Image tag is used for effective image management in an image folksonomy increasing at an accelerating rate. Tagging in social web site depend on manual annotation of user. Therefore, a lot of images in the image folksonomy are weakly annotated or even not annotated any tag because the manual image annotation is a time consuming and cumbersome works for users. Image tag recommendation is a promising technique which would allow users to select appropriate tags among recommended tags. The image folksonomies are used to improve the result of tag recommendation techniques. When considering the size of the image folksonomy, recommending image tags using the image folksonomy requires high computation costs. The relevance of recommended tags using tagging history of user is depending on the user tagging behavior and suggests limitation topic tags. In this thesis, we proposed an image tag recommendation method using favorite context which explicitly shows users` interests. The favorite context consist of images users` manually marked to represent interests from others photo collections. The effectiveness of the proposed method is verified by comparing the recommendation accuracy when making use of other contexts from the image folksonomy. The performance of image tag recommendation using proposed method shows about 29% relative improved result better than using folksonomy evaluated by P@5. Moreover, we analyzed the affect of social activity of users to the image tag recommendation. We divided users into four groups ac-cording to their social activity, and compared the performance of tag recommendation, respectively.
빠르게 증가하는 이미지들을 효율적으로 관리하기 위해 태그를 이용한 이미지 관리를 이용한다. 현재 소셜 네트워크 웹에서의 태깅은 사용자가 직접 수동으로 하는데 의존하고 있다. 그렇기 때문에 이미지 폭소노미에의 많은 이미지는 매우 적은 태그가 등록되어 있거나 아예 등록되지 않은 것들의 비율이 높다. 그 이유는 사용자들이 직접 태깅하는 작업은 번거롭고 시간이 많이 소모되는 작업이기 때문이다. 이미지에 따라 태그를 추천해 주는 이미지 태그 추천 기술은 사용자가 쉽게 태깅 할 수 있도록 도와준다. 이미지 폭소노미는 태그 추천의 정확도를 개선하는데 사용할 수 있다. 이지미 폭소노미의 크기를 생각 했을 때, 이미지 폭소노미를 이용한 태그 추천은 많은 계산 부하를 필요로 하고, 구체적인 태그를 제안해 주지 못한다. 폭소노미내 사용자의 과거 기록을 이용한 태그 추천은 사용자의 태깅 습관에 따라 영향을 많이 받고, 한정적인 태그만을 추천해 준다. 본 논문에서는 사용자의 관심을 반영하는 이미지들로 구성되는 컨텍스트를 구성하고 이를 통한 태그 추천 성능 개선을 제안한다. 제안하는 컨텍스트는 사용자가 폭소노미의 다른 사용자들이 가지고 있는 이미지중 관심이 있거나 좋아하는 사진들을 직접 표시해 놓은 이미지들로 구성된다. 제안하는 방법의 효과를 입증하기 위해서 사용자의 과거 기록을 사용하는 컨텍스트와 폭소노미 전체를 사용하는 컨텍스와의 비교 실험을 하였다. 이를 통해 제안하는 컨텍스트를 이용하는 태그 추천 방법이 전체 폭소노미를 사용하는 태그 추천 방법보다 P@5로 비교해 보았을 때 약 29%정도의 성능 향상이 있음을 확인 하였다. 그리고 사용자의 온라인 사회 활동의 활발한 정도에 따라 4 그룹의 사용자로 나누어 각 그룹의 태그 추천 성능이 어떻게 나타나는 지에 대하여 분석하였다.
