KR20150087891A

KR20150087891A - Experts Matching System Using Social Network Analysis and Ontologies

Info

Publication number: KR20150087891A
Application number: KR1020140008005A
Authority: KR
Inventors: 권희; 김동범; 최재혁
Original assignee: 주식회사 라이프시맨틱스
Priority date: 2014-01-22
Filing date: 2014-01-22
Publication date: 2015-07-31

Abstract

The present invention relates to an expert matching system using online social network analysis and ontology and to a method thereof. To be more specifically, the system and service method are to match a user who seeks professional help with an expert by analyzing social network relationships and contents generated by users, and determining and classifying an expertise field based on ontology. In addition, the expert matching system is a mobile financial transaction system which includes a social relation network analyzing server and an ontology inferring server.

Description

{Experts Matching System Using Social Network Analysis and Ontologies}

본 발명은 웹 상의 소셜 네크워크 분석과 온톨로지를 통한 전문가 매칭 시스템 및 방법에 관한 것으로서, 구체적으로는 소셜 네트워크 관계와 이용자들이 생성하는 콘텐츠를 분석하여 온톨로지 기반으로 전문분야를 판단하고 분류한 후 전문가의 도움이 필요로 하는 이용자들에게 전문가를 매칭시키는 방법과 서비스 방식에 관한 것이다.The present invention relates to a social network analysis on the web and an expert matching system and method using an ontology. More specifically, the present invention analyzes social network relationships and contents generated by users, and judges and classifies the expert field based on the ontology. And how to match an expert to the users who need it.

트위터, 페이스북, 카카오톡 등 다양한 소셜 네트워크 서비스들이 보편화되었고 이들 서비스를 통해 수많은 콘텐츠가 생성되고 있다. 소셜 네트워크 서비스가 생긴 이래 이용자들의 생활은 큰 변화를 겪었다. 가까운 학교나 직장동료, 가족 간의 더욱 빠른 커뮤니케이션이 가능해졌고 직접 관계가 없었던 유명인과도 직접 대화하고 소통하는 것이 소셜 네트워크 서비스가 등장하면서 가능하게 되었다.Twitter, Facebook, KakaoTalk, and other social network services have become popular, and a lot of contents are being generated through these services. The life of users has undergone a great change since the introduction of social network services. It became possible to communicate more quickly between nearby schools, colleagues and family members, and it became possible to communicate directly with celebrities who did not have a direct relationship with social network services.

이용자들은 자신들의 다양한 관심사를 수시로 소셜 네트워크 서비스에 올리고 공유한다. 이렇게 등록된 이용자의 글에는 이용자의 일상, 관심분야, 전공분야, 지인관계 등이 암묵적으로 나타나 있다. 하지만 지인, 지인의 지인 등 자신과 연관된 사람들 중에서 그 사람의 전문영역이 무엇인지를 판단하기는 쉽지 않다. 특히 소셜 네트워크 망에 연결은 되어 있으나 직접 연결되지 않은 수많은 대상자들 사이에서 일일히 전문성을 파악하고 문의를 한다는 것은 많은 시간을 소비하게 한다.Users often post and share their diverse interests on social network services. In the article of users registered in this way, the daily life, interest field, major field, and person relationship of the user are implicitly shown. However, it is not easy to judge the area of expertise of a person, such as acquaintances or acquaintances, related to oneself. Especially, it is very time consuming to know the expertise and inquire among the many people who are connected to the social network but are not directly connected.

소셜 네트워크 서비스 등장 이래로 정치인 분석, 질병 예측, 다양한 빅데이터 분석 기법과 소셜 분석 서비스들이 등장하였다. 소셜 분석이란 트위터, 페이스북 등 이른바 SNS 상에서 사람들이 표출하는 의견과 생각들을 분석하여 일정 패턴과 의미를 찾아내는 것으로, 최근 소셜 네트워크 서비스 이용과 스마트 기기 사용이 증가하면서 기업의 활용도도 점차 높아지고 있는 추세이다. 하지만 이와 같은 소셜 분석은 비정형 빅데이터 분석 기법만을 활용하여 정확한 지식베이스를 구축하는 것이 불가능하다. 본 기술은 이용자의 전문성을 판단하는데 있어서 빅데이터 분석 기법과 온톨로지 추론 기술을 동시에 사용함으로써 전문영역에 판단에 대한 정확성을 높이고 전문가를 찾고자 하는 사람과 원하는 주제를 정확히 매핑시키는 기술이다. Since the introduction of social network services, politics analysis, disease prediction, various big data analysis techniques and social analysis services have appeared. Social analysis is a way of analyzing the opinions and thoughts expressed by people on Twitter, Facebook, and so on to find out certain patterns and meanings. Recently, as the use of social network services and the use of smart devices have increased, the utilization rate of enterprises has been gradually increasing . However, it is impossible to build accurate knowledge base using only the atypical big data analysis technique. This technology uses both big data analysis technique and ontology reasoning technology to judge user's expertise, thereby improving the accuracy of judgment in the field of expertise and mapping the subject to the person who wants to find the expert accurately.

(출원번호 : 1020120011733) 소셜네트워크서비스와 클라우드 환경을 이용한 웹/앱 연동 기반 골프매칭 및 빅데이터 마이닝을 활용한 추천서비스 제공방법(Golf matching and recommending service based web and application using SNS and cloud)(Application No. 1020120011733) A method of providing recommendation service using golf matching and big data mining based on web / application linking using social network service and cloud environment (Golf matching and recommending service based web and application using SNS and cloud) (출원번호 : 1020120040119) ＳＮＳ 빅데이터 분석을 통한 유효클릭 기반 타겟고객 이벤트 직거래 방법(Method for direct trade of the event with target customers based on valid clicks analyzed through SNS big data)(Application No. 1020120040119) SNS Big data analysis to validate click-based target customer event direct transaction method (SNS big data)

소셜 정보 추천 기법을 위한 빅 데이터 모델, 한소월，이민수, 정보과학회논문지: 데이타베이스,2012Big Data Model for Social Information Recommendation Techniques, Min-Sool Lee, Min-Soo Lee, Journal of Information Science, Database, 2012 공통 이웃 그래프 밀도를 사용한 소셜 네트워크 분석, 최승진 - 정보과학회논문지: 컴퓨팅의 실제 및 레터, 2010, 한국정보과학회Social network analysis using common neighborhood graph density, Choi Seung-jin - Journal of KISS: Computing Practice and Letters, 2010, Korea Information Science Society 소셜 네트워크에서의 개인화 정보추천기법에 대한 연구, L Tian，김연정，김보현，이민수, 한국정보과학회 학술발표논문집, 2013A Study on Recommendation Techniques for Personalized Information in Social Networks, L Tian, Yoon Jeong Kim, Bho Hyun Kim, Min Soo Lee, Korea Information Science Society Conference, 2013

전술한 문제점을 해결하기 위하여, 본 발명은 이용자가 궁금한 사항이 있을 때 그 문제를 해결할 수 있는 전문가를 소셜 분석과 온톨로지 추론 기술을 이용하여 매칭시켜 주는 방법과 서비스를 제공하는 데 그 목적이 있다.In order to solve the above-mentioned problems, the present invention aims at providing a method and service for matching experts who can solve the problems when users have questions, using social analysis and ontology reasoning technology.

상기 목적을 달성하기 위해서는 소셜 네트워크 사용자의 사회 관계망, 등록글, 추천수를 분석하여 전문영역을 도출해야 한다. 이를 위해서는 사회 관계망 탐색기, 등록 글 수집기가 필요하다. 소셜 네트워크 서비스는 한 개가 아닌 다수의 서비스를 모두 대상으로 한다. 수집된 정보는 데이터 마이팅 분석을 통해 빈도, 중요단어 등을 추출한다.In order to achieve the above object, it is necessary to analyze a social network network, a registrar, and a recommendation number of a social network user to derive a specialized domain. To do this, a social network searcher and a registered text collector are required. The social network service targets all but a single service. The collected information is analyzed through data mining analysis to extract frequencies and important words.

본 발명에 의하면 소셜 네트워크를 비롯한 환경에서 빅데이터 분석 등을 이용하여 사용자 상황, 사용자 경험, 관련 정보, 스토리 등을 기준으로 전문가 추천 서비스를 제공하고, 사용자의 정보가 축적된 온톨로지를 이용하여 유사한 조건을 갖는 그룹으로 분류하고, 그룹 내에서 전문영역과 수준을 도식화하여 표시하며, 랭킹 기법을 통해 전문가를 필요로 하는 사람들에게 최적의 맞춤 서비스를 제공할 수 있는 효과가 있다.According to the present invention, an expert recommendation service is provided based on a user situation, a user experience, related information, and a story by using a big data analysis in an environment including a social network, And displays the expert area and the level in the group in a schematic manner, and provides an optimal personalized service to the people who need the expert through the ranking technique.

도1은 상기 기술을 제공하기 위한 구성도이다. 도시된 바와 같이, 구성도는 데이터 저장소, 관계저장소, 수집기, 전문가 분석 엔진, 온톨로지 추론엔진, 온톨로지 모델링, 온톨로지 저장소, 사용자 인터페이스로 구성된다.
도2는 전문가 분석을 위해 데이터를 수집하기 위한 절차로서 이용자 계정 접근, 접근할 사회관계망 거리 설정, 설정 범위 내의 관계 파악, 사회 관계망 범위 내 계정 정보 수집, 수집된 정보 저장의 단계로 진행된다.Fig. 1 is a configuration diagram for providing the above technique. As shown, the diagram comprises a data repository, a relational repository, a collector, an expert analysis engine, an ontology inference engine, an ontology modeling, an ontology repository, and a user interface.
FIG. 2 is a procedure for collecting data for expert analysis, and proceeds to a step of accessing a user account, setting a distance of a social network to be accessed, grasping a relationship within a set range, collecting account information within a social network range, and storing collected information.

이하, 본 발명의 바람직한 실시예와 첨부도면을 참조하여 본 발명의 구성에 대하여 상세히 설명한다.Hereinafter, the configuration of the present invention will be described in detail with reference to preferred embodiments of the present invention and the accompanying drawings.

도1은 상기 기술을 제공하기 위한 구성도이다. 구성도는 데이터 저장소(120), 관계저장소(110), 수집기(100), 전문가 분석 엔진(160), 온톨로지 추론엔진(150), 온톨로지 모델링(140), 온톨로지 저장소(130), 사용자 인터페이스(170)로 구성된다. Fig. 1 is a configuration diagram for providing the above technique. The configuration diagram includes data store 120, relational store 110, collector 100, expert analysis engine 160, ontology reasoning engine 150, ontology modeling 140, ontology store 130, user interface 170 ).

도2는 전문가 분석을 위해 데이터를 수집하기 위한 절차로서 이용자 계정 접근(200), 접근할 사회관계망 거리 설정(210), 설정 범위 내의 관계 파악(220), 사회 관계망 범위 내 계정 정보 수집(230), 수집된 정보 저장(240)의 단계로 진행된다.FIG. 2 shows a procedure for collecting data for analyzing a professional, which includes a user account access 200, a social network distance setting 210 to be accessed, a relationship grasp 220 within a setting range, , And proceeds to the step of storing the collected information 240.

수집기(100)은 특정 이용자의 계정을 중심으로 사회 관계망 내에 있는 지인들의 계정에 접근하여 지인들의 프로파일, 등록글을 수집한다. 또한 그 지인을 중심으로 한 사회 관계망에 다시 접근하여 지인의 지인에 대한 프로파일, 등록글을 수집한다.The collector 100 accesses the account of the acquaintances in the social network centering on the account of the specific user and collects the profiles and the registrations of the acquaintances. In addition, he / she approaches the social network based on the acquaintance and collects profiles and registrations of acquaintances' acquaintances.

관계저장소(110)는 수집기가 돌아다닌 사회 관계망의 네트워크 구조를 저장한다. 사회관계망은 전문가 추천 시 이용자와의 관계를 시각화하기 위해 사용할 수 있으며, 전문가에게는 요청한 질문자와의 관계를 시각화하기 위해 사용된다.The relationship store 110 stores the network structure of the social network to which the collector is roaming. The social network can be used to visualize the relationship with the user at the time of expert recommendation and is used to visualize the relationship with the interrogator who is asked to the expert.

데이터저장소(120)는 수집기(100)가 사회 관계망을 통해 수집한 데이터를 저장하는 저장소이다.The data store 120 is a repository in which the collector 100 stores data collected through the social network.

전문가 분석엔진(160)은 수집된 데이터를 대상으로 전문 영역을 판단하기 위한 분석엔진이다. 분석엔진은 등록글의 전문영역, 관심영역에 해당하는 단어를 추출하고 그 빈도를 활용하여 전문성을 판단한다.The expert analysis engine 160 is an analysis engine for judging the expert area on the collected data. The analysis engine extracts the words corresponding to the domain of interest and the domain of interest, and uses the frequencies to judge professionalism.

온톨로지 모델링(140)은 사회 관계망에서 관계를 명확히 표현하기 위해서 사용하거나 전문영역을 상세히 분류하고 그에 따른 속성을 정의한다. 통계적 분석은 사회 관계망의 내의 지인들의 연관되었다는 것을 판단할 수 있지만 어떤 관계에 있는지는 표현할 수 없다. 온톨로지를 이용한 관계 모델링은 사람 사이의 관계를 명확히 표현할 수 있다.The ontology modeling (140) is used to clearly express relationships in the social network, or to classify the specialized areas in detail and define the attributes accordingly. Statistical analysis can determine that people in the social network are related, but it is not possible to express the relationship. Relationship modeling using ontology can clearly express the relationship between people.

온톨로지 저장소(130)는 모델링한 온톨로지와 인스턴스가 저장되는 저장소이다. 저장형태는 트리플스토어로 구성된다.The ontology repository 130 is a repository in which modeled ontologies and instances are stored. The storage format consists of a triple store.

온톨로지 추론엔진(150)은 구축된 온톨로지를 바탕으로 전문가가 어떤 영역에 해당하는지를 추론을 통해 연결하여 준다.The ontology reasoning engine 150 connects the expert on the basis of the established ontology through inference.

도 2는 이용자의 사회관계망의 정보를 수집하는 절차를 표현한 것으로서 최초 이용자 계정에 접근(200)한 후 이용자의 사회관계망의 거리를 결정(210)한다. 사회관계망의 거리가 늘어날 수록 전문가 대상의 범위는 늘어나게 된다. 거리가 멀 수록 먼 관계이기 때문에 응답률은 떨어지게 된다. 설정된 거리를 기준으로 범위 내의 관계을 파악(220)한 후 사회 관계망 범위 내 계정정보를 수집(230)한다. 계정정보는 관계저장소에 저장한다. 마지막으로 지인이 등록한 글을 수집하여 데이터저장소에 저장한다.FIG. 2 illustrates a procedure for collecting information on a user's social network. After accessing the first user account 200, the user determines a distance of the social network 210 (210). As the distance of the social network increases, the range of specialists increases. The longer the distance, the farther the relationship, the lower the response rate. (220), and collects (230) the account information within the scope of the social network. The account information is stored in a relational repository. Finally, we collect articles registered by the acquaintances and store them in the data store.

본 발명은 지식서비스 산업의 활성화를 위해 활용될 수 있다.The present invention can be utilized for activation of the knowledge service industry.

100 - 수집기, 110 - 관계저장소
120 - 데이터 저장소, 130 - 온톨로지 저장소, 140 - 온톨로지 모델링
150 - 온톨로지 추론엔진. 160 - 수집기, 170 - 사용자 인터페이스
200 - 이용자 계정 접근, 210 - 접근할 상회 관계망 거리 설정
220 - 설정 범위의 관계 파악, 230 - 사회 관계망 범위 내 계정 정보 수집
240 - 수집된 정보 저장100 - collector, 110 - relational store
120 - Data store, 130 - Ontology repository, 140 - Ontology modeling
150 - Ontology inference engine. 160 - collector, 170 - user interface
200 - User account access, 210 - Establishing the distance of the overground network to be accessed
220 - Identification of setting range, 230 - Collection of account information within social network range
240 - Save collected information

Claims

In the expert recommendation system,
A social network analysis server,
Ontology inference server
The mobile financial transaction system < RTI ID = 0.0 >