시맨틱 소셜 네트워크 분석 사례 소개
Upcoming SlideShare
Loading in...5
×
 

시맨틱 소셜 네트워크 분석 사례 소개

on

  • 9,872 views

URI와 RDF에 기반한 분산 데이터의 연계는 기본적으로 그래프 구조를 가지게 된다. 최근에는 RDF 그래프의 생성과 질의 뿐 아니라, 그래프 마이닝에 대해 ...

URI와 RDF에 기반한 분산 데이터의 연계는 기본적으로 그래프 구조를 가지게 된다. 최근에는 RDF 그래프의 생성과 질의 뿐 아니라, 그래프 마이닝에 대해 많은 관심과연구가 진행되고 있다. 본 발표에서는 소셜 네트워크를 RDF 그래프로 표현하고, 이를 마이닝, 추론 함으로, 어떻게 대용량 소셜 네트워크를 효과적 분석할 수있는지 설명한다. 특히, 휴대전화 통화에 기반한 모바일 소셜 네트워크와 e-mail 지식 네트워크 분석이 시맨틱 웹 표준하에 어떻게 구현 가능한지 그 사례 소개와시연을 보인다.

Statistics

Views

Total Views
9,872
Views on SlideShare
9,006
Embed Views
866

Actions

Likes
11
Downloads
428
Comments
2

10 Embeds 866

http://www.websci.or.kr 306
http://ultravision.tistory.com 240
http://blog.saltlux.com 184
http://www.slideshare.net 61
http://timidseok.blogspot.kr 33
http://in2.saltlux.com 25
http://timidseok.blogspot.com 12
http://doremi.konantech.com 3
http://saltlux.com 1
http://74.125.153.132 1
More...

Accessibility

Categories

Upload Details

Uploaded via as Microsoft PowerPoint

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel

12 of 2

  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
  • http://vimeo.com/8092629
    Are you sure you want to
    Your message goes here
    Processing…
  • 시맨틱
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

    시맨틱 소셜 네트워크 분석 사례 소개 시맨틱 소셜 네트워크 분석 사례 소개 Presentation Transcript

    • 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


      ※ 특정 특허 문서에 마우스 커서를 올려 놓으면 선택 특허에 대한 상세 정보 표시
      링크 : 분류명(분류 체계 및 기타 관련 용어)
      중심특허
      중심특허
      Powered by [IN2]Discovery & RDF
    • 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
      Powered by [IN2]Discovery & RDF
    • 사례 : 삼성전자 신기술센싱
      Powered by [IN2]Discovery & RDF
    • 사례 : KISTI 학술 지식 네트워크 분석
      논문에 대해서 국가, 기관, 저자 등 분석 대상을 설정하고, 개체 간 존재하는 동시출현 패턴과 지식 네트워크를 분석
      Powered by [IN2]Discovery & RDF
    • 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
      Powered by [IN2]Discovery & OWL
    • 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)
      Powered by [IN2]Discovery & OWL
    • 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
      사례 : KT 모바일SNA , 선호 분석
      • 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
      사례 : KT 모바일SNA , 선호 분석
      • Knowledge Discovery from 2G/3G Legacy Data
    • 사례 : KT 모바일SNA , 선호 분석
      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
    • 사례 : KT 모바일SNA , 선호 분석
      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 Identification
      Discovery Basic Social Relationship
      Reasoning Social Relationship
      Profile Analysis
      Call Location Analysis
      Subject Score
      (6,9)  54
      [Typical social network measure of ties (Brass, 1995a)]
      (8.5, 4)  34
      Object Score
      [Scoring Method]
    • 사례 : KT 모바일SNA , 선호 분석
      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 Identification
      Discovery Basic Social Relationship
      Reasoning Social Relationship
      Profile Analysis
      Call Location 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 Analysis
      • 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.
    • 사례 : KT 모바일SNA , 선호 분석
      Extend social relationships
      * Social Relationship Ontology
      50 Classes
      58 Relationships
      15 Properties
      57 Rules
      Intimacy Analysis
      Profile Identification
      Discovery Basic Social Relationship
      Reasoning Social Relationship
      Profile Analysis
      Call Location Analysis
    • 사례 : KT 모바일SNA , 선호 분석
      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
      Analysis Implicit User Behavior
      Discovery Personal Preference
      Discovery Social Preference
      Classification User Behavior
      Analysis Explicit User Behavior
      Clustering Personal Preference
      Discovery Representative Group Preference
    • 사례 : KT 모바일SNA , 선호 분석
      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



      Analysis Implicit User Behavior
      Discovery Personal Preference
      Discovery Social Preference
      Classification User Behavior
      Analysis Explicit User Behavior
      Clustering Personal Preference
      Discovery Representative Group Preference
    • 사례 : KT 모바일SNA , 선호 분석
      Start
      Personalized Dynamic UI
      Tour
      Shopping
      VOD with Ad.
      Mobile Search
      Stock
      Advertisement
      Powered by [IN2]Discovery & OWL
    • 사례 : KT 모바일SNA , 선호 분석
      Samsung
      SPH-M4800
      Online Contents Recommendation
      Offline Advertisement Recommendation
      Online Advertisement Recommendation
      Powered by [IN2]Discovery & OWL
    • 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