시맨틱 소셜 네트워크 분석 사례 소개

2009.12.04 이 경 일 [email protected]

시맨틱 소셜 네트워크 분석

2

Communicating Knowledge

Linked World

3


Web

연결된 세상 : Web

4

Communicating Knowledge연결된 세상 : Brain

Brain

5


People

연결된 세상 : People

6


WordNet

연결된 세상 : Wordnet

7

Communicating Knowledge연결된 세상 : Mobile

8


Ontoloy

연결된 세상 : Ontology

9


Data

연결된 세상 : LOD

10


• 예기치 못한 일들이 한 순간에 폭발하는 세계…• Network + Message (Information) + Context

지식의 공유와 전파

11

Communicating Knowledge연결된 지식과 사람 그리고 통찰력

12

Communicating Knowledge오늘의 주제 : Semantic Social Network

Social NetworkInformational Network

Text Min-ing SNA

Semantic Social Network Analy-sis

13

Communicating KnowledgeSSNA Technology Stack

14

Communicating Knowledge시맨틱 네트워크 그리고 시맨틱 검색

15


휴대폰

휴대전화

모바일폰

동의어

터치폰 스마트폰

하위어

기업생산자

휴대단말기

하위어

전자제품

하위어

애니콜

O/S탑재

핸드폰

동의어

햅틱

사이언

브랜드

소유

제품

블랙잭

WinCE

LG

삼성

소유

소유

제품제품

탑재

시맨틱 네트워크 어떻게 만들 것인가 ?

이 복잡한 체계를 어떻게 구축 , 저장하지 ?

자동화 방법은 없을까 ????

16


삼성전자는 휴대폰

햅틱을 새롭게 출시를 하였다 . 햅틱은 풀 터치폰 기능을 가지고 있고 , 애니콜 브랜드 중 가장 고가의 제품이 될 것으로 보인다 .

삼성전자는 휴대폰

햅틱을 새롭게 출시를 하였다 . 햅틱은 풀 터치폰 기능을 가지고 있고 , 애니콜 브랜드 중 가장 고가의 제품이 될 것으로 보인다 .

삼성전자 휴대폰 햅틱 터치폰 애니콜

삼성전자

휴대폰

햅틱

터치폰

애니콜

핸드폰 시장에 새로운 바람이 불고 있다 .

특히 , 고가 핸드폰 중 햅틱과 iPhone 이 터치폰 이라는 새로운 기능으로 고객을 유혹한다 .

핸드폰 시장에 새로운 바람이 불고 있다 .

특히 , 고가 핸드폰 중 햅틱과 iPhone 이 터치폰 이라는 새로운 기능으로 고객을 유혹한다 .

핸드폰

핸드폰

삼성전자 휴대폰 햅틱 터치폰 애니콜 핸드폰

삼성전자 7 5 3 6 2

휴대폰 9 4 3 0

햅틱 5 4 2

터치폰 2 0

애니콜 0

핸드폰

휴대폰핸드폰

삼성전자

햅틱

애니콜

어휘 통계 활용 ( 공기 분석 )

17

Communicating Knowledge혹시 ‘뜻’도 구별 ?

보르도

프랑스

와인

포도

보르도

LCD

TV

삼성

18

Communicating Knowledge어휘 통계적 의미 분석 : LSA, PLSA

• Singular Value Decomposi-tion

{A}={U}{S}{V}T

• Dimension Reduction {~A}~={~U}{~S}

{~V}T

• Probabilistic LSA

LSA(Latent Semantic Analysis)PLSA(Probabilistic Latent Semantic Analysis)

방대한 매트릭스 계산 : 메모리와 시간 증분 문서에 대한 실시간 갱신 ? : T_T

19

Communicating Knowledge발전된 알고리즘 : TopicRank

특성 벡터 추출 / 색인 문서 집합 선정 : VSM

토픽 클러스터링

linear

systems

systems

constraintsdiophantine

equations

compatibility

natural numbers

Criteria

strict

inequations

nonstricttypes

solutions

components

Upperbounds

set

minimal construction

algorithms

토픽간의 네트워크 구성

Word Co-occurrence 분석

20

Communicating Knowledge용어의 개념과 관계를 이해

애니콜

햅틱사이언

블랙잭

WinCE

LG

삼성

휴대폰휴대전화

모바일폰동의어

터치폰 스마트폰

하위어

기업생산자

휴대단말기

하위어

전자제품

하위어

애니콜

O/S탑재

핸드폰

동의어

햅틱

사이언

브랜드

소유

제품

블랙잭

WinCE

LG

삼성

소유

소유

제품제품

탑재

개체명 / 관계 인식

21


Density, n-Clan, n-Clique

Degree, ClosenessBetweenness

Centrality

Shortest PathAlgorithms

vk : weighting of relation n : number of relations g : total number of en-tity

가족 , 동료 , 부서 , 동아리

gjk : j 와 k 사이에 존재하는 최단 경로 수gjk(i) : j 와 k 경로 중 i 를 경유하는 수 )

정보소통의중심 , 매개자

Dijkstra’s algorithm

O( | E | + | V | log | V | )

빨리 사람 찾기

이제 “사람들의 관계”를 연결하자

http://en.wikipedia.org/wiki/File:Dijksta_Anim.gif

http://en.wikipedia.org/wiki/File:Dijksta_Anim.gif

22


온톨로지

업무

인물

조직

제품

이벤트

장소

인물 – 주제 상관성 분석

http://images.google.com/imgres?imgurl=http://www.caryillinois.com/villagegovernment/e-mail%20icon.jpg&imgrefurl=http://www.caryillinois.com/&usg=__RHq8sCdWUYn34BZjD6-MPplRnUU=&h=2851&w=2800&sz=1189&hl=ko&start=8&tbnid=b0-0l1m0MBezeM:&tbnh=150&tbnw=147&prev=/images?q=e-mail+icon&gbv=2&ndsp=20&hl=ko&sa=N

http://images.google.com/imgres?imgurl=http://www.iconarchive.com/icons/siristhius/vista-style/Documents-icon-256.png&imgrefurl=http://www.iconarchive.com/show/vista-style-icons-by-siristhius/Documents-icon.html&usg=__6hWr7ZSeA0qfOTdj6QQHNbAv_wc=&h=256&w=256&sz=47&hl=ko&start=469&tbnid=1qRUl_BB_YqO-M:&tbnh=111&tbnw=111&prev=/images?q=Document+icon&gbv=2&ndsp=20&hl=ko&sa=N&start=460

23


^ ^ ^ ^

주제별 ( 개체별 )In-Degree / Out-Degree 분석

1

2

34 1 2

3

4^ ^

^ ^

23

주제별 중심성 판단

24


^ ^ ^ ^

주제별 ( 개체별 )주관적 / 객관적 지표 분석

주제별 업무 긴밀성 판단

25


Building and Manag-ing Social Network

Search and Discovery

Service En-abling

(Platform API)

Services and Appli-

cations

Collecting Social In-formation

e-Mail 학력 / 경력정보

블로그 / 뉴스실적정보

( 논문 / 특허 등 )

외부 DB 연동

PIMS 연동

웹 크롤링 수동 입력

LOD 연동모바일 연동

기본인력정보

사람 조직 지역 사건 서비스

관계 가치 분석 인지 가치 , 공유 가치 , 행위 가치

파편적 네트워크의 연결 온톨로지 추론을 통한 확장

개인 / 조직 인맥 개인 / 조직 활동력 개인 / 조직 영향력 개인 / 조직 정보 획득 능력

네트워크 및 하위 네트워크 발견 네트워크 중심성 네트워크 구속력 , 자율성 , 단결성 네트워크 계층 구조

OpenSocial API Semantic Social Networking API

Person Activity

Email Phone

Semantic Search & Discov-ery

Social Business

Dynamic Query based on SPARQL

Social Resource Provisioning APISocial Resource Collection Frame-

work

외부 SNS

Address Message

Organization …

Communication Services

Community Ser-vices

메신저 연동 이메일 자동 발송

Media ServicesIntegrated Per-sonal Identity

Mobile Media IPTV 등과 연계

Open ID based SSO

지역 기반 포털 연동 부산시 / 구 서비스

연동

통합 시스템의 구성

26


토픽 클러스터링 기술을 적용 , 웹에서 추출된 지식을 연결하고 , 그 연관관계를 밝힘으로 사용자에게 통찰력을 제공

사례 : 아울림 서비스

Powered by [IN2]Discovery & RDF

27


링크 : 분류명 ( 분류 체계 및 기타 관련 용어 )

①

※ 특정 특허 문서에 마우스 커서를 올려 놓으면 선택 특허에 대한 상세 정보 표시

①

사례 : LG 전자 특허 및 지식맵 분석

중심 특허

중심 특허

한국 , 일본 , 미국 ( 영어권 ) 의 특허 3000 만건을 분석하여 , 기술 주제 별 특허 맵을 자동 생성 , 연관 / 선행 특허를 자동 분석


28

Communicating Knowledge사례 : 삼성전자 신기술 센싱

KMS 운영 DB

미국특허 DB

KMS 첨부파일

분석모듈- Top N

- 추이분석

- 관계분석

분석결과 (

인덱스 )

각 분석대상의 update 부분만 선별하여 분석실행

분석결과 S-KMS 전송

인덱스 재구성

논문 DB

기술문서 DB

국내특허 DBDB변환XML 데이터

10 GB

80 GB

400 GB

100 GB

기술문서

논문

10 GB

결과 DB5 GB

삼성전자 KMS 의 비정형 정보과 특허 , 논문 등 외부의 비정형 정보를통합 분석하여 , 새로운 지식 , 기술을 발견하고 , 이를 분석하도록 지원


29

Communicating Knowledge사례 : 삼성전자 신기술 센싱


30


논문에 대해서 국가 , 기관 , 저자 등 분석 대상을 설정하고 ,

개체 간 존재하는 동시출현 패턴과 지식 네트워크를 분석

사례 : KISTI 학술 지식 네트워크 분석


31


e-mail 과 첨부 문서에 기반한 기반한 시맨틱 소셜 네트워크 및 지식 유통 구조분석 시스템

데이터정제

데이터요약

1차네트워크

구성

업무긴밀도 및 중심성 분석

주제별 관계성분석

시간대별 연결성 분석

Triple Store

Instantia-tor

Query & Reasoning

SOR API

2차네트워크

구성

쌈지

개체명추출

정보네트워크

사례 : Discovery 쌈지

Powered by [IN2]Discovery & OWL

32

Communicating Knowledge사례 : Discovery 쌈지


33

Communicating Knowledge사례 : 부산지식네트워크 (BKM-net)

“ 창조적 지식 도시 부산” 달성 위해 , 신뢰도 높은 시맨틱 소셜 네트워크의 구축과 분석 , 검색 서비스를 제공함으로 전문가 발굴과 지식

소통 활성화

BKM-net

전문가 네트워크

외부 SNS 사이트

일반인 네트워크

전문가 DB

• 일반인 멘토링 서비스• 전문가 인사 / 동정 / 부고

뉴스• 인기 검색 인물 태그 서비스• 전문가 인물뉴스 서비스• 전문가들 SNS 서비스• JOINS 인물 DB 연계

서비스

• 전문가 멘토링 서비스 의뢰• 전문가 저작물에 대한 비평 태그 작성• 일반인 SNS 서비스• 부산 SNS 서비스• Friendster, Linknow 유사 서비스

• 부산 SNS 서비스• 부산 R&D 정보 ,

언론의 인사 / 동정 / 부고 정보 등

“ 창조적 지식 도시 부산 구현”

전문가 DB논문 , 특허실적주제별 콘텐츠

지식인의 발굴 및 활용

• 경제발전을 비롯한 부산의 각 기업 , 기관 , 시민들이 성공적인 사업 및 업무 발전을 위해 활용할 수 있는 대상

부산 지식 네트워크(BKMnet)

참여 서비스 구현

• 전문가 DB 및 검색 서비스를 이용하여 SNS 및 각종 커뮤니티 서비스 제공

검색 서비스 구현

• 자원간의 연관 관계를 파악하고 의미적 구조를 규명하여 개인화 서비스 구현

34

Communicating Knowledge사례 : 부산지식네트워크 (BKM-net)


35


subscribing

billing

phone call

location

m-commerce

content usage

promotion

CRM

• 모바일 서비스

개인화

• 모바일 컨텐트 추천

• 모바일 사회망 분석

• 상황인지 서비스

사례 : KT 모바일 SNA , 선호 분석

“ 모바일 데이터 상호운용”

36


Legacy Network

IMS GatewayIMS GatewayUser De-vice

IMS Network

CDR(Call Detailed

Record)

CDR(Call Detailed

Record)

Membership Service History


Content Service History


Legacy Data Collector

Legacy Data Collector

Content Recommendation

Agent

Content Recommendation

Agent

Subscriber Information Extractor &

Analyzer

Subscriber Information Extractor &

Analyzer

Social Relationship

KB

Social Relationship

KBUser

Preference KBUser

Preference KBContents Metadata Repository

Contents Metadata Repository

Content Recommender

Content Recommender

Application Services Contents

Application Services Contents

Dynamic UI & Contents Generator

Dynamic UI & Contents Generator

Intelligent and Unified Notification

Gateway

Intelligent and Unified Notification

Gateway

Reco. Rule RepositoryReco. Rule Repository

AS Information Collector

AS Information Collector

HTTP on the IMS Network

Content Reco. KB

Content Reco. KB

User ProfileUser Profile

• Intelligent Mobile Service Platform based on IMS (IP Multi-

media Subsystem)


37


User Devices

Legacy Data

CDR(Call Detail

Record)

CDR(Call Detail

Record)





User ProfileUser Profile

User Behavior History

User Behavior History

User ContextUser Context

Discovery Social Relationship

Discovery User Preference

Awareness of User Context

Profile Identification


Intimacy AnalysisIntimacy Analysis

Discovery Basic Social Relationship


Reasoning Social Relationship


Analysis Implicit User Behavior


Classification User Behavior


Discovery Personal Preference


Analysis Explicit User Behavior


Clustering Personal Preference

Clustering Personal Preference

Discovery Representative

Group Preference


Group Preference

Reasoning User Intension

Location(from Cell and GPS)

Location(from Cell and GPS)

Time(from System

Clock)

Time(from System

Clock)

Weather(from Ext. Service)

Weather(from Ext. Service)

Profile AnalysisProfile Analysis

Call Location Analysis


User PreferenceUser Preference

User ContextUser Context

Scenario based Rule

Scenario based Rule

Preference and Contents MappingPreference and

Contents Mapping

Event driven Triggering

Event driven Triggering

Discovery Social Preference


• Knowledge Discovery from 2G/3G Legacy Data


38


Pay for

Call

Call

CallCall

Call

Profile

• Name: Jerry Obama

• Age: 12• Sex: Woman

Profile

• Name: Elizabeth Cox


Profile

• Name: Jane Bush


Profile

• Name: Edward Adams


Profile

• Name: Jessica Bailey


Profile

• Name: Tom Obama

• Age: 16• Sex: Man

Profile

• Name: Nancy Obama


Call

lives inlives in

attend

attend

attend attend

attend

lives in

Major Residential AreaMajor Activity Area

Family Friends


39


Building Intimacy Network











[Typical social network measure of ties (Brass, 1995a)]

Intimacy Score = α * Subject_Score * β * Object_Score

Subject Score based on comparing all receivers of a caller

Object Score based on comparing all receivers of all caller

[Scoring Method]

Subject Score

Object Score

(6,9) 54

(8.5, 4) 34


40


Discover social relationships and Build Social Network











Minimum and Maximum Condition Analysis

Inference Condition Analysis

Relationship Conflict Me-

diation

friend

Father

Mother

Sister

* Important Variables

- Intimacy Analysis- Intimacy Score

- Profile Analysis- Last Name- Age- Sex

- Call Location Analysis- Call Location- Major Residential Area- Major Activity Area

* Minimum Condition Example

IF Receiver’s Last Name is same and Major Residential Area is same THEN their relationship will be family.

* Maximum Condition Example

IF Receiver’s Age is bigger by more than 20, SEX is woman and she pay for CallerTHEN she will be mother.


41


Extend social relationships

Profile IdentificationProfile Identification


Discovery Basic Social RelationshipDiscovery Basic Social Relationship

Reasoning Social RelationshipReasoning Social Relationship


Call Location AnalysisCall Location Analysis

* Social Relationship Ontology

50 Classes58 Relationships15 Properties57 Rules


42


Using Implicit User Behavior









Clustering Personal

Preference

Clustering Personal

Preference


Group Preference


Group Preference



CDR Analy-sis

URLAnalysis

Collect CDR

Extract Company

Name

Classify Business

Type

Map Busi-ness Types to Prefer-

ence Classes

Measure Preference based on

Frequency

Content / Service Do-main Prefer-

ence

Collect URL Ac-cess Log

Classify URL

Domain

Extract Services

from URL

Extract URL

proper-ties

Analysis property values

Content / Service Pref-

erence

Map val-ues to

Preference Classes

Search KeywordAnalysis

Collect Search

Log

Extract Search

Keyword

Classify Search

Keyword

Map Search Keyword to Preference Classes

Content / Service Pref-

erence

Indentify Target

Services

Member-ship Card

UsageAnalysis

Collect CDR

Extract Company

Name

Classify Business

Type

Map Busi-ness Types to Prefer-

ence Classes

Measure Preference based on

Frequency

Content / Service Do-main Prefer-

ence


43


User Behavior and Personal Preference









Clustering Personal

Preference

Clustering Personal

Preference


Group Preference


Group Preference



Legacy History

CDE History

Preference Classification

User Behav-ior Classifica-

tion

User Prefer-ence

Content and Service Clas-

sification

MappingMapping

People

genre

brand

…

Bee

base-ball

anycall

…

Singer

Sport

sam-sung

…


44


Start Personalized Dynamic UI

Tour Shopping

VOD with Ad. Mobile Search Stock Advertisement



45


Online Contents Rec-ommendation

Offline Advertisement Recommendation

Online Advertisement Recommendation

Samsung SPH-M4800



46


Lessons Learned

47

Communicating Knowledge시맨틱 웹을 바라보는 5 개의 시각

확장된 웹• URI , RDF 기반 데이터의 웹• 의미 주석 달린 웹 (RDFa)

지식 표현

• 온톨로지와 술어논리• OWL 과 DL

인공 지능

• 추론과 계획 , 의사결정• 전문가 시스템 , 상황인지

메타데이터

• 트리플과 그래프• 데이터 상호 운용성

정보 검색

• 시맨틱 검색 , 마이닝• 정보 추천 , 정보 발견

48

Communicating Knowledge4 Dimensions of Semantic World

2D World(13C, Marco Polo)

3D World(After Columbus)

4D World(Semantic World)

Scala

bilit

y

Performace

ExpressivityData

Dynamics

49


Search

Current State of the Art of Technology

Expressivity

Scala

bilit

y

Scala

bilit

y

Performance

Scala

bilit

y

Data Dynamics Expressivity

Perf

orm

an

ce

Telco

EnterpriseSearch

Medical

UbiComp

Socia

l N

et

TelcoEnterpriseSearch

Medical

UbiComp

Socia

l N

et

Telco

EnterpriseSearch

Medical

UbiComp

Socia

lN

et

Telco

Socia

l N

et

Medical

UbiComp

50

Communicating KnowledgeChallenging levels

0

2

4

6

8

10Scalability

Performance

Expressivity

Data Dynamics

EnterpriseSearch

0

2

4

6

8

10Scalability

Performance

Expressivity

Data Dynamics

Social Net

0

2

4

6

8

10Scalability

Performance

Expressivity

Data Dynamics

Medical

0

2

4

6

8

10Scalability

Performance

Expressivity

Data Dynamics

0

2

4

6

8

10Scalability

Performance

Expressivity

Data Dynamics

UbiComp

Mobile

51

Communicating KnowledgeHow to move Maginot Lines?

Expressivity

Scala

bilit

y

Expressivity

Scala

bilit

y

?

52

Communicating Knowledge6 Solutions

Enhanced algorithm

Materialization

Distributed Computing

Approximation

Lean KR model

Query optimization

CurrentState of the Art

ImprovedResults

+ Query/Data Cache

53

Communicating KnowledgeWining Strategies

Algorithm Materialization

Distribution

ApproximationLean KR model

QueryOptimization(+ Cache)

Medical

E. Search

Social Net

Mobile

UbiComp

54

Communicating Knowledge결 언

Cu

sto

mer’

s B

en

efi

tor

Pro

fita

bilit

y

Trap

Cost based Biz Model Differentiation based Biz Model

Price

“ Customer's Benefit > Price > Cost ”

InteroperabilityIntellig

ence/Reaso

ning

55


“Thank you for

your atten-tion.”

보다 상세한 설명이 필요하시면…

이경일[email protected] 010-9123-0081

in2.saltlux.com , www.saltlux.-com