• 한국문헌정보학회지
• /
• 제42권4호
• /
• pp.95-112
• /
• 2008

폭소노미는 전통적인 분류체계인 텍소노미에 대칭되는 용어로 사람들에 의한 분류법이란 의미로 해석된다. 인터넷 컨텐츠를 대상으로 개방적으로 조직된 레이블로, 소셜 태깅의 결과로 만들어진 협력형 색인이다. 폭소노미는 다양한 이용자가 다양한 관점에서 생성한 태그를 통해 우연한 접근의 기회를 제공하며, 동일한 관심사를 가진 타인과 소셜 네트워크 형성을 위한 연결 고리가 된다. 본 연구에서는 폭소노미의 의의를 짚어보고, 전통적인 텍소노미 시스템을 어떻게 보완할 수 있는지, 그리고 그 문제점과 한계는 무엇인지 고찰해 본다. 더불어 학술정보서비스에 부여되고 있는 폭소노미 태그를 분석하여 그 특징을 살펴보고 폭소노미 시스템의 운영 방향을 제시한다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제15권5호
• /
• pp.345-349
• /
• 2009

소결 북마킹(social bookmarking) 시스템은 사용자가 북마크를 저장하고 공유할 수 있는 플랫폼을 제공하는 웹 기반(web-based) 시스템으로 폭소노미(folksonomy)를 이용한 대표적인 웹2.0 서비스이다. 소셜 북마킹 시스템에서의 스패머(spammer)란 자신들의 이익을 위해서 시스템을 고의적으로 악용하는 사람을 말한다. 스패머는 많은 양의 잘못된 정보를 시스템에 포스팅(posting)하기 때문에 전체 소셜 북마킹 시스템의 리소스(resource)를 쓸모없게 만들어 버린다. 따라서, 스패머를 빠른 시간 안에 탐지하고 그들의 접근을 차단하는 것은 시스템의 붕괴를 방지하기 위해 중요하다. 본 논문에서는 사용자가 사용한 태그에 대한 데이터를 추출하여, 사용자가 스패머 인지 아닌지를 예측하는 모델을 기계학습의 다양한 방법을 적용하여 생성한 후 그 성능을 비교해 보았다. 구체적으로, 결정테이블 (decision table, DT), 결정트리(decision tree, ID3), 나이브 베이즈 분류기($na{\ddot{i}}ve$ Bayes classifier), TAN(tree-augmented $na{\ddot{i}}ve$ Bayes) 분류기, 인공신경망(artificial neural network)의 방법을 비교하였다. 그 결과 AUC(area under the ROC curve)와 모델 생성시간을 고려하였을 때 나이브 베이즈 분류기가 가장 만족할 만한 성능을 보였다. 나이브 베이즈 분류기의 분류 결과가 가장 좋았던 이유는 성능을 비교하는 데 사용된 AUC가 결정트리 계열의 방법(ID3 등)보다 나이브 베이즈 분류기에서 일반적으로 높게 나오는 경향이 있다는 것과, 스패머 탐지 문제가 선형으로 분리 가능한 경우(lineally separable)와 유사할 가능성이 높기 때문으로 여겨진다.