Smart Media Journal (스마트미디어저널)

THE KOREAN INSTITUTE OF SMART MEDIA (한국스마트미디어학회)
권호 표지
DOI QR코드

DOI QR Code

Smart space framework providing dynamic embedded intelligent information

사용자 맞춤 동적 지능형 환경을 제공하는 스마트 공간 프레임워크

  • 장서윤 (충남대학교 컴퓨터공학과) ;
  • 강지훈 (충남대학교 컴퓨터융합학부)
  • Received : 2021.03.16
  • Accepted : 2021.03.31
  • Published : 2021.06.30
Download PDF
⟨ Previous Next ⟩

Abstract

Smart space is a technology that supports humans by interacting with the surrounding environment. Smart space has a built-in dynamic intelligent environment. This paper proposes a framework that provides user-customized dynamic intelligent environments in smart spaces. In the existing research that provides user-customized intelligent services, users' interests are only explicitly analyzed, and smart spaces are not considered. Implicit interest analysis can suggest a service that may be of interest to users rather than explicit interest analysis, but it requires higher performance than explicit interest analysis. Smart spaces can obtain useful information by interacting with information in the space. The framework proposed in the study uses a proximity-based social network of things to fit into a smart space. In addition, the implicit interest analysis provides intelligent information for smart spaces using the social media information and spatial information objects. In addition, we propose a method to prevent performance degradation while maintaining accuracy in consideration of the characteristics of the smart space.

스마트 공간은 주변 환경과 상호 작용하여 인간을 지원하는 기술이며, 내장된 동적 지능형 환경을 가지고 있다. 이 논문은 스마트 공간에서 사용자 맞춤 동적 지능형 환경을 제공하는 프레임워크를 제안한다. 사용자 맞춤 지능형 서비스를 제공하는 기존 연구에서는 사용자의 관심사를 명시적으로만 분석하고, 스마트 공간을 고려하지 않았다. 암시적 관심사 분석은 명시적 관심사 분석보다 사용자에게 흥미가 있을 수 있는 서비스의 제안이 가능하지만, 분석 시 명시적 관심사 분석보다 높은 성능을 요구한다. 그리고 스마트 공간은 공간의 정보들과 상호작용하여 유용한 정보를 얻을 수 있다. 연구에서 제안된 프레임워크는 스마트 공간에 적합하도록 근접 기반 사물 소셜 네트워크를 이용한다. 또한, 암시적 관심사 분석은 사물의 소셜 미디어 정보와 공간 정보를 이용하여 스마트 공간을 위한 지능형 정보를 제공한다. 그리고 스마트 공간 특성을 고려하여 정확도를 유지하면서 성능 저하를 막는 방법을 제안한다.

Keywords

Acknowledgement

이 연구는 충남대학교 학술연구비에 의해 지원되었음.

References

  1. Henniger Olaf, Naser Damer, Andreas Braun, "Opportunities for biometric technologies in smart environments," Proceedings of 13th European Conference on Ambient Intelligence, pp. 175-182, Malaga, Spain, Apr. 2017.
  2. Fabian Abel, Qi Gao, Geert-Jan Houben, Ke Tao, "Analyzing user modeling on twitter for personalized news recommendations," 19th International conference on user modeling, adaptation, and personalization, pp. 1-12, Berlin, Heidelberg, Jul. 2011.
  3. Y. Li, J. Jiang, T. Liu, M. Qiu, X. Sun, "Personalized microtopic recommendation on microblogs," ACM Transactions on Intelligent Systems and Technology (TIST), Vol. 8, Issue 6, No. 77, pp 1-21, Aug. 2017.
  4. 김정인, 박상진, 김형주, 최준호, 김한일, 김판구, "나이브 베이즈 기반 소셜 미디어 상의 신조어 감성 판별 기법," 스마트미디어저널, 제9권, 제1호, 51-59쪽, 2020년 3월 https://doi.org/10.30693/SMJ.2020.9.1.51
  5. 홍택은, 김정인, 신주현, "인스타그램 이미지와 텍스트 분석을 통한 사용자 감정 분류," 스마트미디어저널, 제5권, 제1호, 61-68쪽, 2016년 3월
  6. 장서윤, 강지훈, "위치 정보 공유 사물 (LISO): 사용자 관심을 기반으로 소셜 미디어 데이터를 사용하는 상황 인식 지능형 서비스," 정보과학회논문지, 제47권, 제9호, 814-819쪽, 2020년 9월
  7. Nemanja Spasojevic, Jinyun Yan, Adithya Rao, Prantik Bhattacharyya, "Lasta: Large scale topic assignment on multiple social networks," Proceedings of the 20th ACM SIGKDD international conference on Knowledge discovery and data mining, pp. 1809-1818, New York, USA, Aug. 2014.
  8. Nacera Bennacer Seghouani, Coriane Nana Jipmo, Gianluca Quercini, "Determining the interests of social media users: two approaches," Information Retrieval Journal, Vol. 22, No. 1-2, pp. 129-158, Jul. 2019. https://doi.org/10.1007/s10791-018-9338-x
  9. 임명진, 김판구, 신주현, "리뷰의 의미적 토픽 분류를 적용한 감성 분석 모델," 스마트미디어저널, 제9권, 제2호, 69-77쪽, 2020년 6월 https://doi.org/10.30693/SMJ.2020.9.2.69
  10. Silvia Calegari, Gabriella Pasi, "Personal ontologies: Generation of user profiles based on the YAGO ontology," Information processing & management, Vol. 49, No. 3, pp. 640-658, May 2013. https://doi.org/10.1016/j.ipm.2012.07.010
  11. Pavan Kapanipathi, Prateek Jain, Chitra Venkataramani, Amit Sheth, "User interests identification on twitter using a hierarchical knowledge base," Proceedings of 11th European Semantic Web Conference, pp. 99-113, Anissaras, Greece, May 2014.
  12. Ferragina Paolo, and Ugo Scaiella, "Tagme: on-the-fly annotation of short text fragments (by wikipedia entities)," Proceedings of the 19th ACM international conference on Information and knowledge management, pp. 1625-1628, Toronto, Canada, Oct. 2010.
  13. J. Wang, WX. Zhao, Y. He and X. Li, "Infer user interests via link structure regularization," ACM Transactions on Intelligent Systems and Technology (TIST) Vol. 5, No. 23, pp. 1-22, Apr. 2014.
  14. Alberto Rosi, Marco Mamei, Franco Zambonelli, "Integrating social sensors and pervasive services: approaches and perspectives," International Journal of Pervasive Computing and Communications, Vol. 9, No. 4, pp.294-310, Nov. 2013. https://doi.org/10.1108/IJPCC-09-2013-0022
  15. Z. Mao, Y. Jiang, G. Min, S. Leng, X. Jin, and K. Yang, "Mobile social networks: Design requirements, architecture, and state-of-the-art technology," Computer Communications, Vol. 100, pp. 1-19, Mar. 2017. https://doi.org/10.1016/j.comcom.2016.11.006
  16. Federico Barrios, Federico Lopez, Luis Argerich, Rosa Wachenchauzer, "Variations of the similarity function of textrank for automated summarization," arXiv preprint, arXiv:1602.03606, Feb. 2016.
  17. 장서윤, 박종현, "wikidata를 이용하는 상황 인지 엔티티 링크 프레임워크," 한국컴퓨터정보학회 학술발표논문집, 제28권, 제2호, 587-589쪽, 2020년
  18. Yong Wang, Jiangzhou Deng, Jerry Gao, and Pu Zhang, "A hybrid user similarity model for collaborative filtering," Information Sciences, Vol. 418-409, pp. 102-118, Dec. 2017. https://doi.org/10.1016/j.ins.2017.08.008
  19. Chuan Shi, Yitong Li, Jiawei Zhang, Yizhou Sun, Philip S. Yu, "A survey of heterogeneous information network analysis.," IEEE Transactions on Knowledge and Data Engineering, Vol. 29, No. 1, pp. 17-37, Aug. 2016. https://doi.org/10.1109/TKDE.2016.2598561
  20. Internet archive(2018). https://archive.org/details/archiveteam-twitter-stream-2018-04, https://archive.org/details/archiveteam-twitter-stream-2017-10 (accessed Feb., 21, 2021).
  21. UCT DataSet(2015). https://bitbucket.org/sliang1/uct-dataset/get/UCT-Dataset.zip (accessed Feb., 21, 2021).
  22. wikibase data Set(2018). https://archive.org/details/wikibase-wikidatawiki-20180120 (accessed Feb., 21, 2021)
  23. Nathan Eagle, Alex (Sandy) Pentland, "Reality mining: sensing complex social systems," Personal and ubiquitous computing, Vol. 10, No. 4, pp. 255-268, Nov. 2006. https://doi.org/10.1007/s00779-005-0046-3
  24. GENSIM(2020), https://radimrehurek.com/gensim/models/ldamodel.html (accessed Feb., 21, 2021).
  25. Fattane Zarrinkalam, Mohsen Kahani, Ebrahim Bagheri, "Mining user interests over active topics on social networks," Information Processing & Management, Vol. 54, No. 2, pp. 339-357, Mar. 2018. https://doi.org/10.1016/j.ipm.2017.12.003