DOI QR코드

DOI QR Code

EXIF-based Hashtag Recommender System on Social Networking Service

사회연결망서비스의 EXIF 기반 Hashtag 추천 시스템

  • Sang Hoon Lee (School of Computer & Information Engineering, Daegu University) ;
  • Su-Yeon Kim (School of Computer & Information Engineering, Daegu University)
  • 이상훈 (대구대학교 정보통신대학 컴퓨터정보공학부) ;
  • 김수연 (대구대학교 정보통신대학 컴퓨터정보공학부)
  • Received : 2018.05.21
  • Accepted : 2018.10.08
  • Published : 2018.09.30

Abstract

Many users are uploading their daily life activities on SNS and use hashtags to describe their postings. Hashtag has the advantage of letting users specify categories for their postings, however until now, the users has had to manually input the hashtags which has been very inconvenient for them. Therefore, in order to address this issue, this paper proposes a hashtag recommender system which recommends proper hashtags to users based on their uploaded images on SNS. The proposed system is designed using four analytic structures, which is composed of a camera information-based analysis, an address-based analysis, a location based CF analysis, and an image-based analysis. In order to check whether the proposed system is improved compared to the existing systems in terms of the hashtag recommendation function, we conducted an evaluation with 212 SNS users from fifteen countries. As a result of the evaluation process, the proposed system shows very high accuracy recommendation results compared to the existing hashtag recommender systems.

많은 사용자들이 자신의 일상과 활동을 사회연결망서비스(SNS)에 업로드하고 있으며 자신들의 포스팅을 설명하기 위한 Hashtag를 사용하고 있다. Hashtag는 사용자가 스스로 자신의 포스팅에 대한 카테고리를 지정한다는 장점이 있으나 최근까지도 사용자가 직접 수동적으로 입력해야 한다는 번거로움이 있었다. 이에 본 연구에서는 이러한 문제를 개선하기 위하여 SNS 상에서 사용자가 업로드하는 이미지를 기반으로 하여 적절한 Hashtag를 추천하는 방법을 제안하였다. 본 연구를 위하여 촬영정보에 기반한 분석, 주소에 기반한 분석, 타사용자에 기반한 분석, 이미지 자체에 기반한 분석 방법을 설계 및 구현하였다. 또한 제안 방법이 기존의 시스템에 비해 개선되었는지 확인하기 위하여 성능 테스트를 실시하였으며 15개국 212명의 SNS 사용자를 대상으로 평가를 진행하였다. 분석 결과 기존에 서비스되는 Hashtag 추천 시스템에 비해 제안된 시스템이 높은 정확도의 추천 결과를 보였으며 기존 대비 개선되었다는 것을 확인할 수 있었다.

Keywords

References

  1. 곽승진, 배경재, "전자책 단말기의 사용성 평가에 관한 실험적 연구", 정보관리학회지, 제28권, 제3호, 2011, pp. 313-333.  https://doi.org/10.3743/KOSIM.2011.28.3.313
  2. 김세진, 이상돈, "SNS 환경에서 동시출현 해시태그 분석 기법", 한국콘텐츠학회 종합학술대회논문집, 2014, pp. 223-224. 
  3. 남민지, 이은지, 신주현, "인스타그램 해시태그를 이용한 사용자 감정 분류 방법", 멀티미디어학회논문지, 제18권, 제11호, 2015, pp. 1391-1399.  https://doi.org/10.9717/kmms.2015.18.11.1391
  4. 류권석, 김성수, "모바일 쇼핑 구매요인의 우선순위 분석: 모바일 라이프 스타일과 소비자 의사결정 성향을 중심으로", 서비스경영학회지, 제18권, 제2호, 2017, pp. 197-223.  https://doi.org/10.15706/JKSMS.2017.18.2.009
  5. 류동성, 정우근, 조환규, "격자 기반의 디지털 사진 시각화와 계층적인 클러스터링 방법", 정보과학회논문지: 컴퓨팅의 실제 및 레터, 제16권, 제5호, 2010, pp. 616-620. 
  6. 문지훈, 유제혁, 김용성, 황인준, "SNS 해시태그 분석을 통한 목적별 여행지 분류 기법", 한국정보과학회 학술발표논문집, 2015, pp. 121-123. 
  7. 박세화, 박석, "체류시간을 고려한 여행 일정 추천 시스템", 정보과학회 컴퓨팅의 실제 논문지, 제22권, 제1호, 2016, pp. 38-43.  https://doi.org/10.5626/KTCP.2016.22.1.38
  8. 박지회, 남기환, "추천 수량과 재 추천을 고려한 사용자 기반 협업 필터링 추천 시스템", Information Systems Review, 제19호, 제2호, 2017, pp. 71-94.  https://doi.org/10.14329/isr.2017.19.2.071
  9. 안상욱, 해시태그, 용어로 보는 IT, BLOTER.NET, 2015. 
  10. 장문종, 이웅희, 김영훈, "해킹된 트위터 사용자의 해시태그 분석 및 검출 방법", 한국정보과학회 학술발표논문집, 제6호, 2017, pp. 248-250. 
  11. 장철진, 주영호, 조환규, "EXIF정보를 이용한 디지털 사진 클로스터링 알고리즘", 한국정보과학회 가을 학술발표논문집, 제33권, 제2호, 2006, pp. 442-447. 
  12. 전민아, 전상훈, 노승민, 황인준, "트위터 해시태그와 트윗 분석을 통한 음악 추천 기법", 한국정보과학회 학술발표논문집, 2013, pp. 1257-1259. 
  13. 제성관, 이근동, 오원근, "부가정보를 이용한 자동 사진분류방법", 한국HCI학회 학술대회, 2011, pp. 573-575. 
  14. 최재용, 원지섭, 이수안, 김진호, "스마트폰에 서 계층 모델 기반의 사진 자동 분류 및 사진 탐색기", 정보과학회논문지: 컴퓨팅의 실제 및 레터, 제18권, 제9호, 2012, pp. 647-653. 
  15. 최홍선, 이강희, 임광혁, 김수균, "EXIF 메타데이터를 활용한 웹 기반 사진 자동분류", 한국컴퓨터정보학회 학술발표논문집, 제20권, 제2호, 2012, pp. 301-302. 
  16. 황현석, 이상훈, 김수연, "Fuzzy AHP를 활용한 스마트폰 선택 및 이용 평가요인에 관한 연구", 한국산업정보학회논문지, 제16권, 제4호, 2011, pp. 107-117.  https://doi.org/10.9723/JKSIIS.2011.16.4.107
  17. Alarifi, A., M. Alsaleh, and A. Al-Salman, "Twitter turing test: Identifying social machines", Information Sciences, Vol.372, 2016, pp. 332-346.  https://doi.org/10.1016/j.ins.2016.08.036
  18. Albadvi, A. and M. Shahbazi, "A hybrid recommendation technique based on product category attributes", Expert Systems with Applications, Vol.36, No.9, 2009, pp. 11480-11488.  https://doi.org/10.1016/j.eswa.2009.03.046
  19. Arnaboldi, V., M. Conti, M. La Gala, A. Passarella, and F. Pezzoni, "Ego network structure in online social networks and its impact on information diffusion", Computer Communications, Vol.76, 2016, pp. 26-41.  https://doi.org/10.1016/j.comcom.2015.09.028
  20. Barragans-Martinez, A. B., E. Costa-Montenegro, J. C. Burguillo, M. Rey-Lopez, F. A. Mikic-Fonte, and A. Peleteiro, "A hybrid content-based and item-based collaborative filtering approach to recommend TV programs enhanced with singular value decomposition", Information Sciences, Vol.180, No.22, 2010, pp. 4290-4311.  https://doi.org/10.1016/j.ins.2010.07.024
  21. Bennett, S., The History of Hashtags in Social Media Marketing, 2014, Available at http://www.adweek.com/digital/history-hashtag-social-marketing/. 
  22. Cao, J., Y. Zhao, X. Lai, M. E. H. Ong, C. Yin, Z. X. Koh, and N. Liu, "Landmark recognition with sparse representation classification and extreme learning machine", Journal of the Franklin Institute, Vol.352, No.10, 2015, pp. 4528-4545.  https://doi.org/10.1016/j.jfranklin.2015.07.002
  23. Cheng, Z. and J. Shen, "On very large scale test collection for landmark image search benchmarking", Signal Processing, Vol.124, 2016, pp. 13-26.  https://doi.org/10.1016/j.sigpro.2015.10.037
  24. Cho, J. C. J., K. K. K. Kwon, and Y. P. Y. Park, "Collaborative filtering using dual information sources", IEEE Intelligent Systems, Vol.22, No.3, 2007, pp. 30-38.  https://doi.org/10.1109/MIS.2007.48
  25. Fard, K. B., M. Nilashi, M. Rahmani, and O. Ibrahim, "Recommender system based on semantic similarity", International Journal of Electrical and Computer Engineering, Vol.3, No.6, 2013, pp. 751-761.  https://doi.org/10.11591/ijece.v3i6.3931
  26. Giovany, S., A. Putra, A. S. Hariawan, and L. A. Wulandhari, "Machine learning and SIFT approach for indonesian food image recognition", Procedia Computer Science, Vol.116, 2017, pp. 612-620.  https://doi.org/10.1016/j.procs.2017.10.020
  27. Huang, H. and W. Fang, "Metadata-based image watermarking for copyright protection", Simulation Modelling Practice and Theory, Vol.18, No.4, 2010, pp. 436-445.  https://doi.org/10.1016/j.simpat.2009.09.004
  28. Jang, M. K., H. K. Kim, and J. K. Kim, "An extended content-based procedure to solve a new item problem", Journal of Intelligence and Information Systems, Vol.14, No.4, 2008, pp. 201-216. 
  29. Lathia, N., X. Amatriain, and J. M. Pujol, "Collaborative filtering with adaptive information sources", IJCAI Workshop on Intelligent Techniques for Web Personalisation and Recommender Systems, Pasadena, 2009. 
  30. Li, K., F. Wang, and L. Zhang, "A new algorithm for image recognition and classification based on improved Bag of features algorithm", Optik-International Journal for Light and Electron Optics, Vol.127, No.11, 2016, pp. 4736-4740.  https://doi.org/10.1016/j.ijleo.2015.08.219
  31. Liu, D. R., C. H. Lai, and H. Chiu, "Sequence-based trust in collaborative filtering for document recommendation", International Journal of Human-Computer Studies, Vol.69, No 9, 2011, pp. 587-601.  https://doi.org/10.1016/j.ijhcs.2011.06.001
  32. Liu, X., L. Zhang, M. Li, H. Zhang, and D. Wang, "Boosting image classification with LDA-based feature combination for digital photograph management", Pattern Recognition, Vol.38, No.6, 2005, pp. 887-901.  https://doi.org/10.1016/j.patcog.2004.11.008
  33. Moon, H. S., J. H. Yoon, I. Y. Choi, and J. K. Kim, "An exploratory study of collaborative filtering techniques to analyze the effect of information amount", Asia Pacific Journal of Information Systems, Vol.27, No.2, 2017, pp. 126-138.  https://doi.org/10.14329/apjis.2017.27.2.126
  34. Moorley, C. R. and T. Chinn, "Nursing and twitter: Creating an online community using hashtags", Collegian, Vol.21, No.2, 2014, pp. 103-109.  https://doi.org/10.1016/j.colegn.2014.03.003
  35. Paranjape-Voditel, P. and U. Deshpande, "A stock market portfolio recommender system based on association rule mining", Applied Soft Computing, Vol.13, No.2, 2013, pp. 1055-1063.  https://doi.org/10.1016/j.asoc.2012.09.012
  36. Pazzani, M. and D. Billsus, "Learning and revising user profiles: The identification of intersting web sites", Machine Learning, Vol.27, No.3, 1997, pp. 313-331.  https://doi.org/10.1023/A:1007369909943
  37. Saaty, T. L., "How to make a decision: The analytic hierarchy process", Interfaces, Vol.24, No.6, 1994, pp. 19-43.  https://doi.org/10.1287/inte.24.6.19
  38. Salton, G. and M. J. McGill, Introduction to Modern Information Retrieval, New York: McGraw-Hill, 1983. 
  39. Shih, Y. and D. Liu, "Product recommendation approaches: Collaborative filtering via customer lifetime value and customer demands", Expert Systems with Applications, Vol.35, No.1-2, 2008, pp. 350-360.  https://doi.org/10.1016/j.eswa.2007.07.055
  40. Sohn, M., S. Jeong, J. Kim, and H. J. Lee, "Augmented context-based recommendation service framework using knowledge over the linked open data cloud", Pervasive and Mobile Computing, Vol.24, 2015, pp. 166-178.  https://doi.org/10.1016/j.pmcj.2015.07.009
  41. Uricchio, T., L. Ballan, L. Seidenari, and A. Del Bimbo, "Automatic image annotation via label transfer in the semantic space", Pattern Recognition, Vol.71, 2017, pp. 144-157.  https://doi.org/10.1016/j.patcog.2017.05.019
  42. Yazdanfar, N. and A. Thomo, "Link recommender: Collaborative-filtering for recommending URLs to twitter users", Procedia Computer Science, Vol.19, 2013, pp. 412-419.  https://doi.org/10.1016/j.procs.2013.06.056
  43. Zhang, C., Y. Zhang, X. Zhu, Z. Xue, L. Qin, Q. Huang, and Q. Tian, "Socio-mobile landmark recognition using local features with adaptive region selection", Neurocomputing, Vol.172, 2016, pp. 100-113.  https://doi.org/10.1016/j.neucom.2014.10.105
  44. Zhao, F., Y. Zhu, H. Jin, and L. T. Yang, "A personalized hashtag recommendation approach using LDA-based topic model in microblog environment", Future Generation Computer Systems, Vol.65, 2016, pp. 196-206. https://doi.org/10.1016/j.future.2015.10.012