Uncovering user interests play an important role to develop personalized systems in various fields, including Web and pervasive computing. In particular, online social networks (OSNs) are being spotlighted as the means to understand users’ social behavior out of abundant online social information. Many researches have proposed methods for inferring users’ implicit interests in OSN based on social correlations between associated users and their social data. In this thesis, we propose a new inference method by taking into account the topics the user exchanged in terms of social activities with his/her social neighbors as well as their explicitly specified interests and familiarity with them. With 50 participant users in our experiment, a variety of ego-centric social network data for a year in the Facebook have been collected and analyzed. We demonstrate that our method outperforms the existing methods in inferring users’ interests. We also analyze Correlation-Weight and Interest-Weight, factors affecting the inference algorithm, to validate the effectiveness of them in a statistical way. For these tasks, we conduct a questionnaire survey that consists of three parts. We confirmed a distinct possibility to enhance the accuracy by leveraging multilateral communication contents and topic distributions extracted from them.
사용자의 요구사항, 특성 및 선호도를 파악하는 기술은 여러 컴퓨팅 분야에서 개인화된 서비스를 제공함에 있어 중요하다. 여기에는 웹에서의 검색엔진이나 추천시스템뿐 아니라 유비쿼터스 환경에서 상황인지를 통한 서비스 조합 및 제공 등이 해당된다. 최근 발전한 온라인 소셜네트워크는 풍부한 사회적 정보로부터 사용자의 사회적 행동을 이해하는 새로운 자원으로 조명받고 있다. 기존에 많은 연구들이 온라인 소셜네트워크에서 사용자간의 사회적 상관관계와 그들의 사회적 정보를 기반으로 사용자의 내재된 관심사를 추론하기 위한 방법을 제안하였다. 본 논문에서는, 사회적 이웃과의 사회적 활동에서 교환했던 대화의 토픽들과 그들이 명시적으로 지정한 관심사, 그들과의 친밀도를 고려한 새로운 관심사 추론 방법을 제안한다. 실험을 위해 50명의 Facebook 사용자를 모집하고, 이들의 지난 1년 동안의 소셜네트워크 데이터를 수집하고 분석하였다. 본 논문에서 사용된 추론 방법을 통해 사용자의 관심사를 추론한 결과, 기존의 방법에 비해 12.4% 정도 개선된 결과를 보여줌을 확인할 수 있었다. 또한 본 논문에서는 추론 알고리즘에 영향을 미치는 두 변수인 Correlation-Weight와 Interest-Weight가 실제 얼마나 효과적으로 쓰였는지를 검증한다. 이 실험들을 평가하기 위해서 50명의 실험참가자를 대상으로 세 부문으로 구성되어 있는 설문을 수행하였다. 결론적으로, 본 연구를 통해서 사회적 활동의 대화 내용에 내재하는 토픽 분포를 활용하여 기존 연구에 비해 관심사 추론의 정확도를 향상시킬 수 있는 뚜렷한 가능성을 확인하였다.
