Earticle

본 논문에서는 대규모 실시간 매칭의 생존 게임에서 플레이를 위한 유저들의 소셜 관계에 대해 연구한다. 특히 사전 팀 구성 을 통한 자의적인 팀 구성이 어떤 방식으로 유저들을 연결하는 지 연구하고자 한다. 다수의 사람 간 집단 역학에서 나타나는 특성이나 패턴에 대한 조사를 중심으로 하였으며, 개인의 특성은 보조적인 수단으로만 사용된다. 이번 연구에서는 게임을 플레이하는 유저들의 익명화 된 대규모 데이터를 활용하며 이에 대한 간소화된 집계 방법을 제안한다. 데이터 세트에는 사전 팀 구성에 관한 11,25911,259만 줄의 속성이 포함되어 있으며 데이터에서 우리는 250250만개의 노드와 1,1821,182만개의 무방향 에지가 있는 협업 네트워크를 구성하여 대규모 게임 내 협동 네트워크를 만듭니다. 연결 정도, 경로 길이, 클러스터링 및 소속 하위 컴포넌트의 크기 등 네트워크에 관한 수치를 통해 게임내 소셜 활동에 대한 이해를 높이고자 한다. 본 논문에서는 다음의 두가지 특성을 중심으로 결론을 제시한다. 첫째, 네트워크 내에는 대규모로 연결된 22개 전체의 44% 및 2%) 와 나머지의 파편화된 하위 컴포넌트로 구성 되어있다. 이 대규모 컴포넌트 중 작은 쪽은 한국 유저로만 구성되어 있다. 둘째, 컴포넌트 크기 별 평균 연결 거리와 군집화 계수, k corecore를 확인함으로써 기타 다른 네트워크 대비 이웃 간 연결이 강하면서 전체적으로는 비교적 멀리 떨어져 있음을 확인한다

In this study, the social relationships of users in large-scale, real-time matching survival games are investigated. Specifically, the study explores how voluntary team-ups through 'pre-made formation' facilitate connections among users. The primary focus is on the characteristics and patterns emerging from group dynamics among multiple individuals, using personal characteristics only as supplementary data. We employ anonymized, large-scale user data from these games and propose a simplified method for aggregating this data. Our dataset comprises 112.59 million rows of attributes related to 'pre-made teams'. From this data, we construct a network with 2.5 million nodes and 11.82 million undirected edges, representing a substantial in-game collaboration network. By analyzing network-related measures such as connection degree, path length, clustering, and the size of belonging subcomponents, we deepen the understanding of social activities within the game. This paper presents findings centered around two main observations: First, the network consists of two large-scale connected components (accounting for 44% and 2% of the total, respectively) and numerous fragmented subcomponents, with the smaller large-scale component predominantly comprising Korean users. Second, we observe that while connections between neighboring nodes are as strong as those in other collaboration networks, they are relatively more distant compared to other social networks

비디오스트리밍 서비스와 같은 클라우드 컴퓨팅의 확장성 제고를 위하여, 개인 사용자들의 컴퓨팅 자원을 활용하는 기술이 널리 사용되고 있다. 이와 같이 노드의 도움을 받는 시스템은 효율성 극대화를 위하여, 노드들의 행동을 정확히 예측하는 것이 매우 중요하다. 비록 P2P시스템관련 연구가 많이 진행되어 왔으나, 대부분 한 시스템 전체에 대한 특성을 수집 및 분석하는 연구가 주를 이루고 있다. 따라서 각 노드들의 행동 패턴을 분석하는 연구는 초기 단계에 머물러 있다. 본 연구에서는 각 노드들의 가용성에 대한 행동 패턴을 자동으로 분류하기 위한 기술을 제시하고, 그 분류 결과를 수동으로 된 것과 비교한다. 실제 운영되고 있는 P2P시스템에 참여하고 있는 노드들의 사용 기록에 대하여 다양한 조건으로 k-means 클러스터링을 적용하였다. 분석 결과에 따르면, 노드의 가용성 변화 기준으로 다양한 숨겨진 행동 패턴이 존재하는 것을 볼 수 있었다. 본 연구는 노드의 불확실성에 미리 대비하기 위한 시스템 설계에 활용 될 수 있을 것으로 기대된다.

To increase the scalability of cloud computing, utilizing resources of individual users has been widely adopted especially in video streaming services. Accurately predicting behavior of user nodes is critical to achieve a high efficiency in such a peer-assisted system. Though there have been many measurement studies on peer-to-peer systems, most of them have focused on the design and characterization of the systems. Thus the behavior patterns of individual nodes have seldom been studied. In this paper, we present new techniques for classifying behavior of nodes in terms of availability and compare them with naive manual classification. We apply a k-means clustering algorithm with various classification criteria on real trace data of a peer-to-peer system. Our analysis shows that there are various hidden behavior patterns with respect to the transition of availability. Our study will give a useful hint to a system designer in handling churns more efficiently based on the peer classification.

지식 공유는 집단 학습을 촉진하고, 연구자들의 창의적 사고와 융합 연구, 네트워크 확장을 통해 혁신을 도모하며 연구의 질을 향상시킨다. 본 연구는 온라인 협업 플랫폼에서 제공되는 지식 공유 유형이 연구자들의 지식 경계 확장과 네트워크 확산에 미치는 영향을 분석하였다. 연구 결과, 구조적 콘텐츠는 지식 경계 확장에, 비구조적 콘텐츠는 네트워크 확산에 각각 유의한 차이의 효과를 보였다. 또한, 반구조적 및 비구조적 콘텐츠는 플랫폼 전반의 만족도에 긍정적 영향을 주었으며, 비구조적 콘텐츠는 이용자의 지속 이용 의도에, 반구조적 콘텐츠는 추천 의도에 유의한 효과를 나타냈다. 따라서 본 연구는 온라인 협업 플랫폼에서 지식 콘텐츠 유형에 따라 지식 경계 확장과 네트워크 확산 효과가 다르게 나타남을 실증적으로 증명하였으며, 향후 플랫폼 서비스의 발전 방향에 중요한 시사점을 제공한다.

Knowledge sharing promotes collective learning and fosters innovation by enhancing researchers’ creative thinking, interdisciplinary collaboration, and network expansion, thereby improving the quality of research. This study analyzed the effects of different types of knowledge sharing provided by online collaboration platforms on researchers’ knowledge boundary expansion and network diffusion. The results show that structured content had a significant effect on knowledge boundary expansion, whereas unstructured content had a significant effect on network diffusion. In addition, both semi-structured and unstructured content positively influenced overall platform satisfaction. Specifically, unstructured content significantly contributed to users’ intention for continued use, while semi-structured content positively affected their willingness to recommend the platform. Accordingly, this study empirically demonstrates that the effects of knowledge content types on knowledge boundary expansion and network diffusion differ within online collaboration platforms, and it provides important implications for the future development of such platforms.

바이오센서와 디지털 섬유의 개발로 생체신호를 측정할 수 있는 디지털 의류는 개인의 건강, 독거노인 관리와 스포츠 활동 등 여러 분야에서 사용할 수 있다. 본 논문은 디지털 의류를 착용하여 24시간 측정된 생체신호와 GPS 정보 기반의 사용자의 스트레스 상태, 맥박, 위치, 운동량을 분석하기 위한 데이터베이스 구조와 표준 HL7 메타모델기반의 XML 문서로 저장하는 저장소를 설계한다. 저장된 정보를 분석하여 사용자의 시간에 따른 스트레스 상태 및 운동량 등을 확인 할 수 있다. 또한, 실시간으로 사용자의 맥박, 위치, 운동 강도, 응급상황을 파악할 수 시스템이다. 본 논문은 생체신호를 수집하여 분석하는 시스템구현에 대하여 기술한다.

As small sized bio-sensors and digital yarns are developed, digital wear measuring vital signs can be used for individuals' health, the elderly care and sports activities. This paper discusses a database structure for analyzing stress state, pulses, positions, exercise amount of user based on vital signs measured for 24 hours measured by the wear and GPS information, and a storage for storing XML documents following a standard HL7 meta-model. By analyzing the stored information, the system identifies the stress state and exercise amount of users. Pulses, exercise intensity and emergency situations can be also detected by the system in real time. This paper discusses the implementation of a system enabling to acquire and analyze vital signals to understand user behavior patterns.

온라인 커뮤니티란 SNS와 달리 사용자들이 닉네임을 통해 익명으로 관심사와 취미를 공유하는 가상 그룹 서비스이다. 그런데 이런 익명성을 악의적으로 활용하는 사용자들이 존재하고, 닉네임의 변경으로 인해 동일 사용자의 데이터가 서로 다른 닉네임에 존재하는 데이터 파편화 문제가 발생할 수 있다. 또한 온라인 커뮤니티에서는 닉네임을 변경하는 일이 빈번하므로 동일 사용자를 식별하는데 어려움을 겪는다. 따라서 본 논문에서는 이러한 문제를 해결하기 위해 온라인 커뮤니티 특성을 고려한 사용자의 행동 패턴 특징 벡터를 제시하며, 관계 패턴이라는 새로운 암시적 행동 패턴을 제안함과 동시에 랜덤 포레스트 분류기를 이용한 동일 사용자의 닉네임을 식별하는 기법을 제안한다. 또한 실제 온라인 커뮤니티 데이터를 수집해 제안한 행동패턴과 분류기를 이용해 동일 사용자를 유의미한 수준으로 식별할 수 있음을 실험적으로 보인다.

An online community is a virtual group whose members share their interests and hobbies anonymously with nicknames unlike Social Network Services. However, there are malicious user problems such as users who write offensive contents and there may exist data fragmentation problems in which the data of the same user exists in different nicknames. In addition, nicknames are frequently changed in the online community, so it is difficult to identify them. Therefore, in this paper, to remedy these problems we propose a behavior pattern feature vectors for users considering online community characteristics, propose a new implicit behavior pattern called relationship pattern, and identify the nickname of the same user based on Random Forest classifier. Also, Experimental results with the collected real world online community data demonstrate that the proposed behavior pattern and classifier can identify the same users at a meaningful level.

통신기술의 발달로 무선단말기의 보급이 급증하고 무선 네트워크 사용이 일반화됨으로써, 최근 유비쿼터스 컴퓨팅 기술이 중요한 이슈가 되고 있다. 유비쿼터스 컴퓨팅은 시간과 장소의 한계를 넘어 사용자가 하고자 하는 일을 컴퓨팅 환경이 상황을 인지하여 돕는 것을 가능하게 한다. 상황인지를 위해 순차패턴과 시간 연관규칙 탐사를 이용하여 사용자의 행동패턴을 추출하는 연구가 활발히 진행되고 있다. 이러한 연구를 통한 행동패턴은 사용자의 특성을 간과하게 되며, 각 사용자에게 더욱 유용한 서비스를 제공하기 위해서는 사용자를 분류하는 것이 필요하다. 그러나 기존의 연구는 단지 통계적인 사용자의 빈발 행동패턴만을 추출하여 각 사용자의 관심사와는 무관한 서비스 제공이 이루어질 수 있다. 성별, 나이, 직업 등의 개인정보와 위치를 고려하여 사용자에게 더욱 더 효율적이고 유용한 서비스를 제공할 수 있도록 행동패턴을 유형별로 분류할 필요가 있다. 본 논문에서는 각 위치에 따른 사용자의 연령대별 유용한 행동패턴을 추출하여 정확한 서비스를 제공할 수 있는 마이닝 기법을 제안한다.

통신기술의 발달로 무선단말기의 보급이 급증하고 무선 네트워크 사용이 일반화됨으로써, 최근 유비쿼터스 컴퓨팅 기술이 중요한 이슈가 되고 있다. 유비쿼터스 컴퓨팅은 시간과 장소의 한계를 넘어 사용자가 하고자 하는 일을 컴퓨팅 환경이 상황을 인지하여 돕는 것을 가능하게 한다. 상황인지를 위해 순차패턴과 시간 연관규칙 탐사를 이용하여 사용자의 행동패턴을 추출하는 연구가 활발히 진행되고 있다. 이러한 연구를 통한 행동패턴은 사용자의 특성을 간과하게 되며, 각 사용자에게 더욱 유용한 서비스를 제공하기 위해서는 사용자를 분류하는 것이 필요하다. 그러나 기존의 연구는 단지 통계적인 사용자의 빈발 행동패턴만을 추출하여 각 사용자의 관심사와는 무관한 서비스 제공이 이루어질 수 있다. 성별, 나이, 직업 등의 개인정보와 위치를 고려하여 사용자에게 더욱 더 효율적이고 유용한 서비스를 제공할 수 있도록 행동패턴을 유형별로 분류할 필요가 있다. 본 논문에서는 각 위치에 따른 사용자의 연령대별 유용한 행동패턴을 추출하여 정확한 서비스를 제공할 수 있는 마이닝 기법을 제안한다.

유비쿼터스 컴퓨팅은 일상생활 속에 편재해 있는 PDA 또는 모바일 폰 등의 무선 단말기를 이용하여 사용자가 언제, 어디서나 유용한 서비스를 받을 수 있는 환경을 제공한다. 이는 대용량 데이터베이스에 저장된 지능형 멀티 모바일 에이전트의 통신 데이터를 분석하여 모바일 유저의 위치에 따른 요청된 유용한 서비스정보를 추출할 수 있게 되었으며, 이를 통한 효율적인 사용자 서비스는 물론 광고 등의 새로운 이익 창출로 이어져왔다. 그러나 기존 위치 정보만을 이용한 서비스정보의 추론은 단순히 통계적인 빈발 행동패턴만을 추출하여 시간에 따른 사용자의 서비스 요청에 능동적으로 대처할 수 없을 뿐만 아니라 원치 않는 서비스정보를 제공하는 문제점을 야기 시켰다. 이 논문에서는 시간을 고려한 모바일 사용자의 유용한 행동패턴 추출을 위한 효율적인 마이닝 기법인 시간대별 모바일 사용자 행동패턴 및 메모리 적재에 용이한 새로운 콤팩트한 데이터 구조를 제안한다. 이는 사용자의 동적인 움직임에 따른 실시간적 서비스를 가능하게 하며, 더 나아가 유비쿼터스 컴퓨팅 환경에서 중요한 이슈인 데이터의 메모리 적재가 용이 할 뿐만 아니라 접근속도의 향상 및 메모리 사용이 적다는 이점이 있다.

최근 모바일 디바이스의 기능이 다양해지면서 현대인에게 없어서는 안 될 필수품이 되었다. 모바일 디바이스의 사용영역이 널어지면서 늘어나는 개인 정보의 활용에 대한 관심이 집중되고 있다. 본 논문에서는 모바일 디바이스에서 사용자의 행동 패턴 분석 및 요약을 위한 지능형 에이전트를 제안한다 사용자의 다양한 행동 및 상태 패턴 분석을 위해 협력적 모듈 베이지안 네트워크를 사용한다. 협력적 모들 베이지안 네트워크는 비슷한 유형의 패턴끼리 모듈로 설계해 상호 협력적으로 작동하여 사용자의 특이성을 추론한다. 사용자에 기억에 남을 만한 특이성를 선택하기 위해 Noisy-OR gate를 적응하여 계산한 특이성간의 연결 강도와 특이성의 우선순위를 바탕으로 사용자의 하루 동안의 행동을 요약하여 구성한다. 추론을 위한 프로토타입을 작성하고 시나리오를 바탕으로 제안한 방법의 유용성을 보인다.

저비용, 네트워크화 된 센서들, 언제 어디서나 쉬운 인터넷 사용과 같은 컴퓨팅 환경의 진화는 우리의 일상생활 속으로 진정한 모바일 환경을 실현 가능하게 만든다. 이런 모바일 환경의 발달은 다양한 모바일 에이전트들을 양산하며 사용자의 편의를 극대화 할 수 있도록 한다. 모바일 에이전트들은 사용자 정보, 주변 환경정보, 컴퓨팅 정보 또는 애플리케이션 정보 등을 XML 기반 표준 언어인 ACML(Agent Communication Markup Language)로 저장한 후 상호교환 및 분석을 하게 된다. 기존 테이블 형태의 정보를 기반으로 사용자의 행동패턴을 분석 및 예측했던 시스템과는 달리 에이전트 환경에서의 사용자 행동패턴 분석 및 예측은 트리구조를 대상으로 하기 때문에 새로운 방법이 요구된다. 본 논문에서 제안한 기법은 XML 기반 표준 언어인 ACML로 저장된 정보를 사용자의 상황(context)에 적합하도록 고려하여 언제, 어디서나 원하는 정보를 자동적으로 사용자에게 제공할 수 있도록 한다.

본 논문에서는 컨텐츠 사이트에서 디지털 컨텐츠를 보호하기 위하여 사용자 행동 패턴을 분석을 이용해 특이한 성향을 보이는 사용자를 탐지하기 위한 모델을 제시하였다. 사용자의 행동 패턴을 분석하기 위한 탐지 규칙(detection rule)으로 Syntactic Rule과 Semantic Rule을 정의하였다. 사용자 로그 분석 결과 탐지 규칙에 대한 위반 정도가 일정 범위를 벗어나는 사용자를 비정상적인 사용자로 추정하였다. 또한 제안 모델은 eCRM 시스템에서 이탈 가능성이 있는 고객 집단을 사전에 탐지하여 고객으로 유지하기 위한 promotion 전략 수립에 응용될 수 있다.

유비쿼터스 컴퓨팅의 핵심은 네트워크 환경에 대한 고 가용성이라 할 수 있다. 이러한 사실은 사용자 컨텍스트(Context)가 반영된 서비스를 제공하기 위한 필수조건이 이미 갖추어져 있다는 것을 시사한다. 지금까지 상황인지(Context-Aware) 서비스를 위한 여러 응용들이 제시되어 왔지만, 동적으로 변화하는, 즉 예측하기 어려운 환경을 충분히 반영할 만큼의 유연성을 제공하지 못했다. 왜냐하면, 응용 태스크 시나리오가 시작단계부터 이미 정해져 있었기 때문이다. 여기에, 본 고는 평생동안 개인화된 태스크를 동적으로 생성, 제공할 수 있는 멀티 에이전트 시스템 구조를 제안하고자 한다. 평생 개인화 태스크(Life Long Personalized Task)는 끊임없이 변화하는 사용자의 행동패턴을 반영할 수 있도록, 동적으로 생성, 제공되는 태스크를 의미한다. 이는 태스크 시나리오가 컴파일 타임에 이미 결정되지 않고, 실행 시간 중에 자동으로 생성된다는 것을 의미한다. 이러한 유연성은 평생학습 엔진(Life Long Learning Engine)을 활용함으로써 가능하다. 이 엔진은 사용자의 행동패턴을 학습하며, 결과적으로 사용자 행동패턴 규칙들을 생성한다.