Earticle

시멘틱 웹의 구현체인 LOD(Linked Open Data) 클라우드는 RDF 모델에 기반하여 구축된 LOD들의 집합체로 특정 개체에 대하여 여러 LOD들이 다양한 관점에서 기술한 내용을 제공함으로써 지식의 확장을 이루는 것을 목표로 한다. 본 연구에서는 LOD 클라우드에 대한 사용자 질의를 개체들간의 <owl:sameAs> 동일연결을 이용한 심층검색 으로 수행하고 사용자가 지정한 동일수준 이상으로 검색결과를 정제하여 제공하는 시스템(In-Depth Searching and Cleansing: IDSC)을 구현하였다. IDSC는 사용자가 특정 LOD를 지정하여 질의하면 다수의 LOD들로부터 동일연결된 개체들을 심층적으로 검색하고 그 결과를 취합, 제공한다. 또한, IDSC는 LOD의 평판을 측정하여 동일 연결된 개체들의 동일수준 평가에 반영하였다. 이 과정에서 개체간 동일성에 대한 동조를 발견하는 경우 관련 개체 들의 동일수준을 보완함으로써 보다 정밀하게 정제한 결과를 제공한다. IDSC는 GitHub를 통하여 공개하였다.

LOD(Linked Open Data) cloud is the implementation of semantic web. It is composed of RDF modeled LODs and aims to extend knowledge of a specified entity by providing diverse descriptions from different viewpoints of LODs. We implemented In-Depth Searching and Cleansing(IDSC) system that performs in-depth searching with <owl:sameAs> identical links and cleansing the results to meet user’s criterion for the identity of searched entities. IDSC, standing for the users, performs in-depth searching for linked entities, reconstitutes contents of the entities searched, and provides them as results. For entity identity evaluation, IDSC examines LODs’ reputations and reflects them to entities’ identity levels. If IDSC found an agreement on an entity identity, it compensates identity levels of relevant entities, and therefore provides results cleansed meticulously. IDSC is freely available at GitHub.

본 연구에서는 소비자의 개인차 변수인 조절초점성향을 중심으로 온라인 정보탐색 행동의 차이를 고찰하였다. 조절초점은 소비자의 여러 행동영역을 설명할 수 있는 중요한 심리적 요인이지만 조절초점의 두 동기에 따른 온라인 정보탐색 패턴의 차이는 충분히 입증되지 못하였으며, 더욱이 이를 실제 온라인 쇼핑상황에 적용하여 직접적으로 검증한 연구는 여전히 거의 전무하다. 따라서 본 연구는 기존 연구의 한계점을 보완하여, 온라인 정보탐색행동의 주요 변수로서 조절초점성향에서 기인한 정보탐색행동의 차이를 검증하였다. 특히 실제 쇼핑상황에서의 정보탐색 행동을 실질적으로 분석하고자 로그분석을 적용하여 실험을 진행하였다 . 연구 결과, 조절초점성향에 따른 상품후기 참조 행동, 대안 탐색의 수, 탐색정보깊이에서 통계적으로 유의한 차이가 있는 것으로 나타났다. 첫째, 향상초점성향에 비해 예방초점성향의 소비자는 다른 사람의 의견인 상품후기 정보에 대해 더 활발한 참조활동을 보였으며(가설 1), 둘째, 향상초점성향의 소비자는 예방초점성향 소비자에 비해 더 많은 대안의 수를 탐색하는 경향이 있었다(가설 2). 셋째, 예방초점성향의 소비자는 상품을 보다 신중하게 탐색하기 위하여 상품페이지에서 많은 시간과 노력을 투입시켜 정보를 깊이 탐색하였다(가설 3).마지막으로 본 연구는 조절초점에 따른 온라인 정보탐색 행동 차이를 규명하여 이론적 시사점을 제시하고 온라인 마케터의 마케팅 전략 수립을 위한 실무적 시사점을 제시하였다.

More consumers than ever before are turning to the online shop first to search for product information. Due to the growing importance of online as a searching media, a large number of companies are recently observing and analyzing consumers’ information searching behavior in online using new technology and methodology such as eye tracking and web log analysis. However, in order to investigate the online consumers’ shopping pattern in depth, they should not only adopt a new technology but also consider psychological and motivational factors which derive consumers' behavior. In this point of view, This research investigates the effects of regulatory focus on information search behavior in consumer decision making in the context of online shopping. And in oder to analyze them more objectively and practically, we developed web log collecting program and used the web log data to analyze consumer behavior. Results from the research based on web log data show three primary findings. First, prevention focused consumers are more likely to search for product reviews than promotion focused consumers. Second, compared to consumers with prevention focused, promotion focused consumers have a tendency to search for more alternatives by searching for various product web pages. Finally, prevention-focused consumers tend to seek information in depth, devoting relatively greater time and efforts at detailed information web pages.

본 연구는 시멘틱 웹의 실질적 구현체인 LOD 클라우드에서 연결정책을 활용함으로써 LOD들간 연결을 효과적으로 제공하고 LOD의 변경된 내용을 검색결과에 빠짐없이 반영할 수 있는 방안을 제시한다. 현재 LOD 클라우드에서는 개체간 연결은 <owl:sameAs>를 이용하여 개체들이 동일함을 명시적으로 기술하는 방식으로 이루어져 있다. 하지만, 이러한 명시적 연결방식은 LOD 클라우드 규모의 방대함에도 불구하고 개체간 동일성을 개체단위에서 파악하여야 하는 어려움이 있으며 주기적으로 LOD에 추가하여야 함에 따라 검색 시 개체들이 누락되는 한계가 있다. 이를 극복하기 위하여 본 연구에서는 명시적 연결을 생성하는 대신 LOD별로 연결하고자 하는 LOD와의 연결정책을 수립하여 LOD와 함께 공개하는 방식을 제안한다. 연결정책을 활용함으로써 연결하여야 할 동일개체를 검색시점에서 파악할 수 있으므로 추가되었던 개체들을 누락됨 없이 검색결과에 포함시킬 수 있고 LOD 클라우드에서의 연결성도 효과적으로 확충할 수 있다. 확충된 연결성은 정보의 지능적 처리의 선행과정인 지식확장의 근간이 된다. 연결정책은 연결하고자 하는 소스와 타겟 LOD의 주어 개체들간의 동일성을 평가하는데 도움이 되는 술어 쌍을 명세하는 방식으로 수립하며 검색 시 이러한 술어쌍에 대응하는 RDF 트리플을 검색하고 이들의 목적어들이 충분히 동일한 것인가를 평가하여 주어개체들의 동일수준을 판단한다. 본 연구에서는 이러한 연결정책을 이용하여 여러 LOD들을 심층적으로 검색하는 시스템을 구현하였다. 검색과정에서는 기존 명시적 연결들도 함께 활용하도록 구현하였다. 검색시스템에 대한 실험은 DBpedia의 주요 LOD들을 대상으로 진행하였다. 실험결과 연결대상 개체들의 목적어들이 0.8 ~ 0.9의 유사수준을 가지는 경우 적정한 확장성을 가지고 충분히 신뢰적인 개체들을 적절하게 포함하는 것으로 확인하였다. 또한, 개체들은 8개 이상의 동일연결을 제공하여야 검색결과가 신뢰적으로 활용될 수 있을 것으로 파악되었다.

LOD(Linked Open Data) cloud is a practical implementation of semantic web. We suggested a new method that provides identity links conveniently in LOD cloud. It also allows changes in LOD to be reflected to searching results without any omissions. LOD provides detail descriptions of entities to public in RDF triple form. RDF triple is composed of subject, predicates, and objects and presents detail description for an entity. Links in LOD cloud, named identity links, are realized by asserting entities of different RDF triples to be identical. Currently, the identity link is provided with creating a link triple explicitly in which <owl:sameAs> associates its subject and object with source and target entities. Link triples are appended to LOD. With identity links, a knowledge achieves from an LOD can be expanded with different knowledge from different LODs. The goal of LOD cloud is providing opportunity of knowledge expansion to users. Appending link triples to LOD, however, has serious difficulties in discovering identity links between entities one by one notwithstanding the enormous scale of LOD. Newly added entities cannot be reflected to searching results until identity links heading for them are serialized and published to LOD cloud. Instead of creating enormous identity links, we propose LOD to prepare its own link policy. The link policy specifies a set of target LODs to link and constraints necessary to discover identity links to entities on target LODs. On searching, it becomes possible to access newly added entities and reflect them to searching results without any omissions by referencing the link policies. Link policy specifies a set of predicate pairs for discovering identity between associated entities in source and target LODs. For the link policy specification, we have suggested a set of vocabularies that conform to RDFS and OWL. Identity between entities is evaluated in accordance with a similarity of the source and the target entities' objects which have been associated with the predicates' pair in the link policy. We implemented a system "Change Acceptable In-Depth Searching System(CAIDS)". With CAIDS, user's searching request starts from depth_0 LOD, i.e. surface searching. Referencing the link policies of LODs, CAIDS proceeds in-depth searching, next LODs of next depths. To supplement identity links derived from the link policies, CAIDS uses explicit link triples as well. Following the identity links, CAIDS's in-depth searching progresses. Content of an entity obtained from depth_0 LOD expands with the contents of entities of other LODs which have been discovered to be identical to depth_0 LOD entity. Expanding content of depth_0 LOD entity without user's cognition of such other LODs is the implementation of knowledge expansion. It is the goal of LOD cloud. The more identity links in LOD cloud, the wider content expansions in LOD cloud. We have suggested a new way to create identity links abundantly and supply them to LOD cloud. Experiments on CAIDS performed against DBpedia LODs of Korea, France, Italy, Spain, and Portugal. They present that CAIDS provides appropriate expansion ratio and inclusion ratio as long as degree of similarity between source and target objects is 0.8 ~ 0.9. Expansion ratio, for each depth, depicts the ratio of the entities discovered at the depth to the entities of depth_0 LOD. For each depth, inclusion ratio illustrates the ratio of the entities discovered only with explicit links to the entities discovered only with link policies. In cases of similarity degrees with under 0.8, expansion becomes excessive and thus contents become distorted. Similarity degree of 0.8 ~ 0.9 provides appropriate amount of RDF triples searched as well. Experiments have evaluated confidence degree of contents which have been expanded in accordance with in-depth searching. Confidence degree of content is directly coupled with identity ratio of an entity, which means the degree of identity to the entity of d