• Proceedings of the Korean Information Science Society Conference
• /
• 2010.06c
• /
• pp.84-89
• /
• 2010

최근 스마트폰의 성능이 향상되고 다양한 기능이 추가됨에 따라 기록되는 라이프로그 정보가 급격히 증가하고 있다. 이에 따라 라이프로그를 체계적으로 저장하고 검색하는 일이 중요해지고 있다. 사용자 컨텍스트는 라이프로그 검색의 정확도를 높이기 위한 중요한 요소 중 하나로 논의되어 왔다. 따라서 이를 자동으로 추출하고, 라이프로그의 태깅에 활용하려는 많은 연구가 시도되었다. 그러나 많은 기존 연구들은 컨텍스트를 추출하기 위해 사용자 주변에 센서가 설치되어 있는 환경을 가정하였는데, 이러한 환경은 비용 등의 문제로 일부 제한된 영역에서만 적용 가능하기 때문에, 광범위한 지역에서 사용자의 컨텍스트를 추출할 수 없다는 문제점이 있었다. 본 연구에서는 외부 센서들이 설치된 환경을 가정하지 않고, 스마트폰에 장착된 센서만을 활용하여 사용자의 컨텍스트를 찾아내고, 이를 라이프로그 자동 태깅에 적극 활용하는 방법에 대해 제안한다. 특히 본 연구에서는 기존의 포괄적인 컨텍스트의 정의를 일정 시간 간격동안 지속되는 사용자의 상황으로 한정지어 재정의하고, 이를 라이프로그 태깅에 활용하는 방법에 대해서 논의한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06d
• /
• pp.140-142
• /
• 2012

최근 상황인지에 관한 연구가 활발히 진행되고 있으며 스마트폰의 각종 센서를 통해 사용자의 컨텍스트 파악이 가능해졌다. 이에 따라서 스마트폰의 컨텍스트 파악을 통해서 사용자에게 각종 친화적 서비스 모델이 많이 생겨 나고 있다. 사용자의 경로 추론, 실내에서의 사용자의 위치파악, 사용자 위치기반 편의시설 추천 등이 그 예이며, 그 중 애플리케이션 추천은 대표적인 서비스라 할 수 있다. 애플리케이션 추천은 사용자의 컨텍스트에 따라서 애플리케이션 사용내역을 로그 데이터로 만들고, 로그 데이터를 기반으로 컨텍스트에 따라서 사용자의 애플리케이션 추천을 해주는 시스템이다. 여기서 로그 데이터를 가공하지 않고 통계를 통해 추천이 가능하지만, 로그 데이터를 사용하여 의사 결정 트리를 만들게 되면 보다 정확하고, 빠르게 추천이 가능하며 적은 로그 데이터로 더 많은 컨텍스트에 적용하여 추천 할 수 있다는 이점이 있다. 본 논문에서는 사용자의 컨텍스트 추출하고 이 데이터를 기반으로 의사결정트리를 만들어 앱을 추천하는 시스템을 제안한다. 이러한 컨텍스트 수집 방법과 추론모델을 이용한 애플리케이션 추천 시스템은 추후 사용자 친화적 서비스 연구에 많은 도움이 될 것이다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06d
• /
• pp.149-151
• /
• 2012

최근 상황인지에 관한 연구가 활발히 진행되고 있다. 스마트폰의 각종 센서를 통해 사용자의 컨텍스트 수집이 가능해졌고 이러한 사용자의 컨텍스트는 사용자에게 보다 친화적인 서비스를 제공하기 위한 데이터로 활용이 가능하다. 컨텍스트는 물리적 컨텍스트(Physical Context)와 소프트 컨텍스트(Soft Context)로 구분할 수 있다. 이렇게 상황정보를 이용하여 추출된 데이터는 사용자에게 친화적인 서비스를 제공할 수 있는 토대로 활용할 수 있다. 하지만 물리적 컨텍스트만을 이용하는 기존의 방법은 실제로 동적인 사용자의 컨텍스트를 정확하게 유추하기 어려운 구조이다. 본 논문에서는 모바일 기기에서 사용자에게 보다 친화적인 서비스를 제공하기 위해서 소프트 컨텍스트를 사용하여 Logical Sensor를 설계 및 구현한다. 여기서 Logical Sensor는 소프트 컨텍스트를 통해서 사용자의 소셜 네트워크나 사용자의 선호도를 파악하여 로그데이터를 남긴다. 이렇게 얻은 로그데이터는 통계를 통해 사용자의 선호도나 소셜 네트워크를 한눈에 볼 수 있으며, 시간이나 위치에 따라서 사용자가 모바일에서 사용할 애플리케이션이나 통화상대등을 추천 해줄 수 있을 것이다. 이뿐만 아니라 Logical Sensor로부터 얻은 사용자의 로그 데이터는 사용자에게 사용자의 특화된 서비스 개발에 많은 도움이 될 것이다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.11b
• /
• pp.550-552
• /
• 2005

유비쿼터스 환경의 발달과 함께 모바일 장비에서 수집되어지는 컨텍스트 로그를 활용한 연구가 활발히 진행되고 있다. 하지만 기존의 컨텍스트 정보를 사용한 연구는 사용자 모델링에 그 초점을 맞추거나 단순하게 수집된 정보를 정리하여 한눈에 알아보기 쉽게 보여주는 정도에 그치고 있다. 본 논문에서는 사용자에게 새로운 서비스를 제공하기 위한 방법으로서 모바일 컨텍스트 로그와 외부 센서를 통해 정보를 수집하여 학습한 베이지안 네트워크를 이용하여 랜드마크를 찾아내는 예측 모델을 제안한다. 베이지안 네트워크 설계는 사전에 수집된 컨텍스트 정보를 요일과 주별로 분류하여 각각에 대한 베이지안 네트워크를 cross validation하여 랜드마크 예측에 대한 정확도를 평가하였다. 그리고 분류에서 가장 많이 사용하고 있는 SVM 방법을 사용하여 제안한 방법과의 성능을 비교평가하였다. 랜드마크 예측에 대한 정확도는 주간별로 설계한 베이지안 네트워크보다 요일별로 설계한 베이지안 네트워크가 랜드마크를 예측하는데 정화도가 높음을 확인하였고, 베이지안 네트워크를 사용한 방법이 SVM을 사용한 방법보다. 예측에 한 정확성이 우수하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2011.06d
• /
• pp.38-40
• /
• 2011

최근 상황인지에 관한 연구가 활발히 진행되고 있다. 스마트폰의 각종 센서를 통해 사용자의 컨텍스트 수집이 가능해졌고 이러한 사용자의 컨텍스트는 사용자에게 보다 친화적인 서비스를 제공하기 위한 데이터로 활용이 가능하다. 컨텍스트는 물리적 컨텍스트(Physical Context)와 소프트 컨텍스트(Soft Context)로 구분할 수 있는데 이 두 가지의 컨텍스트를 조합하면 사용자의 취향과 상황 그리고 생활 패턴 등을 보다 정확하게 파악할 수 있다. 이렇게 상황정보를 이용하여 추출된 데이터는 사용자에게 친화적인 서비스를 제공할 수 있는 토대로 활용할 수 있다. 본 논문에서는 사용자의 상황 정보에 기반을 둔 로그 수집 방법과 분석방법을 제시하여 사용자의 상황에 적합한 애플리케이션을 추천하는 시스템을 설계하고 구현하였다. 애플리케이션 추천 시스템은 소프트 컨텍스트와 물리적 컨텍스트의 조합으로 생성한 통계정보를 사용하기 때문에 보다 사용자에게 친화적으로 애플리케이션을 추천할 수 있다. 또한 애플리케이션 추천 시스템은 애플리케이션 카테고리 또는 애플리케이션 사용 횟수에 따른 분류 등으로 사용자의 스마트폰 활용패턴을 통계정보로 나타내준다. 애플리케이션 추천 시스템을 사용함으로써 사용자는 개인에게 가장 알맞은 스마트폰 환경을 사용할 수 있으며, 자신의 애플리케이션 활용 패턴 및 통계정보도 숙지할 수 있어 사용자에게 보다 밀접한 스마트폰 활용 정보를 제공할 수 있다. 이러한 상황정보 기반의 로그 분석과 수집, 그리고 애플리케이션 추천 시스템은 추후 상황인지 및 사용자의 특화된 서비스 개발에 많은 도움이 될 것이다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.06b
• /
• pp.49-51
• /
• 2006

휴대폰의 사용영역이 넓어지면서 휴대폰에 저장되는 컨텍스트 정보 활용에 관심이 높아지고 있다. 하지만 정보의 양이 방대하기 때문에 개인이 정보를 분석하여 자신에게 필요한 정보로 바꾸기 위해서는 많은 노력이 필요하다. 본 논문에서는 휴대폰으로부터 컨텍스트 정보를 수집하여 활용할 수 있는 방법으로 개인이 하루 동안 경험한 일에 대한 정보를 한 눈에 알아볼 수 있도록 도와주는 계층적 이야기 구성 모델을 제안한다. 계층적 이야기 구성 모델은 3단계로 구성된다. 우선 각각의 로그를 분석하여 관련 있는 것들을 그룹으로 분류하고 분류된 그룹 내에서 설정된 경로에 대한 가중치를 계산하여 해당 그룹의 가중치로 저장한다. 마지막으로 그룹간의 경로에 대한 가중치를 계산하여 가장 높은 가중치를 갖는 경로를 한아 이야기 구성 모델로 설정한다. 계층적으로 이야기 경로를 선택한 경우와 그룹으로 분류하지 않고 경로를 계산한 경우의 시간 복잡도를 비교 평가하여 성능을 측정하였다. 이야기 구성모델을 계층적으로 분류했을 때의 성능이 분류하지 않은 경우보다 경로를 선정할 때 더 높은 성능을 나타내었다.

• Journal of KIISE:Software and Applications
• /
• v.36 no.2
• /
• pp.144-152
• /
• 2009

To provide intelligent service in mobile environment, it needs to estimate user's intention or requirement, through analyzing context information of end-users such as preference or behavior patterns. In this paper, we infer context information from uncertain log stored in mobile device. And we propose the inference method of end-user's behavior to match context information with service, and the proposed method is based on context-tree. We adopt bayesian probabilistic method to infer uncertain context information effectively, and the context-tree is constructed to utilize non-numerical context which is hard to handled with mathematical method. And we verify utility of proposed method by appling the method to intelligent phone book service.

• Journal of KIISE:Computing Practices and Letters
• /
• v.15 no.10
• /
• pp.781-785
• /
• 2009

We can constantly gather personal life log from developed mobile device. However, gathered personal life log in mobile environment have a large amount log and uncertainty such as uncertainty of mobile environment, limited capacity and battery of mobile device. Tagging task using a landmark such as a key word should be required to overcome the above problem and to manage personal life log. In this paper, we propose new tagging method and a life log tagging interface using high level context recognizer based on probability. The new tagging method extract high level context such as landmark of life log using recognizer which is modeled from bayesian network and recommend recognized high level context to user using tagging interface. Finally user can directly do tagging task to life log. This task is a special feature in our process. As the result of experiments in task support level which include usability, level of a goal, function and leading, we achieved a feeling of satisfaction of 81%.

• Korean Journal of Cognitive Science
• /
• v.20 no.4
• /
• pp.535-554
• /
• 2009

Information collected on mobile devices might be utilized to support user's memory, but it is difficult to effectively retrieve them because of the enormous amount of information. In order to organize information as an episodic approach that mimics human memory for the effective search, it is required to detect important event like landmarks. For providing new services with users, in this paper, we propose the prediction model to find landmarks automatically from various context log information based on attributed Bayesian networks. The data are divided into daily and weekly ones, and are categorized into attributes according to the source, to learn the Bayesian networks for the improvement of landmark prediction. The experiments on the Nokia log data showed that the Bayesian method outperforms SVMs, and the proposed attributed Bayesian networks are superior to the Bayesian networks modelled daily and weekly.

• 한국HCI학회:학술대회논문집
• /
• 2009.02a
• /
• pp.11-14
• /
• 2009

In this paper, we propose the method configuring social networks among users based on users' context and profile. Recently, many researchers are concerned about social networks related with collaborative systems. In case of the existing researches, however, it is difficult to configure social networks dynamically because they are based on static data types, such as log and profile of users. The proposed method uses not only user profiles but also context reflecting users' behavior dynamically. It computes the similarity among users' behavior contexts using hierarchical structure of context domain knowledge model. And it calculates relationships between contexts by given weight factors of category of context model. In order to verify usefulness of the method, we conduct an experiment on configuring social network according to change of user context. We expect that it makes dynamic analysis of relationship of users possible.