• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 추계학술발표대회
• /
• pp.399-401
• /
• 2022

POI (Point-of-Interest) 추천은 다양한 위치 기반 서비스에서 중요한 역할을 있다. 기존 연구에서는 사용자의 모바일 선호도를 모델링하기 위해 과거의 체크인의 공간-시간적 관계를 추출한다. 그러나 사용자 궤적에 숨겨진 개인 방문 경향을 반영할 수 있는 structured feature 는 잘 활용되지 않는다. 이 논문에서는 궤적 그래프를 결합한 시공간 인식 attention 네트워크를 제안한다. 개인의 선호도가 시간이 지남에 따라 변할 수 있다는 점을 고려하면 Dynamic GCN (Graph Convolution Network) 모듈은 POI 들의 공간적 상관관계를 동적으로 집계할 수 있다. LBSN (Location-Based Social Networks) 데이터 세트에서 검증된 새 모델은 기존 모델보다 약 9.0% 성능이 뛰어나다.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2017년도 춘계 종합학술대회 논문집
• /
• pp.17-18
• /
• 2017

손쉽게 현 위치 정보를 공유하고 사용자 간 커뮤니케이션이 가능한 위치 기반 소셜 네트워크가 대중화되면서 장소 추천에 대한 연구가 활발히 진행되어 있다. 본 논문은 시간대별 사용자 선호도와 주요 활동 영역을 고려한 POI 추천 기법을 제안한다. 장소 카테고리별 사용자의 체크인(che-ck-in)정보를 시간대로 분할하여 시간에 따른 장소의 선호도를 판별하고 사용자의 과거 이력을 이용하여 사용자별 활동 영역을 선별한다. 장소의 선호도와 선별된 활동 영역에 기반하여 협업 필터링을 수행하여 POI를 추천한다.

• 데이타베이스연구회지:데이타베이스연구
• /
• 제34권3호
• /
• pp.86-98
• /
• 2018

장소추천시스템은 시간과 장소가 주어졌을 때, 사용자에게 가장 흥미로운 장소를 추천해주는 시스템을 말한다. 스마트폰과 사물인터넷(IoT), 장소기반 소셜네트워크(LBSN)의 발달에 힘입어 사용자들의 방대한 양의 장소 방문 데이터를 축적하게 되었고, 이를 통해 특정한 시점에 사용자들이 원하는 장소를 적절히 추천해줄 수 있는 장소추천시스템의 중요성이 부각되었다. 장소추천시스템은 사용자의 방문(Check-in) 횟수라는 암시적 피드백(Implicit feedback) 데이터에서 사용자의 시퀀스 선호(Sequential preference)를 이끌어내어 높은 성능을 내기 위한 연구들이 제안되었다. 하지만 시퀀스 선호 정보를 활용하여 모델을 구성하는 경우, 데이터의 밀도가 더욱 희박해지고 이에 따라 적은 수의 데이터에 기반하여 구축되는 모델의 성능이 왜곡될 가능성이 존재한다. 본 연구에서는 신뢰도(Confidence)에 기반하여 방문 주기를 보정하는 방법론을 제안한다. 사용자의 시퀀스 선호 정보로부터 도출된 장소 간 방문 시간전이간격(temporal transition interval)을 활용하여 추천시스템을 구성할 때, 해당 방법론을 통하여 데이터의 왜곡을 보정함으로써 추천시스템의 성능을 향상하였다. 제안하는 방법의 효과를 검증하기 위하여, Foursquare와 Gowalla의 데이터셋을 이용한 비교실험을 통해 제안하는 방법론의 우수성을 보였다.

• 대한지리학회지
• /
• 제41권1호
• /
• pp.1-21
• /
• 2006

농촌장수지역인 강원 제주를 대상으로 제조업체의 생산 및 혁신네트워크를 분석하여 지식정보화 시대의 이상적인 고령사회에 대비한 새로운 농촌지역 발전모델을 모색하고자 하였다. 이를 위해 강원 제주 장수지역은 호남농촌의 장수지역 및 호남도시중 광주 전주 지역과 비교하였다. 연구 결과, 제조업은 생산연계에 있어 원료구입의 지역내 공간적 산업적 연계 성향이 강할수록, 노동력이용의 지역내 연계 성향이 강할수록 활성화되는 것으로 나타났다. 한편 혁신네트워크는 공간적 측면에서 제조업체 입지 지역 및 지방과 국가간 네트워크가 원활하고 지속적으로 이루어질 때, 협력주체의 측면에서 기업 및 연구기관뿐만 아니라 지자체와 국가지원등의 다양한 네트워크가 지속적으로 이루어질 때 보다 강화되는 것으로 나타났다. 따라서 미래 농촌의 새로운 지역발전모델은 지역 자체의 자원을 이용하여 지역 내부의 혁신 역량을 키우는 측면에서 접근해야 하고, 이를 위해 지역내부연계와 더불어 가상혁신클러스터라 할 수 있는 지역외부연계가 종합적으로 구축되어야 함을 알 수 있다.

• 한국경제지리학회지
• /
• 제20권4호
• /
• pp.486-502
• /
• 2017

본 연구는 한국 청정개발체제 산업의 형성 과정과 네트워크에 대한 분석을 통하여, 특정 장소에서 발생하는 산업 형성의 요인과 산업 변화의 동인을 도출하는 것을 목적으로 하였다. 설문 조사 및 심층 면담 조사를 통하여 기업 행위자의 적응 활동에 따른 네트워크의 진화와 이의 창발적 현상으로서의 산업 변화를 분석하였다. 한국 청정개발체제 산업의 발생에는 국제적 제도로 인한 조건에 국내 기업들의 산업 활동이 부합하였다는 우연성이 작용하였다. 그러나 산업의 형성에는 발전사의 신재생에너지 발전 프로젝트를 유도하여 시장을 확대하는 방향에서 수행된 정부 정책이 산업 형성을 가속화하는 촉매 역할을 수행하였다. 구조재편 상황에서는 정부 정책이 온실가스 감축과 관련된 국내 새로운 산업 형성의 초기 조건을 형성하였다. 이 과정에서 해외의 관련 지식을 국내 착근화하고 국내 외의 프로젝트에서 기반으로 활용하도록 하는 지식의 국지화가 중요한 동인으로 작용하였다.

• 한국통신학회논문지
• /
• 제42권2호
• /
• pp.453-459
• /
• 2017

사용자들은 그들의 관심이 관심지점 (POI: Point-of-Interest)과 관련이 있다는 사실을 언급하기 위해 위치 기반 소셜 네트워크에 체크인하거나 그들의 상태를 올리는 경향이 있다. 관심지역 (AOI: Area-of-Interest)을 찾는 기존 연구는 대부분 위치 기반 소셜 네트워크로부터 수집된 공간 태그된 사진과 함께 밀도 기반 군집화 기법을 사용하여 수행되었다. 반면, 본 연구에서는 POI 중심을 포함한 하나의 군집에 해당하는 POI 경계선을 추정하는 데에 초점을 맞춘다. 트위터 사용자들로부터의 공간 태그된 트윗을 사용하여 POI 중심으로부터 도달할 수 있는 적절한 반경을 찾음으로써 POI 경계선을 추정하는 밀도 기반 저복잡도 두 단계 방법을 소개한다. 두 단계 밀도 기반 추정을 통해 선택된 공간 태그의 convex hull로써 POI 경계선을 추정하는데, 각 단계에서 다른 크기의 반경 증가를 가정하여 진행한다. 제안한 방법은 기본 밀도 기반 군집화 방법보다 계산 복잡도 측면에서 우수한 성능을 가짐을 보인다.

• 대한공간정보학회지
• /
• 제22권4호
• /
• pp.21-30
• /
• 2014

최근 소셜 미디어의 활성화로 인해 소셜 네트워크상에서 수많은 자발적 추종자들을 확보한 새로운 형태의 유력자가 대두되고 있다. 소셜 네트워크상에서의 유력자를 탐색하는 연구들이 진행되어 왔고, 관련 서비스가 제공 중에 있으나 이들은 유력자 규명에 있어 위치기반 소셜 네트워크 서비스(LBSNS)가 가지고 있는 위치 정보에 대한 반영이 부족하다는 한계점을 가지고 있었다. 이에 본 연구에서는 공간통계분석기법을 이용하여 LBSNS 데이터를 대상으로 다양한 사회문화적 이슈에 대한 발언에 영향력을 가지는 유력자를 공간적으로 탐색하고, 이를 활용하는 방안을 제시하고자 하였다. 이를 위해 트위터의 지오태깅된 메시지를 분석 데이터로 사용하였으며, 서울시를 공간적 범위로 하여 한 달 동안 총 168,040건의 메시지를 수집하였다. 또한 '정치', '경제', 'IT'를 연구 대상 범주로 설정하고, 데이터 수집 기간 동안 이슈가 되었던 키워드들을 주어진 범주별로 분류하였다. 이를 바탕으로 키워드에 대한 유력자를 파악하기 위한 노출도를 도출하고, 이에 대해 서울시의 행정동을 기준으로 공간결합연산을 실시함으로써 각 키워드에 대한 행정동별 노출도를 산출하였다. 그리고 행정동별로 산출된 노출도의 공간적 의존성을 고려하여 유력지수를 도출하였으며, 키워드별로 상위의 유력지수를 보이는 지역을 유력지역으로 추출하여 이들의 공간적인 분포 특성과 키워드들 간의 공간적 상관성을 분석하였다. 실험 결과, 동일 범주 내에서 키워드 간의 공간적 상관계수는 0.3 이상으로 높은 상관성을 보였으며, 정치범주와 경제범주의 키워드 간 상관계수 역시 평균 0.3으로 비교적 높은 상관성을 보인 반면, 정치범주와 IT범주, 경제범주와 IT범주 키워드 간의 상관계수는 각각 0.18, 0.15로 낮은 상관성을 보였다. 본 연구는 유력자에 대한 연구를 공간 정보의 관점에서 구체화시켰다는 점에서 의의를 가지며, 향후에 gCRM(geographic Customer Relationship Management) 등의 분야에 유용하게 활용될 수 있을 것이다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제16권12호
• /
• pp.3836-3854
• /
• 2022

The student group division is benefit for universities to do the student management based on the group profile. With the widespread use of student smart cards on campus, especially where students living in campus residence halls, students' daily activities on campus are recorded with information such as smart card swiping time and location. Therefore, it is feasible to depict the students with the daily activity data and accordingly group students based on objective measuring from their campus behavior with some regular student attributions collected in the management system. However, it is challenge in feature representation due to diverse forms of the student data. To effectively and comprehensively represent students' behaviors for further student group division, we proposed to adopt activity data from student smart cards and student attributes as input data with taking account of activity and attribution relationship types from different perspective. Specially, we propose a novel student group division method based on a multi-view student attribute heterogeneous information network (MSA-HIN). The network nodes in our proposed MSA-HIN represent students with their multi-dimensional attribute information. Meanwhile, the edges are constructed to characterize student different relationships, such as co-major, co-occurrence, and co-borrowing books. Based on the MSA-HIN, embedded representations of students are learned and a deep graph cluster algorithm is applied to divide students into groups. Comparative experiments have been done on a real-life campus dataset collected from a university. The experimental results demonstrate that our method can effectively reveal the variability of student attributes and relationships and accordingly achieves the best clustering results for group division.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제3권9호
• /
• pp.341-348
• /
• 2014

스마트폰의 확산으로 인한 웹 접근성의 발달은 소셜 네트워크를 기반으로 하는 플랫폼 서비스 이용자의 급격한 증가를 이끌어냈다. 그중에서도 개방적인 네트워크를 기반으로 빠른 확산과 강력한 영향력을 보이는 트위터(Twitter)는 하루 평균 5억 건이 넘는 트윗(Tweet)이 생산되는 대표적인 서비스이다. 따라서 트위터를 이용하여 이벤트를 탐지하려는 다양한 연구들이 진행되고 있다. 그러나 기존의 연구들은 이벤트 탐지를 위해 트윗을 구성하는 다양한 조건에 대한 고려 없이 일반 문서와 동일하게 일반적인 TFIDF 알고리즘을 적용하였다. 또한 TF와 DF에 대한 언급이 생략된 채, 사전에 지정한 키워드와 관련된 이벤트를 대상으로 탐지하였다. 이에 본 논문에서는 트위터의 특징을 반영한 TFIDF 변형 알고리즘인 RTFIDF VT를 제안하고, 실험을 통해 이벤트 탐지에 최적인 것으로 검증된 TF와 DF 구간을 밝힌다. 최종 검증된 TF와 DF의 구간과 RTFIDF VT를 적용하여 특정시점을 입력받아 이벤트로 예상되는 지역명들과 이벤트 관련 키워드의 결과 집합을 추출하는 시스템을 제안한다.

• Proceedings of the National Institute of Ecology of the Republic of Korea
• /
• 제3권2호
• /
• pp.67-72
• /
• 2022

Ecological research relies on the interpretation of large amounts of visual data obtained from extensive wildlife surveys, but such large-scale image interpretation is costly and time-consuming. Using an artificial intelligence (AI) machine learning model, especially convolution neural networks (CNN), it is possible to streamline these manual tasks on image information and to protect wildlife and record and predict behavior. Ecological research using deep-learning-based object recognition technology includes various research purposes such as identifying, detecting, and identifying species of wild animals, and identification of the location of poachers in real-time. These advances in the application of AI technology can enable efficient management of endangered wildlife, animal detection in various environments, and real-time analysis of image information collected by unmanned aerial vehicles. Furthermore, the need for school education and social use on biodiversity and environmental issues using AI is raised. School education and citizen science related to ecological activities using AI technology can enhance environmental awareness, and strengthen more knowledge and problem-solving skills in science and research processes. Under these prospects, in this paper, we compare the results of our early 2013 study, which automatically identified African cichlid fish species using photographic data of them, with the results of reanalysis by CNN deep learning method. By using PyTorch and PyTorch Lightning frameworks, we achieve an accuracy of 82.54% and an F1-score of 0.77 with minimal programming and data preprocessing effort. This is a significant improvement over the previous our machine learning methods, which required heavy feature engineering costs and had 78% accuracy.