. A. Huberman, "Influence and passivity in social media," in Proceeding of Joint European Conference on Machine Learning and Knowledge Discovery in Databases, Springer Berlin Heidelberg, pp.18-33, 2011.
  10. M. McGee, "EdgeRank is dead: Facebook's News Feed algorithm now has close to 100K weight factors," Marketing Land, 2013.