Journal of Advanced Navigation Technology (한국항행학회논문지)

The Korean Navigation Institute (한국항행학회)
권호 표지
DOI QR코드

DOI QR Code

Cultural Region-based Clustering of SNS Big Data and Users Preferences Analysis

문화권 클러스터링 기반 SNS 빅데이터 및 사용자 선호도 분석

  • Rho, Seungmin (Department of Media Software, Sungkyul University)
  • 노승민 (성결대학교 미디어소프트웨어학과)
  • Received : 2018.10.23
  • Accepted : 2018.12.17
  • Published : 2018.12.31
Download PDF
⟨ Previous Next ⟩

Abstract

Social network service (SNS) related data including comments/text, images, videos, blogs, and user experiences contain a wealth of information which can be used to build recommendation systems for various clients' and provide insightful data/results to business analysts. Multimedia data, especially visual data like image and videos are the richest source of SNS data which can reflect particular region, and cultures values/interests, form a gigantic portion of the overall data. Mining such huge amounts of data for extracting actionable intelligence require efficient and smart data analysis methods. The purpose of this paper is to focus on this particular modality for devising ways to model, index, and retrieve data as and when desired.

최근 댓글 / 텍스트, 이미지, 비디오, 블로그 및 사용자 경험을 포함한 소셜네트워크서비스(SNS) 데이터에는 다양한 고객의 추천 시스템을 구축하고 비즈니스 분석가에게 통찰력 있는 데이터 / 결과를 제공하는데 사용할 수 있는 많은 정보가 포함되어 있다. 멀티미디어 데이터, 특히 이미지 및 비디오와 같은 시각적 데이터는 SNS 데이터 중에서도 특정(문화권) 지역을 반영할 수 있는 가장 풍부한 데이터이며, 문화적 가치 및 관심사는 전반적으로 데이터의 많은 부분을 차지하고 있다. 이러한 방대한 데이터로부터 원하는 데이터를 지능적으로 추출하고, 엄청난 양의 데이터를 마이닝 하려면 보다 효율적이고 지능적인 데이터 분석 방법이 필요하다. 따라서 본 논문의 목적은 이러한 데이터를 모델링하고, 색인하고, 검색하는 방법에 대해 제안하고자 한다.

Keywords

HHHHBI_2018_v22n6_670_f0001.png 이미지

그림 1. 문화권 군집화를 위한 SNS 빅데이터 특성 추출 및 추천 프레임워크 Fig. 1. Framework of the proposed SNS big data feature extraction and analysis for cultural region clustering.

HHHHBI_2018_v22n6_670_f0002.png 이미지

그림 2. 신호/감정 검출 프레임워크 Fig. 2. Framework of the proposed signal detection in social networks.

HHHHBI_2018_v22n6_670_f0003.png 이미지

그림 3. 감정분석과정 Fig. 3. Overview of the sentiment analysis.

HHHHBI_2018_v22n6_670_f0004.png 이미지

그림 4. 최상위 해시태그 찾는 과정 Fig. 4. Procedure to find top hashtag [7].

HHHHBI_2018_v22n6_670_f0005.png 이미지

그림 5. 다중 레이어를 가지는 CNN의 구성도 Fig. 5. Convolutional neural network for automatic feature learning.

HHHHBI_2018_v22n6_670_f0006.png 이미지

그림 6. 이미지 검색을 위한 LSH 방법 Fig. 6. Illustration of locality sensitive hashing for image searching.

References

  1. G. Abdi, F. Samadzadegan, and P. Reinartz, "Deep learning decision fusion for the classification of urban remote sensing data," Journal of Applied Remote Sensing, Vol. 12, No. 1, 016038, pp. 1-18, Jan. 2018.
  2. J. Popham, M. Forkin, N. Hamblet, and B. Inouye, "Data fusion for sociocultural place understanding using deep learning," in Proceeding of the SPIE 10653, Next-Generation Analyst VI, 106530E, 27 April 2018.
  3. O. Mastykash, B. Liubinskyi, P. Topylko, and I. Penyak, "Ranking the social media platform user pages using big data," Mathematical Modeling and Computing, Vol. 5, No. 1, pp. 56-65, 2018. https://doi.org/10.23939/mmc2018.01.056
  4. J, Ahmad, M. Sajjad, S. Rho, S. Kwon, M.Y. Lee, and S. Baik, "Determining speaker attributes from stress-affected speech in emergency situations with hybrid SVM-DNN architecture," Multimedia Tools and Applications, Vol. 77, No. 4, pp. 4883-4907, 2018. https://doi.org/10.1007/s11042-016-4041-7
  5. A. Ullah, J. Ahmad, K. Muhammad, M. Sajjad, and S. Baik, "Action Recognition in Video Sequences using deep bi-directional LSTM with CNN features," IEEE Access, Vol. 6, pp. 1155-1166, 2018. https://doi.org/10.1109/ACCESS.2017.2778011
  6. G. Mustafa and I. Frommholz, "Performance comparison of top N recommendation algorithms," in Proceeding of the Fourth International Conference on Future Generation Communication Technology (FGCT), Luton, pp. 1-6, 2015.
  7. F. Nazir, M. A. Ghazanfar, M. Maqsood, F. Aadil, S. Rho, and I. Mehmood, "Social media signal detection using tweets volume, hashtag, and sentiment analysis," Multimedia Tools and Applications, Online published, pp. 1-34, Aug. 2018.
  8. J. Ahmad, M. Sajjad, I. Mehmood, S. Rho, and S. W. Baik, "Saliency-weighted graphs for efficient visual content description and their applications in real-time image retrieval systems," Journal of Real-Time Image Processing, Vol. 13, Issue 3, pp. 431-447, Sep. 2018.