뉴스 사건에 대한 반응에 기반한 SNS 사용자의 위치 예측에 관한 사례 연구

Q: 이 논문에서 정의한 반응도란 무엇인가?

반응도는 사용자가 트윗을 작성한 전체 날짜 중 특정 도시의 뉴스와 연관된 뉴스를 작성한 날짜의 비율을 의미한다. 이때, 도시마다 발생하는 뉴스 개수의 편차를 고려하여 도시별 뉴스 보도 날짜 수로 나누어 계산한다. 이를 통해 특정 도시 뉴스에 대한 사용자의 관심도를 수치화한다.

Q: SNS 사용자의 위치 예측 정확도를 높이는 핵심 요인은 무엇인가?

연구 결과, SNS 사용자의 위치 예측 정확도를 높이기 위해서는 프로필 위치 정보의 신뢰도를 검증하고, 뉴스와 트윗 간의 연관성을 정교하게 분석하는 것이 중요하다. 특히, 키워드 매칭 방식 개선과 뉴스 내용 전체를 활용한 연관성 분석이 필요하다.

김소영; 원소현; 권혁윤

학술대회자료

저자정보: 김소영 (서울과학기술대학교) 원소현 (서울과학기술대학교) 권혁윤 (서울과학기술대학교)

저널정보: Korean Institute of Information Scientists and Engineers 한국정보과학회 학술발표논문집 한국정보과학회 2019 한국소프트웨어종합학술대회 논문집

오류 신고하기

피인용 0

검색

초록·키워드

본 논문에서는 SNS 데이터와 뉴스 데이터를 통합적으로 활용하여 사용자의 위치를 예측하는 모델을 제안한다. 제안하는 모델의 정확도를 개선하기 위하여 미국 Boston 지역을 선정하여 다음의 사례 연구를 수행 ... 전체 초록 보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료