KR20050052638A - 사용자 선호도를 고려한 정보 제공 방법 및 장치 - Google Patents

사용자 선호도를 고려한 정보 제공 방법 및 장치 Download PDF

Info

Publication number
KR20050052638A
KR20050052638A KR1020030085808A KR20030085808A KR20050052638A KR 20050052638 A KR20050052638 A KR 20050052638A KR 1020030085808 A KR1020030085808 A KR 1020030085808A KR 20030085808 A KR20030085808 A KR 20030085808A KR 20050052638 A KR20050052638 A KR 20050052638A
Authority
KR
South Korea
Prior art keywords
user
information
preference
internet
neural network
Prior art date
Application number
KR1020030085808A
Other languages
English (en)
Inventor
곽용원
박웅
정영식
민재홍
박기식
Original Assignee
한국전자통신연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020030085808A priority Critical patent/KR20050052638A/ko
Publication of KR20050052638A publication Critical patent/KR20050052638A/ko

Links

Landscapes

  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 사용자의 선호도를 능동적으로 수집하고 분석하여 보다 사용자가 원하는 정보를 효과적으로 제공하는 방법 및 그 장치에 관한 것으로, 사용자가 서버에 로그인하면 사용자 ID에 대해 세션을 형성하여 사용자의 인터넷상의 이동 경로를 추적하고, 사용자가 인터넷상에서 접속한 이동 경로에 관한 정보를 수집한 다음 사용자 정보를 신경망으로 입력하여 학습에 의한 사용자의 선호도를 추출하여, 사용자의 선호도에 기초하여 사용자에게 적합한 정보를 선정하고, 이를 사용자에게 우선적으로 제공한다.

Description

사용자 선호도를 고려한 정보 제공 방법 및 장치{Method for providing information considering user's preference and apparatus therefor}
본 발명은 사용자의 선호도를 능동적으로 수집하고 분석하여 보다 사용자가 원하는 정보를 효과적으로 제공하는 방법 및 그 장치에 관한 것이다.
인터넷 사용 인구가 급증함에 따라 대부분의 사람들이 필요한 지식과 정보를 얻기 위해 인터넷을 사용하고 있다. 현재 기존의 전통적인 신문사는 물론이고 인터넷에서만 운영되는 인터넷 신문사이트들이 다수 존재하고 있다. 인터넷이 발전하고 사용자가 많아질수록 인터넷 신문사이트를 방문하는 사용자들의 사용 성향이 더욱 다양성을 가지게 되었고 그만큼 기대수준이 높아지게 되었다.
일부 인터넷 신문 사이트에서는 사용자의 관심 선호도 등록을 통해서 사용자가 선호하는 신문기사를 제공하고 있다. 그러나 고정된 형식을 바탕으로 한 선호도 등록은 사용자의 이용 패턴을 정확히 표현할 수 없다. 또한 사용자의 요구사항이 다이나믹하게 변화하는 것에 대처하기 힘들다.
본 발명이 이루고자 하는 기술적 과제는 사용자의 선호도를 기존의 관심분야 등록에만 의존하지 않고 신문기사와 같은 정보에 대한 사용자의 이용 패턴을 능동적으로 수집하고 이를 분석하여 보다 정확한 사용자의 선호도를 재구성하여, 사용자의 선호도에 기초한 정보제공방법 및 그 장치를 제공하는 것이다.
상기의 기술적 과제를 이루기 위한 본 발명에 따른 사용자 선호도를 고려한 정보제공방법은, (a) 사용자가 서버에 로그인하면 상기 사용자 ID에 대해 세션을 형성하여 상기 사용자의 인터넷상의 이동 경로를 추적하는 단계; (b) 상기 사용자가 인터넷상에서 접속한 이동 경로에 관한 정보를 수집하는 단계; (c) 상기 수집된 사용자 정보를 신경망으로 입력하여 학습에 의한 사용자의 선호도를 추출하는 단계; (d) 상기 사용자의 선호도에 기초하여 상기 사용자에게 적합한 정보를 선정하는 단계; 및 (e) 상기 선정된 정보를 상기 사용자에게 우선적으로 제공하는 단계;를 포함한다,
상기의 기술적 과제를 이루기 위한 본 발명에 따른 사용자 선호도를 고려한 정보제공장치는, 사용자가 서버에 로그인하면 상기 사용자 ID에 대해 세션을 형성하여 상기 사용자의 인터넷상의 이동 경로를 추적하는 경로추적부; 상기 사용자가 인터넷상에서 접속한 이동 경로에 관한 정보를 수집하는 사용자정보 수집부; 상기 수집된 사용자 정보를 수신하여 학습에 의한 사용자의 선호도를 추출하는 신경망; 및 상기 사용자의 선호도에 기초하여 상기 사용자에게 적합한 정보를 선정하여 이를 상기 사용자에게 우선적으로 제공하는 정보제공부;를 포함한다.
이하에서, 도면을 참조하여 본 발명의 실시예에 대하여 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 정보제공방법을 설명하는 흐름도이며, 도 2는 도 1의 방법을 수행하는 장치의 블록도이다. 그리고, 도 3은 신경망 기반의 인터넷 신문 기사에 대한 지능형 검색 에이전트의 전체 구조를 나타내고 있다. 본 실시예에서는 인터넷 신문 사이트에서 사용자에게 신문기사에 관한 정보를 제공하는 것에 대해 설명한다.
먼저, 사용자가 서버에 로그인(11)하면 사용자 ID에 대해 세션을 형성(12)하여 사용자의 인터넷상의 이동 경로를 추적한다(13). 즉, 사용자가 인터넷 신문사이트에 로그인하면 세션을 생성시켜서 사용자가 해당 기사의 웹페이지를 실행시킬 때 마다 카운터를 증가시킨다. 또한, 사용자가 인터넷신문 사이트 뿐만 아니라 쇼핑몰과 같은 다른 사이트에 접속하였을 때에도 그 이동 경로를 추적하는 것이 바람직하다.
사용자가 인터넷상에서 접속한 경로에 관한 정보를 수집(14)하여, 수집된 사용자 정보를 신경망으로 입력하여 학습에 의한 사용자의 선호도를 분석한다(15). 사용자의 이동 경로는 신경망의 입력자료로 이용되므로 신경망의 입력 값 형태로 변환하여 기록된다.
이렇게 추출된 선호도에 기초하여 사용자에 대한 선호도를 구성(16)한다. 신경망을 구성하고 학습하는 지능형 에이전트를 개발하는데 있어서 가장 중요한 기술 중의 하나는 학습이다. 즉, 에이전트가 과거의 경험이나 환경의 변화를 감지하고 이로부터 기존의 지식을 변경하고 환경에 적응하는 학습 능력은 지능형 에이전트가 지능적이기 위해서 필요한 가장 중요한 요소 기술 중의 하나이다. 본 예에서는 학습을 위해 신경망 모델인 SOM(Self Organizing Map)을 적용한다.
한편, 사용자에 대한 선호도가 데이터베이스에 기설정되어 있으면 새로 추출된 선호도에 기초하여 사용자에 대한 선호도를 재구성하고 이를 저장한다.
이와 같은 과정에 의하여 얻어진 사용자의 선호도를 고려하여 사용자에게 정해진 신문기사를 다른 것에 비하여 우선적으로 제공한다(17). 본 발명에 의하면, 고객이 원하는 신문기사 및 컨텐츠를 보다 정확히 파악하여 고객에게 전자우편(e-mail)로 제공할 수 있고, 사용자가 인터넷 신문에 로그인 할 때, 초기 웹 페이지에 평소 선호하는 분야의 정보만을 우선적으로 보여 줄 수 있다. 따라서 고객 지향적인 인터넷 신문 환경을 구성 할 수 있다. 또한, 포털 사이트 혹은 여러 검색 엔진에서 제공하는 짤막한 뉴스기사에 적용시, 사용자가 해당사이트에 접속하였을 때 평소 즐겨 읽는 뉴스를 선택적으로 제공받을 수 있다.
도 2를 참조하여, 본 발명의 일 실시예에 따른 정보제공장치의 동작을 설명한다. 사용자 컴퓨터(21)는 인터넷(23)과 같은 통신망을 통하여 인터넷 신문 사이트(25)와 같은 서버에 접속하여 소정의 정보를 얻고자 하는 사용자의 컴퓨터를 말한다. 인터넷 신문 사이트(25)는 신문기사 등의 정보를 사용자 컴퓨터(21)로 제공하기 위한 서버를 말하며, 인터넷 신문 뿐만 아니라 방송이나 쇼핑몰, 포털 사이트 등 소정의 정보를 사용자에게 제공할 수 있는 인터넷 서버를 포괄한다.
경로추적부(251)는 사용자가 서버에 로그인하면 사용자 ID에 대해 세션을 형성하여 사용자의 인터넷상의 경로를 추적한다. 사용자정보 수집부(252)는 경로추적부(251)의 추적 결과에 따라 사용자가 인터넷상에서 접속한 이동 경로에 관한 정보를 수집한다. 신경망(253)으로는 사용자의 이동경로에 관한 정보가 입력되어, 학습에 의한 사용자의 선호도가 분석되고, 사용자 선호도 생성부(254)는 그 분석 결과에 기초하여 사용자 선호도를 결정한다. 만일 사용자에 대해 선호도가 기설정되어 있으면 현재 추출된 선호도에 기초하여 사용자에 대한 선호도를 재구성한다. 사용자 선호도 데이터베이스(255)에는 사용자들에 대해 지금까지 분석된 선호도에 관한 정보가 저장되어 있다. 정보제공부(256)는 사용자의 선호도에 기초하여 사용자에게 적합한 정보를 선정한 다음 그 선정된 정보를 사용자에게 우선적으로 제공하게 된다.
본 발명에서 제안하는 인터넷 신문 지능형 검색 에이전트는 사용자가 인터넷 신문 사이트에 방문하였을 때 사용자가 로그인한 ID에 대해 세션을 생성하여 사용자의 신문기사에 대한 선호도를 추적한다. 이는 사용자가 쇼핑몰에 접속하여 이용하더라도 지속적으로 사용자의 이용 상태에 대한 정보를 유지할 수 있도록 한다. 인터넷 신문 사이트 사용자의 행동 패턴은 신경망의 입력 값으로 변환되어 사용자의 선호도를 구성할 수 있게 되고, 이렇게 구성된 사용자 선호도와 기존 DB에 저장된 선호도를 바탕으로 사용자의 선호도를 재구성한다. 이 때 재구성된 사용자 선호도는 DB에 저장되어 사용자의 이용 패턴을 보다 정확히 표현하는 자료로 활용된다.
이하에서는 사용자 선호도를 분석하기 위하여 본 발명의 실시예로 적용된 신경망 기술에 대해 살펴본다. 일반적인 정보처리를 위한 기술 중에서 인공지능 분야의 알고리즘으로는 퍼지 시스템, 신경회로망, 전문가 시스템, 유전자 알고리즘 등을 들 수 있으며, 그 중에서 신경회로망은 인간의 학습과정과 뇌의 신호전달과정을 모방하여 모델링함으로서 인공지능의 본질에 가장 충실한 알고리즘이라 할 수 있다.
이러한 신경회로망을 구현하기 위한 설계요소는 뉴런과 연결강도의 구조적 설계, 학습규칙 그리고 성능평가로 요약할 수 있다. 이들 중에서도 학습규칙은 신경회로망의 모든 부분을 결정하는 매우 중요한 역할을 하며, 신경회로망의 대표적인 학습규칙으로 지도학습(Supervised Learning), 비지도학습(Unsupervised Learning), 강화학습(Reinforcement Learning) 등 크게 3가지가 있으며, 신경회로망의 목표출력을 결정하느냐 결정하지 않느냐에 따라 구분된다. 지도학습은 신경회로망의 출력이 결정되어야만 하고, 비지도학습은 출력이 결정되지 않은 상태에서 입력데이터들의 특성을 스스로 학습해 가도록 한다.
자연언어 처리에 응용되고 있는 신경회로망은 구문분석과 의미분석에 이용된다. 신경회로망 알고리즘이 구문분석에서는 주성분을 분석한 병렬신호들을 처리하고 이를 기반으로 사전에서 제공하는 의미를 통해 의미분석을 하는 병렬신호처리 또는 패턴분류형태로 사용된다.
정보인식엔진을 구성하는 신경회로망으로 SOM(Self Organizing Map)을 사용할 수 있으며, SOM은 음성 인식, 문자 인식, 구문 분석 등 입력층과 출력층으로만 구성되는 순방향 단층 신경망 구조이다.
도 4는 SOM의 출력층 뉴런을 1차원으로 배열한 형태를 도시한 것이며, 도 5는 SOM의 출력층 뉴런을 2차원으로 배열한 형태를 도시한 것이다. 그리고, 도 6의 (A) (B)는 SOM의 2차원 배열의 형태를 도시한 것이다.
SOM은 도 4에서와 같이 출력층 뉴런을 1차원으로 배열하는 방법과, 도 5에서와 같이 2차원으로 배열하는 방법이 있다. 그리고, 2차원 배열에는 도 6에서와 같이 사각형 배열(rectangular array)과 육각형 배열(hexagonal array)의 2가지 형태가 있다. 이러한 출력층 뉴런의 배열 형태는 SOM의 성능에도 영향을 미치는 요소이다. SOM의 알고리즘은 다음과 같다.
0 단계: 연결강도 wij 를 초기화하고, 이웃하는 위상 파라미터(parameter) 및 학습율 파라미터를 설정한다.
1 단계: 중단 조건이 거짓인 상태에서 2~8 단계를 행한다.
2 단계: 각각의 입력 벡터 x 에 대해 다음 3~5단계를 행한다.
3 단계: 각각의 j 에 대해 다음을 연산한다.
4 단계: D(j) 값이 최소인 j 지수를 찾는다.
5 단계: 모든 i 와 j 와 특정하게 이웃하는 모든 j 원소들에 대해 다음을 적용한다.
wij(new)=wij(old)+α[xi -wij(old)]
6 단계: 학습율을 갱신한다.
7 단계: 위상 이웃의 범위를 특정 횟수만큼 줄인다.
8 단계: 중단 조건을 시험한다.
수집된 정보에 대해 신경망 기술을 적용하여 스스로 언어를 학습하고 주제를 인식하여 데이터를 자동으로 분류하여 정보처리 할 수 있는 구체적인 방법에 대해서는 예컨대, 대한민국 공개특허공보 제2003-2930호를 참조할 수 있다.
본 발명은 또한 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플라피디스크, 광데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
이상 도면과 명세서에서 최적 실시예들이 개시되었다. 여기서 특정한 용어들이 사용되었으나, 이는 단지 본 발명을 설명하기 위한 목적에서 사용된 것이지 의미 한정이나 특허청구범위에 기재된 본 발명의 범위를 제한하기 위하여 사용된 것은 아니다. 그러므로 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의해 정해져야 할 것이다.
상술한 바와 같이, 본 발명은 인터넷 신문 사이트상에서 신문기사 지능형 검색 에이전트가 스스로 학습을 통하여 사용자의 신문사이트 이용패턴을 수집하고 이를 분석하여 보다 정확한 사용자의 선호도에 따라 추천 기사 및 컨텐츠들을 제공할 수 있다.
또한, 본 발명에서 제안하는 인터넷 신문 기사 검색에이전트는 신경망 (Neural Network)기반의 학습을 통하여 사용자의 선호도를 분석하고, 사용자의 선호도를 실시간으로 계속 업데이트 함으로써 다이나믹하게 변화하는 사용자의 요구사항에 대처 할 수 있으며, 사용자가 원하는 신문기사 및 컨텐츠를 보다 정확히 파악하여 사용자에게 전달 할 수 있고 사용자가 선호하는 신문기사 및 컨텐츠를 선택적으로 보여 줄 수 있으므로 효율성이 증대 될 수 있으며, 사용자 지향적인 인터넷 신문 사이트 환경을 구성 할 수 있다.
본 발명에 의하면, 인터넷상에 존재하는 많은 포털 사이트 혹은 검색 사이트에서 제공하는 짤막한 뉴스 기사들을 평소 사용자가 즐겨 읽는 뉴스의 분야에 대해 선택적으로 제공 가능하다.
본 발명에서는 신경망을 이용하여 사용자의 선호도를 재구성하며, 재구성된 선호도는 보다 정확히 사용자의 취향을 표현한다. 이를 바탕으로 정확하고 신속하게 사용자의 선호도를 고려하여 사용자가 인터넷 신문사이트에 접속하였을시, 평소 즐겨읽는 선호도에 바탕을 둔 신문기사를 제공 할 수 있다.
도 1은 본 발명의 일 실시예에 따른 정보제공방법을 설명하는 흐름도이며, 도 2는 도 1의 방법을 수행하는 장치의 블록도이다.
도 3은 신경망 기반의 인터넷 신문 기사에 대한 지능형 검색 에이전트의 전체 구조를 나타내고 있다.
도 4는 SOM의 출력층 뉴런을 1차원으로 배열한 형태를 도시한 것이며, 도 5는 SOM의 출력층 뉴런을 2차원으로 배열한 형태를 도시한 것이다.
도 6의 (A) (B)는 SOM의 2차원 배열의 형태를 도시한 것이다.

Claims (8)

  1. (a) 사용자가 서버에 로그인하면 상기 사용자 ID에 대해 세션을 형성하여 상기 사용자의 인터넷상의 이동 경로를 추적하는 단계;
    (b) 상기 사용자가 인터넷상에서 접속한 이동 경로에 관한 정보를 수집하는 단계;
    (c) 상기 수집된 사용자 정보를 신경망으로 입력하여 학습에 의한 사용자의 선호도를 추출하는 단계;
    (d) 상기 사용자의 선호도에 기초하여 상기 사용자에게 적합한 정보를 선정하는 단계; 및
    (e) 상기 선정된 정보를 상기 사용자에게 우선적으로 제공하는 단계;를 포함하는 것을 특징으로 하는 사용자 선호도를 고려한 정보제공방법.
  2. 제1항에 있어서, 상기 (c)단계에서의 신경망은 SOM을 이용하는 것을 특징으로 하는 사용자 선호도를 고려한 정보제공방법.
  3. 제1항에 있어서, 상기 사용자에 대해 선호도가 기설정되어 있으면 상기 추출된 선호도에 기초하여 상기 사용자에 대한 선호도를 재구성하는 것을 특징으로 하는 사용자 선호도를 고려한 정보제공방법.
  4. 제1항에 있어서, 상기 (e)단계는 상기 사용자에게 제공될 정보를 사용자의 전자메일로 제공하는 것을 특징으로 하는 사용자 선호도를 고려한 정보제공방법.
  5. 제1항에 있어서, 상기 (a)단계는 사용자가 상기 서버 뿐만 아니라 다른 사이트에 접속하였을 때에도 그 이동 경로를 추적하는 것을 특징으로 하는 사용자 선호도를 고려한 정보제공방법.
  6. 사용자가 서버에 로그인하면 상기 사용자 ID에 대해 세션을 형성하여 상기 사용자의 인터넷상의 이동 경로를 추적하는 경로추적부;
    상기 사용자가 인터넷상에서 접속한 이동 경로에 관한 정보를 수집하는 사용자정보 수집부;
    상기 수집된 사용자 정보를 수신하여 학습에 의한 사용자의 선호도를 추출하는 신경망; 및
    상기 사용자의 선호도에 기초하여 상기 사용자에게 적합한 정보를 선정하여 이를 상기 사용자에게 우선적으로 제공하는 정보제공부;를 포함하는 것을 특징으로 하는 사용자 선호도를 고려한 정보제공장치.
  7. 제6항에 있어서, 상기 사용자에 대해 선호도가 기설정되어 있으면 상기 추출된 선호도에 기초하여 상기 사용자에 대한 선호도를 재구성하는 사용자선호도 생성부를 더 포함하는 것을 특징으로 하는 사용자 선호도를 고려한 정보제공장치.
  8. 제6항에 있어서, 상기 (e)단계는 상기 사용자에게 제공될 정보를 사용자의 전자메일로 제공하는 것을 특징으로 하는 사용자 선호도를 고려한 정보제공장치.
KR1020030085808A 2003-11-28 2003-11-28 사용자 선호도를 고려한 정보 제공 방법 및 장치 KR20050052638A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020030085808A KR20050052638A (ko) 2003-11-28 2003-11-28 사용자 선호도를 고려한 정보 제공 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020030085808A KR20050052638A (ko) 2003-11-28 2003-11-28 사용자 선호도를 고려한 정보 제공 방법 및 장치

Publications (1)

Publication Number Publication Date
KR20050052638A true KR20050052638A (ko) 2005-06-03

Family

ID=37248504

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020030085808A KR20050052638A (ko) 2003-11-28 2003-11-28 사용자 선호도를 고려한 정보 제공 방법 및 장치

Country Status (1)

Country Link
KR (1) KR20050052638A (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100775535B1 (ko) * 2005-12-26 2007-11-15 주식회사 케이티프리텔 선택이력에 기반한 임의 재생 기능을 구비한 멀티미디어데이터 재생 장치
KR100792307B1 (ko) * 2005-06-23 2008-01-07 장민석 최빈 검색 경로 패턴 추출 시스템
KR20190015164A (ko) 2018-12-20 2019-02-13 차의과학대학교 산학협력단 딥러닝 기반의 sns 역기능 개선 시스템 및 방법
KR101933559B1 (ko) 2017-08-03 2019-04-05 서울대학교산학협력단 딥러닝 기반의 sns 역기능 개선 시스템 및 방법
KR20200057817A (ko) 2018-11-13 2020-05-27 차의과학대학교 산학협력단 딥러닝 기반의 sns 역기능 개선을 위한 소셜 매쉬업 로직 구현 시스템 및 방법
KR20210123096A (ko) 2020-04-02 2021-10-13 차의과학대학교 산학협력단 딥러닝 기반의 sns 역기능 개선을 위한 소셜 매쉬업 로직 및 관계 구현 시스템 및 방법

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100792307B1 (ko) * 2005-06-23 2008-01-07 장민석 최빈 검색 경로 패턴 추출 시스템
KR100775535B1 (ko) * 2005-12-26 2007-11-15 주식회사 케이티프리텔 선택이력에 기반한 임의 재생 기능을 구비한 멀티미디어데이터 재생 장치
KR101933559B1 (ko) 2017-08-03 2019-04-05 서울대학교산학협력단 딥러닝 기반의 sns 역기능 개선 시스템 및 방법
KR20200057817A (ko) 2018-11-13 2020-05-27 차의과학대학교 산학협력단 딥러닝 기반의 sns 역기능 개선을 위한 소셜 매쉬업 로직 구현 시스템 및 방법
KR20190015164A (ko) 2018-12-20 2019-02-13 차의과학대학교 산학협력단 딥러닝 기반의 sns 역기능 개선 시스템 및 방법
KR20210123096A (ko) 2020-04-02 2021-10-13 차의과학대학교 산학협력단 딥러닝 기반의 sns 역기능 개선을 위한 소셜 매쉬업 로직 및 관계 구현 시스템 및 방법

Similar Documents

Publication Publication Date Title
US20230034330A1 (en) Distributed relationship reasoning engine for generating analytics for hemodynamic instability
Li et al. phyr: An r package for phylogenetic species‐distribution modelling in ecological communities
CA2424487C (en) Enterprise web mining system and method
US20020169652A1 (en) Method and system for sample data selection to test and train predictive algorithms of customer behavior
Xu et al. A multi-view CNN-based acoustic classification system for automatic animal species identification
Sánchez-Pi et al. A knowledge-based system approach for a context-aware system
CN103649905A (zh) 用于统一信息表示的方法和***及其应用
Alshmrany Adaptive learning style prediction in e-learning environment using levy flight distribution based CNN model
CN115511501A (zh) 一种数据处理方法、计算机设备以及可读存储介质
Khanum et al. Towards a semantically enriched computational intelligence (SECI) framework for smart farming
CN111695046B (zh) 基于时空移动数据表征学习的用户画像推断方法及装置
Cai et al. Swarm intelligence optimization: an exploration and application of machine learning technology
CN111797333A (zh) 舆情传播任务展示的方法及装置
Garimella et al. Churn prediction using optimized deep learning classifier on huge telecom data
KR20050052638A (ko) 사용자 선호도를 고려한 정보 제공 방법 및 장치
CA2709180C (fr) Procedes de mise a jour et d'apprentissage d'une carte auto-organisatrice
Ishaq et al. Information technology governance using cobit 4.0 domain delivery support and monitoring evaluation
CN112288195B (zh) 基于好友行为预测中心用户行为的方法、装置和电子设备
CN114969375A (zh) 一种基于心理学知识赋予机器人工智能学习的方法及***
Sheeba et al. An efficient starling murmuration-based secure web service model for smart city application using DBN
Fitzgerald et al. On the plurality of graphs
Noulamo et al. A Generic Intelligent Agent Design Approach Based on Artificial Neural Networks
Hadas et al. Using unsupervised incremental learning to cope with gradual concept drift
Shinde et al. A Comprehensive Survey on Recommender Systems Techniques and Challenges in Big Data Analytics with IoT Applications
CN117688425B (zh) 面向Non-IID图数据的多任务图分类模型构建方法及***

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application