KR102017746B1 - 유사도 산출 방법 및 그 장치 - Google Patents

Abstract

유사도 산출 방법 및 그 장치가 개시된다. 본 발명의 일 실시예에 따른 유사도 산출 방법은 사용자별 통신 활동 기록을 수신하여 미리 결정된 유사도 산출용 데이터를 추출하는 단계; 상기 추출된 상기 유사도 산출용 데이터에 기초하여 상기 사용자별 통신 활동 패턴과 사용자들 간의 공통 정보를 모델링하는 단계; 및 상기 모델링된 상기 사용자별 상기 통신 활동 패턴과 상기 공통 정보를 이용하여 사용자 간의 유사도를 산출하는 단계를 포함하고, 상기 모델링하는 단계는 상기 유사도 산출용 데이터로부터 정적 속성의 값을 산출하여 상기 통신 활동 패턴을 모델링하는 단계; 및 상기 유사도 산출용 데이터로부터 동적 속성의 값을 산출하여 상기 공통 정보를 모델링하는 단계를 포함함으로써, 두 사용자간의 유사성을 보다 정확하게 판별할 수 있고, 이를 통해 수 많은 사용자들 중에서 특정 사용자와 통신 기록 활동 상의 유사성을 갖는 사용자를 용이하게 판별할 수 있다.

Description

유사도 산출 방법 및 그 장치 {Similarity calculating method and apparatus thereof}

본 발명은 유사도 산출에 관한 것으로, 더욱 상세하게는 임의의 두 사용자 간의 유사도를 사회 관계망을 파악할 수 있는 통신 활동 기록 정보를 기반으로 산출하고, 필요에 따라 두 사용자 간의 유사도를 표시함으로써, 두 사용자 간의 유사도 산출에 있어서 정확도를 높일 수 있는 유사도 산출 방법 및 그 장치에 관한 것이다.

최근의 디지털 포렌식은 사용이 급증하고 있는 소셜 네트워크 서비스에 대한 사용 기록을 추출하여 분석하는 것을 포함하고 있다. 소셜 네트워크 서비스에 대한 사용 기록에는 사용자가 작성한 메시지, 업로드 또는 전송한 멀티미디어 데이터, 위치정보, 선호도, 다른 사람과의 연결 네트워크 정보 등이 있다. 이 기록들에 대한 포렌식에서의 분석은 데이터에 대한 검색 기능 제공과 소셜 네트워크 서비스를 통해 연결된 사용자들 간의 관계 제시 등을 통해 이루어진다.

그러나 데이터 통신과 컴퓨터 기능이 융합되어 있는 스마트폰의 사용으로 인해 소셜 네트워크 서비스를 이용한 통신 활동의 빈도가 급격히 증가하고 있기 때문에 이러한 통신 활동에 대한 기록을 추출하여 목록으로 제시하는 경우 그 양이 많아 한 눈에 알아보기가 어렵고 이러한 이유로 디지털 포렌식 수사에서 얻을 수 있는 중요한 정보인 사건과 관련된 통신 사용자를 특정하거나 표면적인 연관 관계가 없어 보이는 사용자간의 실질적인 관계를 파악하는 데도 어려움이 있다.

기존의 통신 대화자간 관계 파악을 위한 방법으로는 통신 사용 기록을 이용하여 통신 장치 소유자와 대화자 간의 친밀도를 계산하는 방법이 제안되어 있다. 여기서, 친밀도는 소유자와 대화자 간의 다양한 통신 사용 기록을 추출하고, 이로부터 통신 회수에 기반하여 연결 강도를 산출한다. 이 방법을 이용하면 장치 소유자와 친밀한 관계에 있는 대화자를 식별하는 효과를 얻을 수 있다. 하지만 이런 종래 기술은 직접적인 통신 사용 기록이 없는 두 사람에 대해 이들 간의 관계를 파악할 수 있는 방법을 제공하지 못한다.

또 다른 종래 기술로서, 사회망에서 사용자들에 의해 표명된 관심들의 일치성에 기초하여 개인들 간의 일치성을 점수화하는 방법이 제안되어 있다. 여기서, 일치성은 두 사용자가 각기 표명한 두 관심이 서로 간의 관심과 일치할 확률에 기반하여 산출한다. 이 방법은 직접적인 연결이 없는 두 사용자 간의 유사성을 점수화하지만, 그 판단 기준을 각자가 표현한 관심에 기반하고 있으므로, 이를 통해 산출된 일치성이 범죄 수사를 위해 사용되는 유사성 판단 기준으로는 정확도가 떨어진다.

따라서, 유사성을 산출하는데 있어서 정확도를 향상시킬 수 있는 방법의 필요성이 대두된다.

상기와 같은 문제점을 해결하기 위하여 창안된 본 발명의 실시예에 따른 목적은, 사용자의 사회관계망을 파악할 수 있는 통신 활동 기록을 이용하여 두 사용자 간의 유사도를 산출함으로써, 유사도의 정확성을 향상시킬 수 있는 유사도 산출 방법 및 그 장치를 제공하는데 있다.

상기 목적을 달성하기 위한, 본 발명의 일 실시예에 따른 유사도 산출 방법은 사용자별 통신 활동 기록을 수신하여 미리 결정된 유사도 산출용 데이터를 추출하는 단계; 상기 추출된 상기 유사도 산출용 데이터에 기초하여 상기 사용자별 통신 활동 패턴과 사용자들 간의 공통 정보를 모델링하는 단계; 및 상기 모델링된 상기 사용자별 상기 통신 활동 패턴과 상기 공통 정보를 이용하여 사용자 간의 유사도를 산출하는 단계를 포함한다.

나아가, 본 발명에 따른 방법은 상기 추출된 상기 유사도 산출용 데이터를 가공하여 적어도 일부의 데이터를 수치화하고 상기 사용자별 관계망을 구축하는 단계를 더 포함할 수 있다.

상기 모델링하는 단계는 상기 유사도 산출용 데이터로부터 정적 속성의 값을 산출하여 상기 통신 활동 패턴을 모델링하는 단계; 및 상기 유사도 산출용 데이터로부터 동적 속성의 값을 산출하여 상기 공통 정보를 모델링하는 단계를 포함할 수 있다.

상기 정적 속성은 사진, 동영상, 이모티콘 등의 사용 여부나 통신 활동 순차에 기반하는 사용 패턴, 송수신 시점, 송수신 빈도, 다른 사용자와의 연결수를 포함할 수 있고, 상기 동적 속성은 공통 연결 이웃 수, 직접 또는 간접 연결 여부, 동일한 키워드 사용 여부, 동일 패턴 사용 여부, 동일 오브젝트 사용 여부, 동일 위치 사용여부를 포함할 수 있다.

상기 유사도를 산출하는 단계는 상기 사용자별 상기 정적 속성의 각 요소간의 거리를 계산하여 정적 유사도를 산출하는 단계; 상기 사용자별 상기 동적 속성의 각 요소에 상기 공통 정보를 이용한 가중치를 부여하여 동적 유사도를 산출하는 단계; 및 상기 산출된 상기 정적 유사도 및 상기 동적 유사도를 이용하여 상기 사용자 간의 유사도를 산출하는 단계를 포함할 수 있다

본 발명의 일 실시예에 따른 유사도 산출 장치는 사용자별 통신 활동 기록을 수신하여 미리 결정된 유사도 산출용 데이터를 추출하는 데이터 추출부; 상기 추출된 상기 유사도 산출용 데이터에 기초하여 상기 사용자별 통신 활동 패턴과 사용자들 간의 공통 정보를 모델링하는 모델링부; 및 상기 모델링된 상기 사용자별 상기 통신 활동 패턴과 상기 공통 정보를 이용하여 사용자 간의 유사도를 산출하는 유사도 산출부를 포함한다.

나아가, 본 발명에 따른 장치는 상기 추출된 상기 유사도 산출용 데이터를 가공하여 적어도 일부의 데이터를 수치화하고 상기 사용자별 관계망을 구축하는 데이터 변환부를 더 포함할 수 있다.

상기 모델링부는 상기 유사도 산출용 데이터로부터 정적 속성의 값을 산출하여 상기 통신 활동 패턴을 모델링하는 정적 속성 모델링부; 및 상기 유사도 산출용 데이터로부터 동적 속성의 값을 산출하여 상기 공통 정보를 모델링하는 동적 속성 모델링부를 포함할 수 있다.

상기 유사도 산출부는 상기 사용자별 상기 정적 속성의 각 요소간의 거리를 계산하여 정적 유사도를 산출하는 정적 유사도 산출부; 상기 사용자별 상기 동적 속성의 각 요소에 상기 공통 정보를 이용한 가중치를 부여하여 동적 유사도를 산출하는 동적 유사도 산출부; 및 상기 산출된 상기 정적 유사도 및 상기 동적 유사도를 이용하여 상기 사용자 간의 유사도를 산출하는 최종 유사도 산출부를 포함할 수 있다.

본 발명에 따르면, 사용자의 사회관계망을 파악할 수 있는 통신 활동 기록을 이용하여 두 사용자 간의 유사도를 산출함으로써, 유사도의 정확성을 향상시킬 수 있다.

구체적으로, 본 발명은 통신 활동 기록으로부터 각 사용자의 통신 활동 패턴을 반영한 정적 속성과 두 사용자 간의 공통 정보(또는 속성)를 반영한 동적 속성을 모델링하고 이 두 가지 속성을 함께 이용해 유사도를 산출함으로써, 두 사용자간의 유사성을 보다 정확하게 판별할 수 있다.

또한, 본 발명은 두 사용자 간의 유사도 산출의 정확도를 높임으로써, 수 많은 사용자들 중에서 특정 사용자와 통신 기록 활동 상의 유사성을 갖는 사용자를 용이하게 판별할 수 있다.

도 1은 본 발명의 일 실시예에 따른 유사도 산출 장치에 대한 구성을 나타낸 것이다.
도 2는 도 1에 도시된 모델링부에 대한 일 실시예 구성을 나타낸 것이다.
도 3은 도 1에 도시된 유사도 산출부에 대한 일 실시예 구성을 나타낸 것이다.
도 4는 정적 속성 모델링에 대한 일 예시도를 나타낸 것이다.
도 5는 동적 속성 모델링에 대한 일 예시도를 나타낸 것이다.
도 6은 본 발명의 일 실시예에 따른 유사도 산출 방법에 대한 동작 흐름도를 나타낸 것이다.
도 7은 도 6에 도시된 단계 S640에 대한 일 실시예 동작 흐름도를 나타낸 것이다.

상기 목적 외에 본 발명의 다른 목적 및 특징들은 첨부 도면을 참조한 실시 예에 대한 설명을 통하여 명백히 드러나게 될 것이다.

본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가진 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

본 발명의 바람직한 실시예를 첨부된 도면들을 참조하여 상세히 설명한다. 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.

이하에서는, 본 발명의 일 실시 예에 따른 유사도 산출 방법 및 그 장치를 첨부된 도 1 내지 도 7을 참조하여 상세히 설명한다.

도 1은 본 발명의 일 실시예에 따른 유사도 산출 장치에 대한 구성을 나타낸 것이다.

도 1을 참조하면, 본 발명에 따른 장치는 데이터 추출부(110), 데이터 변환부(120), 모델링부(130), 유사도 산출부(140) 및 출력부(150)를 포함한다.

데이터 추출부(110)는 대량의 다양한 형태의 사용자별 통신 활동 기록을 수신하여 미리 결정된 유사도 산출용 데이터를 추출한다.

여기서, 통신 활동 기록은 다양한 디바이스 상에서 어플리케이션을 이용한 통신 활동으로, 적어도 한 사람 이상의 특정한 통신 상대방이 존재하는 쌍방간의 통신 활동 뿐만 아니라, 사회 관계망 형성을 위한 서비스에 게시물을 게시하는 단방향의 통신활동을 포함할 수 있다.

이 때, 통신 활동 기록은 통신 송수신에 따른 송수신 식별자, 송수신 날짜시간, 다양한 형태의 대화 내용 등을 포함할 수 있으며, 송수신 활동은 두 사람 이상에서의 대화형 통신 활동 뿐만 아니라, 특정 서비스에 메시지를 게시하거나 특정 게시물에 피드백을 제공한 활동도 포함할 수 있다. 이외에 통신 활동 서비스에 따라 추가적인 개인 식별자, 연락처 목록, 기타 활동 내역 등을 포함할 수 있다.

즉, 본 발명의 실시 예에 따른 유사도 산출 장치에서의 데이터 추출부(110)는 다양한 형태로 제공되는 대량 데이터 중에서 유사도 측정의 대상이 되는 두 사용자의 통신 활동 기록(유사도 산출용 데이터)을 추출한다. 또 다른 형태로는 특정한 디바이스나 서비스에서 사용자 통신 기록을 추출하는 형태로 구현될 수도 있다.

데이터 변환부(120)는 데이터 추출부(110)에 의해 추출된 유사도 산출용 데이터를 계산이 가능한 형태로 데이터를 계량화하고 관계망을 구성하며 정규화한다.

여기서, 데이터 변환부(120)는 추출된 사용자 통신 활동 기록 즉, 유사도 산출용 데이터 중에서 계산될 수 없는 형태의 데이터를 수치화하는 계량화 단계와 송수신 목록과 연락처 목록 등으로부터 얻어질 수 있는 관계망 구성 단계 및 데이터를 정규화하는 정규화 단계를 포함할 수 있다.

모델링부(130)는 데이터 변환부(120)에 의해 변환된 유사도 산출용 데이터에 기초하여 사용자별 통신 활동 패턴과 사용자들 간의 공통 정보를 모델링한다.

여기서, 통신 활동 패턴은 사용자의 통신 활동에 대한 패턴을 의미하는 것으로, 사용자의 통신 활동 기록 중 정적 속성에 해당하는 데이터를 이용하여 모델링 될 수 있으며, 공통 정보는 두 사용자 간의 통신 활동 기록에 포함된 동적 속성에 해당하는 데이터를 이용하여 모델링 될 수 있다.

통신 활동 기록에서 정적 속성은 사진, 동영상, 이모티콘 등의 사용 여부나 통신 활동 순차에 기반하는 사용 패턴, 송수신 시점, 송수신 빈도(수신만 하는지 송신만 하는지에 대한 정보를 포함할 수 있음), 다른 사용자와의 연결수를 포함할 수 있다.

통신 활동 기록에서 동적 속성은 공통 연결 이웃 수, 직접 또는 간접 연결 여부, 동일한 키워드 사용 여부, 동일 패턴 사용 여부, 동일 오브젝트 사용 여부, 동일 위치 사용여부를 포함할 수 있다.

이런 정적 속성에 대한 집합은 개인 사용자의 통신 활동 기록을 분석해서 얻어질 수 있으며, 동적 속성에 대한 집합은 비교 대상이 되는 두 사용자간의 통신 활동 기록을 통합 분석해서 얻어질 수 있다.

모델링부(130)는 도 2에 도시된 일 예와 같이, 정적 속성 모델링부(210)와 동적 속성 모델링부(220)를 포함한다.

정적 속성 모델링부(210)는 변환된 유사도 산출용 데이터로부터 정적 속성의 값을 산출하여 통신 활동 패턴을 모델링한다.

예컨대, 모델링된 통신 활동 패턴은 도 4에 도시된 일 예와 같이, 정적 속성 모델링으로 나타낼 수 있으며, 정적 속성 모델링은 송수신 빈도, 시간 구간에 송신 및/또는 수신 빈도를 나타내는 사용 시점, 다른 사용자(예컨대, 피해자 A, 용의자 B)와의 연결 수 및 메시지에 평균적으로 포함되는 사진, 동영상, 이모티콘의 수 등을 나타내는 사용 패턴 혹은 임의의 통신 활동 후에 순차적으로 반드시 따라오는 활동에 대한 사용 패턴을 포함할 수 있다.

동적 속성 모델링부(220)는 변환된 유사도 산출용 데이터로부터 동적 속성의 값을 산출하여 공통 정보를 모델링한다.

예컨대, 모델링된 공통 정보는 두 사용자 간의 공통적인 속성을 모델링한 것으로, 도 5에 도시된 일 예와 같이 동적 속성 모델링으로 나타낼 수 있으며, 동적 속성 모델링은 두 사용자가 공통으로 알고 있는 이웃 또는 사용자 수, 두 사용자가 직접 알고 있는 사이인지 간접적으로 알고 있는 사이인지에 대한 수치를 나타내는 두 사용자의 연결도, 두 사람과 관련된 공통적인 키워드, 전화번호, 전자메일 주소, 주민 번호 등의 공통적인 수치를 나타내는 공통 패턴, 사진, 동영상, 링크, 태그 등의 공통 오브젝트, 및 주소 등 두 사용자간의 공통적인 위치를 나타내는 공통 위치 정보를 포함할 수 있다.

유사도 산출부(140)는 모델링된 사용자별 통신 활동 패턴과 공통 정보를 이용하여 사용자 간의 유사도를 산출한다. 즉, 유사도 산출부(140)는 두 사용자의 정적 속성과 동적 속성으로 구성된 속성 집합을 이용하여 유사도를 계산한다.

이런 유사도 산출부(140)는 도 3에 도시된 바와 같이, 정적 유사도 산출부(310), 동적 유사도 산출부(320) 및 최종 유사도 산출부(330)를 포함한다.

정적 유사도 산출부(310)는 정적 속성의 각 요소에 대해 두 사용자의 정적 유사도를 산출하는 구성으로, 일 예로 사용자별 정적 속성의 각 요소간의 거리를 계산하여 정적 유사도를 산출한다.

여기서, 정적 유사도는 두 사용자의 정적 속성 각 요소간의 거리를 계산하는 것으로, 유클리디안 거리(Euclidean distance) 계산법을 적용할 수 있으며, 정적 유사도는 아래 <수학식 1>에 의해 계산될 수 있다.

여기서, sd(x,y)는 두 사용자 x와 y간의 정적 속성 간의 거리(static feature distance)를 의미하고, P는 사용자 x의 정적 속성 집합을 의미하고, Q는 사용자 y의 정적 속성 집합을 의미한다.

동적 유사도 산출부(320)는 동적 속성을 이용하여 두 사용자의 동적 유사도를 산출하는 구성으로, 일 예로 사용자별 동적 속성의 각 요소에 공통 정보를 이용한 가중치를 부여하여 동적 유사도를 산출한다.

여기서, 동적 유사도는 두 사용자의 통신 활동 패턴을 반영하는 것으로, 동적 속성 집합의 각 요소에 가중치를 반영하여 더한 것으로 계산할 수 있으며, 동적 유사도는 아래 <수학식 2>에 의해 계산될 수 있다.

여기서, A는 사용자 x와 사용자 y의 동적 속성 집합을 의미하고, W는 A의 각 요소에 대응하는 가중치들의 집합을 의미한다.

최종 유사도 산출부(330)는 정적 유사도와 동적 유사도를 이용하여 예를 들어, 정적 유사도와 동적 유사도를 합하여 두 사용자의 최종 유사도를 산출한다.

이 때, 최종 유사도는 아래 <수학식 3>에 의해 계산될 수 있다.

여기서, w_s 와 w_d 는 각각 정적 유사도와 동적 유사도에 대한 가중치를 의미한다.

출력부(150)는 유사도 산출부(140)에 의해 산출된 유사도를 다양한 형태로 표현한다.

예컨대, 출력부(150)는 해당 유사도를 점수로 표현하거나, 백분율로 표현하는 단계, 특정 사용자를 기준으로 다수의 사용자들을 유사도에 따라 정렬하는 단계 및 통화 활동 기록에서 추출된 관계망 상에서 사용자 간 유사도를 표현하는 단계를 포함할 수 있다.

이와 같이, 본 발명에 따른 유사도 산출 장치는 각 사용자의 통신 활동 패턴을 반영한 정적 속성과 두 사용자 간의 공통 속성을 반영한 동적 속성을 함께 이용하여 유사도를 산출함으로써 두 사용자간의 유사성을 보다 정확하게 산출할 수 있다.

도 6은 본 발명의 일 실시예에 따른 유사도 산출 방법에 대한 동작 흐름도를 나타낸 것으로, 도 1에 도시된 장치에서의 동작 흐름도를 나타낸 것이다.

도 6을 참조하면, 본 발명에 따른 유사도 산출 방법은 사용자별 통신 활동 기록으로부터 유사도 산출용 데이터를 추출하고, 유사도 산출용 데이터를 가공하여 데이터를 수치화하고 사용자별 관계망을 구축한다(S610, S620).

단계 S610에서 추출된 유사도 산출용 데이터는 유사도를 산출하기 위한, 두 사용자의 통신 활동 기록일 수 있으며, 통신 활동 기록에 포함된 정보는 앞서 기술하였기에 그 설명은 생략한다.

단계 S620에서 유사도 산출용 데이터를 변환하는 과정은 추출된 사용자 통신 기록 즉, 유사도 산출용 데이터 중에서 계산될 수 없는 형태의 데이터를 수치화하는 계량화 단계와, 송수신 목록과 연락처 목록 등으로부터 얻어질 수 있는 관계망 구성 단계 및 데이터를 정규화하는 정규화 단계를 포함할 수 있다.

단계 S620에 의해 변환된 유사도 산출용 데이터를 이용하여 사용자별 통신 활동 패턴과 사용자들 간의 공통 정보를 모델링하고, 모델링된 사용자별 통신 활동 패턴과 공통 정보를 이용하여 사용자 간의 유사도를 산출한다(S630, S640).

이 때, 모델링하는 단계(S630)는 사용자의 통신 활동 기록 중 정적 속성에 해당하는 데이터를 이용하여 통신 활동 패턴을 모델링할 수 있고, 두 사용자 간의 통신 활동 기록에 포함된 동적 속성에 해당하는 데이터를 이용하여 공통 정보를 모델링할 수 있다.

통신 활동 기록에서 정적 속성은 사진, 동영상, 이모티콘 등의 사용 여부나 통신 활동 순차에 기반하는 사용 패턴, 송수신 시점, 송수신 빈도(수신만 하는지 송신만 하는지에 대한 정보를 포함할 수 있음), 다른 사용자와의 연결수를 포함할 수 있다.

통신 활동 기록에서 동적 속성은 공통 연결 이웃 수, 직접 또는 간접 연결 여부, 동일한 키워드 사용 여부, 동일 패턴 사용 여부, 동일 오브젝트 사용 여부, 동일 위치 사용여부를 포함할 수 있다.

이렇게 모델링된 정적 속성 모델링과 동적 속성 모델링은 도 4와 도 5에서 설명하였기에 여기서는 그 설명을 생략한다.

유사도를 산출하는 단계(S630)는 도 7에 도시된 바와 같이, 정적 속성의 각 요소에 대해 두 사용자의 정적 유사도를 산출하는 단계(S710)와, 동적 속성을 이용하여 두 사용자의 동적 유사도를 산출하는 단계(S720) 및 정적 유사도와 동적 유사도를 이용하여 두 사용자의 최종 유사도를 산출하는 단계(S730)를 포함한다.

이 때, 정적 유사도를 산출하는 단계(S710)는 사용자별 정적 속성의 각 요소간의 거리를 계산하여 정적 유사도를 산출할 수 있고, 동적 유사도를 산출하는 단계(S720)는 사용자별 동적 속성의 각 요소에 공통 정보를 이용한 가중치를 부여하여 동적 유사도를 산출할 수 있으며, 최종 유사도를 산출하는 단계(S730)는 정적 유사도와 동적 유사도 각각에 가중치를 부여하고 이를 합하여 산출할 수 있다.

이와 같이, 본 발명에 따른 유사도 검출 방법은 통신 활동 기록으로부터 데이터 구조(Data Structure) 모델링을 수행하고 이를 통한 관계 파악을 목적으로, 특정 사용자에 대해 다른 사용자가 얼만큼 유사한지를 측정하기 위해서 통신 활동 기록으로부터 기준 사용자와 유사도 판정 대상 사용자 각각의 통신 연결 구조, 통신 활동 내용, 기타 개인 식별을 위해 사용 가능한 특징으로 구성된 속성 집합(Feature Set)을 구성하고, 이 속성 집합을 이용하여 유사도를 계산할 수 있다.

또한, 본 발명에 따른 유사도 산출 방법은 유사도 측정의 대상이 되는 두 사용자간의 직접적인 통신 활동 기록이 있는지 여부와 관계없이 유사도 검출이 가능하다.

본 발명의 일 실시예에 따른 유사도 산출 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.

따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.

Claims (13)

1. 사용자별 통신 활동 기록을 수신하여 미리 결정된 유사도 산출용 데이터를 추출하는 단계;
   상기 추출된 상기 유사도 산출용 데이터에 기초하여 상기 사용자별 통신 활동 패턴과 사용자들 간의 공통 정보를 모델링하는 단계; 및
   상기 모델링된 상기 사용자별 상기 통신 활동 패턴과 상기 공통 정보를 이용하여 사용자 간의 유사도를 산출하는 단계
   를 포함하고,
   상기 모델링하는 단계는
   상기 유사도 산출용 데이터로부터 정적 속성의 값을 산출하여 상기 통신 활동 패턴을 모델링하는 단계; 및
   상기 유사도 산출용 데이터로부터 동적 속성의 값을 산출하여 상기 공통 정보를 모델링하는 단계를 포함하되,
   상기 정적 속성은 개인 사용자의 통신 활동 기록을 분석해서 획득되고,
   상기 동적 속성은 두 사용자들 사이의 통신 활동 기록을 통합 분석해서 획득되며,
   상기 사용자 간의 유사도는 상기 정적 속성과 상기 동적 속성을 모두 이용하여 산출되는 것을 특징으로 하는 유사도 산출 방법.
2. 제1항에 있어서,
   상기 추출된 상기 유사도 산출용 데이터를 가공하여 적어도 일부의 데이터를 수치화하고 상기 사용자별 관계망을 구축하는 단계
   를 더 포함하는 유사도 산출 방법.
3. 삭제
4. 제1항에 있어서,
   상기 정적 속성은
   사진, 동영상, 이모티콘 중 적어도 하나의 사용 여부나 통신 활동 순차에 기반하는 사용 패턴, 송수신 시점, 송수신 빈도, 다른 사용자와의 연결수를 포함하는 것을 특징으로 하는 유사도 산출 방법.
5. 제1항에 있어서,
   상기 동적 속성은
   공통 연결 이웃 수, 직접 또는 간접 연결 여부, 동일한 키워드 사용 여부, 동일 패턴 사용 여부, 동일 오브젝트 사용 여부, 동일 위치 사용여부를 포함하는 것을 특징으로 하는 유사도 산출 방법.
6. 제1항에 있어서,
   상기 유사도를 산출하는 단계는
   상기 사용자별 상기 정적 속성의 각 요소간의 거리를 계산하여 정적 유사도를 산출하는 단계;
   상기 사용자별 상기 동적 속성의 각 요소에 상기 공통 정보를 이용한 가중치를 부여하여 동적 유사도를 산출하는 단계; 및
   상기 산출된 상기 정적 유사도 및 상기 동적 유사도를 이용하여 상기 사용자 간의 유사도를 산출하는 단계
   를 포함하는 것을 특징으로 하는 유사도 산출 방법.
7. 제1항 내지 제2항 및 제4항 내지 제6항 중 어느 한 항의 방법을 실행하기 위한 프로그램이 기록되어 있는 것을 특징으로 하는 컴퓨터에서 판독 가능한 기록 매체.
8. 사용자별 통신 활동 기록을 수신하여 미리 결정된 유사도 산출용 데이터를 추출하는 데이터 추출부;
   상기 추출된 상기 유사도 산출용 데이터에 기초하여 상기 사용자별 통신 활동 패턴과 사용자들 간의 공통 정보를 모델링하는 모델링부; 및
   상기 모델링된 상기 사용자별 상기 통신 활동 패턴과 상기 공통 정보를 이용하여 사용자 간의 유사도를 산출하는 유사도 산출부
   를 포함하고,
   상기 모델링부는
   상기 유사도 산출용 데이터로부터 정적 속성의 값을 산출하여 상기 통신 활동 패턴을 모델링하는 정적 속성 모델링부; 및
   상기 유사도 산출용 데이터로부터 동적 속성의 값을 산출하여 상기 공통 정보를 모델링하는 동적 속성 모델링부를 포함하되,
   상기 정적 속성은 개인 사용자의 통신 활동 기록을 분석해서 획득되고,
   상기 동적 속성은 두 사용자들 사이의 통신 활동 기록을 통합 분석해서 획득되며,
   상기 사용자 간의 유사도는 상기 정적 속성과 상기 동적 속성을 모두 이용하여 산출되는 것을 특징으로 하는 유사도 산출 장치.
9. 제8항에 있어서,
   상기 추출된 상기 유사도 산출용 데이터를 가공하여 적어도 일부의 데이터를 수치화하고 상기 사용자별 관계망을 구축하는 데이터 변환부
   를 더 포함하는 유사도 산출 장치.
10. 삭제
11. 제8항에 있어서,
    상기 정적 속성은
    사진, 동영상, 이모티콘 중 적어도 하나의 사용 여부나 통신 활동 순차에 기반하는 사용 패턴, 송수신 시점, 송수신 빈도, 다른 사용자와의 연결수를 포함하는 것을 특징으로 하는 유사도 산출 장치.
12. 제8항에 있어서,
    상기 동적 속성은
    공통 연결 이웃 수, 직접 또는 간접 연결 여부, 동일한 키워드 사용 여부, 동일 패턴 사용 여부, 동일 오브젝트 사용 여부, 동일 위치 사용여부를 포함하는 것을 특징으로 하는 유사도 산출 장치.
13. 제8항에 있어서,
    상기 유사도 산출부는
    상기 사용자별 상기 정적 속성의 각 요소간의 거리를 계산하여 정적 유사도를 산출하는 정적 유사도 산출부;
    상기 사용자별 상기 동적 속성의 각 요소에 상기 공통 정보를 이용한 가중치를 부여하여 동적 유사도를 산출하는 동적 유사도 산출부; 및
    상기 산출된 상기 정적 유사도 및 상기 동적 유사도를 이용하여 상기 사용자 간의 유사도를 산출하는 최종 유사도 산출부
    를 포함하는 것을 특징으로 하는 유사도 산출 장치.

Images