시맨틱소셜 네트워크 분석<br />2009.12.04     이 경 일    tony@saltlux.com<br />
Linked World<br />
연결된 세상 : Web<br />Web<br />
연결된 세상 : Brain<br />Brain<br />
연결된 세상 : People<br />People<br />
연결된 세상 : Wordnet<br />WordNet<br />
연결된 세상 : Mobile<br />
연결된 세상 : Ontology<br />Ontoloy<br />
연결된 세상 : LOD<br />Data<br />
지식의 공유와 전파<br /><ul><li> 예기치 못한 일들이 한 순간에 폭발하는 세계…
 Network + Message (Information) + Context</li></li></ul><li>연결된 지식과 사람 그리고 통찰력<br />
오늘의 주제 : Semantic Social Network<br />Social Network<br />Informational Network<br />SNA<br />Text Mining<br />Semantic So...
SSNA Technology Stack<br />
시맨틱 네트워크 그리고 시맨틱 검색<br />
전자제품<br />생산자<br />기업<br />하위어<br />핸드폰<br />소유<br />휴대단말기<br />동의어<br />브랜드<br />모바일폰<br />하위어<br />동의어<br />휴대전화<br />하위...
 자동화 방법은 없을까????</li></ul>LG<br />소유<br />애니콜<br />소유<br />WinCE<br />제품<br />사이언<br />제품<br />햅틱<br />블랙잭<br />탑재<br />
어휘 통계 활용 (공기 분석)<br />삼성전자는 휴대폰햅틱을 새롭게 출시를 하였다. 햅틱은 풀 터치폰 기능을 가지고 있고, 애니콜브랜드 중 가장 고가의 제품이 될 것으로 보인다.<br />삼성전자<br />핸드폰 시장...
혹시 ‘뜻’도 구별? <br />프랑스<br />LCD<br />보르도<br />보르도<br />와인<br />TV<br />포도<br />삼성<br />
어휘 통계적 의미 분석 : LSA, PLSA<br /><ul><li>Singular Value Decomposition</li></ul>       {A}={U}{S}{V}T<br /><ul><li>Dimension R...
 방대한 매트릭스 계산 : 메모리와 시간
 증분 문서에 대한 실시간 갱신?  :  T_T</li></ul>LSA(Latent Semantic Analysis)<br />PLSA(Probabilistic Latent Semantic Analysis)<br />
발전된 알고리즘 : TopicRank<br />특성 벡터 추출/색인<br />문서 집합 선정 : VSM<br />Word Co-occurrence 분석<br />systems<br />compatibility<br />...
전자제품<br />생산자<br />기업<br />하위어<br />핸드폰<br />소유<br />휴대단말기<br />동의어<br />브랜드<br />휴대폰<br />모바일폰<br />제품<br />하위어<br />동의어<...
이제 “사람들의 관계”를 연결하자<br />Dijkstra’s algorithm<br />O( | E | + | V | log | V | )<br />가족, 동료, <br />부서, 동아리<br />정보소통의<br />...
인물 – 주제 상관성 분석<br />인물<br />조직<br />업무<br />온톨로지<br />장소<br />제품<br />이벤트<br />
주제별 중심성 판단<br />3<br />1<br />^     ^<br />^     ^<br />주제별(개체별)<br />In-Degree / Out-Degree 분석<br />2<br />4<br />1<br />...
주제별 업무 긴밀성 판단<br />주제별(개체별)<br />주관적/객관적 지표 분석<br />^     ^<br />^     ^<br />
통합 시스템의 구성<br />Services and Applications<br />Communication Services<br />Community Services<br />Media Services<br />Int...
 IPTV 등과 연계
 Open ID based SSO
지역 기반 포털 연동
부산시/구 서비스 연동
메신저 연동
이메일 자동 발송</li></ul>Service Enabling<br />(Platform API)<br />OpenSocial API<br />Semantic Social Networking API<br /><ul><...
 Activity
 Email
 Phone
 Semantic Search & Discovery
 Social Business
 Dynamic Query based on SPARQL
 Address
 Message
 Organization
 …</li></ul>Search and Discovery<br /><ul><li>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</li></ul>Building and Managing  Social Network <br />사람<br />조직<br />지역<br />사건<br />서비스<br />Collecting So...
사례 : 아울림 서비스<br />토픽 클러스터링기술을 적용, 웹에서 추출된 지식을 연결하고, 그 연관관계를 밝힘으로 사용자에게 통찰력을 제공<br />Powered by  [IN2]Discovery & RDF<br />
Upcoming SlideShare
Loading in...5
×

시맨틱 소셜 네트워크 분석 사례 소개

8,956

Published on

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.

Published in: Technology
2 Comments
16 Likes
Statistics
Notes
No Downloads
Views
Total Views
8,956
On Slideshare
0
From Embeds
0
Number of Embeds
5
Actions
Shares
0
Downloads
476
Comments
2
Likes
16
Embeds 0
No embeds

No notes for slide

시맨틱 소셜 네트워크 분석 사례 소개

  1. 1. 시맨틱소셜 네트워크 분석<br />2009.12.04 이 경 일 tony@saltlux.com<br />
  2. 2. Linked World<br />
  3. 3. 연결된 세상 : Web<br />Web<br />
  4. 4. 연결된 세상 : Brain<br />Brain<br />
  5. 5. 연결된 세상 : People<br />People<br />
  6. 6. 연결된 세상 : Wordnet<br />WordNet<br />
  7. 7. 연결된 세상 : Mobile<br />
  8. 8. 연결된 세상 : Ontology<br />Ontoloy<br />
  9. 9. 연결된 세상 : LOD<br />Data<br />
  10. 10. 지식의 공유와 전파<br /><ul><li> 예기치 못한 일들이 한 순간에 폭발하는 세계…
  11. 11. Network + Message (Information) + Context</li></li></ul><li>연결된 지식과 사람 그리고 통찰력<br />
  12. 12. 오늘의 주제 : Semantic Social Network<br />Social Network<br />Informational Network<br />SNA<br />Text Mining<br />Semantic Social Network Analysis<br />
  13. 13. SSNA Technology Stack<br />
  14. 14. 시맨틱 네트워크 그리고 시맨틱 검색<br />
  15. 15. 전자제품<br />생산자<br />기업<br />하위어<br />핸드폰<br />소유<br />휴대단말기<br />동의어<br />브랜드<br />모바일폰<br />하위어<br />동의어<br />휴대전화<br />하위어<br />터치폰<br />스마트폰<br />탑재<br />O/S<br />시맨틱 네트워크 어떻게 만들 것인가?<br />휴대폰<br />제품<br />삼성<br /><ul><li>이 복잡한 체계를 어떻게 구축, 저장하지?
  16. 16. 자동화 방법은 없을까????</li></ul>LG<br />소유<br />애니콜<br />소유<br />WinCE<br />제품<br />사이언<br />제품<br />햅틱<br />블랙잭<br />탑재<br />
  17. 17. 어휘 통계 활용 (공기 분석)<br />삼성전자는 휴대폰햅틱을 새롭게 출시를 하였다. 햅틱은 풀 터치폰 기능을 가지고 있고, 애니콜브랜드 중 가장 고가의 제품이 될 것으로 보인다.<br />삼성전자<br />핸드폰 시장에 새로운 바람이 불고 있다. 특히, 고가 핸드폰 중 햅틱과 iPhone이 터치폰 이라는 새로운 기능으로 고객을 유혹한다.<br />휴대폰<br />핸드폰<br />애니콜<br />햅틱<br />
  18. 18. 혹시 ‘뜻’도 구별? <br />프랑스<br />LCD<br />보르도<br />보르도<br />와인<br />TV<br />포도<br />삼성<br />
  19. 19. 어휘 통계적 의미 분석 : LSA, PLSA<br /><ul><li>Singular Value Decomposition</li></ul> {A}={U}{S}{V}T<br /><ul><li>Dimension Reduction</li></ul> {~A}~={~U}{~S}{~V}T<br /><ul><li>Probabilistic LSA
  20. 20. 방대한 매트릭스 계산 : 메모리와 시간
  21. 21. 증분 문서에 대한 실시간 갱신? : T_T</li></ul>LSA(Latent Semantic Analysis)<br />PLSA(Probabilistic Latent Semantic Analysis)<br />
  22. 22. 발전된 알고리즘 : TopicRank<br />특성 벡터 추출/색인<br />문서 집합 선정 : VSM<br />Word Co-occurrence 분석<br />systems<br />compatibility<br />Criteria<br />systems<br />nonstrict<br />types<br />linear<br />natural<br />numbers<br />constraints<br />inequations<br />Upper<br />diophantine<br />solutions<br />equations<br />bounds<br />algorithms<br />components<br />set<br />strict<br />minimal<br />construction<br />토픽 클러스터링<br />토픽간의 네트워크 구성<br />
  23. 23. 전자제품<br />생산자<br />기업<br />하위어<br />핸드폰<br />소유<br />휴대단말기<br />동의어<br />브랜드<br />휴대폰<br />모바일폰<br />제품<br />하위어<br />동의어<br />삼성<br />삼성<br />휴대전화<br />하위어<br />블랙잭<br />LG<br />소유<br />LG<br />터치폰<br />스마트폰<br />탑재<br />애니콜<br />O/S<br />애니콜<br />소유<br />WinCE<br />WinCE<br />제품<br />사이언<br />사이언<br />제품<br />햅틱<br />햅틱<br />블랙잭<br />탑재<br />용어의 개념과 관계를 이해<br />개체명/관계 인식<br />
  24. 24. 이제 “사람들의 관계”를 연결하자<br />Dijkstra’s algorithm<br />O( | E | + | V | log | V | )<br />가족, 동료, <br />부서, 동아리<br />정보소통의<br />중심, 매개자<br />빨리 사람 <br />찾기<br />Density, <br />n-Clan, n-Clique<br />Degree, Closeness<br />Betweenness<br />Centrality<br />Shortest Path<br />Algorithms<br />gjk: j와k 사이에 존재하는 최단 경로 수<br />gjk(i) : j와 k 경로 중 i를 경유하는 수)<br />vk: weighting of relation <br /> n : number of relations <br /> g : total number of entity<br />
  25. 25. 인물 – 주제 상관성 분석<br />인물<br />조직<br />업무<br />온톨로지<br />장소<br />제품<br />이벤트<br />
  26. 26. 주제별 중심성 판단<br />3<br />1<br />^ ^<br />^ ^<br />주제별(개체별)<br />In-Degree / Out-Degree 분석<br />2<br />4<br />1<br />2<br />3<br />4<br />^ ^<br />^ ^<br />3<br />2<br />
  27. 27. 주제별 업무 긴밀성 판단<br />주제별(개체별)<br />주관적/객관적 지표 분석<br />^ ^<br />^ ^<br />
  28. 28. 통합 시스템의 구성<br />Services and Applications<br />Communication Services<br />Community Services<br />Media Services<br />Integrated Personal Identity<br /><ul><li> Mobile Media
  29. 29. IPTV 등과 연계
  30. 30. Open ID based SSO
  31. 31. 지역 기반 포털 연동
  32. 32. 부산시/구 서비스 연동
  33. 33. 메신저 연동
  34. 34. 이메일 자동 발송</li></ul>Service Enabling<br />(Platform API)<br />OpenSocial API<br />Semantic Social Networking API<br /><ul><li> Person
  35. 35. Activity
  36. 36. Email
  37. 37. Phone
  38. 38. Semantic Search & Discovery
  39. 39. Social Business
  40. 40. Dynamic Query based on SPARQL
  41. 41. Address
  42. 42. Message
  43. 43. Organization
  44. 44. …</li></ul>Search and Discovery<br /><ul><li>관계 가치 분석인지 가치, 공유 가치, 행위 가치
  45. 45. 파편적 네트워크의 연결
  46. 46. 온톨로지 추론을 통한 확장
  47. 47. 네트워크 및 하위 네트워크 발견
  48. 48. 네트워크 중심성
  49. 49. 네트워크 구속력, 자율성, 단결성
  50. 50. 네트워크 계층 구조
  51. 51. 개인/조직 인맥
  52. 52. 개인/조직 활동력
  53. 53. 개인/조직 영향력
  54. 54. 개인/조직 정보 획득 능력</li></ul>Building and Managing Social Network <br />사람<br />조직<br />지역<br />사건<br />서비스<br />Collecting Social Information<br />Social Resource Provisioning API<br />Social Resource Collection Framework<br />e-Mail<br />학력/경력정보<br />외부DB연동<br />웹 크롤링<br />수동 입력<br />기본인력정보<br />블로그/뉴스<br />실적정보<br />(논문/특허 등)<br />PIMS 연동<br />LOD 연동<br />모바일 연동<br />외부SNS<br />
  55. 55. 사례 : 아울림 서비스<br />토픽 클러스터링기술을 적용, 웹에서 추출된 지식을 연결하고, 그 연관관계를 밝힘으로 사용자에게 통찰력을 제공<br />Powered by [IN2]Discovery & RDF<br />
  56. 56. 사례 : LG전자 특허 및 지식맵 분석<br />한국, 일본, 미국(영어권)의 특허 3000만건을 분석하여, 기술 주제 별 특허 맵을 자동 생성, 연관/선행 특허를 자동 분석<br />①<br />①<br />※ 특정 특허 문서에 마우스 커서를 올려 놓으면 선택 특허에 대한 상세 정보 표시 <br />링크 : 분류명(분류 체계 및 기타 관련 용어)<br />중심특허<br />중심특허<br />Powered by [IN2]Discovery & RDF<br />
  57. 57. 80 GB<br />분석결과 S-KMS 전송<br />각 분석대상의 update 부분만 선별하여 분석실행<br />KMS 운영DB<br />분석결과 (인덱스)<br />분석모듈<br />- Top N<br />- 추이분석<br />- 관계분석<br />미국특허 DB<br />100 GB<br />결과 DB<br />5 GB<br />400 GB<br />인덱스 재구성<br />KMS 첨부파일<br />논문DB<br />논문<br />기술문서DB<br />XML 데이터<br />국내특허DB<br />DB변환<br />기술문서<br />10 GB<br />10 GB<br />사례 : 삼성전자 신기술센싱<br />삼성전자 KMS의 비정형 정보과 특허, 논문 등 외부의 비정형 정보를<br />통합 분석하여, 새로운 지식, 기술을 발견하고, 이를 분석하도록 지원<br />Powered by [IN2]Discovery & RDF<br />
  58. 58. 사례 : 삼성전자 신기술센싱<br />Powered by [IN2]Discovery & RDF<br />
  59. 59. 사례 : KISTI 학술 지식 네트워크 분석<br />논문에 대해서 국가, 기관, 저자 등 분석 대상을 설정하고, 개체 간 존재하는 동시출현 패턴과 지식 네트워크를 분석 <br />Powered by [IN2]Discovery & RDF<br />
  60. 60. 사례 : Discovery 쌈지<br />e-mail과 첨부 문서에 기반한 기반한 시맨틱 소셜<br />네트워크 및 지식 유통 구조분석 시스템<br />쌈지<br />정보네트워크<br />데이터정제<br />데이터요약<br />1차네트워크구성<br />업무긴밀도 및 중심성 분석<br />SOR API<br />2차네트워크구성<br />시간대별 연결성 분석<br />Instantiator<br />Query & Reasoning<br />개체명추출<br />주제별 관계성분석<br />Triple Store<br />Powered by [IN2]Discovery & OWL<br />
  61. 61. 사례 : Discovery 쌈지<br />Powered by [IN2]Discovery & OWL<br />
  62. 62. 사례 : 부산지식네트워크 (BKMnet)<br />“창조적 지식 도시 부산”달성 위해, 신뢰도 높은 시맨틱소셜 네트워크의 구축과 분석, 검색 서비스를 제공함으로 전문가 발굴과 지식 소통 활성화<br /><ul><li>일반인 멘토링 서비스
  63. 63. 전문가 인사/동정/부고 뉴스
  64. 64. 인기 검색 인물 태그 서비스
  65. 65. 전문가 인물뉴스서비스
  66. 66. 전문가들 SNS 서비스
  67. 67. JOINS 인물 DB 연계 서비스</li></ul>“창조적 지식 도시 부산 구현”<br /><ul><li>경제발전을 비롯한 부산의 각 기업, 기관, 시민들이 성공적인 사업 및 업무 발전을 위해 활용할 수 있는 대상</li></ul>검색 서비스 구현<br />참여 서비스 구현<br />지식인의 발굴 및 활용<br /><ul><li>자원간의 연관 관계를 파악하고 의미적 구조를 규명하여 개인화 서비스 구현
  68. 68. 전문가 DB 및 검색 서비스를 이용하여 SNS 및 각종 커뮤니티 서비스 제공
  69. 69. 부산 SNS 서비스
  70. 70. 부산 R&D 정보, 언론의 인사/동정/부고 정보 등
  71. 71. 전문가 멘토링 서비스 의뢰
  72. 72. 전문가 저작물에 대한 비평 태그 작성
  73. 73. 일반인 SNS 서비스
  74. 74. 부산 SNS 서비스
  75. 75. Friendster, Linknow유사 서비스</li></ul>전문가DB<br />논문,특허실적<br />주제별 콘텐츠<br />부산 지식 네트워크<br />(BKMnet)<br />
  76. 76. 사례 : 부산지식네트워크 (BKMnet)<br />Powered by [IN2]Discovery & OWL<br />
  77. 77. promotion<br />m-commerce<br />billing<br />phone call<br />subscribing<br />content usage<br />location<br />CRM<br />사례 : KT 모바일SNA , 선호 분석<br /><ul><li>모바일 서비스 개인화
  78. 78. 모바일컨텐트 추천
  79. 79. 모바일사회망 분석
  80. 80. 상황인지 서비스</li></ul>“모바일 데이터 상호운용”<br />
  81. 81. Application Services Contents<br />AS Information Collector<br />HTTP on the IMS Network<br />Legacy Network<br />IMS Network<br />IMS Gateway<br />User Device<br />Dynamic UI & Contents Generator<br />Intelligent and Unified Notification Gateway<br />CDR<br />(Call Detailed Record)<br />Membership Service History<br />Content Service History<br />User Profile<br />Content Recommendation Agent<br />Legacy Data Collector<br />Subscriber Information Extractor & Analyzer<br />Content Recommender<br />Reco. Rule Repository<br />Social Relationship KB<br />User Preference KB<br />Contents Metadata Repository<br />Content Reco. KB<br />사례 : KT 모바일SNA , 선호 분석<br /><ul><li> Intelligent Mobile Service Platform based on IMS(IP Multimedia Subsystem)</li></li></ul><li>Legacy Data<br />Discovery Social Relationship<br />CDR<br />(Call Detail Record)<br />Intimacy Analysis<br />Profile Identification<br />Discovery Basic Social Relationship<br />Reasoning Social Relationship<br />Profile Analysis<br />Membership Service History<br />Call Location Analysis<br />Content Service History<br />Discovery User Preference<br />Analysis Implicit User Behavior<br />Discovery Personal Preference<br />Discovery Social Preference<br />User Profile<br />Classification User Behavior<br />Analysis Explicit User Behavior<br />Clustering Personal Preference<br />Discovery Representative Group Preference<br />User Devices<br />Awareness of User Context<br />Reasoning User Intension<br />User Behavior History<br />Location<br />(from Cell and GPS)<br />User Preference<br />Preference and Contents Mapping<br />Weather<br />(from Ext. Service)<br />User Context<br />User Context<br />Time<br />(from System Clock)<br />Event driven Triggering<br />Scenario based Rule<br />사례 : KT 모바일SNA , 선호 분석<br /><ul><li> Knowledge Discovery from 2G/3G Legacy Data</li></li></ul><li>사례 : KT 모바일SNA , 선호 분석<br />Major Activity Area<br />Major Residential Area<br />attend<br />Profile<br /><ul><li> Name: Jerry Obama
  82. 82. Age: 12
  83. 83. Sex: Woman</li></ul>attend<br />Profile<br /><ul><li> Name: Elizabeth Cox
  84. 84. Age: 12
  85. 85. Sex: Woman</li></ul>attend<br />lives in<br />lives in<br />Pay for<br />attend<br />attend<br />Profile<br /><ul><li> Name: Jane Bush
  86. 86. Age: 12
  87. 87. Sex: Woman</li></ul>Call<br />Call<br />Call<br />Profile<br /><ul><li> Name: Edward Adams
  88. 88. Age: 11
  89. 89. Sex: Woman</li></ul>Call<br />Profile<br /><ul><li> Name: Nancy Obama
  90. 90. Age: 42
  91. 91. Sex: Woman</li></ul>Call<br />Call<br />lives in<br />Profile<br /><ul><li> Name: Jessica Bailey
  92. 92. Age: 13
  93. 93. Sex: Woman</li></ul>Profile<br /><ul><li> Name: Tom Obama
  94. 94. Age: 16
  95. 95. Sex: Man</li></ul>Family<br />Friends<br />
  96. 96. 사례 : KT 모바일SNA , 선호 분석<br />Building Intimacy Network<br />Intimacy Score = <br />α * Subject_Score * β * Object_Score<br />Subject Score<br /><ul><li>based on comparing all receivers of a caller</li></ul>Object Score<br /> based on comparing all receivers of all caller<br />Intimacy Analysis<br />Profile Identification<br />Discovery Basic Social Relationship<br />Reasoning Social Relationship<br />Profile Analysis<br />Call Location Analysis<br />Subject Score<br />(6,9)  54<br />[Typical social network measure of ties (Brass, 1995a)]<br />(8.5, 4)  34<br />Object Score<br />[Scoring Method]<br />
  97. 97. 사례 : KT 모바일SNA , 선호 분석<br />Discover social relationships and Build Social Network<br />Minimum and Maximum Condition Analysis<br />Inference Condition Analysis<br />Relationship Conflict Mediation <br />friend<br />Father<br />Intimacy Analysis<br />Sister<br />Mother<br />Profile Identification<br />Discovery Basic Social Relationship<br />Reasoning Social Relationship<br />Profile Analysis<br />Call Location Analysis<br />* Minimum Condition Example<br />IF Receiver’s Last Name is same and Major Residential Area is same THENtheir relationship will be family.<br />* Important Variables<br /><ul><li>Intimacy Analysis
  98. 98. Intimacy Score
  99. 99. Profile Analysis
  100. 100. Last Name
  101. 101. Age
  102. 102. Sex
  103. 103. Call Location Analysis
  104. 104. Call Location
  105. 105. Major Residential Area
  106. 106. Major Activity Area</li></ul>* Maximum Condition Example<br />IFReceiver’s Age is bigger by more than 20, SEX is woman and she pay for Caller<br />THENshe will be mother.<br />
  107. 107. 사례 : KT 모바일SNA , 선호 분석<br />Extend social relationships<br />* Social Relationship Ontology<br />50 Classes<br />58 Relationships<br />15 Properties<br />57 Rules<br />Intimacy Analysis<br />Profile Identification<br />Discovery Basic Social Relationship<br />Reasoning Social Relationship<br />Profile Analysis<br />Call Location Analysis<br />
  108. 108. 사례 : KT 모바일SNA , 선호 분석<br />Using Implicit User Behavior <br />CDR Analysis<br />Collect CDR <br />Extract Company Name<br />Classify Business Type<br />Map Business Types to Preference Classes<br />Measure Preference based on Frequency <br />Content / Service Domain Preference<br />URL<br />Analysis<br />Collect URL Access Log<br />Classify URL Domain<br />Extract Services from URL<br />Extract URL properties<br />Analysis property values<br />Content / Service Preference<br />Map values to Preference Classes<br />Search Keyword<br />Analysis<br />Collect Search Log<br />Extract Search Keyword<br />Classify Search Keyword<br />Map Search Keyword to Preference Classes<br />Content / Service Preference<br />Indentify Target Services<br />Membership Card Usage<br />Analysis<br />Collect CDR <br />Extract Company Name<br />Classify Business Type<br />Map Business Types to Preference Classes<br />Measure Preference based on Frequency <br />Content / Service Domain Preference<br />Analysis Implicit User Behavior<br />Discovery Personal Preference<br />Discovery Social Preference<br />Classification User Behavior<br />Analysis Explicit User Behavior<br />Clustering Personal Preference<br />Discovery Representative Group Preference<br />
  109. 109. 사례 : KT 모바일SNA , 선호 분석<br />User Behavior and Personal Preference<br />Legacy History<br />Preference Classification<br />User Behavior Classification<br />User Preference<br />Content and Service Classification<br />CDE History<br />Mapping<br />Mapping<br />People<br />Bee<br />Singer<br />genre<br />baseball<br />Sport<br />brand<br />anycall<br />samsung<br />…<br />…<br />…<br />Analysis Implicit User Behavior<br />Discovery Personal Preference<br />Discovery Social Preference<br />Classification User Behavior<br />Analysis Explicit User Behavior<br />Clustering Personal Preference<br />Discovery Representative Group Preference<br />
  110. 110. 사례 : KT 모바일SNA , 선호 분석<br />Start<br />Personalized Dynamic UI<br />Tour<br />Shopping<br />VOD with Ad.<br />Mobile Search<br />Stock<br />Advertisement<br />Powered by [IN2]Discovery & OWL<br />
  111. 111. 사례 : KT 모바일SNA , 선호 분석<br />Samsung <br />SPH-M4800<br />Online Contents Recommendation<br />Offline Advertisement Recommendation<br />Online Advertisement Recommendation<br />Powered by [IN2]Discovery & OWL<br />
  112. 112. Lessons Learned<br />
  113. 113. 시맨틱 웹을 바라보는 5개의시각<br />확장된 웹<br /><ul><li> URI , RDF 기반 데이터의 웹
  114. 114. 의미 주석 달린 웹 (RDFa)</li></ul>지식 표현<br />인공 지능<br /><ul><li>온톨로지와 술어논리
  115. 115. OWL과 DL
  116. 116. 추론과 계획, 의사결정
  117. 117. 전문가 시스템, 상황인지</li></ul>메타데이터<br />정보 검색<br /><ul><li>트리플과 그래프
  118. 118. 데이터 상호 운용성
  119. 119. 시맨틱 검색, 마이닝
  120. 120. 정보 추천, 정보 발견</li></li></ul><li>2D World<br />(13C, Marco Polo)<br />3D World<br />(After Columbus)<br />4D World<br />(Semantic World)<br />Scalability<br />Performace<br />Data<br />Dynamics<br />Expressivity<br />4 Dimensions of Semantic World<br />
  121. 121. Current State of the Art of Technology<br />UbiComp<br />UbiComp<br />Scalability<br />Scalability<br />Telco<br />Telco<br />Social Net<br />Social Net<br />Enterprise<br />Search<br />Enterprise<br />Search<br />Medical<br />Medical<br />Expressivity<br />Performance<br />UbiComp<br />UbiComp<br />Telco<br />Scalability<br />Search<br />Telco<br />Performance<br />Social Net<br />Enterprise<br />Search<br />Medical<br />Social<br />Net<br />Medical<br />Data Dynamics<br />Expressivity<br />
  122. 122. Challenging levels<br />Enterprise<br />Search<br />Social Net<br />Mobile<br />UbiComp<br />Medical<br />
  123. 123. How to move Maginot Lines?<br />Scalability<br />Scalability<br />?<br />Expressivity<br />Expressivity<br />
  124. 124. 6 Solutions<br />Current<br />State of the Art<br />Improved<br />Results<br />Enhanced algorithm<br />Materialization<br />Distributed Computing<br />Approximation<br />Lean KR model<br />Query optimization<br />+ Query/Data Cache<br />
  125. 125. Medical<br />E. Search<br />Social Net<br />Mobile<br />UbiComp<br />Wining Strategies<br />Materialization<br />Algorithm<br />Query<br />Optimization<br />(+ Cache)<br />Distribution<br />Approximation<br />Lean KR model<br />
  126. 126. 결 언<br />Cost based Biz Model<br />Differentiation based Biz Model<br />Customer’s Benefit<br />or Profitability<br />Intelligence/Reasoning<br />Interoperability<br />Trap<br />Price<br />“ Customer&apos;s Benefit &gt; Price &gt; Cost ”<br />
  127. 127. “Thank you for<br /> your attention.”<br />보다 상세한 설명이 필요하시면…<br />이경일<br />tony@saltlux.com 010-9123-0081<br />in2.saltlux.com , www.saltlux.com<br />
  1. A particular slide catching your eye?

    Clipping is a handy way to collect important slides you want to go back to later.

×