The location-based social network services (LBSNSs) are getting more popular with a wide spread of smart devices, most of which have a GPS module enabling people to share their places of interests with their friends. In addition, the mobile Q&A services, such as Naver KIN mobile, have been growing as the number of smart device users increases. However, the current mobile Q&A services expose questions to all users regardless of the questions` content or users` interests. In other words, each user sees questions of various categories and has to select the questions to answer. For this reason, askers sometimes wait for a long time to get answers for the questions, and not all the answers have high quality. In this paper, to overcome these limitations, we propose to use social search that finds experts for a given question and pushes the question to them. Our main contribution is to develop a social search model, which we call the location aspect model, tailored to location-based questions in mobile-commerce (M-Commerce). The model calculates the expertise score of each user about a given question. To reflect the characteristics of those questions, we identify the M-Commerce questions` categories and components by analyzing real question sets archived in Jisiklog. Thus, our location aspect model is expected to achieve higher accuracy for M-Commerce questions than other general models. For the validation of our model, we collect the user and check-in information from Foursquare and conduct three types of evaluations. First, for the users judged as experts, we compare their profiles with the questions to confirm that they are eligible to be selected as experts. Second, we create ten synthetic users with particular visit behaviors and check if they are properly selected by our model. Third, by user studies, we conclude that the users who are judged as experts respond sooner with higher-quality answers than those who are not. Overall, we believe our model will be practically used for M-Commerce Q&A C2C services.
오늘날 GPS 센서가 내장된 스마트 기기들이 널리 보급되면서 위치기반 소셜 네트워크가 큰 관심을 받고 있다. 사용자들은 그들의 방문정보를 친구들과 공유할 수 있으며, 이러한 방문 이력은 사용자들의 관심사를 유추하는 등 유용히 활용될 수 있다. 또한, 스마트 기기의 확산은 `네이버 모바일 지식인`과 같은 모바일 Q&A의 성장을 가능케 하였다. 그러나, 현 서비스들은 질문들을 질문의 내용이나 사용자들의 관심사에 관계없이 모든 사용자들에게 노출시킨다. 즉, 한 사용자는 다양한 내용의 질문들을 보게되며, 답변하기 위하여 관심있는 질문들을 찾아내야 한다. 이런 이유로 질문자들은 그들의 질문에 대한 답변을 받기 위해 상당한 시간을 기다려야 하는 경우가 종종 있으며, 그 답변들이 모두 유용하지만은 않다. 따라서 우리는 이러한 한계점을 극복하기 위해, 주어진 질문에 대해 전문가를 찾고, 그들에게 질문을 전달하는 소셜 검색 모델을 제안한다. 우리는 모바일 커머스 관련 위치 기반 질문에 특화된 위치 애스팩트 모델을 설계하였으며, 본 모델은 주어진 질문에 대해 각 사용자들의 전문성을 계산한다. 모델 구축을 위하여, 우리는 지식로그 서비스에 축적된 실제 질문들을 분석하여 모바일 커머스 관련 질문들을 범주화 시키고 구조를 파악하였다. 그러므로, 우리 모델은 다른 모델들에 비해 모바일 커머스 질문들에 대해 보다 높은 정확도로 전문가를 발견 해낼 것이라 기대한다. 모델을 검증하기 위하여, 우리는 포스퀘어로부터 사용자 및 체크인 정보들을 모아서 크게 세 가지의 실험을 진행하였다. 첫번째로, 전문가로 뽑힌 사용자들에 대해, 우리는 그들의 프로파일을 질문과 비교하여 그들이 정말 전문가로서 적합한지에 대한 판단을 하였다. 두번째로, 우리는 특유의 방문특성을 가지는 10명의 가상의 사용자들을 생성하여 모델이 주어진 질문들에 대해 전문가들을 잘 찾는지 확인하였다. 세번째로, 유저 스터디를 통해 우리는 전문가들이 비전문가들에 비해 보다 빠른 응답과 높은 질의 답변을 해준다는 사실을 확인하였다. 우리는 본 모델이 모바일 플랫폼 상에서 유저들간의 활발한 모바일 커머스 관련 Q&A 활동을 가능케 하는 C2C 서비스에 유용하게 활용될 수 있을 것이라 기대한다.
