KR20150055132A

KR20150055132A - Ahp 및 퍼지 적분을 이용한 감성언어 추론 시스템

Info

Publication number: KR20150055132A
Application number: KR1020130136027A
Authority: KR
Inventors: 이상용; 권일경
Original assignee: 공주대학교 산학협력단
Priority date: 2013-11-11
Filing date: 2013-11-11
Publication date: 2015-05-21
Also published as: KR101582456B1

Abstract

본 발명은 AHP 및 퍼지 적분을 이용하여 감성언어를 추론할 수 있는 시스템에 관한 것으로, 더욱 상세하게는, 심리학적 감성모델에서 분류된 감성 표현 언어의 긍정적/부정적 측면에 대한 성향을 AHP를 이용하여 특정 상황을 분석하고, 분석된 특정 상황에 퍼지 적분에 적용하여 사용자의 주관적 성향이 반영된 감성언어를 추론할 수 있는 시스템에 관한 것이다.
이에 본 발명은 사용자 모바일로부터 획득 가능한 컨텍스트를 수집하며, 수집된 컨텍스트를 AHP로 분석하여 중요도를 산출하고, 산출된 중요도에 따라 퍼지 측도를 산출하며, 산출된 퍼지 측도와 감성 표현 언어를 퍼지 적분에 적용하여 모바일 사용자의 감성 언어를 추론하는 것을 기술적 특징으로 한다.

Description

AHP 및 퍼지 적분을 이용한 감성언어 추론 시스템{SYSTEM FOR INFERENCE OF EMOTIONAL LANGUAGE USING AHP AND FUZZY INTEGRAL}

본 발명은 AHP 및 퍼지 적분을 이용하여 감성언어를 추론할 수 있는 시스템에 관한 것이다.

더욱 상세하게는, 심리학적 감성모델에서 분류된 감성 표현 언어의 긍정적/부정적 측면에 대한 성향을 AHP(Analytic Hierarchy Process)를 이용하여 특정 상황을 분석하고, 분석된 특정 상황에 퍼지 적분(Fuzzy Integral)을 적용하여 사용자의 주관적 성향이 반영된 감성언어를 추론할 수 있는 시스템에 관한 것이다.

감성을 표현하기 위한 연구는 크게 심리학적 감성 모델에 대한 연구와 감성 공학적 연구 모델로 분류한다.

심리학적 감성 모델로 Plutchik이 제안한 Wheel of emotion 모델은 인간의 감정을 기본 감정들의 조합으로 구성하여 크게 Joy, Trust, Fear, Surprise, Sadness, Disgust, Anger 및 Anticipation의 8가지 기본 감정과 기본 감정의 혼합에 대한 분류 시도를 하였다. Ekman의 Ekman Basic Emotion 모델은 문화와 인종에 상관없이 공통적으로 적용되는 감정을 분류하였으며, 비슷한 상황에서 기본적으로 느끼는 6가지 감정으로 이루어진 모델을 제안하였다. Robinson은 감성을 6가지 카테고리로 나누어 긍정적/부정적인 측면으로 명확히 분류하였다. Parrot은 3단계의 트리 구조를 이용해 감성을 분류하였으며, Love, Joy, Surprise, Anger, Sadness, Fear의 6가지 감성을 단계별로 세분화하였다.

그러나 위와 같은 연구 및 감성의 분류는 주로 개인화에 필요한 상황인지 기반 추론 기법에 관한 연구로, 사용자의 감성적 측면을 충분히 다루지 못하고 있는 실정이다.

이에, 최근 모바일 환경에서의 상황인지를 통한 개인화 서비스에 대한 연구를 통해 사용자의 감성을 고려한 개인화 서비스를 제공하기 위하여 감정과 같은 감성정보 인지를 통한 개인화 서비스 분야에 대한 연구가 활발히 이루어지고 있다.

개인화 서비스 분야 기술의 일 예로서, 공개특허공보 제10-2010-0100380호에 상황 정보와 감정 인식을 사용한 유비쿼터스 환경의 최적 서비스 추론 방법 및 시스템이 기재되었다.

개략적으로 살펴보면, 사용자의 동작이나 위치와 같은 사용자의 상태와 감정을 확인하고, 이를 고려하여 사용자가 필요로 하는 서비스를 제공할 수 있는 상황 정보와 감정 인식을 사용한 서비스 추론 방법 및 시스템에 관한 것이다.

이때 사용자의 표정과 음성정보로부터 사용자의 감정정보를 수집하고, 사용자의 식별번호, 위치, 동작정보로부터 사용자의 상황정보를 수집한 후, 베이지안 네트워크를 활용한 확률기반추론을 사용하여 사용자의 감정과 상황을 인식 및 융합하여 그 결과를 기초로 사용자에게 서비스를 제공한다.

위에 기재된 기술은, 유비쿼터스 환경으로부터 정보를 수집하기 때문에, 유비쿼터스 환경이 조성되어야 하며, 이러한 환경이 조성되지 않는 장소에서는 상황 정보를 인식할 수 없음은 물론, 감정 인식을 추론할 수 없는 문제점이 있다.

다른 예로서, 등록특허공보 제10-0822029호에 모바일 단말기에서의 사용자 히스토리를 이용한 개인화 서비스 방법 및 그 시스템이 기재되었다.

개략적으로 살펴보면, 사용자와 모바일 단말기간에 발생되는 상호 작용과 상황 정보를 수집하여 사용자 히스토리로 관리하고, 이를 바탕으로 사용자 차별성을 가지는 개인화 서비스 방법 및 그 시스템을 제공하는 것이다.

이때 모바일 단말기의 전화번호, 음악, 사진, TV, 이메일, 인터넷 접속 정보로부터 이벤트 정보를 수집하고, 상기 이벤트 정보가 발생될 때 사용자의 위치, 상태, 감정, 이벤트 발생시간을 검출한다. 그리고 사용자의 대화 음성 패턴 또는 생체 신호에 대한 펄스로부터 사용자의 감정상태를 추론하고, 모바일 단말기의 진동으로부터 사용자의 행동을 추론한다.

위의 기술은 모바일 단말기에서 개인화 서비스를 제공하기 위하여 사용자의 상태와 감정정보를 수집하여 추론하고, 이에 대응되는 대표 이미지를 표시하는 것이나, 실제로 사용자의 감정정보를 수집할 수 없는 문제점이 있다.

즉, 사용자의 감정정보는 사용자 개인에 따라 시간, 장소 및 상황마다 다르기 때문에 사용자가 이를 입력하지 않은 이상 이를 수집하기는 곤란하다.

또한 위의 기술은 사용자마다 평준화된 공통의 감성정보를 추론할 수 없다. 예를 들어, 일 사용자에 대한 위치 및 시간 등의 이벤트 정보를 수집하여 감정정보가 어느 정도 누적(학습)되어야만 감정정보를 추론할 수 있는 것으로, 학습에 따른 시간이 오래 걸리고, 학습하는 동안에는 많은 시행착오가 발생되는 문제점이 있다.

공개특허공보 제10-2010-0100380호(2010.09.15.) 등록특허공보 제10-0822029호(2008.04.07.)

본 발명은 위와 같은 문제를 해결하기 위하여 안출된 것으로, 본 발명에서 해결하고자 하는 과제는 모바일에서 얻을 수 있는 상황 정보를 정량적으로 분석하고, 이를 이용하여 상황 정보에 근거한 감성언어를 추론할 수 있는 AHP 및 퍼지 적분을 이용한 감성언어 추론 시스템을 제공하는 데 있다.

또한 본 발명에서 해결하고자 하는 다른 과제는 학습 과정을 통하지 않고도 단말기를 통하여 획득 가능한 감성정보를 획득하고, 획득한 감성정보로부터 개인화 감성 서비스를 제공하기에 적합한 감성언어를 추론할 수 있는 AHP 및 퍼지 적분을 이용한 감성언어 추론 시스템을 제공하는 데 있다.

위와 같은 과제를 해결하기 위하여 본 발명은, 사용자 모바일로부터 획득가능한 컨텍스트를 수집하며, 수집된 컨텍스트를 AHP(Analytic Hierarchy Process)로 분석하여 중요도를 산출하고, 산출된 중요도에 따라 퍼지 측도(fuzzy measure)를 산출하며, 산출된 퍼지 측도(fuzzy measure)와 감성 표현 언어를 퍼지 적분(fuzzy integral)에 적용하여 상기 모바일 사용자의 감성언어를 추론하는 것을 특징으로 하는 AHP 및 퍼지 적분을 이용한 감성언어 추론 시스템을 제공함으로써, 기술적 과제를 해결하고자 한다.

본 발명은 모바일에서 획득할 수 있는 상황정보를 정량적으로 분석하고, 이를 이용하여 상황 정보에 근거한 개인화된 감성언어를 추론함으로써, 추론된 감성언어에 따라 다양한 개인화 서비스를 제공할 수 있는 시스템에 적용할 수 있는 효과가 있다.

또한 본 발명에 따른 상황정보를 통한 감성언어의 추론은 평준화된 상황정보에 근거하여 구축되는 것으로, 학습에 따른 정보의 누적없이도 바로 사용자에게 적용이 가능하며, 다양한 감성언어를 도출할 수 있는 효과가 있다.

도 1은 집합 X에 대한 쇼케 적분을 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 따른 AHP 및 퍼지 적분을 이용한 감성언어 추론 시스템의 주요 구성을 개략적으로 도시한 도면이다.
도 3은 본 발명의 일 실시예에 따른 AHP 및 퍼지 적분을 이용한 감성언어 추론 시스템에서 감성 언어를 추론하기 위한 과정을 나타낸 도면이다.
도 4는 본 발명에 따른 AHP 및 퍼지 적분을 이용한 감성언어 추론 시스템에서 EARL에 의해 분류된 감성 표현 언어의 AHP 계층도이다.
도 5는 환경적·행동적 측면에서 긍정적 감성 표현 언의 선택 빈도수를 나타낸 그래프이다.
도 6은 긍정적 측면에서 바라본 감성 표현 언어의 상대적 중요도에 대한 가중치를 나타낸 도면이다.

본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 안 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다.

따라서 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 실시예에 불과할 뿐이고 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형 예들이 있을 수 있음을 이해하여야 한다.

이하, 도면을 참조하여 설명하기에 앞서, 본 발명의 요지를 드러내기 위해서 필요하지 않은 사항 즉 통상의 지식을 가진 당업자가 자명하게 부가할 수 있는 공지 구성에 대해서는 도시하지 않거나, 구체적으로 기술하지 않았음을 밝혀둔다.

본 발명은 AHP 및 퍼지 적분을 이용하여 감성언어를 추론할 수 있는 시스템에 관한 것으로, 심리학적 감성모델에서 분류된 감성 표현 언어의 긍정적/부정적 측면에 대한 성향을 AHP(Analytic Hierarchy Process)를 이용하여 특정 상황을 분석하고, 분석된 특정 상황에 퍼지 적분(Fuzzy Integral)을 적용하여 사용자의 주관적 성향이 반영된 감성언어를 추론할 수 있는 시스템에 관한 것이다.

본 발명의 내용을 상세히 설명하기에 앞서, 본 발명에서 사용하는 기술에 대하여 먼저 설명하고, 다음으로 이러한 기술을 이용한 본 발명의 구성을 설명한다.

AHP에 대하여 설명한다.

AHP(analytic hierarchy process)는 Saaty에 의해 개발된 다기준 의사결정모델(mult-criteria decision making model)로, 의사결정 프로세스를 체계적으로 분석하기 위한 것으로, 선택된 평가항목들 중 2개의 평가항목에 대해 쌍대비교(pairwise comparison)를 수행하는 것으로 전체 평가항목에 대해 쌍대비교를 수행하고, 평가항목들에 대한 상대적 중요도를 산출함으로써 합리적 결과를 도출하기 위한 모델이다.

특히, AHP는 정성적인 문제를 정량적인 방법으로 해석함으로, 의사결정을 체계적으로 수행하도록 지원하며, 복잡하고 불명확한 문제를 여러 계층으로 정리하고, 부분적인 관계는 쌍대비교(pairwise comparison)를 통해 각자의 중요성을 수치화된 척도로 평가함으로써, 의사결정자가 좀 더 정확한 의사 결정을 하도록 지원한다.

이때, 수치화된 척도에 따라 5점 척도, 9점 척도 등으로 구분할 수 있으며, 9점 척도인 경우, 아래의 표-1과 같이 정의될 수 있다.

중요도	정의
1	비슷함
3	약간 중요함
5	중요함
7	매우 중요함
9	극히 중요함
2, 4, 6, 8	정의된 값들의 중간값

이때, 쌍대비교행렬을 A라고 하고, A의 원소(평가항목)를 a_ij라고 할때, a_ij는 아래의 [수학식 1]을 이용하여 추정할 수 있다.

여기서, n은 한 계층 내에서 비교 대상이 되는 요소의 수이며, w_i는 n개 요소의 상대적인 중요도를 나타낸다.

따라서 a_ij를 원소로 하는 행렬 A는 다음과 같이 나타낼 수 있다.

여기서, A는 쌍대비교행렬, a_ij는 쌍대비교행렬 A의 원소를 나타낸다.

또한, 행렬 A에 가중치 벡터 w=[w₁, w₂, w₃, …, w_n]을 적용하면 A·W=n·W라고 나타낼 수 있다.

여기서, n은 행렬 A의 고유값이며, W는 A의 고유벡터이다.

한편, 쌍대비교 행렬에서 응답자가 각 평가항목의 상대적 중요도에 일관된 응답을 하지 못할 경우, 쌍대비교 행렬의 정확성이 낮아지게 된다. 따라서 일관성지수(Consistency Index, CI)와 일관성 비율(Consistency Ratio, CR)을 이용하여 쌍대비교에 의한 중요도가 일관성을 갖는지 검증해야 한다.

일관성 지수(CI)와 일관성 비율(CR)은 아래의 [수학식 2] 및 [수학식 3]에 의하여 구할 수 있다.

여기에서, CI는 일관성 지수이며, λ_max는 쌍대비교 행렬의 최대 고유값이고, n은 한 계층 내에서 비교 대상이 되는 요소의 수이다.

여기에서, CR은 일관성 비율이며, CI는 일관성 지수이고, RI는 무작위지수(Random Index, RI)이다.

이때, 일관성 지수(CI)는 응답자의 응답이 일관될수록 작은 값을 가지며, 비율이 0.1 이하이면 일관성이 있는 것으로 판단한다.

즉 본 발명에서는, 모바일 기기로부터 획득가능한 컨텍스트를 수집하여 각 컨텍스트에 대한 중요도를 AHP를 이용하여 분석함으로써, 컨텍스트의 상대적 중요도를 산출할 수 있도록 구성된다.

한편, 퍼지 이론(fuzzy theory)은 애매하고 불분명한 상황에서 여러 문제를 두뇌가 판단 결정하는 과정에 대하여 수학적으로 접근하려는 이론이다.

이는 1965년 미국 버클리대학교의 교수 L.A.자데(Zadeh)에 의해 도입된 퍼지 집합의 사고방식을 기초로 하고 있다.

퍼지 집합의 개념은 각 대상이 어떤 모임에 속한다 또는 속하지 않는다는 이진법 논리로부터, 각 대상이 그 모임에 속하는 정도를 소속함수(membership function)로 나타냄으로써 수학적으로 표현할 수 있다.

또한 퍼지 측도(Fuzzy Measure)는 일반집합 A에서 위치가 애매한 원소 a가 A의 부분집합 P에 속한다는 말의 애매한 정도를 나타냄으로써, a와 A의 관계를 수학적으로 표현하기 위한 것이다. 간략하게 정리하면, 여러 가지 경우의 수를 생각하여 그에 맞는 움직임을 지정한 것이라 할 수 있다.

본 발명에서는, 특정 상황과 감성 표현 언어 사이의 관계를 분석 및 분류하기 위해 상호작용계수 퍼지 측도(λ Fuzzy Measure)와 퍼지 적분(fuzzy integral)을 이용하여 사용자의 주관적 판단이 갖는 감성언어의 애매함을 정량적으로 감성언어의 값으로 처리하여 추론하도록 구성된다.

퍼지 적분에 대해서 좀더 자세히 설명한다.

퍼지 적분을 적용하기 위해서는 퍼지 측도(Fuzzy Measure)가 산출되어야 하는데, 본 발명에서는 상호작용계수를 적용한 상호작용계수 퍼지 측도(λ Fuzzy Measure)가 적용될 수 있다.

상호작용계수 퍼지 측도는 수게노(Sugeno)에 의해 제안된 퍼지 측도로 주관적 척도의 평가 모델로 많이 응용되고 있으며, 일반적으로 아래의 [수학식 4]로 정의된다.

여기서, A, B는 집합, g_λ는 상호작용계수가 적용된 퍼지측도이다.

상호작용계수 퍼지 측도(λ Fuzzy Measure)는 λ(상호작용계수) 값에 따라 아래의 [수학식 5]와 같은 특징을 가지며, 주관적 척도의 모델로 응용되고 있다.

여기서, A, B는 집합, g_λ는 상호작용계수가 적용된 퍼지측도, g_λ(A)는 A집합의 퍼지측도, g_λ(B)는 B집합의 퍼지측도이다.

퍼지 적분은 퍼지 측도에 대한 적분 응용 방법으로, 본 발명에서 적용되는 퍼지 적분은 퍼지 적분 중에 하나인 쇼케 적분(Choquet Integral)을 이용하여 감성 표현 언어와 평가자의 주관적 판단이 갖는 애매함을 정량적으로 처리하도록 구성될 수 있다.

쇼케 적분(Choquet Integral)은 프랑스의 수학자 쇼케(Choquet)가 용량(Capacity)에 관하여 정의한 범함수(Functional)로 아래의 [수학식 6]과 같이 정의된다.

여기서, f는 X 위에서의 실수함수, g는 X 위에서의 퍼지 측도(Fuzzy Measure)를 나타낸다.

이하, 쇼케 적분(Choquet Integral)에 대해 상세히 설명한다.

집합 X={x₁, x₂, x₃, x₄}에 대하여, X위의 단함수(Simple Function) f가 아래의 [수학식 7]과 같이 주어지는 경우,

단, 0<r₁<r₂<r₃<r₄, D_i∩D_j=ø(i≠j),

로 나타낸다.

여기서, i 및 j는 정수이다.

이를 첨부된 도면으로 나타내면 도 1과 같다.

도 1은 집합 X에 대한 쇼케 적분을 설명하기 위한 도면으로, 단함수 f의 퍼지척도 g에 관한 쇼케 적분(Choquet Integral)은 아래의 [수학식 8]과 같이 나타낼 수 있다.

단,

로 표현된다.

여기서, A는 집합, i는 정수, g(A)는 집합 A에 대한 퍼지 측도이다.

즉, 도면에 보인 바와 같이, 쇼케 적분은 가법성(Additive)을 만족시키는 실수 함수 f값을 나타내는 세로축을 따라 적분하는 것을 의미한다.

본 발명에 따른 AHP 및 퍼지 적분을 이용한 감성언어 추론 시스템은 사용자 모바일로부터 획득가능한 컨텍스트를 수집하며, 수집된 컨텍스트를 AHP로 분석하여 중요도를 산출하고, 산출된 중요도에 따라 퍼지 측도를 산출하며, 산출된 퍼지 측도와 감성 표현 언어를 퍼지 적분에 적용하여 모바일 사용자의 감성 언어를 추론한다.

도 2는 본 발명의 일 실시예에 따른 AHP 및 퍼지 적분을 이용한 감성언어 추론 시스템(20)의 주요 구성을 개략적으로 도시한 것으로, 컨텍스트 수집부(21), AHP분석부(22), 퍼지 측도 산출부(23), 감성 표현 언어 저장부(24), 퍼지 적분부(25) 및 감성 언어 검출부(26)를 포함하여 이루어진다.

도 3은 본 발명의 일 실시예에 따른 AHP 및 퍼지 적분을 이용한 감성언어 추론 시스템에서 감성 언어를 추론하기 위한 과정을 나타낸 도면이다.

이하 도 2 및 도 3에 도시된 구성에 따라 본 발명을 설명한다.

본 발명에 따른 AHP 및 퍼지 적분을 이용한 감성언어 추론 시스템(20)은 모바일(10)에 설치되는 애플리케이션으로 구성될 수도 있으며, 모바일(10)과 연결 접속되는 서버로 구성될 수 있다.

컨텍스트 수집부(21)는 모바일(10)로부터 획득가능한 컨텍스트를 수집한다.

여기서, 모바일(10)은 스마트폰 및 태블릿 PC 등 사용자가 휴대하여 사용자와 같이 이동될 수 있는 모바일 기기를 의미한다.

이러한 모바일(10)로부터 획득 가능한 컨텍스트는 한계가 있다.

예를 들어, 모바일(10)로부터 획득 가능한 컨텍스트는 모바일(10)에 구비된 GPS로부터 위치, 모바일 사용자의 행동, 모바일에 설치된 애플리케이션, 날씨 및 시간 등의 정보로 한정될 수 있다.

이때, 모바일 사용자의 행동에 따른 컨텍스트 검출은 몇 가지 예를 들어 유추할 수 있다. 가령 운전 가능자이고 모바일의 위치가 상당한 거리를 이동하는 것으로 수집되는 사용자의 행동은 운전중으로 판단할 수 있으며, 이동 거리가 짧을 경우 조깅 또는 도보(산책) 등으로 판단할 수 있다. 또한 설치된 애플리케이션을 통해 특정 애플리케이션이 동작되고 있으면, 모바일을 조작하고 있는 것으로 행동을 판단할 수 있으며, 모바일의 위치가 캠핑장으로 수집되면 사용자의 행동은 캠핑중인 것으로 판단할 수 있다.

즉, 사용자의 행동은 사용자의 성별, 나이, 취미, 특기 및 각종 자격 정보 등에 근거하여 모바일의 위치, 설치된 애플리케이션의 종류 등에 따라 유추될 수 있도록 구성될 수 있다.

컨텍스트 중에서 날씨는 수집된 모바일(10)에 위치에 근거하여 해당 위치의 날씨 정보로 수집될 수 있으며, 시간은 모바일(10) 또는 표준 시간 정보로부터 수집될 수 있다.

모바일(10)로부터 수집될 수 있는 컨텍스트는 센서의 개발, 감성 모델링의 발전에 따라 추가될 수 있다. 예를 들어 사용자의 신체와 연결되어 사용자로부터 심박수, 호흡 및 체온 등을 수집할 수 있도록 구성될 수도 있도록 구성된다면, 더욱 정확한 사용자의 감성을 인지할 수 있을 것이다.

이와 같이 모바일(10)로부터 수집된 컨텍스트는 특정 상황에서 경험적으로 인지되는 감성의 종류로 활용될 수 있으며, 수집된 컨텍스트 사이의 관계가 사용자마다 다르게 표현될 수 있고 복잡하면서 다양하다.

이에 수집된 컨텍스트를 보편적인 데이터로 정량화하기 위해서 설문조사를 통해 각 컨텍스트를 쌍대비교하고 이를 AHP를 통해 분석하였다.

AHP분석부(22)는 수집된 컨텍스트에 대하여 각 컨텍스트별로 쌍대비교하여 중요도에 대한 가중치를 산출하는 것으로, [표 2]는 수집된 컨텍스트에 대한 쌍대비교하여 가중치를 산출한 결과이다.

	위치	모바일 앱	사용자 행동	날씨	시간	가중치
위치	1	7	3	6	8	0.513
모바일 앱		1	1/3	5	6	0.137
사용자 행동			1	7	7	0.262
날씨				1	3	0.054
시간					1	0.032

[표 2]를 살펴보면, 위치는 모바일 앱(모바일에 설치된 애플리케이션)보다 7배, 사용자 행동보다 3배, 날씨보다 6배, 시간보다 8배 중요한 것으로 조사되었다.

또한, 모바일 앱은 사용자 행동보다 1/3배, 날씨보다 5배, 시간보다 8배 중요한 것으로 조사되었으며, 사용자 행동은 날씨와 시간보다 7배 중요한 것으로 조사되었다.

따라서 위치, 모바일 앱, 사용자 행동, 날씨 및 시간에 대한 APH 분석 결과 각각의 가중치는 0.513, 0.137, 0.262, 0.054 및 0.032로 산출되었다.

설문조사를 통한 컨텍스트의 가중치는 위치, 사용자 행동, 모바일 앱, 날씨 및 시간 순으로 중요도를 가지는 것으로 분석되었다.

퍼지 측도 산출부(23)는 퍼지 측도를 산출하기 위한 것으로, AHP분석부(22)에서 산출된 중요도(AHP가중치)와 상호작용계수(λ)를 이용하여 산출된다.

이때, 산출된 중요도와 상호작용계수를 이용하여 퍼지 측도를 산출하는 방법으로 싱글톤 퍼지 측도비 표준(Singleton Fuzzy Measure Ratio Standard)을 이용하여 산출될 수 있다.

상호작용계수(λ)는 컨텍스트간 상관관계를 의미하는 것으로, 본 발명에서는 3.0001의 값을 사용한다.

아래의 [표 3]은 수집된 컨텍스트를 AHP를 통해 산출된 중요도와 상호작용계수에 의해서 산출된 퍼지 측도를 나타낸 것이다.

Sets	퍼지 측도(Fuzzy Measure)
{}	0.0
{Location}	0.301327
{Mobile App}	0.080934
{Location, Mobile App}	0.455425
{User Action}	0.153889
{Location, User Action}	0.594330
{Mobile App, User Action}	0.272189
{Location, Mobile App, User Action}	0.819571
{Weather}	0.031895
{Location, Weather}	0.362054
{Mobile App, Weather}	0.120574
{Location, Mobile App, Weather}	0.530898
{User Action, Weather}	0.200509
{Location, User Action, Weather}	0.683093
{Mobile App, User Action, Weather}	0.330129
{Location, Mobile App, User Action, Weather}	0.929887
{Time}	0.018501
{Location, Time}	0.336553
{Mobile App, Time}	0.103928
{Location, Mobile App, Time}	0.499204
{User Action, Time}	0.180932
{Location, User Action, Time}	0.645818
{Mobile App, User Action, Time}	0.305798
{Location, Mobile App, User Action, Time}	0.883561
{Weather, Time}	0.052166
{Location, Weather, Time}	0.400651
{Mobile App, Weather, Time}	0.145767
{Location, Mobile App, Weather, Time}	0.578866
{User Action, Weather, Time}	0.230140
{Location, User Action, Weather, Time}	0.739509
{Mobile App, User Action, Weather, Time}	0.366953
{Location, Mobile App, User Action, Weather, Time}	1.0

위치, 모바일 애플리케이션, 사용자 행동, 날씨 및 시간에 따라 32개의 조합이 이루어질 수 있으며, [표 3]은 이러한 컨텍스트의 조합에 의해서 싱글톤 퍼지 측도비 표준을 이용하여 산출된 퍼지 측도이다.

[표 3]에 따르면, 2개의 컨텍스트를 조합할 경우 가장 높은 퍼지 측도는 위치와 사용자의 행동 조합에서 가장 높은 수치가 산출되었으며, 3개의 컨텍스트를 조합할 경우 가장 높은 퍼지 측도는 위치, 모바일 애플리케이션 및 사용자 행동의 조합에서 가장 높은 수치가 산출되었다.

감성 표현 언어 저장부(24)는 사용자의 감성을 표현할 수 있는 언어를 저장 관리하는 것으로, 분류된 감성 표현 언어로 구성될 수 있다.

감성 표현 언어는 여러 사람에 의해서 정의되고 분류되었다. 그 중에서 본 발명에서 사용된 분류 모델은 감성 표현 언어를 XML 기반의 온톨로지로 표현하기 위해 HUMAINE에 의해 제안한 EARL을 이용할 수 있다.

EARL은 48가지 감성 표현 언어를 긍정적/부정적 성향을 포함하는 10개 카테고리로 나누어 분류한 모델로, 이를 도 4에 개략적으로 도시하였다.

도 3은 본 발명에 따른 AHP 및 퍼지 적분을 이용한 감성언어 추론 시스템에서 감성 표현 언어의 AHP 계층도를 나타낸 도면이다.

여기서, 감성 표현 언어의 상대적 중요도를 산출하기 위해 설문조사를 실시하였다.

도 5는 환경적·행동적 측면에서 긍정적 감성 표현 언의 선택 빈도수를 나타낸 그래프이다.

첨부된 도면 도 5에 따른 그래프에서 X축은 설문자의 의해 선택된 감성 표현 언어의 빈도수를 나타낸 것이며, Y축은 EARL에 의해 분류된 감성 표현 언어의 그룹명을 나타낸 것이다.

도 5에서 도 4의 Caring 카테고리에 해당하는 감성 표현 언어는 "Affection", "Empathy", "Friendliness" 및 "Love" 등이며 특히 모바일 애플리케이션 이용과 관련하여 "Friendliness"에 대한 선택 빈도가 높게 나타났다.

또한 Positive and lively 카테고리에 해당되는 감성 표현 언어의 경우 사용자 행동 측면에서 "Delight", "Excitement", "Happiness", "Joy" 및 "Pleasure"에 대해서 선택 빈도가 높게 도출되었다.

이외에도 Quiet positive 카테고리의 경우 장소와 관계된 감성 표현 언어로 "Relaxed" 및 "Relieved"가 선택되었다. 특히, 대부분의 인지된 상황에서 매우 긍정적인 측면의 감성 표현 언어가 선택됨을 확인되었다.

EARL의 감성 표현 언어는 10개의 카테고리에 48개의 언어를 사용하였으나, 본 발명에서 사용되는 감성 표현 언어는 설문조사에서 도출되지도 않으며 사용 빈도수가 적은 감성 표현 언어를 배제하였다.

배제된 감성 표현 언어는 총 37개로 도출되었으며, 각 37개의 감성 표현 언어에 대해 중요도를 산출하기 위해서 AHP를 수행하였다.

도 6은 긍정적 측면에서 바라본 감성 표현 언어의 상대적 중요도에 대한 가중치를 나타낸 도면이다.

도 6에 따르면, 가장 긍정적으로 평가되는 상위 5가지 감성 표현 언어는 종합 가중치 값이 가장 큰 Love(L: 0.22), Trust(L: 0.082), Happiness(L: 0.074), Content(L: 0.070), Friendliness(L: 0.070)이다.

또한 종합 가중치가 낮은 감성 표현 언어는 Hurt, Doubt, Fear, Sadness, Anger 등이며 가중치가 낮을수록 부정적 측면의 감성 표현 언어에 해당된다.

이와 같이 감성 표현 언어에 대한 긍정적/부정적 성향에 대한 크기를 AHP를 이용하여 상대적으로 표현이 가능하다.

설계조건에 따라 AHP를 적용하기 위해 각각의 감성 표현 언어에 대한 상대적 중요도는 사용자가 임의로 설정할 수 있도록 구성될 수 있으며, 사용자가 임의로 설정하도록 구성된 경우, 종합 가중치의 값은 달라질 수 있다.

퍼지 적분부(25)는 산출된 퍼지 측도와 감성 표현 언어를 퍼지 적분(fuzzy integral)을 적용하여 퍼지 적분(Fuzzy Integral)을 수행한다. 이때 퍼지 적분은 쇼케 적분(Choquet Integral)을 이용하여 수행될 수 있다.

퍼지 적분에 따라 산출되는 일 실시예 결과를 아래의 [표 4]에 나타내었다.

Mo.	감성언어	Location	Mobile App	User Action	Weather	Time	퍼지 적분 (Fuzzy Integral)
1	Pleasure	60	70	40	15	10	44.0566
2	Boredom	50	50	60	10	20	44.9616
3	Happiness	60	40	45	15	10	42.6303
4	Delight	50	30	50	30	20	41.1855
5	Irritation	45	40	40	25	5	37.3979
6	Amusement	50	50	35	5	5	36.4185
7	Joy	40	60	40	15	5	36.4068
8	Excitement	40	40	35	10	5	32.4158
9	Relaxed	50	20	30	20	20	31.9698
10	Calm	45	25	30	20	20	31.5894
11	Satisfaction	35	40	35	15	10	31.4455
12	Fear	45	10	35	20	35	30.0956
13	Love	30	45	35	5	15	28.2995
14	Interest	30	35	30	15	5	26.9971
15	Affection	40	20	30	5	5	26.2501
16	Content	20	40	40	30	5	24.9715
17	Annoyance	30	25	20	10	5	21.6289
18	Worry	35	15	20	5	15	21.3272
19	Sadness	30	20	20	10	5	20.8584
20	Stress	25	15	35	5	5	20.6779
21	Friendliness	20	35	30	5	5	20.4201
22	Tension	35	10	20	5	10	19.8810
23	Embarrassment	35	10	15	5	5	18.0960
24	Politeness	30	10	20	5	5	18.0544
25	Surprised	25	15	20	5	5	17.6740
26	Anger	15	20	30	5	5	16.0955
27	Disgust	15	10	15	5	5	12.0695
28	Trust	10	20	20	5	5	11.8197
29	Relived	20	15	5	10	5	11.4383
30	Hope	20	10	5	5	5	10.2904
31	Disappointment	10	10	15	5	5	9.86730
32	Hurt	5	15	10	5	5	6.76562
33	Pride	5	5	10	5	5	5.76945
34	Shame	5	5	10	5	5	5.76945
35	Shock	5	10	5	5	5	5.40467
36	Doubt	5	10	5	5	5	5.40467
37	Envy	5	5	5	5	5	5.00000

[표 4]의 결과에서 알 수 있듯이, 적분 평가치의 값이 클수록 수집된 컨텍스트에 대한 감성 언어로 볼 수 있다. 즉, 수집된 컨텍스트는 상황 인지 기반에서 수집된 자료로, 사용자의 현재 상황에 대한 감성 언어로 볼 수 있다.

감성 언어 검출부(26)는 퍼지 적분부(25)에서 수행된 퍼지 적분값에서 사용자의 상황(수집된 컨텍스트)에 따른 감성 언어를 검출하는 것으로, 적분 평가치의 값 중에서 큰 값을 검출하는 기능을 수행한다.

설계조건에 따라서 퍼지 적분부(25)와 감성 언어 검출부(26)는 단일화된 구성으로 이루어질 수 있음은 당연하다.

아래의 [표 5]는 [표 3]의 결과에서 퍼지 적분(Fuzzy Integral)의 적분값이 큰 11개 항목과 각 항목이 속한 ELRL에 의해 분류된 그룹을 나타낸 것으로, 퍼지 언어 검출부(26)는 적분값이 가장 큰 감성언어를 사용자의 감성 언어로 추론되며, 추론된 감성언어는 감성 언어 표시부(30)에 표시되도록 구성될 수 있다.

No.	감성언어 컨텍스트	상대적 중요도	EARL에 의해 분류된 그룹
1	Pleasure	0.042	positive and lively
2	Boredom	0.013	negative and passive
3	Happiness	0.074	positive and lively
4	Delight	0.048	positive and lively
5	Irritation	0.005	negative and forceful
6	Amusement	0.021	positive and lively
7	Joy	0.016	positive and lively
8	Excitement	0.040	positive and lively
9	Relaxed	0.038	quiet positive
10	Calm	0.012	quiet positive
11	Satisfaction	0.020	positive thoughts

[표 4]를 참조하여 설명하면, 사용자의 현재 상황 정보에 근거하여 추론된 감성언어는 'pleasure'이며 'pleasure'가 속한 그룹은 EARL에 의해 분류된 10개 그룹 중 'Positive and lively'에 속한다.

상술한 바와 같이 본 발명에 따른 AHP 및 퍼지 적분을 이용한 감성언어 추론 시스템은 모바일로부터 수집된 컨텍스트를 이용하여 사용자의 상황에 따른 감성 언어 추론이 가능하다.

즉 컨텍스트와 감성 언어는 AHP를 통해 사용자의 주관적 성향이 반영된 상대적 중요도로 산출되고, 이를 퍼지 측도(Fuzzy Measure)를 통해 퍼지 적분(Fuzzy Integral)으로 산출됨으로써, 사용자의 상황에 적합한 감성 언어의 추론이 가능하다.

또한 AHP의 가중치 및 감성 표현 언어의 가중치는 설문조사를 통해 표준화된 데이터로 정량화하여 산출됨으로써 추론된 감성 언어의 정량적 평가가 가능함은 물론, 감성 언어의 획득이 어려운 조건에서도 감성 언어의 추론이 가능하다.

따라서 본 발명의 AHP 및 퍼지 적분을 이용한 감성언어 추론 시스템을 이용하여 다양한 분야에 적용할 수 있다.

예를 들어, 사용자의 상황에 따른 감성 언어의 추론에 따라 감성 언어에 대응되는 음악추천, 음식추천, 영화추천 및 여행지 추천을 위한 시스템에 적용될 수 있다. 또한 추론된 감성 언어를 로봇의 얼굴을 표현하는 데 적용하여 사용자의 현자 상황에 따른 감정을 표현하도록 구성될 수 있다.

이때, 추론된 감성 언어를 다른 시스템에 적용하여 개인화 서비스를 제공하기 위해서는 적용 대상을 구분할 필요성이 있으며, 대상자의 연령, 성별, 서비스 목표 및 서비스 환경 등을 고려한 설계가 이루어져야 한다. 즉, 적용 대상에 대한 적용 가능한 정보나 분류 기준이 차별화되어야 한다.

본 발명은 모바일에서 획득할 수 있는 상황정보를 정량적으로 분석하고, 이를 이용하여 상황 정보에 근거한 개인화된 감성언어를 추론함으로써, 추론된 감성언어에 따라 다양한 개인화 서비스를 제공할 수 있는 시스템에 적용할 수 있다.

또한 추론된 감성 언어는 평준화된 상황정보에 근거하여 구축되는 것으로, 학습에 따른 정보의 누적없이도 바로 사용자에게 적용이 가능하며, 다양한 감성 언어를 도출할 수 있다.

한편, 상기에서 도 1 내지 도 6을 이용하여 서술한 것은, 본 발명의 주요 사항만을 서술한 것으로, 그 기술적 범위 내에서 다양한 설계가 가능한 만큼, 본 발명이 도 1 내지 도 6의 구성 및 기능에 한정되는 것이 아님은 자명하다.

10 : 모바일
20: 감성언어 추론 시스템
21: 컨텍스트 수집부
22: AHP 분석부
23: 퍼지 측도 산출부
24: 감성 표현 언어 저장부
25: 퍼지 적분부
26: 감성 언어 검출부
30: 감성 언어 표시부

Claims

사용자 모바일로부터 획득가능한 컨텍스트를 수집하며, 상기 수집된 컨텍스트를 AHP(Analytic Hierarchy Process)로 분석하여 중요도를 산출하고, 산출된 중요도에 따라 퍼지 측도(fuzzy measure)를 산출하며, 산출된 퍼지 측도(fuzzy measure)와 감성 표현 언어를 퍼지 적분(fuzzy integral)에 적용하여 상기 모바일 사용자의 감성언어를 추론하는 것을 특징으로 하는 AHP 및 퍼지 적분을 이용한 감성언어 추론 시스템.
청구항 1에 있어서,
상기 컨텍스트는,
상기 모바일의 위치, 상기 모바일 사용자의 행동, 상기 모바일에 설치된 애플리케이션, 날씨 및 시간 중에서 선택된 하나 이상인 것을 특징으로 하는 AHP 및 퍼지 적분을 이용한 감성언어 추론 시스템.
청구항 1에 있어서,
상기 퍼지 측도(fuzzy measure)는,
AHP(Analytic Hierarchy Process)로 분석하여 산출된 중요도에 상기 수집된 컨텍스트 사이의 상호작용계수를 이용하여 산출되는 것을 특징으로 하는 AHP 및 퍼지 적분을 이용한 감성언어 추론 시스템.
청구항 1에 있어서,
상기 감성 표현 언어는,
EARL에 의해 10개의 카테고리로 분류된 감성 표현 언어 중에서 선택되는 것을 특징으로 하는 AHP 및 퍼지 적분을 이용한 감성언어 추론 시스템.
청구항 1에 있어서,
상기 퍼지 적분(fuzzy integral)은,
쇼케 적분(Choquet Integral)인 것을 특징으로 하는 AHP 및 퍼지 적분을 이용한 감성언어 추론 시스템.