KR20090083801A - System and method for determining ranking of blog post - Google Patents
System and method for determining ranking of blog post Download PDFInfo
- Publication number
- KR20090083801A KR20090083801A KR1020080009809A KR20080009809A KR20090083801A KR 20090083801 A KR20090083801 A KR 20090083801A KR 1020080009809 A KR1020080009809 A KR 1020080009809A KR 20080009809 A KR20080009809 A KR 20080009809A KR 20090083801 A KR20090083801 A KR 20090083801A
- Authority
- KR
- South Korea
- Prior art keywords
- post
- score
- blogger
- authority
- hub
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 113
- 239000011159 matrix material Substances 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 9
- 239000013598 vector Substances 0.000 description 21
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000002715 modification method Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005295 random walk Methods 0.000 description 1
Images
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
- G06Q50/10—Services
-
- 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Information Transfer Between Computers (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
본 발명은 블로그 포스트의 랭킹 판단 방법 및 시스템에 관한 것으로서 보다 상세하게는 블로거의 포스트에 대한 액션이 링크로 정의되는 링크 정보를 통해 블로그 포스트의 랭킹을 판단하는 방법 및 시스템에 관한 것이다.The present invention relates to a method and system for determining the ranking of blog posts, and more particularly, to a method and system for determining the ranking of blog posts through link information in which an action on a post of a blogger is defined as a link.
블로그(Blog)는 개인의 생각이나 의견을 웹 페이지인 포스트(Post)로 남기는 일종의 개인 웹 사이트이고, 포스트는 엔트리(Entry)라고도 부르며 블로그에 올려 진 글, 이미지, 사진, 동영상 등을 말한다.A blog is a kind of personal web site that leaves individual thoughts and opinions as a post, a web page. Posts, also called entries, are articles, images, photos, and videos posted on a blog.
블로그의 사용자가 늘어남에 따라 블로그 내에 포스트도 증가하게 되었으며, 웹 페이지에 대한 검색처럼 블로그의 포스트에 대한 검색도 필요하게 되었다. 따라서, 쿼리에 대한 너무 많은 포스트 검색 결과가 나타나게 되는 경우, 사용자가 원하는 웹 페이지를 효율적으로 검색하게 하기 위해 웹 페이지 랭킹을 제공하는 것처럼, 포스트 검색 결과 역시 이러한 랭킹의 제공이 필요하게 되었다.As the number of blog users increased, so did the posts within the blog, and the search for blog posts was necessary just as the search for web pages. Thus, if too many post search results for a query appear, post search results need to provide such rankings, just as web page rankings are provided to enable users to efficiently search for desired web pages.
그런데, 기존의 웹 페이지 랭킹 판단 방법을 블로그의 포스트에 그대로 적용하는 경우, 기존의 웹 페이지 랭킹 판단 방법에서는 페이지 사이의 링크에 의해 랭 킹이 부여되지만, 블로그에서는 포스트 사이의 링크가 거의 없기 때문에 거의 대부분의 포스트가 랭킹을 부여 받지 못하게 되는 문제점이 있었다.By the way, when the existing web page ranking determination method is applied to a post of a blog as it is, in the conventional web page ranking determination method, ranking is given by the link between pages, but in a blog, since there is almost no link between posts, There was a problem that most posts are not given a ranking.
또한, 블로그의 포스트에서는 기존의 하이퍼링크 뿐만 아니라 블로거(Blogger)의 덧글, 스크랩, 엮인글, 참조 등의 포스트에 대한 다양한 액션이 존재하며, 액션을 행한 시간 정보가 존재한다. 따라서, 기존의 웹 페이지 랭킹 판단 방법에서는 하이퍼링크를 이용하여 링크 정보를 구성하였으므로, 기존의 웹 페이지 랭킹 판단 방법을 블로그의 포스트에 적용하는 경우, 상기 다양한 액션에 의한 영향과, 시간 정보 등을 랭킹 제공 시 활용하지 못하게 되는 문제점이 있었다.In addition, in the posts of blogs, there are various actions on posts such as comments, scraps, loopbacks, and references of bloggers as well as existing hyperlinks, and time information on the actions are present. Therefore, in the conventional web page ranking determination method, since link information is configured using hyperlinks, when the existing web page ranking determination method is applied to a blog post, the influence of the various actions and time information are ranked. There was a problem that can not be utilized when providing.
또한, 웹 페이지의 랭킹 판단 방법을 블로그 환경에 적합한 블로그 포스트의 랭킹 판단 방법으로 확장하는 경우, 그 확장 방법 또는 다양한 변형 방법이 명확하지 않다는 문제점이 있었다.In addition, when the ranking determination method of a web page is extended to the ranking determination method of a blog post suitable for a blog environment, there is a problem that the expansion method or various modification methods are not clear.
본 발명은 상술한 문제점을 해결하기 위한 것으로서, 하이퍼링크로 구성된 링크 정보 없이도 포스트의 랭킹을 제공할 수 있는 블로그 포스트의 랭킹 판단 방법 및 시스템을 제공하는 것을 그 기술적 과제로 한다.Disclosure of Invention The present invention has been made in view of the above-described problems, and it is an object of the present invention to provide a method and system for determining a blog post ranking, which can provide a ranking of a post without hyperlink information.
또한, 본 발명은 기존의 하이퍼링크 대신에 블로거의 포스트에 대한 다양한 액션과 액션을 행한 시간 정보를 활용할 수 있는 블로그 포스트의 랭킹 판단 방법 및 시스템을 제공하는 것을 그 기술적 과제로 한다.Another object of the present invention is to provide a method and a system for determining a blog post ranking, which can utilize various actions and time information of a blogger's post instead of the existing hyperlink.
또한, 본 발명은 웹 페이지의 랭킹 판단 방법을 블로그 환경에 적합하게 확 장 또는 변형할 수 있는 블로그 포스트의 랭킹 판단 방법 및 시스템을 제공하는 것을 그 기술적 과제로 한다.Another object of the present invention is to provide a method and system for determining a blog post ranking, which can extend or modify the ranking method of a web page to suit a blog environment.
상술한 목적을 달성하기 위한 본 발명의 일 측면에 따른 블로그 포스트의 랭킹 판단 방법은 포스트와 블로거간의 링크가 상기 포스트에 대한 상기 블로거의 액션으로 정의되는 링크 정보를 생성하는 단계; 상기 링크 정보 상의 블로거를 허브 노드로, 포스트를 권위 노드로 사용하여 상기 포스트의 권위 점수를 산출하는 단계; 및 상기 권위 점수에 따라 상기 포스트의 랭킹을 판단하는 단계를 포함하는 것을 특징으로 한다.According to an aspect of the present invention, there is provided a method for determining a ranking of blog posts, the method comprising: generating link information in which a link between a post and a blogger is defined as an action of the blogger for the post; Calculating the authority score of the post using a blogger on the link information as a hub node and a post as an authority node; And determining the ranking of the post according to the authority score.
상술한 목적을 달성하기 위한 본 발명의 일 측면에 따른 블로그 포스트의 랭킹 판단 시스템은 포스트와 블로거간의 링크가 상기 포스트에 대한 상기 블로거의 액션으로 정의되는 링크 정보를 생성하는 링크 정보 생성부; 상기 링크 정보 상의 블로거를 허브 노드로, 포스트를 권위 노드로 사용하여 상기 포스트의 권위 점수를 산출하는 권위 점수 산출부; 및 상기 권위 점수를 통해 상기 포스트의 랭킹을 판단하는 랭킹 판단부를 포함하는 것을 특징으로 한다.In accordance with an aspect of the present invention, there is provided a system for determining a ranking of a blog post, the link information generation unit generating link information in which a link between a post and a blogger is defined as an action of the blogger for the post; An authority score calculator configured to calculate an authority score of the post by using a blogger on the link information as a hub node and a post as an authority node; And a ranking determination unit for determining a ranking of the post through the authority score.
상술한 바와 같이 본 발명에 따르면, 블로거를 허브 노드로, 포스트는 권위 노드로 사용하고 블로거의 포스트에 대한 액션을 링크로 포함하는 링크 정보를 사용함으로써, 포스트 간의 하이퍼링크 없이도 블로그 환경에 적합한 링크 정보를 통해 포스트의 랭킹을 제공할 수 있는 효과가 있다.As described above, according to the present invention, by using a blogger as a hub node, a post as an authority node, and using link information including an action on a blogger's post as a link, link information suitable for a blog environment without hyperlinks between posts is provided. There is an effect that can provide the ranking of the post through.
또한, 본 발명에 따르면, 블로거의 포스트에 대한 다양한 액션과 상기 액션을 행한 시간 정보를 포스트 랭킹 판단 방법에 활용함으로써, 블로그 환경에서 사용자의 행동을 잘 반영하는 포스트의 랭킹을 제공할 수 있는 효과가 있다.In addition, according to the present invention, by using a variety of actions on the post of the blogger and the time information of the action in the post ranking determination method, it is possible to provide a ranking of the posts that well reflect the user's behavior in the blog environment have.
또한, 본 발명에 따르면, 기존의 웹 페이지 랭킹 판단 방법을 블로거, 포스트 및 블로거의 포스트에 대한 액션을 포함하는 링크 정보를 통해 확장 또는 변형하여 사용할 수 있는 효과가 있다.In addition, according to the present invention, there is an effect that can be used to extend or modify the existing web page ranking determination method through the blogger, the post and the link information including the action on the post of the blogger.
본 발명의 실시예에 대한 상세한 설명을 하기 이전에 본 발명에서 사용된 용어에 대해 간략히 설명한다.Before describing the embodiments of the present invention, the terms used in the present invention will be briefly described.
액션이란 포스트(Post)를 작성 또는 게시한 블로거(Blogger)와 다른 블로거 사이의 의견 교환을 위해 사용되는 기능으로서 스크랩, 덧글, 엮인글, 참조, 하이퍼링크 등이 있다. 스크랩은 다른 블로거의 포스트를 자신의 블로그(Blog)로 복사하여 가져오는 기능이고, 덧글은 포스트에 다른 블로거나 자신의 의견을 남길 수 있도록 하는 기능이다. 또한 엮인글은 다른 블로그의 포스트에 링크를 남기고, 자신의 블로그 포스트와 서로 엮는 기능이다Actions are used to exchange opinions between bloggers who write or post posts and other bloggers. These include scraps, comments, loopbacks, references, and hyperlinks. Scrap is the ability to copy other blogger's posts to your blog and get them, and comments allow you to leave your own comments or other bloggers in your posts. Trackbacks also allow you to link to other blog posts and link them with your own blog posts.
인접 행렬(Adjacency Matrix)은 블로거와 포스트의 링크 정보를 표현한 행렬이다. 그리고, 블로거를 허브 노드(Hub Node)로, 포스트를 권위 노드(Authoritative Node)로 사용하며, 상기 노드들의 링크 관계를 표현한다. 여기서, 링크 정보는 블로거의 포스트에 대한 액션을 링크로 포함한다. 또한, 인접 행렬은 블로거와 포스트의 작성 관계를 나타낼 수 있다.The adjacency matrix is a matrix representing link information between bloggers and posts. A blogger is used as a hub node, a post is used as an authority node, and a link relationship between the nodes is expressed. Here, the link information includes an action on a post of a blogger as a link. In addition, the adjacency matrix may represent the composition of bloggers and posts.
인접 행렬 산출 시 링크가 중복되어 나타나는 경우 하나의 링크만을 이용한다. 자신을 참조하는(Self-loop) 링크와 자신의 노드를 순회(Navigation)하기 위한 목적으로 생성한 링크는 제거한다. 또한, 다른 포스트를 참조하지도 않고 다른 블로거에게 참조되지도 않는 완전히 고립된 노드는 제거된다. 이러한 인접 행렬은 다음과 같이 표현할 수 있다.When links are duplicated when calculating an adjacent matrix, only one link is used. Self-loop links and links created for the purpose of navigating their own nodes are removed. In addition, completely isolated nodes that do not reference other posts or are referenced by other bloggers are removed. This adjacency matrix can be expressed as follows.
인접 행렬 M: M(i,j) = 1, 노드 i에서 j로의 링크가 존재하는 경우Adjacency matrix M: M (i, j) = 1, where there is a link from node i to j
M(i,j) = 0, 노드 i에서 j로의 링크가 존재하지 않는 경우 M (i, j) = 0, if there is no link from node i to j
블로그의 포스트 랭킹 판단 방법의 입력으로 인접 행렬과 n-차원 벡터가 사용된다. 페이지 랭킹 판단 방법의 수행 결과로 나오는 n-차원 벡터의 i번째 요소는 포스트 i의 랭킹을 위한 점수로 사용된다.Adjacent matrices and n-dimensional vectors are used as inputs to the blog post ranking determination method. The i th element of the n-dimensional vector resulting from the execution of the page ranking determination method is used as a score for ranking the post i.
링크 정보에서 노드 i에 역방향 링크로 이어진 노드의 집합은 B(i)로 표현되고, 정방향 링크로 이어진 노드의 집합은 F(i)로 표현된다. 어떤 노드가 갖는 정방향 링크의 개수를 외부 차수(Out-degree)라고 하고, 역방향 링크의 개수를 내부 차수(In-degree)라고 한다. 이때, 외부 차수는 |F(i)|로 내부 차수는 |B(i)|로 나타낼 수 있다. In the link information, the set of nodes connected to the node i by the reverse link is represented by B (i), and the set of nodes connected by the forward link is represented by F (i). The number of forward links that a node has is called the out-degree, and the number of reverse links is called the in-degree. In this case, the outer order may be represented by | F (i) | and the inner order may be represented by | B (i) |.
권위 노드는 다른 노드로부터 참조되는 내부 차수가 0이상인 노드를 의미한다. 즉, 다른 노드로부터 적어도 한 번 이상 액션이 행해 진 노드이다. 이러한 권위 노드에 알고리즘을 통해 부여된 점수를 권위 점수라고 한다. 허브 노드는 다른 노드를 참조하는 외부 차수가 0이상인 노드를 의미한다. 즉, 다른 노드에 적어도 한 번 이상 액션을 행한 노드이다. 이러한 허브 노드에 알고리즘을 통해 부여된 점 수를 허브 점수라고 한다.An authority node refers to a node with an internal order of zero or more referenced from other nodes. That is, the node has performed an action at least once from another node. The points given through algorithms to these authority nodes are called authority points. The hub node refers to a node having an outer order of zero or more referring to another node. That is, a node has performed an action at least once on another node. The number of points given through the algorithm to these hub nodes is called the hub score.
이하 첨부된 도면을 참조하여 본 발명의 실시예에 대해 상세히 설명한다.Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings.
도 1은 본 발명의 일 실시예에 따른 블로그 포스트의 랭킹 판단 시스템의 개략적인 블록도이다.1 is a schematic block diagram of a system for determining a blog post ranking according to an embodiment of the present invention.
도시된 바와 같이, 본 발명의 일 실시예에 따른 블로그 포스트의 랭킹 판단 시스템(102)은 링크 정보 생성부(104), 권위 점수 산출부(106), 랭킹 판단부(108)를 포함하며, 소정의 데이터베이스(110)와 연결된다. As shown, the blog post ranking
블로그 포스트의 랭킹 판단 시스템(102)은 특정 쿼리(Query)와 그에 대한 랭킹 제공 요청을 수신하면, 데이터베이스(110)에 기 저장된 블로그 정보를 통해 상기 쿼리에 대한 검색 결과인 포스트의 랭킹을 제공한다. 여기서, 블로그 포스트의 랭킹 판단 시스템(102)은 데이터베이스(110)로부터 블로그 정보를 수신한다. 상기 블로그 정보는 블로그의 포스트, 블로거 및 상기 블로거의 포스트에 대한 액션 정보를 포함한다.When the blog post ranking
또한, 본 발명의 일 실시예에서는 상기 블로그 포스트의 랭킹 판단 시스템(102)은 데이터베이스(110)와 분리된 것으로 설명하였으나, 변형된 실시예에서는 상기 데이터베이스(110)를 포함할 수 있다.In addition, although the
링크 정보 생성부(104)는 포스트와 블로거간의 링크가 상기 포스트에 대한 상기 블로거의 액션으로 정의되는 링크 정보를 생성한다. 여기서, 상기 액션은 스크랩, 덧글, 엮인글, 참조 및 하이퍼링크 중 적어도 하나를 포함할 수 있다.The link
도 2는 본 발명의 일 실시예에 따른 블로거, 포스트, 및 액션을 포함하는 링 크 정보를 나타내는 도면이다. 도 2를 참조하면, 링크 정보는 사각형의 포스트(202), 원 모양의 블로거(204), 및 블로거(204)의 포스트(202)에 대한 액션(206)을 포함한다.2 is a diagram illustrating link information including a blogger, a post, and an action according to an embodiment of the present invention. Referring to FIG. 2, the link information includes a
기존의 웹 페이지 랭킹 판단 방법은 하이퍼링크와 웹 페이지들을 포함하는 링크 정보를 통해 웹 페이지의 랭킹을 판단하였다. 그러나, 본 발명의 일 실시예에 따른 블로그 포스트 랭킹 판단 방법은 도 2와 같은 포스트(202), 블로거(204), 및 액션(206)을 포함하는 링크 정보를 통해 랭킹을 판단한다.In the conventional web page ranking determination method, the web page ranking is determined based on link information including hyperlinks and web pages. However, in the blog post ranking determination method according to an embodiment of the present invention, the ranking is determined based on link information including the
도시된 바와 같이 본 발명의 일 실시예에 따른 링크 정보는 블로거(204)와 포스트(202)의 관계로 이루어져 있으며, 블로거(204)와 포스트(202)로 이루어진 이분 그래프(Bipartite Graph)형태로 나타낼 수 있다. 블로거(204)는 허브 노드로 구성되고 포스트(202)는 권위 노드로 구성되며, 허브 점수를 블로거(204)에, 권위 점수를 포스트(202)에 부여하여 포스트(202)의 랭킹을 판단한다. 이하, 포스트(202)에 부여하는 권위 점수를 ai로, 블로거(204)에 부여하는 허브 점수를 bi로 나타내겠다.As shown, the link information according to an embodiment of the present invention has a relationship between the
블로거(204)는 포스트(202)에 대한 스크랩, 덧글, 엮인글, 참조, 하이퍼링크 등과 같은 액션(206)을 남길 수 있다. 링크 정보는 액션(206)을 링크로 포함하며, 어떤 포스트(202)에도 액션(206)을 행하지 않은 고립된 블로거(204)와 어떤 블로거(204)로부터도 액션(206)이 행해 지지 않은 고립된 포스트(202)는 제거된다. 또한, 중복되어 나타나는 액션(206)의 경우 이를 동일한 액션(206)으로 판단한다.The
다시 도 1을 참조하면, 권위 점수 산출부(106)는 링크 정보 상의 블로거를 허브 노드로, 포스트를 권위 노드로 사용하여 상기 포스트의 권위 점수를 산출한다.Referring back to FIG. 1, the
이하, 권위 점수 산출부(106)가 링크 정보를 사용하여 포스트의 권위 점수를 산출하는 방법을 여러 실시예를 통해 설명하겠다.Hereinafter, a method of calculating the authority score of a post using the link information by the
제1 실시예에 있어서, 권위 점수 산출부(106)는 링크 정보를 참조하여 포스트에 대한 액션의 수를 획득하고, 상기 액션의 수를 통해 상기 포스트의 권위 점수를 산출한다. 이하, 제1 실시예에 따른 포스트의 권위 점수 판단 방법을 InDegree라 하겠다.In the first embodiment, the
InDegree는 권위 노드인 포스트에 대한 허브 노드인 블로거의 액션의 개수를 포스트의 권위 점수로 이용하며, 하기 <수학식 1>과 같이 표현 될 수 있다.InDegree uses the number of actions of the blogger, which is a hub node, for the post, which is an authority node, as the authority score of the post, and can be expressed as in
여기서 ai는 포스트 i의 권위 점수를 나타내고, |B(i)|는 포스트 i의 외부 차수를 나타낸다.Where a i represents the authority score of post i and | B (i) | represents the outer order of post i.
제2 실시예에 있어서, 권위 점수 산출부(106)는 블로거에 의해 작성된 포스트의 초기 권위 점수의 합에 따라 상기 블로거의 허브 점수를 산출하고, 상기 링크 정보를 참조하여 상기 포스트에 액션을 행한 블로거의 허브 점수의 합에 따라 상기 포스트의 권위 점수를 산출한다. 이하, 제2 실시예에 따른 포스트의 권위 점수 판 단 방법을 PostRank라 하겠다.In the second embodiment, the
PostRank는 좋은 블로거가 평가하는 포스트는 좋은 포스트라는 개념으로서, 좋은 블로거는 자신이 작성한 포스트에 다른 블로거가 많은 액션을 남긴 블로거이다. 이는 웹 페이지 랭킹 판단 방법인 PageRank를 변형 및 확장한 방법이다.PostRank is the concept that a good blogger evaluates a post as a good post. A good blogger is a blogger whose actions are left by many other bloggers. This is a method of modifying and extending PageRank, a method of determining web page ranking.
도 3은 PostRank를 설명하기 위한 도면으로서, 링크 정보에 포함된 액션(306)뿐만 아니라, 블로거(304a,304b)가 작성한 포스트(302a,302b)가 어떤 것인지를 나타내는 포스트 작성 정보(308)가 필요하다.3 is a diagram for explaining PostRank. In addition to the
도 3을 참조하면, 가운데 상위 4개의 포스트(302a)는 왼쪽에 있는 블로거(304a)가 작성한 것이고, 오른쪽에 있는 블로거(304b)는 이들 포스트(302a)에 액션(306)을 행함으로써 링크되어 있다. 왼쪽의 블로거(304a) 중 아래쪽에 있는 블로거(304a)가 다른 블로거(304b)에게 많은 액션(306)을 받았으므로, 아래쪽 블로거(304a)는 좋은 블로거(304a)가 된다. 이 블로거(304a)가 액션을 행한 맨 아래쪽의 포스트(302b)는 좋은 포스트(304a)로 좋은 권위 점수를 받게 된다.Referring to FIG. 3, the top four
PostRank에서는 액션으로 이루어진 그래프뿐만 아니라 블로거가 작성한 포스트가 어떤 것인지 나타내는 링크 정보가 필요하다. 블로거가 작성한 포스트를 나타내는 인접 행렬을 W라고 하고, 블로거의 포스트에 대한 액션을 나타내는 인접 행렬을 M이라고 하면, PostRank는 하기의 <수학식 2>를 사용하여 권위 점수를 산출할 수 있다.In PostRank, you need not only a graph of actions, but also link information indicating what the post was written by the blogger. If the adjacent matrix representing the post created by the blogger is W and the adjacent matrix representing the action of the blogger's post is M, PostRank can calculate the authority score using Equation 2 below.
여기서, 는 포스트들의 권위 점수를 표현하기 위한 벡터이며, 행렬 MTW의 주 고유벡터를 구하여 얻을 수 있다. MT는 M의 전치 행렬(Transpose Matrix)이다here, Is a vector for representing the authority scores of the posts, and can be obtained by obtaining the main eigenvector of the matrix M T W. M T is the transpose matrix of M
일 예로서, 주 고유 벡터를 구하기 위해서 파워 방법(Power Method)을 사용하는 경우, 에 소정의 초기치를 대입하는 제1 단계 및 W연산을 통해 블로거가 작성한 포스트의 권위 점수를 반영하여 블로거의 허브 점수()를 산출하는 제2 단계를 수행한다. 그리고, 제2 단계의 결과값과 MT행렬을 곱함으로써 포스트에 액션을 행한 블로거의 허브 점수를 반영하여 포스트의 권위 점수를 산출하는 제3 단계, 및 를 단위 벡터로 정규화 하는 제4 단계, 및 상기 제2 단계 내지 제4 단계를 반복하여 수렴되는 를 찾아내는 제5 단계를 수행한다. 여기서, 수렴되는 가 주 고유 벡터로서 권위 점수를 나타내는 벡터가 된다.As an example, in the case of using a power method to obtain a principal eigenvector, A first step of substituting a predetermined initial value into The b score of the blogger reflects the authority score of the post written by the blogger through the W operation ( And a second step of calculating. A third step of calculating a post authority score by reflecting the hub score of the blogger who took action on the post by multiplying the resultant value of the second step by the M T matrix; And Converging by repeating the fourth step of normalizing a to a unit vector and the second to fourth steps Perform a fifth step to find out. Where converged Becomes the state eigenvector and represents the authority score.
다시 도 1을 참조하면, 제3 실시예에 있어서, 권위 점수 산출부(106)는 상기 링크 정보를 참조하여 상기 블로거가 액션을 행한 포스트의 초기 권위 점수의 합에 따라 상기 블로거의 허브 점수를 산출하고, 상기 포스트에 액션을 행한 블로거의 허브 점수의 합에 따라 상기 포스트의 권위 점수를 산출한다. 이하, 제3 실시예에 따른 포스트의 권위 점수 판단 방법을 AuthHub라 하겠다.Referring back to FIG. 1, in the third embodiment, the
AuthHub는 허브 노드를 블로거로 권위 노드를 포스트로 하여 좋은 포스트에 액션을 많이 남긴 블로거가 참조하는 포스트가 좋은 포스트가 되는 개념이다. 즉, 권위 점수가 높은 포스트에 액션을 많이 행한 블로거들이 존재하는 경우, 상기 해당 블로거들이 액션을 행한 포스트의 권위 점수를 높게 산출하는 방법이다.AuthHub is a concept where a post referenced by a blogger who left a lot of actions on a good post with a hub node as a blogger and a post as an authority node becomes a good post. That is, when there are bloggers who have performed a lot of actions in posts having a high authority score, the bloggers calculate a high authority score of posts in which the bloggers have performed the action.
따라서 권위 점수는, 먼저 포스트의 권위 점수를 반영하여 상기 포스트에 액션을 행한 블로거의 허브 점수를 계산하고, 계산된 허브 점수를 반영하여 블로거가 액션을 행한 포스트의 권위 점수를 계산하는 과정의 반복으로 구해 질 수 있다. 이러한, 권위 점수와 허브 점수의 반영 과정은 하기의 <수학식 3>으로 표현된다.Therefore, the authority score is a repetition of the process of calculating the hub score of the blogger who has acted on the post by first reflecting the authority score of the post, and calculating the authority score of the post where the blogger has performed the action by reflecting the calculated hub score. Can be saved. The reflection process of the authority score and the hub score is expressed by Equation 3 below.
<수학식 3>을 인접 행렬과 벡터 형태로 표현하면 하기 <수학식 4>와 같다.When Equation 3 is expressed in the form of an adjacent matrix and a vector, Equation 4 is obtained.
즉, = MTM 또는 = MTM 로 표현될 수 있기 때문에, 포스트의 권위 점수는 행렬 MTM의 주 고유 벡터로 계산된다.In other words, = M T M or = M T M Since it can be expressed as, the authority score of the post is computed as the principal eigenvector of matrix M T M.
이하, 권위 점수 산출부(106)가 AuthHub로 권위 점수를 산출하는 과정을 구체적으로 설명하겠다.Hereinafter, the process of calculating the authority score by the
먼저, 권위 점수 산출부(106)는 상기 링크 정보 생성부(104)에서 생성된 링크 정보를 참조하여, 권위 노드인 포스트 및 허브 노드인 블로거를 모두 1로 초기 화한다. 그리고, 블로거가 액션을 행한 포스트의 초기 권위 점수의 합을 통해 블로거의 허브 점수를 산출한 후, 포스트에 액션을 행한 블로거의 허브 점수의 합을 통해 포스트의 권위 점수를 산출한다.First, the
그리고, 포스트의 권위 점수 벡터와 블로거의 허브 점수 벡터를 단위 벡터로 정규화하고, 권위 점수가 수렴하는지 판단한다.Then, the authority score vector of the post and the hub score vector of the blogger are normalized to a unit vector, and it is determined whether the authority score converges.
상기 권위 점수가 수렴하면, 행렬 MTM의 주 고유 벡터가 구해 진 것으로 판단하고 수렴된 권위 점수를 포스트에 부여한다.If the authority scores converge, it is determined that the principal eigenvectors of the matrix M T M have been obtained and the converged authority scores are assigned to the post.
만약, 상기 권위 점수가 수렴하지 않으면, 상기 포스트마다 초기 권위 점수를 상기 산출된 권위 점수로 치환하는 과정, 허브 점수를 구하는 과정, 권위 점수를 구하는 과정, 및 수렴 여부를 판단하는 과정을 수렴할 때까지 반복적으로 수행한다.If the authority score does not converge, when the convergence of the process of replacing the initial authority score with the calculated authority score for each post, obtaining a hub score, obtaining a authority score, and determining whether to converge Repeatedly until.
제4 실시예에 있어서, 권위 점수 산출부(106)는 링크 정보를 참조하여 블로거가 액션을 행한 포스트의 초기 권위 점수의 합을 상기 블로거가 액션을 행한 포스트의 수로 나눈 값에 따라 상기 블로거의 허브 점수를 산출하고, 상기 포스트에 액션을 행한 블로거의 허브 점수의 합에 따라 상기 포스트의 권위 점수를 산출한다. 이하, 제4 실시예에 따른 포스트의 권위 점수 판단 방법을 Auth(1/N)Hub라 하겠다.In the fourth embodiment, the authority
Auth(1/N)Hub는 AuthHub을 변형한 방법으로 권위 노드에서 허브 노드로 점수를 부여할 때, 무작위 이동(Random Walk)을 적용한 것이다. 즉, 하기 <수학식 5>를 통해 개념을 설명할 수 있다.Auth (1 / N) Hub is a variation of AuthHub, which applies a random walk when scoring points from an authority node to a hub node. That is, the concept may be described through Equation 5 below.
여기서, 상기 <수학식 5>에 상응하는 인접 행렬과 벡터의 표현식은 =Mr 그리고, = MT 로 표현할 수 있으므로, 포스트의 권위 점수는 대해 하기 <수학식 6>으로 표현할 수 있다.Here, the expression of the adjacent matrix and the vector corresponding to Equation 5 is = M r And, = M T Since it can be expressed as, the authority score of the post can be expressed by Equation 6 below.
상기 <수학식 6>에서 Mr은 블로거의 포스트에 대한 액션을 나타내는 인접 행렬의 행 벡터를 1/|B(j)|로 정규화한 것이다. 따라서, MT Mr행렬의 주 고유 벡터를 구함으로서, 포스트의 권위 점수를 산출할 수 있다.In Equation 6, M r normalizes a row vector of an adjacent matrix representing an action on a post of a blogger by 1 / | B (j) |. Therefore, by obtaining the principal eigenvector of the M T M r matrix, the authority score of the post can be calculated.
제5 실시예에 있어서, 권위 점수 산출부(106)는 링크 정보를 참조하여 블로거가 액션을 행한 포스트의 초기 권위 점수의 합에 따라 상기 블로거의 허브 점수를 산출하고, 포스트에 액션을 행한 블로거의 허브 점수의 합을 상기 포스트로 액션을 행한 블로거의 수로 나눈 값에 따라 상기 포스트의 권위 점수를 산출한다. 이하, 제5 실시예에 따른 포스트의 권위 점수 판단 방법을 AuthHub(1/N)라 하겠다.In the fifth embodiment, the authority
AuthHub(1/N)는 AuthHub을 변형한 방법으로 허브 노드에서 권위 노드로 점수를 부여할 때, 무작위 이동을 적용한 것이다. 즉, 하기 <수학식 7>을 통해 개념을 설명할 수 있다.AuthHub (1 / N) is a variation of AuthHub that applies random movement when scoring points from a hub node to an authority node. That is, the concept may be described through Equation 7 below.
따라서, 상기 <수학식 7>에 상응하는 인접 벡터들을 생성하고, 그 곱행렬인 Mc TM의 주 고유 벡터를 구함으로서, 포스트의 권위 점수를 산출한다. 여기서, Mc는 인접 행렬의 열벡터가 1/|F(j)|로 정규화된 것이다.Therefore, by generating adjacent vectors corresponding to Equation (7), and finding the main eigenvector of the product matrix M c T M, the authority score of the post is calculated. Where M c is the column vector of the adjacent matrix is normalized to 1 / | F (j) |.
제6 실시예에 있어서, 권위 점수 산출부(106)는 링크 정보를 참조하여 상기 블로거가 액션을 행한 포스트의 초기 권위 점수의 합을 상기 블로거가 액션을 행한 포스트의 수로 나눈 값에 따라 허브 점수를 산출하고, 포스트에 액션을 행한 블로거의 허브 점수의 합을 상기 포스트로 액션을 행한 블로거의 수로 나눈 값에 따라 포스트의 권위 점수를 산출한다. 이하, 제6 실시예에 따른 포스트의 권위 점수 판단 방법을 Auth(1/N)Hub(1/N)라 하겠다.In the sixth embodiment, the authority
Auth(1/N)Hub(1/N)는 AuthHub을 변형한 방법으로 권위 노드에서 허브노드로 점수를 부여할 때와 허브 노드에서 권위 노드로 점수를 부여할 때, 무작위 이동을 적용한 것이다. 즉, 하기 <수학식 8>을 통해 개념을 설명할 수 있다.Auth (1 / N) Hub (1 / N) is a variation of AuthHub that applies random movement when scoring points from an authority node to a hub node and when scoring points from an hub node to an authority node. That is, the concept may be described through Equation 8 below.
따라서, 상기 <수학식 8>에 상응하는 인접 벡터들을 생성하고, 그 곱행렬의 주 고유 벡터를 구함으로서, 포스트의 권위 점수를 산출한다. 이에 대한 설명은 제4 실시예 또는 제5 실시예를 통해 이해될 수 있으므로 생략하기로 한다.Therefore, by generating adjacent vectors corresponding to Equation (8) and obtaining the main eigenvector of the multiplication matrix, the authority score of the post is calculated. The description thereof will be omitted since it can be understood through the fourth embodiment or the fifth embodiment.
제7 실시예에 있어서, 권위 점수 산출부(106)는 링크 정보를 참조하여 상기 블로거가 액션을 행한 포스트의 초기 권위 점수의 합을 상기 블로거가 액션을 행한 포스트의 수의 제곱근으로 나눈 값에 따라 상기 블로거의 허브 점수를 산출하고, 상기 포스트에 액션을 행한 블로거의 허브 점수의 합에 따라 상기 포스트의 권위 점수를 산출한다. 이하, 제7 실시예에 따른 포스트의 권위 점수 판단 방법을 SNR(Square Root Normalization)이라 하겠다.In the seventh embodiment, the authority
권위 노드는 다른 허브 노드의 참조에 의해서 권위 점수가 결정되기 때문에 블로거가 이를 악용하는 것을 방지하는데 어려움이 있다. 즉, 허브 노드는 참조하는 권위 노드에 따라 그 점수가 달라지므로, 권위 노드를 인위적으로 참조하여 자신의 점수를 높이고 다른 포스트의 점수를 높이는 악용이 쉽게 이루어 질 수 있다. 이러한 이유로 상기 악용을 방지하기 위해 AuthHub를 이용하되, 허브 점수를 제한하는 SNR을 제시한 것이다.Authority nodes have difficulty in preventing bloggers from exploiting them because authority points are determined by references to other hub nodes. In other words, since the hub node has a different score depending on the authority node to which the hub node refers, it is easy to exploit the artificial node to artificially refer to the authority node to increase its score and increase the score of other posts. For this reason, AuthHub is used to prevent the abuse, but SNR is provided to limit the hub score.
SNR은 AuthHub(1/N)에서 외부 차수로 허브 점수를 나누어 주는 것과 유사하게 외부 차수의 제곱근으로 허브 점수를 나누어 준다. 즉, 하기 <수학식 9>를 통해 개념을 설명할 수 있다.SNR divides the hub score by the square root of the outer order, similar to dividing the hub score by the outer order in AuthHub (1 / N). That is, the concept may be described through Equation 9 below.
따라서, 상기 <수학식 9>에 상응하는 인접 벡터들을 생성하고, 그 곱행렬의 주 고유 벡터를 구함으로서, 포스트의 권위 점수를 산출한다.Therefore, by generating adjacent vectors corresponding to Equation (9) and obtaining the main eigenvector of the product matrix, the authority score of the post is calculated.
제8 실시예에 있어서, 권위 점수 산출부(106)는 AuthHub와 같은 방식으로 권위 점수를 산출하지만, 허브 점수를 산출하는데 필요한 상기 초기 권위 점수의 합은 상기 초기 권위 점수가 상위 k번째 이내인 상기 블로거가 액션을 행한 포스트의 초기 권위 점수의 합이다. 이하, 제8 실시예에 따른 포스트의 권위 점수 판단 방법을 PAT(k)(Post Authority Threshold)라 하겠다.In the eighth embodiment, the
PAT(k)는 AuthHub에 SNR과 마찬가지로 허브 점수 제한 방법을 적용한 것으로서, 상위 k개의 권위 점수를 갖는 포스트의 권위 점수를 블로거의 허브 점수로 가져온다.PAT (k) applies the hub score limiting method to the AuthHub like SNR, and brings the authority score of the post with the top k authority scores to the blogger's hub score.
제9 실시예에 있어서, 권위 점수 산출부(106)는 AuthHub와 같은 방식으로 권위 점수를 산출하지만, 상기 포스트에 액션을 행한 블로거의 허브 점수는 상기 블로거가 액션을 행한 포스트의 초기 권위 점수의 합에 따라 산출된 상기 블로거의 허브 점수를 구간을 나누어 상기 구간마다 서로 다른 값으로 치환한 값이다. 이하, 제9 실시예에 따른 포스트의 권위 점수 판단 방법을 HubDisc(HubDiscretization)라 하겠다.In the ninth embodiment, the
HubDisc는 허브 점수를 제한하는 방법으로 허브 점수가 속한 구간에 따라 허 브 점수를 특정한 값으로 치환하여 주는 방법이다. 이 방법은 허브 점수를 일정한 구간으로 나누어 높은 점수를 받은 구간에는 높은 점수를, 낮은 점수를 받은 구간에는 낮은 점수를 주어 허브 점수를 일정한 값으로 치환한다. AuthHub에서는 높은 점수를 받은 허브 노드는 더 높은 점수를 받게 되고, 낮은 점수를 받는 허브 노드는 더 낮은 점수를 받게 된다. 그러나 이 방법은 구간에 따라 허브 점수의 크기를 일정하게 하기 때문에 점수의 분포를 일정하게 한다.HubDisc is a method of restricting the hub score and replaces the hub score with a specific value according to the section to which the hub score belongs. In this method, the hub score is divided into fixed intervals, and the hub score is replaced with a high value for a high score and a low score for a low score. In AuthHub, hub nodes with higher scores get higher scores, and hub nodes with lower scores get lower scores. However, this method makes the distribution of scores constant because the size of the hub scores is constant according to the intervals.
도 4는 HubDisc에서 허브 점수의 구간을 나누는 일 예를 나타낸 도면이다.4 is a diagram illustrating an example of dividing a section of a hub score in HubDisc.
도 4를 참조하면, 일반적으로 허브 점수는 멱함수의 법칙을 따른다. y축은 블로거의 수를 의미하고, x축은 블로거가 받은 허브 점수의 크기를 나타낸다. 점선은 허브 점수에 따라 나누어 지는 구간을 나타낸다.Referring to FIG. 4, the hub score generally follows the law of power function. The y-axis represents the number of bloggers, and the x-axis represents the size of the hub score received by the blogger. The dotted line represents the segment divided according to the hub score.
노드의 개수를 이용하여 그 구간을 나눌 경우 대부분의 허브 노드가 높은 점수를 받게 된다. 따라서 허브 점수의 구간을 나눌 때 허브 점수의 크기를 이용하여 구간을 나눈다. 다양한 방법으로 허브 점수의 구간을 나눌 수 있지만 도 4의 예에서는 3단계로 나누기로 한다. If you divide the interval by the number of nodes, most hub nodes receive high scores. Therefore, when dividing the interval of the hub score, the interval is divided using the size of the hub score. Although the hub score section may be divided in various ways, the example of FIG. 4 is divided into three stages.
전체 허브 점수 중 높은 허브 점수 구간(402)을 30%, 중간 크기의 허브 점수 구간(404)을 40%, 낮은 크기의 허브 점수 구간(406)을 30%로 하여 구간을 나눈다. 각 구간에 부여하는 점수 또한 다양한 방법으로 줄 수 있지만, 도 4의 예에서는 높은 구간부터 각각 3점, 2점, 1점을 부여한다. 허브 점수의 구간을 나누는 방법이나 점수의 수치를 부여하는 방법에 따라 다양한 랭킹이 나타날 수 있음을 미리 밝혀 둔다.The interval is divided into 30% of the high
제10 실시예에 있어서, 권위 점수 산출부(106)는 AuthHub와 같은 방식으로 권위 점수를 산출하지만, 상기 블로거가 액션을 행한 포스트의 초기 권위 점수의 합에 따라 산출된 상기 블로거의 허브 점수에 Log함수를 적용한 값에 따라 포스트의 권위 점수를 산출한다. 이하, 제10 실시예에 따른 포스트의 권위 점수 판단 방법을 LOGSCORE라 하겠다.In the tenth embodiment, the
LOGSCORE는 허브 점수를 제한하는 방법으로 전체 허브 점수에 Log함수를 적용하는 것이다. Log함수를 적용하는 이유는 허브 점수가 너무 큰 값을 갖지 못하도록 점수를 낮추어 각 허브 노드가 갖는 허브 점수의 차이를 줄이기 위해서이다.LOGSCORE is a method of limiting the hub score that applies the log function to the overall hub score. The reason for applying the Log function is to reduce the difference between the hub scores of each hub node by lowering the score so that the hub score does not have too large a value.
AuthHub는 각 단계에서 모든 권위 점수와 허브 점수는 단위 벡터로 정규화 한다. 정규화가 된 권위 점수와 허브 점수는 모두 0과 1사이의 값을 갖는다. 따라서 허브 점수에 바로 Log함수를 취하는 경우 그 값이 0 이하의 음수 값으로 나타난다. 따라서 LOGSCORE는 모든 허브 점수에 1을 더하여 Log함수를 취한다. 이는 하기 <수학식 10>으로 표현할 수 있다.AuthHub normalizes all authority and hub scores in a unit vector at each level. Normalized authority and hub scores both have values between 0 and 1. Therefore, if the log function is directly taken to the hub score, the value appears as a negative value less than or equal to zero. Therefore, LOGSCORE takes the Log function by adding 1 to all hub scores. This can be expressed by Equation 10 below.
상기 <수학식 10>을 이용한 LOGSCORE의 계산 방법은 다음과 같다. 먼저, 모든 포스트의 권위 점수와 블로거의 허브 점수를 1로 초기화하는 제1 단계를 수행한다. 그리고, 모든 허브 노드에 대해서 를 계산하는 제2 단계, 를 계산하는 제3 단계, 및 벡터를 단위 벡터로 정규화하는 제4 단계, 및 로 허브 점수를 업데이트 하는 제5 단계를 수행한다. 그리고, 상기 제2 단계 내지 제5 단계를 권위 점수가 수렴할 때까지 반복한다.The calculation method of LOGSCORE using Equation 10 is as follows. First, a first step of initializing all post authority scores and blogger hub scores to 1 is performed. And for all hub nodes A second step of calculating A third step of calculating And A fourth step of normalizing the vector to a unit vector, and The fifth step of updating the hub score. The second to fifth steps are repeated until the authority score converges.
제11 실시예에 있어서, 권위 점수 산출부(106)는 AuthHub와 같은 방식으로 권위 점수를 산출하지만, 상기 권위 점수는 상기 포스트에 행한 액션의 순서에 따른 가중치를 부여 받은 상기 블로거의 허브 점수를 통해 산출한다. 이하, 제11 실시예에 따른 포스트의 권위 점수 판단 방법을 ERA(Equivalent Ratio Attenuation)라 하겠다.In the eleventh embodiment, the authority
블로그 포스트의 액션에는 웹 페이지와는 달리 링크에 시간에 대한 정보가 포함되어 있다. 이러한 부가적인 정보를 이용한다면 포스트 랭킹의 정확도를 높일 수 있다. ERA는 포스트 랭킹 판단 방법에서 액션을 행한 시간 정보를 활용하는 방법이며, 일 예로 AuthHub를 확장하는 방법이 될 수 있다.Unlike a web page, a blog post's action contains information about the time in the link. Using this additional information can increase the accuracy of post ranking. ERA is a method of utilizing the time information of the action performed in the post-ranking determination method, for example, may be a method of extending the AuthHub.
ERA는 포스트에 먼저 액션을 남긴 블로거에게 높은 점수를 부여하는 방법이다. 좋은 블로거는 좋은 포스트를 다른 블로거에 비해 빠르게 알아낼 수 있다고 가정한다. 따라서 이러한 블로거에게 높은 점수를 주어 포스트에 먼저 액션을 남긴 블로거에게 높은 점수를 부여하고 그 이후의 블로거들에게는 낮은 점수를 준다.ERA is a way to give high scores to bloggers who have left the action in the post first. A good blogger assumes that you can find a good post faster than other bloggers. Therefore, high scores are given to those bloggers who have left the action on the posts first, and low scores on subsequent bloggers.
이를 위해 링크에 가중치를 주고, 그 가중치를 포스트의 권위 점수에 곱하여 블로거에게 부여한다. 가중치를 주는 방법은 다음과 같다. 먼저, 가장 먼저 포스트에 액션을 남긴 블로거에게 가장 높은 가중치인 1을 준다. 그 이후의 블로거에 대 해서 1보다 작고 각각 다른 가중치를 부여하다.To do this, the link is weighted and given to the blogger by multiplying the weight by the post's authority score. The weighting method is as follows. First, we give the highest weight, 1, to the blogger who left the action first. Subsequent bloggers have a weight less than 1 and a different weight.
가중치를 나타내는 수식은 ρorder이다. 여기서, ρ는 감쇄하는 정도를 나타내는 값이며 0~1사이의 값이다. order는 블로거가 액션을 남긴 순서를 나타낸다. order는 첫 번째 액션의 경우 0이 되고, 다음 액션마다 1씩 증가한다. 따라서 액션이 증가할수록 해당 가중치가 작아 진다.The formula for weighting is ρ order . Here, p is a value indicating the degree of attenuation and is a value between 0 and 1. order indicates the order in which the blogger left the action. order becomes 0 for the first action, incrementing by 1 for each subsequent action. Therefore, as the action increases, the corresponding weight decreases.
도 5는 제11 실시예에 따른 ERA를 설명하기 위한 도면이다. 도 5를 참조하면, 왼쪽에 있는 블로거일수록 포스트에 먼저 액션을 남긴 블로거이다. ρ의 값을 0.95로 정하고 위의 수식을 적용할 경우 왼쪽에 있는 블로거부터 차례대로 낮은 가중치를 부여 받는다. ρ의 값은 다양한 값으로 부여할 수 있다.5 is a view for explaining an ERA according to an eleventh embodiment. Referring to FIG. 5, the blogger on the left is the blogger who left the action on the post first. If you set the value of ρ to 0.95 and apply the above formula, you will get low weight from the blogger on the left in order. The value of ρ can be assigned to various values.
다시 도 1을 참조하면, 제12 실시예에 있어서, 권위 점수 산출부(106)는 ERA 방법으로 권위 점수를 산출하지만, 상기 가중치를 부여 받은 상기 블로거의 허브 점수는 기준값 이상이다. 이하, 제12 실시예에 따른 포스트의 권위 점수 판단 방법을 MinEG(Minimum Equivalent Gap)라 하겠다.Referring back to FIG. 1, in the twelfth embodiment, the
ERA에서 포스트에 액션을 행하는 블로거의 수가 많아 지는 경우, 액션을 나중에 행하는 블로거일수록 그 블로거의 허브 점수가 점점 낮아지게 되는 문제가 있다. 이러한 문제를 해결하기 위해 MinEG에서는 블로거에게 최소의 가중치를 주어 기준값 이상의 허브 점수를 받을 수 있도록 한다. MinEG는 ERA와 마찬가지로 포스트에 먼저 액션을 남긴 포스트 일수록 높은 점수를 받게 된다.In the case where the number of bloggers performing actions on the posts in the ERA increases, the number of bloggers performing the action later decreases the hub score of the bloggers. To solve this problem, MinEG gives bloggers the minimum weight so they can get hub scores above the threshold. Like ERA, MinEG gets higher scores for posts that have left the action first.
MinEG의 가중치를 부여하는 방법은 하기 <수학식 11>을 이용한다.As a method of assigning a weight of MinEG, Equation 11 is used.
여기서 min은 블로거가 받을 수 있는 최소 가중치를 의미하고, degree는 포스트의 내부 차수이고 order는 블로거가 포스트에 액션을 남긴 순서이다. Where min is the minimum weight a blogger can receive, degree is the internal order of the post, and order is the order in which the blogger left the action.
도 6은 MinEG에서 min값을 0.5로 정하고, 하나의 포스트에 5명의 블로거가 액션을 남긴 경우 블로거가 받을 수 있는 가중치를 나타낸 도면이다. 도 5와 마찬가지로 왼쪽에 있는 블로거는 가장 먼저 포스트에 액션을 남긴 블로거이고 오른쪽에 있는 블로거일수록 나중에 포스트에 액션을 남긴 블로거이다.FIG. 6 is a diagram illustrating weights that a blogger can receive when min is set to 0.5 in MinEG and 5 bloggers leave an action in one post. As shown in FIG. 5, the blogger on the left is the first blogger who left the action in the post, and the blogger on the right is the blogger who left the action in the post later.
도시된 바와 같이, t4의 시간에 액션을 행한 가장 오른쪽의 블로거의 허브 점수는 0.5의 최소 가중치가 곱해 져서 포스트의 권위 점수 산출에 사용되게 된다.As shown, the hub score of the right-most blogger who took action at time t4 is multiplied by a minimum weight of 0.5 to be used to calculate the authority score of the post.
다시 도 1을 참조하면, 제13 실시예에 있어서, 권위 점수 산출부(106)는 상기 링크 정보에서 블로거 및 포스트가 각각 노드로서 정의되고, 상기 노드를 상기 포스트에 인접하게 링크된 1단계 노드부터 순차적으로 링크된 N단계 노드까지 구분하는 제1 단계, 상기 포스트에 링크된 상기 1단계 노드부터 N단계 노드까지 단계 별로 노드 수를 산출하여 각각 다른 가중치를 부여하는 제2 단계, 및 상기 1단계 노드부터 상기 N단계 노드까지 상기 각각 다른 가중치를 부여 받은 노드 수의 합을 통해 상기 권위 점수를 산출하는 제3 단계를 수행함으로써, 포스트의 권위 점수를 산출한다. 이하, 제13 실시예에 따른 포스트의 권위 점수 판단 방법을 PBFS(Post Breadth First Search)라 하겠다.Referring back to FIG. 1, in the thirteenth embodiment, the
InDegree는 한 포스트의 권위점수를 구할 때 오직 직접 관계가 있는 블로거만을 고려하고 링크 정보에 존재하는 다른 블로거 무시한다. Authhub에서는 노드 주변의 링크 정보를 우선 고려하고, 전체 링크 정보를 대상으로 한다. 그런데, PBFS는 InDegree에서 한 단계 이웃만을 고려하는 것과 달리, 여러 단계 이웃을 고려하여 권위 점수 부여하며, 다 단계 이웃을 구성하는 방법은 Authhub를 이용한다. 즉, 하나의 포스트로부터 Authhub의 방식으로 도달 가능한 노드의 개수에 의해 점수를 부여한다. 여기서, 노드는 포스트의 권위 노드와 블로거의 허브 노드를 포함한다.InDegree only considers directly related bloggers when calculating the authority score of a post and ignores other bloggers present in the link information. Authhub considers link information around nodes first, and targets all link information. However, PBFS, unlike InDegree, considers only one-level neighbors, assigns authority points in consideration of multiple-level neighbors, and uses Authhub as a method of constructing multi-level neighbors. That is, a score is assigned by the number of nodes reachable from one post in the manner of Authhub. Here, the node includes the authority node of the post and the hub node of the blogger.
Authhub 방식으로 도달 가능한 노드 j가 페이지 i에 영향을 미치는 정도는 단계에 따라 차이가 있다. 즉, Authhub 방식으로 도달 가능한 노드j와 포스트 i의 거리가 멀수록 포스트 i에 영향을 미치는 정도는 줄어들게 된다. 이를 반영하여 포스트의 권위 점수를 산출하는 방법은 하기 <수학식 12>와 같다.The degree to which node j reachable by Authhub method affects page i varies from step to step. That is, the farther the distance between the node j and the post i that can be reached by the Authhub method is, the less the influence on the post i is. Reflecting this, the method of calculating the authority score of the post is as shown in Equation 12.
PBFS는 노드 i에서 출발하여 n 단계를 거치거나 노드 i에서 도달 가능한 노드가 없을 때까지 방문하여 권위 점수를 산출한다.PBFS starts at node i and goes through n steps or until there is no reachable node at node i to calculate the authority score.
여기서, 하나의 노드부터 도달 가능한 경로까지 단계에 따라 지수적으로 점수를 감쇄하는 방법이 적용된다. 지수적으로 점수를 감쇄한다는 것은 포스트 i의 권위 점수 산출 시 거리가 먼 노드의 영향력을 줄이겠다는 의미이다. 상기 <수학식 12>에서, 노드의 영향력은 단계를 지수로하는 1/2의 지수함수를 통해 감쇄하게 된다.Here, a method of exponentially decreasing the score is applied according to the stage from one node to the reachable path. Decreasing the score exponentially means reducing the influence of distant nodes in calculating the authority score of post i. In Equation 12, the influence of the node is attenuated through an exponential function of 1/2 whose step is an exponent.
제14 실시예에 있어서, 권위 점수 산출부(106)는 상기 링크 정보를 참조하여 상기 블로거로부터 액션이 행해 질 확률에 따른 가중치가 부여된 상기 포스트의 권위 점수의 합에 따라 상기 블로거의 허브 점수를 산출하고, 상기 포스트에 액션을 행할 확률에 따른 가중치가 부여된 상기 블로거의 허브 점수의 합에 따라 상기 포스트의 권위 점수를 산출한다. 이하, 제14 실시예에 따른 포스트의 권위 점수 판단 방법을 RAuthHub(Randomized AuthHub)라 하겠다.In a fourteenth embodiment, the
RAuthHub는 AuthHub에 개인화 벡터를 적용한다. 즉, 권위 점수 산출 시 해당 포스트에 액션을 행할 확률에 따라 블로거의 허브 점수를 반영하고, 허브 점수 산출 시 해당 블로거의 액션을 받을 확률에 따라 포스트의 권위 점수를 반영한다. 이는 포스트가 어느 정도 마음에 들지만 액션을 남길 정도는 아니거나 아직 포스트를 보지 못하여 액션을 남기지 못한 포스트이기 때문에 액션을 남길 수 있는 가능성이 있다고 가정한 것이다. 여기서, 링크 정보는 특정 블로거가 특정 포스트에 액션을 행할 확률과, 특정 포스트가 특정 블로거로부터 액션을 받을 확률에 대한 정보를 포함한다.RAuthHub applies personalization vectors to AuthHub. That is, the authority score of the blogger is reflected according to the probability of performing the action on the post when calculating the authority score, and the authority score of the post is reflected according to the probability of receiving the action of the blogger when calculating the hub score. This assumes that you have the possibility to leave an action because you like it somewhat, but not enough to leave an action, or you haven't seen it yet. Here, the link information includes information on the probability that a specific blogger will take action on a specific post, and the probability that a specific post will receive an action from a specific blogger.
랭킹 판단부(108)는 권위 점수 산출부(106)에서 산출된 포스트들의 권위 점수를 통해 포스트들의 랭킹을 판단한다. 일 실시예에 있어서, 랭킹 판단 방법은 권위 점수의 순서에 따라 포스트의 랭킹을 정할 수 있다.The
랭킹 판단부(108)는 특정 쿼리에 대한 랭킹 제공 요청을 수신하면, 권위 점 수 산출부(106)에 의해 권위 점수가 산출된 포스트들 중에서 상기 쿼리에 해당하는 포스트들을 추출한다. 그리고, 추출된 포스트들의 권위 점수에 따라 랭킹을 정하고 제공한다.When the
변형된 실시예에 있어서, 도 1에는 랭킹 판단부(108)가 권위 점수 산출부(106)로부터 권위 점수가 산출된 포스트들을 제공받는 것으로 도시되어 있으나, 권위 점수 산출부(106)에서 권위 점수가 정해진 포스트들은 데이터베이스(110) 또는 결과 데이터베이스(미도시)에 저장될 수 있고, 쿼리에 대한 랭킹 제공 요청 시, 랭킹 판단부(108)는 데이터베이스(110) 또는 결과 데이터베이스로부터 상기 쿼리의 검색 결과이며 권위 점수가 산출된 포스트들을 제공받을 수 있다.In a modified embodiment, FIG. 1 shows that the
도 7은 본 발명의 일 실시예에 따른 블로그 포스트의 랭킹 판단 방법을 나타낸 순서도이다.7 is a flowchart illustrating a ranking determination method of blog posts according to an embodiment of the present invention.
먼저, 소정의 데이터베이스로부터 블로그 정보를 수신하여 포스트 및 블로거를 노드로서 포함하고, 블로거의 포스트에 대한 액션을 링크로서 포함하는 링크 정보를 생성한다(S702). 일 실시예에 있어서, 상기 액션은 덧글, 스크랩, 엮인글, 참조 및 하이퍼링크 중 적어도 하나를 포함할 수 있다.First, blog information is received from a predetermined database to generate link information including a post and a blogger as nodes, and an action on the post of the blogger as a link (S702). In one embodiment, the action may include at least one of a comment, scrap, tracked article, reference, and hyperlink.
이어, 상기 링크 정보 상의 블로거를 허브 노드, 포스트를 권위 노드로 사용하여 포스트의 권위 점수 산출한다(S704).Subsequently, the authority score of the post is calculated using the blogger on the link information as the hub node and the post as the authority node (S704).
이어, 상기 권위 점수에 따라 상기 포스트의 랭킹을 판단한다(S706). 일 실시예에 있어서, 상기 권위 점수의 크기 순서로 상기 포스트의 랭킹을 판단할 수 있다.Then, the ranking of the post is determined according to the authority score (S706). In one embodiment, the ranking of the posts may be determined in the order of the magnitude of the authority scores.
이하, 상기 S704 단계에 기재된 포스트의 권위 점수 산출을 위한 다양한 실시예에 대해 보다 구체적으로 설명한다. Hereinafter, various embodiments for calculating the authority score of the post described in step S704 will be described in more detail.
제1 실시예에 따른 포스트의 권위 점수 산출 방법의 경우, 링크 정보를 참조하여 포스트에 대해 블로거가 행한 액션의 수를 획득하고, 액션의 수를 통해 포스트의 권위 점수를 산출할 수 있다.In the method of calculating the authority score of a post according to the first embodiment, the number of actions performed by a blogger on a post may be obtained with reference to link information, and the authority score of the post may be calculated through the number of actions.
한편, 제2 실시예에 따른 포스트의 권위 점수 산출 방법의 경우, 블로거에 의해 작성된 포스트의 초기 권위 점수의 합에 따라 상기 블로거의 허브 점수를 산출하고, 링크 정보를 참조하여 포스트에 액션을 행한 블로거의 허브 점수의 합에 따라 상기 포스트의 권위 점수를 산출할 수 있다.On the other hand, in the method of calculating the authority score of the post according to the second embodiment, the blogger that calculates the hub score of the blogger according to the sum of the initial authority scores of the posts created by the blogger, and performs an action on the post with reference to the link information. The authority score of the post may be calculated according to the sum of the hub scores of the posts.
도 8은 제3 실시예에 따른 포스트의 권위 점수 산출 방법을 나타낸 순서도이다.8 is a flowchart illustrating a method of calculating an authority score of a post according to the third embodiment.
먼저, 도시된 바와 같이, 링크 정보를 참조하여 권위 노드인 포스트 및 허브 노드인 블로거를 모두 1로 초기화한다(S802).First, as shown in the figure, the blogger, which is a post node and a hub node, is initialized to 1 with reference to the link information (S802).
이어, 블로거가 액션을 행한 포스트의 초기 권위 점수의 합을 통해 블로거의 허브 점수를 산출하고(S804), 포스트에 액션을 행한 블로거의 허브 점수의 합을 통해 포스트의 권위 점수를 산출한다(S806).Subsequently, the hub score of the blogger is calculated based on the sum of the initial authority scores of the posts in which the blogger has performed the action (S804), and the authority score of the post is calculated through the sum of the hub scores of the bloggers who have acted on the post (S806). .
이어, 포스트의 권위 점수 벡터와 블로거의 허브 점수 벡터를 단위 벡터로 정규화하고(S808), 권위 점수가 수렴하는지 판단한다(S810).Subsequently, the authority score vector of the post and the hub score vector of the blogger are normalized to a unit vector (S808), and it is determined whether the authority score converges (S810).
상기 권위 점수가 수렴하면, 상기 수렴한 권위 점수를 포스트의 최종적인 권위 점수로 판단한다(S812). 만약, 상기 권위 점수가 수렴하지 않으면, 상기 포스트 마다 초기 권위 점수를 상기 산출된 권위 점수로 치환하고(S814), 권위 점수가 수렴할 때까지 S804, S806, S808, S810 및 S814 단계를 반복적으로 수행한다.If the authority score converges, the converged authority score is determined as the final authority score of the post (S812). If the authority score does not converge, the initial authority score is replaced with the calculated authority score for each post (S814), and steps S804, S806, S808, S810, and S814 are repeatedly performed until the authority score converges. do.
한편, 제4 실시예에 따른 포스트의 권위 점수 산출 방법의 경우, 링크 정보를 참조하여 블로거가 액션을 행한 포스트의 초기 권위 점수의 합을 상기 블로거가 액션을 행한 포스트의 수로 나눈 값에 따라 상기 블로거의 허브 점수를 산출하고, 포스트에 액션을 행한 블로거의 허브 점수의 합에 따라 상기 포스트의 권위 점수를 산출할 수 있다.On the other hand, in the method for calculating the authority score of a post according to the fourth embodiment, the blogger is based on a value obtained by dividing the sum of initial authority scores of posts that the blogger has taken an action with reference to link information by the number of posts the blogger has taken an action. The hub score of may be calculated, and the authority score of the post may be calculated according to the sum of the hub scores of the bloggers who have acted on the post.
한편, 제5 실시예에 따른 포스트의 권위 점수 산출 방법의 경우, 링크 정보를 참조하여 블로거가 액션을 행한 포스트의 초기 권위 점수의 합에 따라 상기 블로거의 허브 점수를 산출하고, 포스트에 액션을 행한 블로거의 허브 점수의 합을 상기 포스트로 액션을 행한 블로거의 수로 나눈 값에 따라 포스트의 권위 점수를 산출할 수 있다.On the other hand, in the method of calculating the authority score of the post according to the fifth embodiment, the hub score of the blogger is calculated according to the sum of the initial authority scores of the posts in which the blogger performed the action with reference to the link information, and the action was performed on the post. The authority score of a post can be calculated according to the sum of the blogger's hub scores divided by the number of bloggers who have acted on the post.
한편, 제6 실시예에 따른 포스트의 권위 점수 산출 방법의 경우, 링크 정보를 참조하여 블로거가 액션을 행한 포스트의 초기 권위 점수의 합을 상기 블로거가 액션을 행한 포스트의 수로 나눈 값에 따라 허브 점수를 산출하고, 포스트에 액션을 행한 블로거의 허브 점수의 합을 상기 포스트로 액션을 행한 블로거의 수로 나눈 값에 따라 포스트의 권위 점수를 산출할 수 있다.On the other hand, in the method of calculating the authority score of a post according to the sixth embodiment, the hub score is calculated according to a value obtained by dividing the sum of the initial authority scores of the posts performed by the blogger by the number of posts performed by the blogger with reference to link information. , And the authority score of the post can be calculated according to a value obtained by dividing the sum of the hub scores of the bloggers who have acted on the post by the number of bloggers who have acted on the post.
한편, 제7 실시예에 따른 포스트의 권위 점수 산출 방법의 경우, 링크 정보를 참조하여 블로거가 액션을 행한 포스트의 초기 권위 점수의 합을 상기 블로거가 액션을 행한 포스트의 수의 제곱근으로 나눈 값에 따라 상기 블로거의 허브 점수를 산출하고, 포스트에 액션을 행한 블로거의 허브 점수의 합에 따라 상기 포스트의 권위 점수를 산출할 수 있다.On the other hand, in the method of calculating the authority score of a post according to the seventh embodiment, the sum of the initial authority scores of the posts performed by the blogger with reference to the link information is divided by the square root of the number of posts performed by the blogger. Accordingly, the hub score of the blogger may be calculated, and the authority score of the post may be calculated according to the sum of the hub scores of the bloggers who have acted on the post.
한편, 제8 실시예에 따른 포스트의 권위 점수 산출 방법의 경우, 제3 실시예와 같은 방식으로 권위 점수를 산출하지만, 허브 점수를 산출하는데 필요한 상기 초기 권위 점수의 합은 상기 초기 권위 점수가 상위 k번째 이내인 상기 블로거가 액션을 행한 포스트의 초기 권위 점수의 합으로써 산출할 수 있다.Meanwhile, in the method for calculating the authority score of the post according to the eighth embodiment, the authority score is calculated in the same manner as in the third embodiment, but the sum of the initial authority scores required for calculating the hub score is higher than the initial authority score. It can be calculated as the sum of the initial authority scores of the posts performed by the blogger within kth.
한편, 제9 실시예에 따른 포스트의 권위 점수 산출 방법의 경우, 제3 실시예와 같은 방식으로 권위 점수를 산출하지만, 포스트에 액션을 행한 블로거의 허브 점수는 상기 블로거가 액션을 행한 포스트의 초기 권위 점수의 합에 따라 산출된 상기 블로거의 허브 점수를 구간을 나누어 상기 구간마다 서로 다른 값으로 치환한 값일 수 있다.On the other hand, the authority score calculation method of the post according to the ninth embodiment calculates the authority score in the same manner as in the third embodiment, but the hub score of the blogger who has acted on the post is the initial value of the post where the blogger has performed the action. The hub score of the blogger calculated according to the sum of authority scores may be a value obtained by subdividing intervals and substituting different values for each interval.
한편, 제10 실시예에 따른 포스트의 권위 점수 산출 방법의 경우, 제3 실시예와 같은 방식으로 권위 점수를 산출하지만, 블로거가 액션을 행한 포스트의 초기 권위 점수의 합에 따라 산출된 상기 블로거의 허브 점수에 Log함수를 적용한 값에 따라 포스트의 권위 점수를 산출할 수 있다.On the other hand, the authority score calculation method of the post according to the tenth embodiment calculates the authority score in the same manner as in the third embodiment, but calculates the authority score of the post based on the sum of the initial authority scores of the posts on which the blogger performed the action. The authority score of a post can be calculated according to the log function applied to the hub score.
한편, 제11 실시예에 따른 포스트의 권위 점수 산출 방법의 경우, 권위 점수는 포스트에 행한 액션의 순서에 따른 가중치를 부여 받은 블로거의 허브 점수를 통해 산출할 수 있다.Meanwhile, in the method for calculating the authority score of a post according to the eleventh embodiment, the authority score may be calculated through a hub score of a blogger that is weighted according to the order of actions performed on the post.
한편, 제12 실시예에 따른 포스트의 권위 점수 산출 방법의 경우, 제11 실시예와 같은 방식으로 권위 점수를 산출하지만, 가중치를 부여 받은 블로거의 허브 점수는 기준값 이상일 수 있다.Meanwhile, in the method of calculating the authority score of the post according to the twelfth embodiment, the authority score is calculated in the same manner as in the eleventh embodiment, but the hub score of the blogger to which the weight is assigned may be greater than or equal to the reference value.
도 9는 제13 실시예에 따른 포스트의 권위 점수 산출 방법을 나타낸 순서도이다.9 is a flowchart illustrating a method of calculating an authority score of a post according to the thirteenth embodiment.
먼저, 도시된 바와 같이, 링크 정보에서 블로거 및 포스트를 각각 노드로서 정의함으로써 상기 노드를 상기 포스트에 인접하게 링크된 1단계 노드부터 순차적으로 링크된 N단계 노드까지 구분한다(S902). 여기서, 상기 링크는 블로거가 허브 노드로서 행하고 포스트가 권위 노드로서 받은 액션이다.First, as shown in the link information, the blogger and the post are defined as nodes, respectively, so that the node is classified from the first stage node linked adjacent to the post to the N stage nodes sequentially linked (S902). Here, the link is an action that a blogger performs as a hub node and a post receives as an authority node.
이어, 포스트에 링크된 상기 1단계 노드부터 N단계 노드까지 단계 별로 노드 수를 산출하여 각각 다른 가중치를 부여한다(S904).Subsequently, the number of nodes is calculated for each stage from the first stage node linked to the N stage node linked to the post and given different weights (S904).
이어, 1단계 노드부터 N단계 노드까지 각각 다른 가중치를 부여 받은 노드 수의 합을 다 더하여 해당 포스트의 권위 점수를 산출한다(S906).Subsequently, the authority score of the corresponding post is calculated by adding up the sum of the number of nodes given different weights from the first level node to the N level node (S906).
한편, 제14 실시예에 따른 포스트의 권위 점수 산출 방법의 경우, 링크 정보를 참조하여 블로거로부터 액션이 행해 질 확률에 따른 가중치가 부여된 포스트의 권위 점수의 합에 따라 상기 블로거의 허브 점수를 산출하고, 포스트에 액션을 행할 확률에 따른 가중치가 부여된 블로거의 허브 점수의 합에 따라 상기 포스트의 권위 점수를 산출할 수 있다.On the other hand, in the method of calculating the authority score of the post according to the fourteenth embodiment, the hub score of the blogger is calculated according to the sum of authority scores of the posts that are weighted according to the probability that the action is performed from the blogger with reference to the link information. The authority score of the post may be calculated according to the sum of the hub scores of the bloggers that are weighted according to the probability of performing the action on the post.
블로그 포스트의 랭킹 판단 방법은 다양한 컴퓨터 수단을 이용하여 수행될 수 있는 프로그램 형태로도 구현될 수 있는데, 이때 블로그 포스트의 랭킹 판단 방법을 수행하기 위한 프로그램은 하드 디스크, CD-ROM, DVD, 롬(ROM), 램, 또는 플래시 메모리와 같은 컴퓨터로 판독할 수 있는 기록 매체에 저장된다.The blog post ranking determination method may be implemented as a program that can be performed using various computer means. In this case, the program for performing the blog post ranking determination method may be a hard disk, a CD-ROM, a DVD, or a ROM. ROM), a RAM, or a flash memory, such as a computer readable recording medium.
본 발명이 속하는 기술분야의 당업자는 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다.Those skilled in the art to which the present invention pertains will understand that the present invention can be implemented in other specific forms without changing the technical spirit or essential features.
그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.Therefore, it is to be understood that the embodiments described above are exemplary in all respects and not restrictive. The scope of the present invention is shown by the following claims rather than the detailed description, and all changes or modifications derived from the meaning and scope of the claims and their equivalent concepts should be construed as being included in the scope of the present invention. do.
도 1은 본 발명의 일 실시예에 따른 블로그 포스트의 랭킹 판단 시스템의 개략적인 블록도.1 is a schematic block diagram of a system for determining a blog post ranking according to an embodiment of the present invention.
도 2는 본 발명의 일 실시예에 따른 블로거, 포스트, 및 액션을 포함하는 링크 정보를 나타내는 도면.2 illustrates link information including bloggers, posts, and actions in accordance with one embodiment of the present invention.
도 3은 PostRank를 설명하기 위한 도면.3 is a view for explaining PostRank.
도 4는 HubDisc에서 허브 점수의 구간을 나누는 일 예를 나타낸 도면.4 is a diagram illustrating an example of dividing a section of a hub score in HubDisc.
도 5는 ERA를 설명하기 위한 도면.5 is a view for explaining ERA.
도 6은 MinEG에서 블로거가 받을 수 있는 가중치를 나타낸 도면.6 is a diagram illustrating weights that a blogger can receive in MinEG.
도 7은 본 발명의 일 실시예에 따른 블로그 포스트의 랭킹 판단 방법을 나타낸 순서도.7 is a flowchart illustrating a method for determining a ranking of blog posts according to an embodiment of the present invention.
도 8은 제3 실시예에 따른 포스트의 권위 점수 산출 방법을 나타낸 순서도.8 is a flowchart showing a method for calculating authority score of a post according to the third embodiment;
도 9는 제13 실시예에 따른 포스트의 권위 점수를 산출 방법을 나타낸 순서도.9 is a flowchart showing a method for calculating an authority score of a post according to the thirteenth embodiment.
<도면의 주요부분에 대한 부호의 설명><Description of the symbols for the main parts of the drawings>
102: 블로그 포스트의 랭킹 판단 시스템 104: 링크 정보 생성부102: ranking determination system of the blog post 104: link information generation unit
106: 권위 점수 산출부 108: 랭킹 판단부106: authority score calculator 108: ranking determination unit
110: 데이터베이스110: database
Claims (25)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020080009809A KR100975502B1 (en) | 2008-01-30 | 2008-01-30 | System and Method for Determining Ranking of Blog Post |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020080009809A KR100975502B1 (en) | 2008-01-30 | 2008-01-30 | System and Method for Determining Ranking of Blog Post |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20090083801A true KR20090083801A (en) | 2009-08-04 |
KR100975502B1 KR100975502B1 (en) | 2010-08-11 |
Family
ID=41204536
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020080009809A KR100975502B1 (en) | 2008-01-30 | 2008-01-30 | System and Method for Determining Ranking of Blog Post |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR100975502B1 (en) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101139544B1 (en) * | 2010-04-22 | 2012-04-27 | 한양대학교 산학협력단 | System and method for determining of blog post |
WO2020194105A1 (en) * | 2019-03-28 | 2020-10-01 | Coupang Corp. | Computer-implemented method for arranging hyperlinks on a graphical user-interface |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101998400B1 (en) | 2017-08-01 | 2019-07-09 | (주)레드테이블 | System and method for recommending mobile commerce information using big data |
KR101998399B1 (en) | 2017-08-01 | 2019-07-09 | (주)레드테이블 | Mobile commerce system and service method using big data |
KR101951354B1 (en) | 2018-07-18 | 2019-02-22 | 비스냅(주) | A Post Rank Determining Method |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7346621B2 (en) * | 2004-05-14 | 2008-03-18 | Microsoft Corporation | Method and system for ranking objects based on intra-type and inter-type relationships |
US8244720B2 (en) * | 2005-09-13 | 2012-08-14 | Google Inc. | Ranking blog documents |
-
2008
- 2008-01-30 KR KR1020080009809A patent/KR100975502B1/en active IP Right Grant
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101139544B1 (en) * | 2010-04-22 | 2012-04-27 | 한양대학교 산학협력단 | System and method for determining of blog post |
WO2020194105A1 (en) * | 2019-03-28 | 2020-10-01 | Coupang Corp. | Computer-implemented method for arranging hyperlinks on a graphical user-interface |
US11328328B2 (en) | 2019-03-28 | 2022-05-10 | Coupang Corp. | Computer-implemented method for arranging hyperlinks on a grapical user-interface |
Also Published As
Publication number | Publication date |
---|---|
KR100975502B1 (en) | 2010-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8244737B2 (en) | Ranking documents based on a series of document graphs | |
US8112269B2 (en) | Determining utility of a question | |
KR101130535B1 (en) | Method and system for ranking documents of a search result to improve diversity and information richness | |
US9286396B2 (en) | Query expansion and query-document matching using path-constrained random walks | |
US8880548B2 (en) | Dynamic search interaction | |
JP2009528627A (en) | Training of ranking function using relevance of propagated documents | |
KR20060047858A (en) | Method and system for determining similarity of objects based on heterogeneous relationships | |
JP2009093649A (en) | Recommendation for term specifying ontology space | |
US20080222138A1 (en) | Method and Apparatus for Constructing a Link Structure Between Documents | |
KR100975502B1 (en) | System and Method for Determining Ranking of Blog Post | |
JP2010524141A (en) | Calculate document importance by historical importance factoring | |
Guiver et al. | Learning to rank with softrank and gaussian processes | |
CN107239554B (en) | Method for retrieving English text based on matching degree | |
US7774340B2 (en) | Method and system for calculating document importance using document classifications | |
Keyhanipour et al. | Learning to rank with click-through features in a reinforcement learning framework | |
Xie et al. | A New Intelligent Topic Extraction Model on Web. | |
Atkinson et al. | Redundancy-based trust in question-answering systems | |
Kamphuis et al. | Radboud University at TREC 2019. | |
KR20120088170A (en) | Method and apparatus for ranking paper | |
Najafi et al. | A New Hybrid Method for Web Pages Ranking in Search Engines | |
US12050612B2 (en) | Generation and use of topic graph for content authoring | |
Cruz et al. | Supervised textrank | |
KR101139544B1 (en) | System and method for determining of blog post | |
Kim et al. | The blog ranking algorithm using analysis of both blog influence and characteristics of blog posts | |
Chang et al. | Authorrank: a new scheme for identifying field-specific key researchers |
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: 20130626 Year of fee payment: 4 |
|
FPAY | Annual fee payment |
Payment date: 20150722 Year of fee payment: 6 |
|
FPAY | Annual fee payment |
Payment date: 20160725 Year of fee payment: 7 |
|
FPAY | Annual fee payment |
Payment date: 20170704 Year of fee payment: 8 |