시맨틱 소셜 네트워크 분석 사례 소개

시맨틱소셜 네트워크 분석
2009.12.04 이 경 일 tony@saltlux.com

Linked World

연결된 세상 : Web
Web

연결된 세상 : Brain
Brain

연결된 세상 : People
People

연결된 세상 : Wordnet
WordNet

연결된 세상 : Mobile

연결된 세상 : Ontology
Ontoloy

연결된 세상 : LOD
Data

지식의 공유와 전파
예기치 못한 일들이 한 순간에 폭발하는 세계…
Network + Message (Information) + Context

연결된 지식과 사람 그리고 통찰력

오늘의 주제 : Semantic Social Network
Social Network
Informational Network
SNA
Text Mining
Semantic Social Network Analysis

SSNA Technology Stack

시맨틱 네트워크 그리고 시맨틱 검색

전자제품
생산자
기업
하위어
핸드폰
소유
휴대단말기
동의어
브랜드
모바일폰
하위어
동의어
휴대전화
하위어
터치폰
스마트폰
탑재
O/S
시맨틱 네트워크 어떻게 만들 것인가?
휴대폰
제품
삼성
이 복잡한 체계를 어떻게 구축, 저장하지?
자동화 방법은 없을까????
LG
소유
애니콜
소유
WinCE
제품
사이언
제품
햅틱
블랙잭
탑재

어휘 통계 활용 (공기 분석)
삼성전자는 휴대폰햅틱을 새롭게 출시를 하였다. 햅틱은 풀 터치폰 기능을 가지고 있고, 애니콜브랜드 중 가장 고가의 제품이 될 것으로 보인다.
삼성전자
핸드폰 시장에 새로운 바람이 불고 있다. 특히, 고가 핸드폰 중 햅틱과 iPhone이 터치폰 이라는 새로운 기능으로 고객을 유혹한다.
휴대폰
핸드폰
애니콜
햅틱

혹시 ‘뜻’도 구별?
프랑스
LCD
보르도
보르도
와인
TV
포도
삼성

어휘 통계적 의미 분석 : LSA, PLSA
Singular Value Decomposition
{A}={U}{S}{V}T
Dimension Reduction
{~A}~={~U}{~S}{~V}T
Probabilistic LSA
방대한 매트릭스 계산 : 메모리와 시간
증분 문서에 대한 실시간 갱신? : T_T
LSA(Latent Semantic Analysis)
PLSA(Probabilistic Latent Semantic Analysis)

발전된 알고리즘 : TopicRank
특성 벡터 추출/색인
문서 집합 선정 : VSM
Word Co-occurrence 분석
systems
compatibility
Criteria
systems
nonstrict
types
linear
natural
numbers
constraints
inequations
Upper
diophantine
solutions
equations
bounds
algorithms
components
set
strict
minimal
construction
토픽 클러스터링
토픽간의 네트워크 구성

전자제품
생산자
기업
하위어
핸드폰
소유
휴대단말기
동의어
브랜드
휴대폰
모바일폰
제품
하위어
동의어
삼성
삼성
휴대전화
하위어
블랙잭
LG
소유
LG
터치폰
스마트폰
탑재
애니콜
O/S
애니콜
소유
WinCE
WinCE
제품
사이언
사이언
제품
햅틱
햅틱
블랙잭
탑재
용어의 개념과 관계를 이해
개체명/관계 인식

이제 “사람들의 관계”를 연결하자
Dijkstra’s algorithm
O( | E | + | V | log | V | )
가족, 동료,
부서, 동아리
정보소통의
중심, 매개자
빨리 사람
찾기
Density,
n-Clan, n-Clique
Degree, Closeness
Betweenness
Centrality
Shortest Path
Algorithms
gjk: j와k 사이에 존재하는 최단 경로 수
gjk(i) : j와 k 경로 중 i를 경유하는 수)
vk: weighting of relation
n : number of relations
g : total number of entity

인물 – 주제 상관성 분석
인물
조직
업무
온톨로지
장소
제품
이벤트

주제별 중심성 판단
3
1
^ ^
^ ^
주제별(개체별)
In-Degree / Out-Degree 분석
2
4
1
2
3
4
^ ^
^ ^
3
2

주제별 업무 긴밀성 판단
주제별(개체별)
주관적/객관적 지표 분석
^ ^
^ ^

통합 시스템의 구성
Services and Applications
Communication Services
Community Services
Media Services
Integrated Personal Identity
Mobile Media
IPTV 등과 연계
Open ID based SSO
지역 기반 포털 연동
부산시/구 서비스 연동
메신저 연동
이메일 자동 발송
Service Enabling
(Platform API)
OpenSocial API
Semantic Social Networking API
Person
Activity
Email
Phone
Semantic Search & Discovery
Social Business
Dynamic Query based on SPARQL
Address
Message
Organization
…
Search and Discovery
관계 가치 분석인지 가치, 공유 가치, 행위 가치
파편적 네트워크의 연결
온톨로지 추론을 통한 확장
네트워크 및 하위 네트워크 발견
네트워크 중심성
네트워크 구속력, 자율성, 단결성
네트워크 계층 구조
개인/조직 인맥
개인/조직 활동력
개인/조직 영향력
개인/조직 정보 획득 능력
Building and Managing Social Network
사람
조직
지역
사건
서비스
Collecting Social Information
Social Resource Provisioning API
Social Resource Collection Framework
e-Mail
학력/경력정보
외부DB연동
웹 크롤링
수동 입력
기본인력정보
블로그/뉴스
실적정보
(논문/특허 등)
PIMS 연동
LOD 연동
모바일 연동
외부SNS

사례 : 아울림 서비스
토픽 클러스터링기술을 적용, 웹에서 추출된 지식을 연결하고, 그 연관관계를 밝힘으로 사용자에게 통찰력을 제공
Powered by [IN2]Discovery & RDF

사례 : LG전자 특허 및 지식맵 분석
한국, 일본, 미국(영어권)의 특허 3000만건을 분석하여, 기술 주제 별 특허 맵을 자동 생성, 연관/선행 특허를 자동 분석
①
①
※ 특정 특허 문서에 마우스 커서를 올려 놓으면 선택 특허에 대한 상세 정보 표시
링크 : 분류명(분류 체계 및 기타 관련 용어)
중심특허
중심특허

80 GB
분석결과 S-KMS 전송
각 분석대상의 update 부분만 선별하여 분석실행
KMS 운영DB
분석결과 (인덱스)
분석모듈
- Top N
- 추이분석
- 관계분석
미국특허 DB
100 GB
결과 DB
5 GB
400 GB
인덱스 재구성
KMS 첨부파일
논문DB
논문
기술문서DB
XML 데이터
국내특허DB
DB변환
기술문서
10 GB
10 GB
사례 : 삼성전자 신기술센싱
삼성전자 KMS의 비정형 정보과 특허, 논문 등 외부의 비정형 정보를
통합 분석하여, 새로운 지식, 기술을 발견하고, 이를 분석하도록 지원

사례 : 삼성전자 신기술센싱

사례 : KISTI 학술 지식 네트워크 분석
논문에 대해서 국가, 기관, 저자 등 분석 대상을 설정하고, 개체 간 존재하는 동시출현 패턴과 지식 네트워크를 분석

사례 : Discovery 쌈지
e-mail과 첨부 문서에 기반한 기반한 시맨틱 소셜
네트워크 및 지식 유통 구조분석 시스템
쌈지
정보네트워크
데이터정제
데이터요약
1차네트워크구성
업무긴밀도 및 중심성 분석
SOR API
2차네트워크구성
시간대별 연결성 분석
Instantiator
Query & Reasoning
개체명추출
주제별 관계성분석
Triple Store
Powered by [IN2]Discovery & OWL

사례 : Discovery 쌈지

사례 : 부산지식네트워크 (BKMnet)
“창조적 지식 도시 부산”달성 위해, 신뢰도 높은 시맨틱소셜 네트워크의 구축과 분석, 검색 서비스를 제공함으로 전문가 발굴과 지식 소통 활성화
일반인 멘토링 서비스
전문가 인사/동정/부고 뉴스
인기 검색 인물 태그 서비스
전문가 인물뉴스서비스
전문가들 SNS 서비스
JOINS 인물 DB 연계 서비스
“창조적 지식 도시 부산 구현”
경제발전을 비롯한 부산의 각 기업, 기관, 시민들이 성공적인 사업 및 업무 발전을 위해 활용할 수 있는 대상
검색 서비스 구현
참여 서비스 구현
지식인의 발굴 및 활용
자원간의 연관 관계를 파악하고 의미적 구조를 규명하여 개인화 서비스 구현
전문가 DB 및 검색 서비스를 이용하여 SNS 및 각종 커뮤니티 서비스 제공
부산 SNS 서비스
부산 R&D 정보, 언론의 인사/동정/부고 정보 등
전문가 멘토링 서비스 의뢰
전문가 저작물에 대한 비평 태그 작성
일반인 SNS 서비스
부산 SNS 서비스
Friendster, Linknow유사 서비스
전문가DB
논문,특허실적
주제별 콘텐츠
부산 지식 네트워크
(BKMnet)

사례 : 부산지식네트워크 (BKMnet)

promotion
m-commerce
billing
phone call
subscribing
content usage
location
CRM
사례 : KT 모바일SNA , 선호 분석
모바일 서비스 개인화
모바일컨텐트 추천
모바일사회망 분석
상황인지 서비스
“모바일 데이터 상호운용”

Application Services Contents
AS Information Collector
HTTP on the IMS Network
Legacy Network
IMS Network
IMS Gateway
User Device
Dynamic UI & Contents Generator
Intelligent and Unified Notification Gateway
CDR
(Call Detailed Record)
Membership Service History
Content Service History
User Profile
Content Recommendation Agent
Legacy Data Collector
Subscriber Information Extractor & Analyzer
Content Recommender
Reco. Rule Repository
Social Relationship KB
User Preference KB
Contents Metadata Repository
Content Reco. KB
Intelligent Mobile Service Platform based on IMS(IP Multimedia Subsystem)

Legacy Data
Discovery Social Relationship
CDR
(Call Detail Record)
Intimacy Analysis
Profile Identification
Discovery Basic Social Relationship
Reasoning Social Relationship
Profile Analysis
Membership Service History
Call Location Analysis
Content Service History
Discovery User Preference
Analysis Implicit User Behavior
Discovery Personal Preference
Discovery Social Preference
User Profile
Classification User Behavior
Analysis Explicit User Behavior
Clustering Personal Preference
Discovery Representative Group Preference
User Devices
Awareness of User Context
Reasoning User Intension
User Behavior History
Location
(from Cell and GPS)
User Preference
Preference and Contents Mapping
Weather
(from Ext. Service)
User Context
User Context
Time
(from System Clock)
Event driven Triggering
Scenario based Rule
Knowledge Discovery from 2G/3G Legacy Data

Major Activity Area
Major Residential Area
attend
Profile
Name: Jerry Obama
Age: 12
Sex: Woman
attend
Profile
Name: Elizabeth Cox
Age: 12
Sex: Woman
attend
lives in
lives in
Pay for
attend
attend
Profile
Name: Jane Bush
Age: 12
Sex: Woman
Call
Call
Call
Profile
Name: Edward Adams
Age: 11
Sex: Woman
Call
Profile
Name: Nancy Obama
Age: 42
Sex: Woman
Call
Call
lives in
Profile
Name: Jessica Bailey
Age: 13
Sex: Woman
Profile
Name: Tom Obama
Age: 16
Sex: Man
Family
Friends

Building Intimacy Network
Intimacy Score =
α * Subject_Score * β * Object_Score
Subject Score
based on comparing all receivers of a caller
Object Score
 based on comparing all receivers of all caller
Intimacy Analysis
Profile Analysis
Subject Score
(6,9)  54
[Typical social network measure of ties (Brass, 1995a)]
(8.5, 4)  34
Object Score
[Scoring Method]

Discover social relationships and Build Social Network
Minimum and Maximum Condition Analysis
Inference Condition Analysis
Relationship Conflict Mediation
friend
Father
Intimacy Analysis
Sister
Mother
Profile Analysis
* Minimum Condition Example
IF Receiver’s Last Name is same and Major Residential Area is same THENtheir relationship will be family.
* Important Variables
Intimacy Analysis
Intimacy Score
Profile Analysis
Last Name
Age
Sex
Call Location
Major Residential Area
Major Activity Area
* Maximum Condition Example
IFReceiver’s Age is bigger by more than 20, SEX is woman and she pay for Caller
THENshe will be mother.

Extend social relationships
* Social Relationship Ontology
50 Classes
58 Relationships
15 Properties
57 Rules
Intimacy Analysis
Profile Analysis

Using Implicit User Behavior
CDR Analysis
Collect CDR
Extract Company Name
Classify Business Type
Map Business Types to Preference Classes
Measure Preference based on Frequency
Content / Service Domain Preference
URL
Analysis
Collect URL Access Log
Classify URL Domain
Extract Services from URL
Extract URL properties
Analysis property values
Content / Service Preference
Map values to Preference Classes
Search Keyword
Analysis
Collect Search Log
Extract Search Keyword
Classify Search Keyword
Map Search Keyword to Preference Classes
Content / Service Preference
Indentify Target Services
Membership Card Usage
Analysis
Collect CDR
Extract Company Name
Classify Business Type
Map Business Types to Preference Classes
Measure Preference based on Frequency
Content / Service Domain Preference

User Behavior and Personal Preference
Legacy History
Preference Classification
User Behavior Classification
User Preference
Content and Service Classification
CDE History
Mapping
Mapping
People
Bee
Singer
genre
baseball
Sport
brand
anycall
samsung
…
…
…

Start
Personalized Dynamic UI
Tour
Shopping
VOD with Ad.
Mobile Search
Stock
Advertisement

Samsung
SPH-M4800
Online Contents Recommendation
Offline Advertisement Recommendation
Online Advertisement Recommendation

Lessons Learned

시맨틱 웹을 바라보는 5개의시각
확장된 웹
URI , RDF 기반 데이터의 웹
의미 주석 달린 웹 (RDFa)
지식 표현
인공 지능
온톨로지와 술어논리
OWL과 DL
추론과 계획, 의사결정
전문가 시스템, 상황인지
메타데이터
정보 검색
트리플과 그래프
데이터 상호 운용성
시맨틱 검색, 마이닝
정보 추천, 정보 발견

2D World
(13C, Marco Polo)
3D World
(After Columbus)
4D World
(Semantic World)
Scalability
Performace
Data
Dynamics
Expressivity
4 Dimensions of Semantic World

Current State of the Art of Technology
UbiComp
UbiComp
Scalability
Scalability
Telco
Telco
Social Net
Social Net
Enterprise
Search
Enterprise
Search
Medical
Medical
Expressivity
Performance
UbiComp
UbiComp
Telco
Scalability
Search
Telco
Performance
Social Net
Enterprise
Search
Medical
Social
Net
Medical
Data Dynamics
Expressivity

Challenging levels
Enterprise
Search
Social Net
Mobile
UbiComp
Medical

How to move Maginot Lines?
Scalability
Scalability
?
Expressivity
Expressivity

6 Solutions
Current
State of the Art
Improved
Results
Enhanced algorithm
Materialization
Distributed Computing
Approximation
Lean KR model
Query optimization
+ Query/Data Cache

Medical
E. Search
Social Net
Mobile
UbiComp
Wining Strategies
Materialization
Algorithm
Query
Optimization
(+ Cache)
Distribution
Approximation
Lean KR model

결 언
Cost based Biz Model
Differentiation based Biz Model
Customer’s Benefit
or Profitability
Intelligence/Reasoning
Interoperability
Trap
Price
“ Customer's Benefit > Price > Cost ”

“Thank you for
your attention.”
보다 상세한 설명이 필요하시면…
이경일
tony@saltlux.com 010-9123-0081
in2.saltlux.com , www.saltlux.com

http://www.websci.or.kr	306
http://blog.saltlux.com	184
http://ultravision.tistory.com	159
http://www.slideshare.net	61
http://in2.saltlux.com	25
http://timidseok.blogspot.com	12
http://timidseok.blogspot.kr	9
http://doremi.konantech.com	3
http://saltlux.com	1
http://74.125.153.132	1

시맨틱 소셜 네트워크 분석 사례 소개

by webscikorea on Dec 06, 2009

Accessibility

Categories

Upload Details

Usage Rights

10 Embeds 761

Statistics

시맨틱 소셜 네트워크 분석 사례 소개 Presentation Transcript