본문 바로가기
[학술저널]

  • 학술저널

기홍도(수아랩 연구소) 이재홍(카카오 모빌리티 데이터랩) 박희웅(서울대학교) 채문정(서울대학교) 최상우(서울대학교) 박종헌(서울대학교)

DOI : 10.5626/JOK.2018.45.12.1240

초록

스마트폰의 사용이 보편화됨에 따라 개인화 서비스에 대한 요구가 증가하고 있다. 이에 따라 개인화 서비스를 제공할 때 유용하게 활용될 수 있는 사용자 특성을, 데이터 기반으로 통계 학습을 이용해 추론하는 연구가 활발히 진행되고 있다. 본 연구에서는 사용자의 관심사와 생활습관을 반영하고 있을 뿐만 아니라, 적은 비용으로 수집할 수 있는 어플리케이션 설치 목록으로부터 요인 벡터를 추출하여 사용자 특성을 추론한다. 추론 과정에서는 설치 목록과 더불어 어플리케이션 스토어에서 획득 가능한 메타정보인 카테고리와 설명글을 이용하여 사용자를 표현하는 네 가지 요인 벡터를 만들어 사용한다. 특히, 인공 신경망 기반의 텍스트 임베딩 기법인 Doc2Vec을 설명글에 적용한 요인 벡터를 사용한다. 또한, 요인 벡터 추출에 이용되는 어플리케이션을 선별하는 기준을 제시하여 추론 성능을 높이고자 하였다. 국내 스마트폰 사용자 100명으로부터 데이터를 수집하여 성별, 연령, 연애 상태, 거주형태, 동거 여부, 수입 수준, 지출 수준, 신장, 체중, 종교, 이수 학기, 단과대학을 추론하는 실험을 수행했으며, 제안 기법의 우수성을 확인하였다.

Needs for customized services are increasing as a smart phone personalized device, has been used generally. Demographic information is beneficial for customized services, so inferring user traits based various data using statistical learning has been actively studied. This study conducted experiments of inferring user traits with a list of installed applications differed by users’ interest and lifestyle, and may can be accessed easily as a snapshot without explicit permission. Four feature vectors are used for inferring user traits, including vectors using application category or description that can be collected from the application market. Especially, one of the feature vectors is generated by applying Doc2Vec, a text embedding method based on a neural network, to application description. The application selection method we proposed is also used to achieve better performances than could be achieved by using all applications on the list. Last, we collected 100 lists of installed applications for experiments of inferring gender, age, relationship status, residential type, living together or not, income, outcome, height, weight, religion, semester and college, and confirmed effectiveness of proposed feature vectors and the application selection method.

목차

요약
Abstract
1. 서론
2. 관련연구
3. 제안 요인 벡터
4. 앱 선택
5. 실험 설계 및 데이터
6. 실험 결과
7. 결론
References

리뷰(0)

도움이 되었어요.0

도움이 안되었어요.0

첫 리뷰를 남겨주세요.
DBpia에서 서비스 중인 논문에 한하여 피인용 수가 반영됩니다.
인용된 논문이 DBpia에서 서비스 중이라면, 아래 [참고문헌 신청]을 통해서 등록해보세요.
Insert title here