KR100343155B1 - 퍼지네트워크를이용한사용자정보구조제공방법 - Google Patents
퍼지네트워크를이용한사용자정보구조제공방법 Download PDFInfo
- Publication number
- KR100343155B1 KR100343155B1 KR1019980015521A KR19980015521A KR100343155B1 KR 100343155 B1 KR100343155 B1 KR 100343155B1 KR 1019980015521 A KR1019980015521 A KR 1019980015521A KR 19980015521 A KR19980015521 A KR 19980015521A KR 100343155 B1 KR100343155 B1 KR 100343155B1
- Authority
- KR
- South Korea
- Prior art keywords
- node
- graph
- ijk
- preference
- message
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000003044 adaptive effect Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims 3
- 238000007634 remodeling Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 11
- 208000023514 Barrett esophagus Diseases 0.000 description 7
- 230000007423 decrease Effects 0.000 description 4
- 230000032683 aging Effects 0.000 description 2
- ZYXYTGQFPZEUFX-UHFFFAOYSA-N benzpyrimoxan Chemical compound O1C(OCCC1)C=1C(=NC=NC=1)OCC1=CC=C(C=C1)C(F)(F)F ZYXYTGQFPZEUFX-UHFFFAOYSA-N 0.000 description 2
- IJJWOSAXNHWBPR-HUBLWGQQSA-N 5-[(3as,4s,6ar)-2-oxo-1,3,3a,4,6,6a-hexahydrothieno[3,4-d]imidazol-4-yl]-n-(6-hydrazinyl-6-oxohexyl)pentanamide Chemical compound N1C(=O)N[C@@H]2[C@H](CCCCC(=O)NCCCCCC(=O)NN)SC[C@@H]21 IJJWOSAXNHWBPR-HUBLWGQQSA-N 0.000 description 1
- NBGBEUITCPENLJ-UHFFFAOYSA-N Bunazosin hydrochloride Chemical compound Cl.C1CN(C(=O)CCC)CCCN1C1=NC(N)=C(C=C(OC)C(OC)=C2)C2=N1 NBGBEUITCPENLJ-UHFFFAOYSA-N 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000010926 purge Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
본 발명에 의한 퍼지 네트워크를 이용한 사용자 정보 구조 제공 방법은, (1) 컴퓨터에 저장된 사용자에 대한 정보 구조를 퍼지 네트워크 구조로 변환하는 단계; (2) 사용자로부터 정보가 입력되면 노드의 새로운 선호도를 계산하는 단계; (3) 계산된 새로운 선호도에 따라 그래프내의 각 노드에 대해 각 노드간의 연관관계의 강도를 계산하고, 각 노드의 새로운 선호도를 계산하는 단계; (4) 노드가 속한 그래프내의 어떤 노드가 하위 계층에 있는 어떤 그래프의 매크로 노드인 경우, 하위 계층의 그래프로 선호도 변경 정보인 제 1 메시지를 전송하는 단계; (5) 노드가 속한 그래프가 상위 계층에 매크로 노드를 가지는 경우, 매크로 노드로 노드가 속한 그래프내의 모든 노드들의 변경 정보인 제 2 메시지를 전송하는 단계; (6) 어떤 그래프가 매크로 노드로부터 제 1 메시지를 수신하는 경우 제 1 메시지를 수신하는 그래프내에 있는 모든 노드에 대해 새로운 선호도를 계산하고, 그래프내의 어떤 노드가 하위 계층에 있는 어떤 그래프의 매크로 노드인 경우 하위 계층의 그래프로 선호도 변경정보인 제 1 메시지를 전송하는 단계; (7) 어떤 노드가 하위 계층의 그래프로부터 제 2 메시지를 수신하는 경우, 노드의 새로운 선호도를 계산하고 다른 노드들에 대해 상기 단계 (3)-(5)를 수행하는 단계; 및 (8) 선호도에 따라 사용자에 대한 정보 구조를 재구성하여 사용자의 정보 구조를 제공하는 단계를 포함한다.
Description
본 발명은 사용자의 선호도를 모델링하기 위한 방법에 관한 것으로, 특히 퍼지 네트워크를 이용하여 사용자의 선호도를 모델링함으로써 사용자에 대한 정보 구조를 제공하는 퍼지 네트워크를 이용한 사용자 정보 구조 제공 방법에 관한 것이다.
최근에 대두되고 있는 소프트웨어의 새로운 경향은 사용자가 원하는 정보를 보다 효과적으로 제공하고자 하는 방향으로 가고 있다. 이를 위해서는 사용자 개개인의 특성을 파악하고 이에 대응할 수 있어야 한다. 즉, 컴퓨터는 사용자와의 커뮤니케이션에 의해 사용자의 정보를 획득하고, 또한 추론을 통해 좀 더 많은 정보를 유추하여 사용자 개개인의 특성이 반영된 서비스를 제공할 수 있어야 한다.
이를 위해 컴퓨터에 저장된 사용자에 대한 정보형태를 사용자 모델(User model)이라고 하며, 사용자로부터 정보를 획득하고 추론하는 과정을 통틀어 사용자 모델링(User modeling)이라고 한다.
사용자의 특성을 파악하는 문제에는 항상 어느 정도의 불확실성이 내재한다. 컴퓨터가 유추한 사용자의 특성에 대한 확실성을 100%라고 할 수 있는 경우는 극히 드물기 때문이다. 따라서 이와 같이 불가피하게 제기되는 불확실성을 표현하고 처리할 수 있는 기능이 사용자 모델링에는 반드시 필요하다.
이에 관한 최근까지의 연구방향은 크게 베이지안 네트워크(Bayesian network)에 의한 방법, 뎀프스터-샤퍼(Dempster-Shafer) 이론에 의한 방법 및 퍼지이론에 의한 방법으로 나누어볼 수 있다.
첫째, 베이지안 네트워크에 의한 방법은 베이지안 확률론에 의한 것으로서 모델링하고자 하는 특성을 각각의 확률변수와 확률변수간의 관계에 의한 그래프로 표현한다. 그리고 외부로부터의 정보를 사용하여 각 확률변수의 확률값을 수정하고, 확률변수간의 관계에 의한 추론 알고리즘을 사용하여 전체적인 사용자 특성을 파악한다.
둘째, 뎀프스터-샤퍼(Dempster-Shafer) 증거이론은 확률이론이 하나의 숫자로서 불확실성을 표현하는데 비해 구간 개념으로 불확실성을 표현한다. 그리고 외부로부터의 정보가 사용자의 특성의 각 부분에 영향을 주는 정도를 계산하고 이들을 종합하여 전체적인 사용자의 특성을 파악한다.
셋째, 퍼지이론을 이용한 방법은 우리가 일상생활에서 지식을 표현하고 추론하는 방법을 컴퓨터에 그대로 적용하는 것으로서, 특히 사용자 모델링에서의 불확실성을 다루는 데 매우 유리하다.
이들 각각의 방법은 지금까지 주로 사용자의 지식(Knowledge), 목표(Goal), 경험 및 배경(Experience and Background)등을 모델링하기 위해 사용되어져 왔다. 하지만, 사용자의 선호도는 다른 특성들에 비하여 사용자에 따라 매우 변화가 심하고 또한 계속적으로 변화하여 사용자 모델링에 필요한 지식을 일반적으로 표현하기가 어렵기 때문에, 상기와 같은 종래의 모델링 방법으로는 사용자의 선호도를 모델링하기가 어려운 문제점이 있다.
본 발명이 이루고자하는 기술적 과제는, 사용자의 선호도를 용이하게 모델링함으로써 사용자에 대한 정보 구조를 제공할 수 있는 퍼지 네트워크를 이용한 사용자 정보 구조 제공 방법을 제공하는 것이다.
본 발명이 이루고자하는 다른 기술적 과제는, 상기 퍼지 네트워크를 이용한 사용자 정보 구조 제공 방법을 사용하여 웹 디렉토리 구조를 사용자의 특성에 따라 재구성 할 수 있는 퍼지 네트워크를 이용한 적응적 웹 디렉토리 제공 방법을 제공하는 것이다.
도 1은 퍼지 네트워크의 구조를 도시한 도면이다.
도 2는 도 1에 있는 각 층의 상세한 구성을 도시한 도면이다.
도 3은 하위 층의 생성을 설명하기 위한 도면이다.
도 4는 퍼지 그래프의 예를 도시한 도면이다.
도 5는 본 발명의 실시예에 의한 퍼지 네트워크를 이용한 사용자 선호도 모델링 방법의 흐름도이다.
도 6은 웹 디렉토리의 구조를 도시한 도면이다.
도 7은 도 6의 웹 디렉토리 구조를 퍼지 네트워크 구조로 변환한 퍼지 네트워크를 도시한 도면이다.
도 8은 사용자의 초기 디렉토리 구조를 도시한 도면이다.
도 9는 사용자가 10곡을 들은 후의 디렉토리 구조를 도시한 도면이다.
도 10은 사용자의 선호도 변화를 도시한 도면이다.
도 11은 사용자에게 적응된 디렉토리 구조를 도시한 도면이다.
도 12는 사용자의 특성간의 관계의 강도 변화를 도시한 도면이다.
도 13은 사용자의 첼로-교향곡 간의 관계의 강도 변화를 도시한 도면이다.
도 14는 사용자의 교향곡-현악4중주 간의 관계의 강도를 도시한 도면이다.
<도면의 주요부분에 대한 부호의 설명>
50...퍼지 네트워크 형성 단계,
52...검색된 노드의 새로운 선호도 계산 단계,
54...각 노드간의 연관관계의 강도 및 다른 노드의 새로운 선호도 계산 단계,
56...G-메시지 전송 단계,
58...M-메시지 전송 단계,
60...G-메시지 수신시 새로운 선호도 계산 단계,
62...M-메시지 수신시 새로운 선호도 계산 단계.
상기 과제를 이루기 위하여 본 발명에 의한 퍼지 네트워크를 이용한 사용자정보 구조 제공 방법은, (1) 컴퓨터에 저장된 사용자에 대한 정보 구조를 하나 이상의 노드를 구비하는 하나 이상의 그래프로 이루어진 복수의 층이 계층적으로 적층된 퍼지 네트워크 구조로 변환하는 단계; (2) 사용자로부터 정보가 입력되면 상기 입력된 정보와 직접 관련된 상기 퍼지 네트워크상의 노드를 검색하여 소정식에 따라 상기 노드의 새로운 선호도를 계산하는 단계; (3) 상기 단계 (2)에서 계산된 새로운 선호도에 따라 상기 노드가 속한 그래프내의 각 노드에 대해 각 노드간의 연관관계의 강도를 계산하고, 상기 연관관계의 강도에 따라 상기 그래프내의 각 노드의 새로운 선호도를 계산하는 단계; (4) 하위 계층에 있는 그래프가 어떤 노드의 세부 영역을 나타내는 그래프인 경우에 상기 노드를 상기 그래프의 매크로 노드라고 정의할 때, 상기 노드가 속한 그래프내의 어떤 노드가 하위 계층에 있는 어떤 그래프의 매크로 노드인 경우, 상기 하위 계층의 상기 그래프로 선호도 변경 정보인 제 1 메시지를 전송하는 단계; (5) 상기 노드가 속한 그래프가 상위 계층에 매크로 노드를 가지는 경우, 상기 매크로 노드로 상기 노드가 속한 상기 그래프내의 모든 노드들의 변경 정보인 제 2 메시지를 전송하는 단계; (6) 어떤 그래프가 매크로 노드로부터 상기 제 1 메시지를 수신하는 경우 상기 제 1 메시지를 수신하는 그래프내에 있는 모든 노드에 대해 새로운 선호도를 계산하고, 상기 그래프내의 어떤 노드가 하위 계층에 있는 어떤 그래프의 매크로 노드인 경우 하위 계층의 그래프로 선호도 변경정보인 제 1 메시지를 전송하는 단계; (7) 어떤 노드가 하위 계층의 그래프로부터 상기 제 2 메시지를 수신하는 경우, 상기 노드의 새로운 선호도를 계산하고 다른 노드들에 대해 상기 단계 (3) 내지 단계 (5)를 수행하는 단계; 및 (8)상기 선호도에 따라 상기 사용자에 대한 정보 구조를 재구성하여 상기 사용자의 선호도에 맞는 정보 구조를 제공하는 단계를 포함하는 것을 특징으로 한다.
상기 다른 과제를 이루기 위하여 본 발명에 의한 퍼지 네트워크를 이용한 적응적 웹 디렉토리 제공 방법은, (1) 웹 서버상의 웹 디렉토리 구조를 하나 이상의 노드를 구비하는 하나 이상의 그래프로 이루어진 복수의 층이 계층적으로 적층된 퍼지 네트워크 구조로 변환하는 단계; (2) 사용자로부터 정보가 입력되면 상기 입력된 정보와 직접 관련된 상기 퍼지 네트워크상의 노드를 검색하여 소정식에 따라 상기 노드의 새로운 선호도를 계산하는 단계; (3) 상기 단계 (2)에서 계산된 새로운 선호도에 따라 상기 노드가 속한 그래프내의 각 노드에 대해 각 노드간의 연관관계의 강도를 계산하고, 상기 연관관계의 강도에 따라 상기 그래프내의 각 노드의 새로운 선호도를 계산하는 단계; (4) 하위 계층에 있는 그래프가 어떤 노드의 세부 영역을 나타내는 그래프인 경우에 상기 노드를 상기 그래프의 매크로 노드라고 정의할 때, 상기 노드가 속한 그래프내의 어떤 노드가 하위 계층에 있는 어떤 그래프의 매크로 노드인 경우, 상기 하위 계층의 상기 그래프로 선호도 변경 정보인 제 1 메시지를 전송하는 단계; (5) 상기 노드가 속한 그래프가 상위 계층에 매크로 노드를 가지는 경우, 상기 매크로 노드로 상기 노드가 속한 상기 그래프내의 모든 노드들의 변경 정보인 제 2 메시지를 전송하는 단계; (6) 어떤 그래프가 매크로 노드로부터 상기 제 1 메시지를 수신하는 경우 상기 제 1 메시지를 수신하는 그래프내에 있는 모든 노드에 대해 새로운 선호도를 계산하고, 상기 그래프내의 어떤 노드가 하위 계층에 있는 어떤 그래프의 매크로 노드인 경우 하위 계층의 그래프로 선호도변경정보인 제 1 메시지를 전송하는 단계; (7) 어떤 노드가 하위 계층의 그래프로부터 상기 제 2 메시지를 수신하는 경우, 상기 노드의 새로운 선호도를 계산하고 다른 노드들에 대해 상기 단계 (3) 내지 단계 (5)를 수행하는 단계; 및 (8) 상기 선호도에 따라 상기 웹 디렉토리의 구조를 재구성하여 상기 사용자의 특성에 맞는 적응적인 웹 디렉토리 구조를 제공하는 단계를 포함하는 것을 특징으로 한다.
이하 첨부된 도면을 참조하여 본 발명의 실시예에 의한 퍼지 네트워크를 이용한 사용자 선호도 모델링 방법에 대해 상세히 설명하기로 한다.
본 발명에 의한 퍼지 네트워크를 이용한 사용자 정보 구조 제공 방법은 사용자 특성을 표현하기 위한 새로운 방법으로서 퍼지 네트워크(fuzzy networks)를 사용한다. 그리고 외부로부터 제공되는 정보를 이용하여 퍼지 관계를 이용한 새로운 추론 알고리즘에 따라 전체적인 사용자 특성을 추론한다.
퍼지 네트워크의 구조는 도 1에 도시된 바와 같이 크게 층(layer)과 그래프(graph) 구조를 포함한다. 각각의 층은 퍼지 그래프들의 집합으로 이루어진 2차원 구조이며 이러한 층들이 계층적으로 쌓여 하나의 퍼지 네트워크를 이루게 된다.
퍼지 네트워크는 하나 이상의 층(layer)을 가진다. 층 구조를 설명하기 위해 Li는 i번째 층, n(Li)는 i번째 층의 총 그래프의 수, Gij는 i번째 층의 j번째 퍼지 그래프, 여기서 j=1, 2, , n(Li), n(Gij)는 Gij그래프에 있는 총 노드의 수, Mij는 i번째 층의 j번째 모델링 영역, 여기서 j=1, 2, , n(Li), 그리고 mijk는 Mij의 k번째세부영역, 여기서 k=1, 2, , n(Gij)으로 정의하자.
퍼지 네트워크에 있는 각각의 층(Li)은 n(Li)개의 모델링 영역을 가지고 있고, 또한, 각각의 모델링 영역(Mij)은 다시 세부영역(mijk, k=1, 2, ..., n(Gij))을 가지고 있다. 이때, 모델링 영역(Mij)의 세부영역(mijk)을 노드라 하고, 노드들은 노드와 노드를 연결하는 선들과 함께 하나의 그래프를 형성한다. 즉, 각 모델링 영역(Mij)은 도 2에 도시된 바와 같이 하나의 그래프(Gij)에 의해 표현된다.
퍼지 네트워트는 상기와 같은 층들이 계층적으로 쌓인 구조이다. 여기서 i번째 층(Li)으로부터 i+1번째 층(Li+1)은 도 3과 같이 생성된다.
층(Li)의 모델링 영역(Mij)의 노드(mijk)에 해당하는 세부 영역을 좀 더 자세히 분석하고자 할 경우 이를 층(Li+1)의 새로운 모델링 영역(M(i+1)j')인 그래프(G(i+1)j')로 확장시킬 수 있다. 이 때, 확장되기 이전의 노드(mijk)는 확장된 후의 층(Li+1)의 모델링 영역(M(i+1)j')에 대한 매크로 노드(Macro node)라 정의한다. 물리적인 의미를 고찰하면, 모델링 영역(M(i+1)j')의 각 노드는 매크로 노드(mijk)가 나타내는 의미 분야를 좀더 세부적으로 나누었을 때의 각 분야들을 나타낸다.
한편, 층(Li)의 모델링 영역(Mij)은 하나의 그래프(Gij)에 의해 표현된다. 또한, 그래프(Gij)의 각 노드는 해당 모델링 영역에 대한 사용자의 선호도를 0과 1 사이의 퍼지값으로 표현하며, 각 노드들의 연결관계를 0과 1사이의 퍼지값으로 나타내는데, 이는 의미적으로 두 모델링 영역간의 연관관계의 강도를 나타내고 W(mijk, mijk')로 나타낸다. 모델링 영역간의 연관관계의 강도는 사용자가 시스템을 사용함에 따라서 동적으로 정해지게 된다. 상기와 같은 그래프(Gij)의 예를 도 4에 도시하였다. 따라서, 사용자의 모델링 영역을 상기와 같은 퍼지 네트워크 구조로 변환시킬 수 있다.
도 5에 본 발명의 실시예에 의한 퍼지 네트워크를 이용한 사용자 선호도 모델링 방법의 흐름도를 도시하였다.
외부로부터 주어진 정보는 임의의 노드가 나타내는 모델링 영역에 대한 사용자의 선호도의 정보를 제공한다. 이것은 그 노드에 대한 사용자의 선호도를 새로 수정하고 각 퍼지 그래프상에서 정의된 퍼지 연결관계에 의해 다른 노드에 대한 선호도에 영향을 준다. 그리고 각 노드의 선호도가 계속적으로 수정됨에 따라 그래프상의 연결관계의 강도를 동적으로 재조정한다.
임의의 노드(mijk)에 대한 사용자의 선호도를 F(mijk)라 하고, 선호도 변경 정보인 G-메시지와 노드 변경 정보인 M-메시지를 다음과 같이 정의한다. 노드(mijk)의 선호도 F(mijk)가 바뀌었고 노드(mijk)를 매크로 노드로 가지는 하위 계층의 그래프(G(i+1)j')가 존재할 때, 그래프(G(i+1)j')내에 있는 노드들에 대한 영향을 계산하기 위해 노드(mijk)는 하위 계층의 그래프(G(i+1)j')로 G-메시지를 보낸다. 이것을 Gmsg(mijk, G(i+1)j')로 나타낸다. 또한, 노드(mijk)의 선호도 F(mijk)가 바뀌었고노드(mijk)가 속한 그래프(Gij)의 매크로 노드(m(i-1)j'k')가 존재할 때, 매크로 노드(m(i-1)j'k')에 대한 영향을 계산하기 위해 그래프(Gij)는 매크로 노드(m(i-1)j'k')로 M-메시지를 전송한다. 이것을 Mmsg(Gij, m(i-1)j'k')로 나타낸다.
이하 도 5에 도시된 본 발명의 실시예에 의한 퍼지 네트워크를 이용한 사용자 선호도 모델링 방법을 설명하기로 한다.
도 5를 참조하면, 단계 50에서는 사용자의 모델링 구조를 퍼지 네트워크 구조로 변환하여 퍼지 네트워크를 형성한다. 단계 52에서는 사용자로부터 정보가 입력되면, 사용자로부터 입력된 정보와 직접 관련된 노드(mijk)를 검색하여 소정식에 따라 노드(mijk)의 새로운 선호도를 계산한다.
단계 54에서는 단계 52에서 계산된 새로운 선호도에 따라 상기 노드(mijk)가 속한 그래프(Gij)내의 각 노드에 대해 각 노드간의 연관관계의 강도를 계산하고, 노드(mijk)와의 연관관계에 따라 그래프(Gij)내의 각 노드(mijk')의 새로운 선호도를 계산한다. 단계 56에서는 노드(mijk)가 속한 그래프(Gij)내의 어떤 노드가 하위 계층에 있는 어떤 그래프(G(i+1)j')의 매크로 노드인 경우, 하위 계층 그래프(G(i+1)j')로 선호도 변경 정보인 G-메시지를 전송한다.
단계 58에서는 노드(mijk)가 속한 그래프(Gij)가 상위 계층에 매크로 노드(m(i-1)j'k')를 가지는 경우, 매크로 노드(m(i-1)j'k')로 그래프(Gij)내의 모든 노드들의 변경정보인 M-메시지를 전송한다.
단계 60에서는 어떤 그래프(Gij)가 매크로 노드로부터 G-메시지를 수신하는 경우 그 그래프(Gij)내에 있는 모든 노드에 대해 새로운 선호도를 계산하고, 그래프(Gij)내의 어떤 노드가 하위 계층에 있는 어떤 그래프(G(i+1)j')의 매크로 노드인 경우 하위 계층의 그래프(G(i+1)j')로 선호도 변경정보인 G-메시지를 전송한다.
단계 62에서는 어떤 노드가 하위 계층의 그래프(G(i+1)j')로부터 M-메시지를 수신하는 경우, 상기 노드의 새로운 선호도를 계산하고 다른 노드들에 대해 단계 54 내지 단계 58을 수행한다.
상기에서 단계 54 내지 단계 58을 그래프내 전달(IntraGraph propagation)단계, 단계 60을 그래프간 전달(InterToGraph propagation)단계 그리고 단계 62를 매크로간 전달(InterToMacro propagation )단계라고 하며, 하기에서 이를 상세히 설명하기로 한다.
그래프내 전달(IntraGraph propagation)단계는 어떤 노드의 값이 변했을 때, 그 노드가 속한 그래프내의 다른 노드에 대한 새로운 선호도를 추론하는 단계이다.
어떤 노드(mijk)의 선호도 F(mijk)가 바뀌었을 때, 선호도 F(mijk)의 추론 전과 추론후의 차이 Diff(mijk)는 수학식 1과 같다.
상기에서 F'(mijk)는 추론후의 새로운 선호도, F(mijk)는 추론 전의 선호도이다. 이제 노드(mijk)가 속한 그래프(Gij)에 있는 다른 노드들을 mijk'라고 하자. 그리고 노드(mijk)와 노드(mijk') 사이의 연관관계의 강도인 W(mijk, mijk')를 새로운 선호도(F'(mijk))에 의해 수학식 2와 같이 새로 계산한다.
상기 수학식 2에서의 상수 α는 실험적으로 정해지는 상수이다. 이것은 각 노드간의 연결강도의 최대값을 제한하기 위해 사용된다. 의미적으로 해석하면, 각 노드간의 연관관계의 강도는 각 노드의 선호도가 유사할수록 커진다고 할 수 있다. 이와 같이 새로 계산된 연관관계의 강도에 의해 노드(mijk')들에 대한 새로운 선호도 F'(mijk')를 수학식 3과 같이 계산한다.
이때, 각 노드(mijk')가 하위 계층인 i+1번째 층의 그래프(G(i+1)j')의 매크로 노드인 경우, 노드(mijk')의 새로운 선호도를 계산하는 것은 그래프(G(i+1)j')의 각 노드의 값에도 영향을 준다. 따라서, 노드(mijk')로부터 그래프(G(i+1)j')로 G-메시지를 보낸다. 이때, G-메시지 Gmsg(mijk', G(i+1)j')는 수학식 4와 같이 노드(mijk')의 추론전과 후의 선호도의 차인 Diff(mijk')에 대한 정보를 가지고 있다.
모든 노드(mijk')에 대해 상기 과정이 끝나고 노드(mijk)가 속한 그래프(Gij)가 매크로 노드(m(i-1)j'k')를 가지고 있는 경우, 매크로 노드에 대한 영향을 계산하기 위해 그래프(Gij)는 매크로 노드(m(i-1)j'k')로 M-메시지를 보낸다. 이때, M-메시지 Mmsg(Gij, m(i-1)j'k')는 수학식 5와 같이 추론에 의해 그래프(Gij)에 있는 모든 노드들이 변한 정도의 최대값에 대한 정보를 가지고 있다.
그래프간 전달(IntertoGraph propagation) 단계는 어떤 그래프가 매크로 노드로부터 G-메시지를 받았을 때의 추론 단계이다. 임의의 그래프(Gij)가 이 그래프(Gij)의 매크로 노드(m(i-1)j'k')로부터 G-메시지 Gmsg(m(i-1)j'k', Gij)를 수신하는 경우, 그래프(Gij)에 있는 모든 노드(mijk)들의 새로운 선호도 F'(mijk)를 수학식 6과 같이 계산한다.
그리고 만일 각 노드(mijk)가 다시 하위 계층의 그래프(G(i+1)j')의 매크로 노드라면, 추론 전과 후의 선호도차인 Diff(mijk)를 이용하여 G-메시지 Gmsg(mijk, G(i+1)j')를 수학식 7과 같이 계산하여 하위 계층의 그래프(G(i+1)j')로 전송한다.
매크로간 전달(InterToMacro propagation )단계는 하위 계층의 그래프로부터 M-메시지를 받은 매크로 노드에 대한 추론이다.
임의의 매크로 노드(mijk)가 하위 계층의 그래프(G(i+1)j')로부터 M-메시지 Mmsg(G(i+1)j', mijk)를 수신할 때, 이를 이용하여 매크로 노드(mijk)의 새로운 선호도 F'(mijk)를 수학식 8과 같이 계산한다.
그리고, 이제 노드(mijk)에 대해 위와 같이 새로운 선호도를 계산하는 것은 노드(mijk)가 속한 그래프(Gij)의 다른 노드들에 영향을 준다. 이를 계산하기 위해 그래프(Gij)에 대해 단계 54 내지 단계 58의 그래프간 전달(IntraGraph propagation ) 단계를 수행한다.
이하에서는 상기한 본 발명에 의한 퍼지 네트워크를 이용한 사용자 선호도모델링 방법을 실제 웹 디렉토리 서비스에 적용한 퍼지 네트워크를 이용한 적응적 웹 디렉토리 제공 방법에 대해 설명하기로 한다.
인터넷상의 정보량과 사용자의 수가 기하급수적으로 늘어남에 따라 특히 정보제공자의 입장에서는 각 사용자의 관심분야를 파악하여 적응성을 갖는 서비스를 제공함으로써 사용자 중심의 환경을 구축하는 일이 매우 중요하게 부각되고 있다. 이를 위해 본 실시예에서는 사용자의 선호도에 따라 웹 디렉토리를 적응적으로 분류하여 제공하는 웹 디렉토리 서비스에 대해 설명하기로 한다.
본 발명의 실시예에 의한 퍼지 네트워크를 이용한 적응적 웹 디렉토리 제공 방법은, 제 1 단계에서는 웹 서버상의 웹 디렉토리 구조를 하나 이상의 노드를 구비하는 하나 이상의 그래프로 이루어진 복수의 층이 계층적으로 적층된 퍼지 네트워크 구조로 변환하고, 제 2 단계에서는 사용자로부터 정보가 입력되면 상기 입력된 정보와 직접 관련된 상기 퍼지 네트워크상의 노드를 검색하여 소정식에 따라 상기 노드의 새로운 선호도를 계산한다.
제 3 단계에서는 상기 제 2 단계에서 계산된 새로운 선호도에 따라 상기 노드가 속한 그래프내의 각 노드에 대해 각 노드간의 연관관계의 강도를 계산하고, 상기 연관관계의 강도에 따라 상기 그래프내의 각 노드의 새로운 선호도를 계산한다. 제 4 단계에서는 하위 계층에 있는 그래프가 어떤 노드의 세부 영역을 나타내는 그래프인 경우에 상기 노드를 상기 그래프의 매크로 노드라고 정의할 때, 상기 노드가 속한 그래프내의 어떤 노드가 하위 계층에 있는 어떤 그래프의 매크로 노드인 경우, 상기 하위 계층의 상기 그래프로 선호도 변경 정보인 G-메시지를 전송한다.
제 5 단계에서는 상기 노드가 속한 그래프가 상위 계층에 매크로 노드를 가지는 경우, 상기 매크로 노드로 상기 노드가 속한 상기 그래프내의 모든 노드들의 변경 정보인 M-메시지를 전송하고, 제 6 단계에서는 어떤 그래프가 매크로 노드로부터 G-메시지를 수신하는 경우 상기 G-메시지를 수신하는 그래프내에 있는 모든 노드에 대해 새로운 선호도를 계산하고, 상기 그래프내의 어떤 노드가 하위 계층에 있는 어떤 그래프의 매크로 노드인 경우 하위 계층의 그래프로 선호도 변경정보인 G-메시지를 전송한다.
제 7 단계에서는 어떤 노드가 하위 계층의 그래프로부터 M-메시지를 수신하는 경우, 상기 노드의 새로운 선호도를 계산하고 다른 노드들에 대해 제 3 단계 내지 제 5 단계를 수행하고, 제 8 단계에서는 상기 선호도에 따라 웹 디렉토리의 구조를 재구성하여 상기 사용자의 특성에 맞는 적응적인 웹 디렉토리 구조를 제공한다. 여기서 상기 제 2 단계 내지 제 7 단계는 상술한 퍼지 네트워크를 이용한 사용자 선호도 모델링 방법과 동일하다.
한편, 상기한 퍼지 네트워크를 이용한 적응적 웹 디렉토리 제공 방법을 인터넷상에서 사용자의 음악적 선호도에 따라 웹 디렉토리를 재구성한 적용예에 대해 설명하기로 한다.
본 적용예에서는 인터넷을 통하여 사용자가 웹사이트를 방문하는 경우 사용자의 선택에 따라 음악 파일을 연결시켜 사용자가 선택한 음악을 들을 수 있도록 하고, 사용자가 웹사이트에 접속한 후 음악을 선택하여 듣는 행동에 의해 본 발명의 사용자 선호도 모델링 방법을 사용하여 사용자의 선호도를 분석한다. 그리고, 분석된 사용자의 선호도에 따라 웹사이트를 갖는 웹서버의 디렉토리 구조를 동적으로 재구성하여 각 사용자마다 다른 디렉토리 구조를 제공함으로써, 사용자 중심의 디렉토리 구조를 구축한다.
본 실시예의 웹 서버의 디렉토리 구조는 도 6과 같고, 이를 퍼지 네트워크 구조로 변환한 퍼지 네트워크는 도 7과 같이 3개층으로 구성되며, 각 그래프내의 노드들은 연관관계의 강도에 따라 상호 연결되어 있다.
적응적 웹 디렉토리 서비스를 위한 사용자 입력은 사용자가 웹 사이트를 방문하는 행동이다. 즉, 여기서는 웹에서 제공되는 디렉토리 구조를 통하여 사용자가 음악을 선택하여 듣는 행동이다. 그리고 각 영역에 대해서 어느 정도의 기간동안 듣지 않는 경우 에이징 기법에 의하여 선호도를 낮춘다. 이와 같은 입력을 사용하여 각 사용자가 음악을 듣는 횟수에 따라 사용자에게 적응된 형태의 웹 디렉토리 구조를 생성한다.
사용자가 30대 남자이고, 좋아하는 음악이 클래식에서는 교향곡, 관현악, 실내악, 가요에서는 양희은, 정태춘-박은옥, 이소라, 팝송에서는 비틀즈의 음악이라고 할 때, 상기 사용자의 유형에 대하여 초기화된 디렉토리 구조는 도 8과 같다.
이것은 몇가지 사용자 유형중 상기 사용자와 가장 유사한 유형을 음악적 선호도에 따라 초기화 한 것이다.
도 8에서 괄호안의 숫자는 사용자가 해당하는 장르의 음악을 들은 횟수이고, 소수로 표시된 숫자는 사용자 모델링에 의해 계산된 각 장르에 대한 선호도값이다.이제 사용자가 실제로 시스템을 사용함에 따라 상술한 바와 같은 방법으로 음악적 선호도가 새로 계산된다.
사용자가 초기 상태에서 10곡을 들은 후에 디렉토리 구조가 어떻게 변하는 지 알아보도록 하자. 10곡은, 양희은 노래 2곡, 정태춘-박은옥 노래 2곡, 하이든 교향곡, 베토벤 교향곡, 말러 교향곡, 이소라 노래, 바하 관현악곡 및 차이코프스키의 안단테 칸타빌레이다. 상기한 10곡을 들은 후 변경된 디렉토리 구조는 도 9와 같다. 도 9의 디렉토리 구조는 도 8과 크게 차이를 보이고 있지는 않다. 그러나 사용자 선호도값을 보면 변화가 있음을 알 수 있다. 이제 이 사용자가 계속하여 시스템을 사용함에 따라 각 음악 장르에 대한 선호도가 변하는 과정을 대표적인 장르들에 대해 나타내면 도 10과 같다.
도 10은 처음에 사용자가 속하는 일반적인 유형에서 실제의 사용자의 특성을 점차적으로 파악하는 과정을 나타낸다. 초기의 일반적인 유형에서는 현악4중주, 첼로에 대한 선호도를 각각 0.33, 0.2로 초기화하였으나, 실제로 사용자는 이들을 거의 듣지 않음에 따라 에이징에 의하여 점점 선호도가 감소하고 있다. 그리고 교향곡은 초기의 유형에서는 0.2로 초기화하였으나, 사용자가 계속하여 교향곡을 듣는 것에 의해 선호도가 증가하고 있다. 이 사용자가 계속해서 시스템을 사용했을 때 도 11과 같은 디렉토리 구조를 적응적으로 생성하게 된다.
한편, 본 발명에서는 사용자의 선호도를 모델링하기 위해 특히 특성간의 관계의 강도를 동적으로 조정함에 따라 초기에 설정된 지식의 불완전성을 수정, 보완하도록 하고 있다. 이를 검증하기 위해서 위의 예에서 교향곡-첼로, 교향곡-현악4중주간의 관계의 변화를 나타내면 도 12와 같다.
먼저 첼로-교향곡의 관계의 강도의 변화를 보자. 첼로에 대한 선호도는 도 10에 도시된 바와 같이 처음에 0.2로 초기화된 값이 사용자가 시스템을 사용함에 따라 계속해서 감소하고 있다. 그리고, 교향곡의 선호도는 처음에 0.2로 초기화된 값이 계속해서 증가하고 있다. 따라서, 처음에는 두 장르의 선호도가 (0.2, 0.2)로서 매우 밀접한 관계를 보임에 따라 관계의 강도가 1로 초기화된다. 그러나 계속해서 각 장르의 선호도값이 변하여 그 차이가 커짐에 따라서 관계의 강도가 점점 감소한다. 도 13은 첼로-교향곡의 관계에 대하여 제안된 방법에 의해 관계의 강도를 변화시킨 것과 관계의 강도를 초기값으로 유지했을 때의 비교를 나타낸다.
다음으로 교향곡-현악4중주의 관계의 강도의 변화를 보자. 교향곡에 대한 선호도는 도 10에 도시된 바와 같이 처음에 0.2로 초기화된 값이 사용자가 시스템을 사용함에 따라 계속해서 증가하고 있다. 그리고 현악4중주의 선호도는 처음에 0.33로 초기화된 값이 계속해서 감소하고 있다. 따라서, 처음에는 두 장르의 선호도가 (0.2, 0.33)으로서 관계의 강도가 0.6으로 초기화된다. 그러나 계속해서 선호도값이 변하여, 처음에 약 30회 정도 음악을 들었을 때 사용자가 교향곡을 많이 듣고 현악4중주를 거의 듣지 않음에 따라 교향곡에 대한 선호도가 점점 현악4중주에 대한 선호도와 비슷해진다. 따라서, 이들의 관계의 강도가 계속적으로 증가한다. 그리고 30회 이후부터는 교향곡에 대한 선호도가 현악4중주에 대한 선호도를 훨씬 넘어섬에 따라 다시 선호도의 차이가 커진다. 따라서 관계의 강도가 점점 감소한다. 도 14는 교향곡-현악4중주의 관계에 대하여 제안된 방법에 의해 관계의 강도를 변화시킨 것과 관계의 강도를 초기값으로 유지했을 때의 비교를 나타낸다.
이상 살펴본 바와 같이 사용자가 시스템을 사용함에 따라 계속적으로 각 영역간의 관계가 변하는 것을 볼 수 있다. 예를 들어, 초기에 정의된 일반적인 유형에 의해 '교향곡을 좋아하는 사람은 첼로를 좋아할 것이다'의 관계를 1로 설정하였으나, 실제로 사용자가 시스템을 사용함에 따라 이 관계가 잘못 정의되었음을 알 수 있다. 따라서, 본 발명의 모델링 방법에 의해 초기에 정의된 관계를 사용자에 맞추어 동적으로 수정할 수 있다.
상술한 바와 같이 본 발명에 의한 퍼지 네트워크를 이용한 사용자 정보 구조 제공 방법은, 계속적인 사용자와의 커뮤니케이션에 의해 실제 사용자의 특성에 점점 적응하여 사용자에 적응된 구조를 구축할 수 있으며, 사용자에 따라 일반적인 성향을 분석하기 어려우며 계속적으로 변화하는 사용자의 선호도를 용이하게 모델링하여 사용자에 대한 정보 구조를 적응적으로 제공할 수 있다. 또한, 본 발명에 의한 퍼지 네트워크를 이용한 적응적 웹 디렉토리 제공 방법은, 사용자에게 사용자의 특성에 맞는 웹 디렉토리 구조를 적응적으로 구성하여 제공할 수 있다.
Claims (14)
- (1)컴퓨터에 저장된 사용자에 대한 정보 구조를하나 이상의 노드를 구비하는 하나 이상의 그래프로 이루어진 복수의 층이 계층적으로 적층된 퍼지 네트워크 구조로 변환하는 단계;(2) 사용자로부터 정보가 입력되면 상기 입력된 정보와 직접 관련된 상기 퍼지 네트워크상의 노드를 검색하여 소정식에 따라 상기 노드의 새로운 선호도를 계산하는 단계;(3) 상기 단계 (2)에서 계산된 새로운 선호도에 따라 상기 노드가 속한 그래프내의 각 노드에 대해 각 노드간의 연관관계의 강도를 계산하고, 상기 연관관계의 강도에 따라 상기 그래프내의 각 노드의 새로운 선호도를 계산하는 단계;(4) 하위 계층에 있는 그래프가 어떤 노드의 세부 영역을 나타내는 그래프인 경우에 상기 노드를 상기 그래프의 매크로 노드라고 정의할 때, 상기 노드가 속한 그래프내의 어떤 노드가 하위 계층에 있는 어떤 그래프의 매크로 노드인 경우, 상기 하위 계층의 상기 그래프로 선호도 변경 정보인 제 1 메시지를 전송하는 단계;(5) 상기 노드가 속한 그래프가 상위 계층에 매크로 노드를 가지는 경우, 상기 매크로 노드로 상기 노드가 속한 상기 그래프내의 모든 노드들의 변경 정보인 제 2 메시지를 전송하는 단계;(6) 어떤 그래프가 매크로 노드로부터 상기 제 1 메시지를 수신하는 경우 상기 제 1 메시지를 수신하는 그래프내에 있는 모든 노드에 대해 새로운 선호도를 계산하고, 상기 그래프내의 어떤 노드가 하위 계층에 있는 어떤 그래프의 매크로 노드인 경우 하위 계층의 그래프로 선호도 변경정보인 제 1 메시지를 전송하는단계;(7) 어떤 노드가 하위 계층의 그래프로부터 상기 제 2 메시지를 수신하는 경우, 상기 노드의 새로운 선호도를 계산하고 다른 노드들에 대해 상기 단계 (3) 내지 단계 (5)를 수행하는단계; 및(8) 상기 선호도에 따라 상기 사용자에 대한 정보 구조를 재구성하여 상기 사용자의 선호도에 맞는 정보 구조를 제공하는 단계를 포함하는 것을 특징으로 하는 퍼지 네트워크를 이용한 사용자 정보 구조 제공 방법.
- 제1항에 있어서, i, j 및 k를 양의 정수라 하고 어떤 노드 mijk의 선호도가 바뀌었을 때 F'(mijk)를 변경후의 새로운 선호도, F(mijk)를 변경전의 선호도라 하며 선호도의 변경전과 후의 차이 Diff(mijk)를라 정의하고 노드(mijk)가 속한 그래프(Gij)에 있는 다른 노드들을 mijk'라 하며 α를 실험적으로 정해지는 상수라 할 때, 노드(mijk)와 노드(mijk') 사이의 연관관계의 강도인 W(mijk, mijk')를 식에 따라 계산하고, 노드(mijk')들에 대한 새로운 선호도(F(mijk'))는 식에 따라 계산하는 것을 특징으로 하는 퍼지 네트워크를 이용한 사용자정보 구조 제공 방법.
- 제1항에 있어서, i, j 및 k를 양의 정수라 할 때, 상기 단계 (4)에서의 제1 메시지(Gmsg(mijk', G(i+1)j'))는 식와 같이 어떤 노드(mijk')의 선호도가 바뀌었을 때 선호도의 변경전과 후의 차이 Diff(mijk')에 대한 정보를 가지고 있는 것을 특징으로 하는 퍼지 네트워크를 이용한 사용자정보 구조 제공 방법.
- 제1항에 있어서, i, j 및 k를 양의 정수라 하고, 어떤 노드(mijk)의 선호도가 바뀌었을 때 선호도의 변경전과 후의 차이를 Diff(mijk)라 할 때, 상기 단계 (5)에서의 제 2 메시지(Mmsg(Gij, m(i-1)j'k'))는 식와 같이 그래프(Gij)에 있는 모든 노드들이 변한 정도의 최대값에 대한 정보를 가지고 있는 것을 특징으로 하는 퍼지 네트워크를 이용한 사용자정보 구조 제공 방법.
- 제3항에 있어서, i, j, j', k 및 k'를 양의 정수라 하고, n(Gij)를 그래프 (Gij)에 있는 총 노드수라 하며, F(mijk)를 노드(mijk)의 현재 선호도할 때, 상기 단계 (6)에서 어떤 그래프(Gij)가 상기 그래프(Gij)의 매크로 노드(m(i-1)j'k')로부터 상기 제 1 메시지(Gmsg(m(i-1)j'k', Gij))를 수신하는 경우, 상기 그래프(Gij)에 있는 모든 노드 (mijk)들의 새로운 선호도(F'(mijk))를 식에 따라 계산하고, 각 노드(mijk)가 하위 계층의 그래프(G(i+1)j')의 매크로 노드라면, 변경전과 변경후의 선호도차인 Diff(mijk)를 이용하여 상기 제 1 메시지(Gmsg(mijk, G(i+1)j'))를 식에 따라 계산하여 하위 계층의 그래프(G(i+1)j')로 전송하는 것을 특징으로 하는 퍼지 네트워크를 이용한 사용자정보 구조 제공 방법.
- 제4항에 있어서, i, j, j' 및 k를 양의 정수라 하고, F(mijk)를 매크로 노드(mijk)의 현재 선호도할 때, 상기 단계 (7)에서 어떤 매크로 노드(mijk)가 하위 계층의 그래프(G(i+1)j')로부터 상기 제 2 메시지(Mmsg(G(i+1)j', mijk))를 수신하는 경우, 상기 매크로 노드(mijk)의 새로운 선호도(F'(mijk))를 식에 따라 계산하는 것을 특징으로 하는 퍼지 네트워크를 이용한 사용자정보 구조 제공 방법.
- (1) 웹 서버상의 웹 디렉토리 구조를 하나 이상의 노드를 구비하는 하나 이상의 그래프로 이루어진 복수의 층이 계층적으로 적층된 퍼지 네트워크 구조로 변환하는 단계;(2) 사용자로부터 정보가 입력되면 상기 입력된 정보와 직접 관련된 상기 퍼지 네트워크상의 노드를 검색하여 소정식에 따라 상기 노드의 새로운 선호도를 계산하는 단계;(3) 상기 단계 (2)에서 계산된 새로운 선호도에 따라 상기 노드가 속한 그래프내의 각 노드에 대해 각 노드간의 연관관계의 강도를 계산하고, 상기 연관관계의 강도에 따라 상기 그래프내의 각 노드의 새로운 선호도를 계산하는 단계;(4) 하위 계층에 있는 그래프가 어떤 노드의 세부 영역을 나타내는 그래프인 경우에 상기 노드를 상기 그래프의 매크로 노드라고 정의할 때, 상기 노드가 속한 그래프내의 어떤 노드가 하위 계층에 있는 어떤 그래프의 매크로 노드인 경우, 상기 하위 계층의 상기 그래프로 선호도 변경 정보인 제 1 메시지를 전송하는 단계;(5) 상기 노드가 속한 그래프가 상위 계층에 매크로 노드를 가지는 경우, 상기 매크로 노드로 상기 노드가 속한 상기 그래프내의 모든 노드들의 변경 정보인 제 2 메시지를 전송하는 단계;(6) 어떤 그래프가 매크로 노드로부터 상기 제 1 메시지를 수신하는 경우 상기 제 1 메시지를 수신하는 그래프내에 있는 모든 노드에 대해 새로운 선호도를 계산하고, 상기 그래프내의 어떤 노드가 하위 계층에 있는 어떤 그래프의 매크로 노드인 경우 하위 계층의 그래프로 선호도 변경정보인 제 1 메시지를 전송하는 단계;(7) 어떤 노드가 하위 계층의 그래프로부터 상기 제 2 메시지를 수신하는 경우, 상기 노드의 새로운 선호도를 계산하고 다른 노드들에 대해 상기 단계 (3) 내지 단계 (5)를 수행하는 단계; 및(8) 상기 선호도에 따라 상기 웹 디렉토리의 구조를 재구성하여 상기 사용자의 특성에 맞는 적응적인 웹 디렉토리 구조를 제공하는 단계를 포함하는 것을 특징으로 하는 퍼지 네트워크를 이용한 적응적 웹 디렉토리 제공 방법.
- (1) 컴퓨터에 저장된 사용자에 대한 정보 구조를 하나 이상의 노드를 구비하는 하나 이상의 그래프로 이루어진 복수의 층이 계층적으로 적층된 퍼지 네트워크 구조로 변환하는 단계;(2) 사용자로부터 정보가 입력되면 상기 입력된 정보와 직접 관련된 상기 퍼지 네트워크상의 노드를 검색하여 소정식에 따라 상기 노드의 새로운 선호도를 계산하는 단계;(3) 상기 단계 (2)에서 계산된 새로운 선호도에 따라 상기 노드가 속한 그래프내의 각 노드에 대해 각 노드간의 연관관계의 강도를 계산하고, 상기 연관관계의 강도에 따라 상기 그래프내의 각 노드의 새로운 선호도를 계산하는 단계;(4) 하위 계층에 있는 그래프가 어떤 노드의 세부 영역을 나타내는 그래프인 경우에 상기 노드를 상기 그래프의 매크로 노드라고 정의할 때, 상기 노드가 속한 그래프내의 어떤 노드가 하위 계층에 있는 어떤 그래프의 매크로 노드인 경우, 상기 하위 계층의 상기 그래프로 선호도 변경 정보인 제 1 메시지를 전송하는 단계;(5) 상기 노드가 속한 그래프가 상위 계층에 매크로 노드를 가지는 경우, 상기 매크로 노드로 상기 노드가 속한 상기 그래프내의 모든 노드들의 변경 정보인 제 2 메시지를 전송하는 단계;(6) 어떤 그래프가 매크로 노드로부터 상기 제 1 메시지를 수신하는 경우 상기 제 1 메시지를 수신하는 그래프내에 있는 모든 노드에 대해 새로운 선호도를 계산하고, 상기 그래프내의 어떤 노드가 하위 계층에 있는 어떤 그래프의 매크로 노드인 경우 하위 계층의 그래프로 선호도 변경정보인 제 1 메시지를 전송하는 단계;(7) 어떤 노드가 하위 계층의 그래프로부터 상기 제 2 메시지를 수신하는 경우, 상기 노드의 새로운 선호도를 계산하고 다른 노드들에 대해 상기 단계 (3) 내지 단계 (5)를 수행하는 단계; 및(8) 상기 선호도에 따라 상기 사용자에 대한 정보 구조를 재구성하여 상기 사용자의 선호도에 맞는 정보 구조를 제공하는 단계를 포함하는 퍼지 네트워크를 이용한 사용자 정보 구조 제공 방법을 구현하는 컴퓨터 프로그램을 구비한 컴퓨터 독출가능 매체.
- 제8항에 있어서, i, j 및 k를 양의 정수라 하고 어떤 노드 m ijk 의 선호도가 바뀌었을 때 F'(m ijk )를 변경후의 새로운 선호도, F(m ijk )를 변경전의 선호도라 하며 선호도의 변경전과 후의 차이 Diff(m ijk )를 라 정의하고 노드(m ijk )가 속한 그래프(G ij )에 있는 다른 노드들을 m ijk' 라 하며 α를 실험적으로 정해지는 상수라 할 때, 노드(m ijk )와 노드(m ijk' ) 사이의 연관관계의 강도인 W(m ijk , m ijk' )를 식에 따라 계산하고, 노드(m ijk' )들에 대한 새로운 선호도(F(m ijk' ))는 식에 따라 계산하는 것을 특징으로 하는 컴퓨터 독출가능 매체.
- 제8항에 있어서, i, j 및 k를 양의 정수라 할 때, 상기 단계 (4)에서의 제 1 메시지(Gmsg(mijk', G(i+1)j'))는 식와 같이 어떤 노드(mijk')의 선호도가 바뀌었을 때 선호도의 변경전과 후의 차이 Diff(mijk')에 대한 정보를 가지고 있는 것을 특징으로 하는 컴퓨터 독출가능 매체.
- 제8항에 있어서, i, j 및 k를 양의 정수라 하고, 어떤 노드(mijk)의 선호도가 바뀌었을 때 선호도의 변경전과 후의 차이를 Diff(mijk)라 할 때, 상기 단계 (5)에서의 제 2 메시지(Mmsg(Gij, m(i-1)j'k'))는 식와 같이 그래프(Gij)에 있는 모든 노드들이 변한 정도의 최대값에 대한 정보를 가지고 있는 것을 특징으로 하는 컴퓨터 독출가능 매체.
- 제10항에 있어서, i, j, j', k 및 k'를 양의 정수라 하고, n(Gij)를 그래프 (Gij)에 있는 총 노드수라 하며, F(mijk)를 노드(mijk)의 현재 선호도할 때, 상기 단계 (6)에서 어떤 그래프(Gij)가 상기 그래프(Gij)의 매크로 노드(m(i-1)j'k')로부터 상기 제 1 메시지(Gmsg(m(i-1)j'k', Gij))를 수신하는 경우, 상기 그래프(Gij)에 있는 모든 노드 (mijk)들의 새로운 선호도(F'(mijk))를 식에 따라 계산하고, 각 노드(mijk)가 하위 계층의 그래프(G(i+1)j')의 매크로 노드라면, 변경전과 변경후의 선호도차인 Diff(mijk)를 이용하여 상기 제 1 메시지(Gmsg(mijk, G(i+1)j'))를 식에 따라 계산하여 하위 계층의 그래프(G(i+1)j')로 전송하는 것을 특징으로 하는 컴퓨터 독출가능 매체.
- 제11항에 있어서, i, j, j' 및 k를 양의 정수라 하고, F(mijk)를 매크로 노드(mijk)의 현재 선호도할 때, 상기 단계 (7)에서 어떤 매크로 노드(mijk)가 하위 계층의 그래프(G(i+1)j')로부터 상기 제 2 메시지(Mmsg(G(i+1)j', mijk))를 수신하는 경우, 상기 매크로 노드(mijk)의 새로운 선호도(F'(mijk))를 식에 따라 계산하는 것을 특징으로 하는 컴퓨터 독출가능 매체.
- (1) 웹 서버상의 웹 디렉토리 구조를 하나 이상의 노드를 구비하는 하나 이상의 그래프로 이루어진 복수의 층이 계층적으로 적층된 퍼지 네트워크 구조로 변환하는 단계;(2) 사용자로부터 정보가 입력되면 상기 입력된 정보와 직접 관련된 상기 퍼지 네트워크상의 노드를 검색하여 소정식에 따라 상기 노드의 새로운 선호도를 계산하는 단계;(3) 상기 단계 (2)에서 계산된 새로운 선호도에 따라 상기 노드가 속한 그래프내의 각 노드에 대해 각 노드간의 연관관계의 강도를 계산하고, 상기 연관관계의 강도에 따라 상기 그래프내의 각 노드의 새로운 선호도를 계산하는 단계;(4) 하위 계층에 있는 그래프가 어떤 노드의 세부 영역을 나타내는 그래프인 경우에 상기 노드를 상기 그래프의 매크로 노드라고 정의할 때, 상기 노드가 속한 그래프내의 어떤 노드가 하위 계층에 있는 어떤 그래프의 매크로 노드인 경우, 상기 하위 계층의 상기 그래프로 선호도 변경 정보인 제 1 메시지를 전송하는 단계;(5) 상기 노드가 속한 그래프가 상위 계층에 매크로 노드를 가지는 경우, 상기 매크로 노드로 상기 노드가 속한 상기 그래프내의 모든 노드들의 변경 정보인 제 2 메시지를 전송하는 단계;(6) 어떤 그래프가 매크로 노드로부터 상기 제 1 메시지를 수신하는 경우 상기 제 1 메시지를 수신하는 그래프내에 있는 모든 노드에 대해 새로운 선호도를 계산하고, 상기 그래프내의 어떤 노드가 하위 계층에 있는 어떤 그래프의 매크로 노드인 경우 하위 계층의 그래프로 선호도 변경정보인 제 1 메시지를 전송하는 단계;(7) 어떤 노드가 하위 계층의 그래프로부터 상기 제 2 메시지를 수신하는 경우, 상기 노드의 새로운 선호도를 계산하고 다른 노드들에 대해 상기 단계 (3) 내지 단계 (5)를 수행하는 단계; 및(8) 상기 선호도에 따라 상기 웹 디렉토리의 구조를 재구성하여 상기 사용자의 특성에 맞는 적응적인 웹 디렉토리 구조를 제공하는 단계를 포함하는 퍼지 네트워크를 이용한 적응적 웹 디렉토리 제공 방법을 구현하는 컴퓨터 프로그램을 구비한 컴퓨터 독출가능 매체.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1019980015521A KR100343155B1 (ko) | 1998-04-30 | 1998-04-30 | 퍼지네트워크를이용한사용자정보구조제공방법 |
US09/301,317 US6338051B1 (en) | 1998-04-30 | 1999-04-29 | User preference modeling method using fuzzy networks |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1019980015521A KR100343155B1 (ko) | 1998-04-30 | 1998-04-30 | 퍼지네트워크를이용한사용자정보구조제공방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR19990081512A KR19990081512A (ko) | 1999-11-15 |
KR100343155B1 true KR100343155B1 (ko) | 2002-08-22 |
Family
ID=19536904
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1019980015521A KR100343155B1 (ko) | 1998-04-30 | 1998-04-30 | 퍼지네트워크를이용한사용자정보구조제공방법 |
Country Status (2)
Country | Link |
---|---|
US (1) | US6338051B1 (ko) |
KR (1) | KR100343155B1 (ko) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7599900B2 (en) | 2005-11-23 | 2009-10-06 | Electronics And Telecommunications Research Institute | Method and system for using Bayesian network models in distributed sensor environment |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20010037153A (ko) * | 1999-10-14 | 2001-05-07 | 주식회사언어기술 | 지능형 디렉토리 지식 구조 형성방법과 이를 이용한 개인화된 지식 관리 시스템 및 지식 공유 방법 |
US7177904B1 (en) * | 2000-05-18 | 2007-02-13 | Stratify, Inc. | Techniques for sharing content information with members of a virtual user group in a network environment without compromising user privacy |
KR20020033894A (ko) * | 2000-10-30 | 2002-05-08 | 김원국 | 사용자 선호도 분석을 이용한 정보제공 서비스 방법 |
KR100438857B1 (ko) * | 2001-09-26 | 2004-07-05 | 엘지전자 주식회사 | 사용자 선호도 기반 멀티미디어 검색 시스템 |
US7171624B2 (en) * | 2001-10-05 | 2007-01-30 | International Business Machines Corporation | User interface architecture for storage area network |
US8655804B2 (en) | 2002-02-07 | 2014-02-18 | Next Stage Evolution, Llc | System and method for determining a characteristic of an individual |
JP2004118479A (ja) * | 2002-09-26 | 2004-04-15 | Sony Corp | 情報処理装置および方法、記録媒体、およびプログラム |
US20050131759A1 (en) * | 2003-12-12 | 2005-06-16 | Aseem Agrawal | Targeting customers across multiple channels |
US7542854B2 (en) * | 2004-07-22 | 2009-06-02 | International Business Machines Corporation | Method for discovering gene regulatory models and genetic networks using relational fuzzy models |
US20090138326A1 (en) * | 2004-11-18 | 2009-05-28 | Koninklijke Philips Electronics, N.V. | Apparatus and method for updating user profile |
US20060287937A1 (en) * | 2005-01-18 | 2006-12-21 | Manyworlds, Inc. | Generative Investment Process |
US20080059395A1 (en) * | 2006-01-10 | 2008-03-06 | Manyworlds, Inc. | Adaptive Online Experimentation |
JP4596044B2 (ja) * | 2008-06-03 | 2010-12-08 | ソニー株式会社 | 情報処理システム、情報処理方法 |
KR101600893B1 (ko) * | 2014-07-03 | 2016-03-08 | 공주대학교 산학협력단 | 주관적 성향을 고려한 퍼지 적분 기반의 상품 만족도 추론 시스템 |
CN105743985A (zh) * | 2016-03-24 | 2016-07-06 | 国家计算机网络与信息安全管理中心 | 一种基于模糊逻辑的虚拟服务迁移方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
USRE36823E (en) * | 1988-05-20 | 2000-08-15 | Matsushita Electric Industrial Co., Ltd. | Inference rule determining method and inference device |
US5390261A (en) * | 1991-05-13 | 1995-02-14 | Huang; Yee-Wei | Method and apparatus for pattern classification using distributed adaptive fuzzy windows |
JPH0535308A (ja) * | 1991-07-25 | 1993-02-12 | Mitsubishi Electric Corp | フアジイメンバシツプ関数の同定装置及び同定方法 |
US5608846A (en) * | 1993-01-25 | 1997-03-04 | Omron Corporation | Fuzzy rule generator |
US5524176A (en) * | 1993-10-19 | 1996-06-04 | Daido Steel Co., Ltd. | Fuzzy expert system learning network |
JP3247803B2 (ja) * | 1994-07-27 | 2002-01-21 | シャープ株式会社 | ファジィ・ニューラルネットワーク・システム |
GB9503760D0 (en) * | 1995-02-24 | 1995-04-12 | Aromascan Plc | Neural networks |
JPH08286922A (ja) * | 1995-04-12 | 1996-11-01 | Sharp Corp | ファジィ・ニューラルネットワーク装置 |
KR960038646A (ko) * | 1995-04-17 | 1996-11-21 | 구자홍 | 신경회로망 시스템의 퍼지법칙 생성방법 및 장치 |
JP3129932B2 (ja) * | 1995-05-16 | 2001-01-31 | シャープ株式会社 | ファジィ・ニューラルネットワーク装置およびその学習方法 |
US5970482A (en) * | 1996-02-12 | 1999-10-19 | Datamind Corporation | System for data mining using neuroagents |
US5754738A (en) * | 1996-06-07 | 1998-05-19 | Camc Corporation | Computerized prototyping system employing virtual system design enviroment |
-
1998
- 1998-04-30 KR KR1019980015521A patent/KR100343155B1/ko not_active IP Right Cessation
-
1999
- 1999-04-29 US US09/301,317 patent/US6338051B1/en not_active Expired - Lifetime
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7599900B2 (en) | 2005-11-23 | 2009-10-06 | Electronics And Telecommunications Research Institute | Method and system for using Bayesian network models in distributed sensor environment |
Also Published As
Publication number | Publication date |
---|---|
KR19990081512A (ko) | 1999-11-15 |
US6338051B1 (en) | 2002-01-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR100343155B1 (ko) | 퍼지네트워크를이용한사용자정보구조제공방법 | |
US10817667B2 (en) | Method and system for a chat box eco-system in a federated architecture | |
Park et al. | A context-aware music recommendation system using fuzzy bayesian networks with utility theory | |
US8630627B2 (en) | Method and apparatus for processing messages in a social network | |
Haase et al. | Peer selection in peer-to-peer networks with semantic topologies | |
Li | Grid resource discovery based on semantically linked virtual organizations | |
JP2000165449A (ja) | 情報ル―ティング方法 | |
KR20180059335A (ko) | 지식 증강을 위한 선순환 자가 학습 방법 및 그 장치 | |
Low et al. | Distributed multicast routing, with end-to-end delay and delay variation constraints | |
Wang et al. | Self‐organizing peer‐to‐peer social networks | |
Lee et al. | Music for my mood: A music recommendation system based on context reasoning | |
US7599900B2 (en) | Method and system for using Bayesian network models in distributed sensor environment | |
Wang et al. | Soft semantic web services agent | |
Latré et al. | Automated context dissemination for autonomic collaborative networks through semantic subscription filter generation | |
Troussov et al. | Spreading activation approach to tag-aware recommenders: modeling similarity on multidimensional networks | |
Gawinecki et al. | Representing users in a travel support system | |
Adel et al. | Semantic context-aware adaptation platform architecture | |
Khomami et al. | An algorithm for weighted positive influence dominating set based on learning automata | |
CN113658015A (zh) | 一种干预信息的位置和干预时间影响信息传播的分析方法 | |
Kejriwal et al. | Unsupervised real-time induction and interactive visualization of taxonomies over domain-specific concepts | |
Meli et al. | An adaptive blurring routing protocol for delay-tolerant networks in IoT environments | |
Zhang et al. | SARC: Split-and-recombine networks for knowledge-based recommendation | |
Inoue et al. | Music recommendation system improvement using distributed genetic algorithm | |
Uwano et al. | Design of Human-Agent-Group Interaction for Correct Opinion Sharing on Social Media | |
Oida | Impact of network density on cascade size and community growth |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20120517 Year of fee payment: 11 |
|
FPAY | Annual fee payment |
Payment date: 20130522 Year of fee payment: 12 |
|
LAPS | Lapse due to unpaid annual fee |