DBPIA-NURIMEDIA

Size: px

Start display at page:

Download "DBPIA-NURIMEDIA"

태윤 서
3 years ago
Views:

1 390 정보과학회논문지 : 컴퓨팅의실제및레터제 15 권제 5 호 (2009.5) 온톨로지기반소셜네트워크분석을이용한전문가추천시스템 (An Expert Recommendation System using Ontology-based Social Network Analysis) 박상원 최은정 (Sangwon Park) (Eunjeong Choi) 박민수 김정규 (Minsu Park) (Jeonggyu Kim) 서은석 박영택 (Eunseok Seo) (Youngtack Park) 요약시맨틱웹기반의소셜네트워크는다양한분야에서높은활용성을가진다. 본논문에서는 FOAF 기반소셜네트워크에대하여다양한분석을수행하고, 이를바탕으로네트워크내의전문가를추천하는시스템을제안한다. 분석시스템은 SparQL, RDFS 추론, 그리고시각화도구를이용하여온톨로지기반소셜네트워크에대한효과적인활용방안을제시한다. 그리고이러한분석시스템을실제소셜네트워크에적용시켜, Small world, Scale free 특성등의다양한분석을수행하고, 특정분야에대한전문가를분석하는방법을제시한다. 이러한활용 본연구는숭실대학교의지원을받았습니다. 2008년도 Business Intelligence 강의를수강한학생들에게감사합니다. 이논문은제35회추계학술대회에서 온톨로지기반소셜네트워크분석을이용한전문가추천시스템 의제목으로발표된논문을확장한것임 학생회원 : 숭실대학교컴퓨터학과 hudoni@gmail.com lovej0918@naver.com yfoottim@yahoo.co.kr yalshyalsh@naver.com erin214@gmail.com 종신회원 : 숭실대학교컴퓨터학과교수 park@ssu.ac.kr 논문접수 : 2008년 12월 19일심사완료 : 2009년 3월 1일 CopyrightC2009 한국정보과학회ː개인목적이나교육목적인경우, 이저작물의전체또는일부에대한복사본혹은디지털사본의제작을허가합니다. 이때, 사본은상업적수단으로사용할수없으며첫페이지에본문구와출처를반드시명시해야합니다. 이외의목적으로복제, 배포, 출판, 전송등모든유형의사용행위를하는경우에대하여는사전에허가를얻고비용을지불해야합니다. 정보과학회논문지 : 컴퓨팅의실제및레터제15권제5호 (2009.5) 방법은마케팅, 조직관리, 지식경영시스템등다양한분야에서이용될것으로기대한다. 키워드 : 온톨로지, 온톨로지추론, 소셜네트워크, 소셜네트워크분석, SparQL, 추천 Abstract The semantic web-based social network is highly useful in a variety of areas. In this paper we make diverse analyses of the FOAF-based social network, and propose an expert recommendation system. This system presents useful method of ontology-based social network using SparQL, RDFS inference, and visualization tools. Then we apply it to real social network in order to make various analyses of centrality, small world, scale free, etc. Moreover, our system suggests method for analysis of an expert on specific field. We expect such method to be utilized in multifarious areas - marketing, group administration, knowledge management system, and so on. Key words :Ontolgy, ontology reasoning, social network, SNA(social network analysis), SparQL, recommendation 1. 서론 소셜네트워크에대한연구는과거에는사회과학의범주였지만최근에는웹을통해소셜네트워크를구축하고활용하는형태로진행되고있다. 소셜네트워크는각개인에대한정보보다는사람들간의관계와상호작용을바탕으로형성된연결망에초점을맞춘연구이다 [1]. 연구를통해얻은결과는마케팅, 지식관리, 조직개발, 경제학과사회학에대한연구등매우다양한분야에서활용되고있다. 이번연구에서는학생들의 FOAF (Friend Of A Friend)[2] 문서를바탕으로구축된소셜네트워크에대해서다양한분석을수행하여학생네트워크의특징과구성을확인한다. 이번연구는숭실대학교학생 47명이직접작성한실제 FOAF 문서를기반으로진행되었다. 시맨틱웹기술을적용하여표현된소셜네트워크는자동화된처리가가능하고, 다양한온톨로지기반추론이가능하다는점에서효과적인활용성을제공한다. 본논문에서는 OWL(Web Ontology Language)[3] 로표현한온톨로지와소셜네트워크에대한 RDFS(Resource Description Framework Schema)[4] 추론을수행하고, SparQL(SparQL Protocol And RDF Query Language)[5] 을이용하여시맨틱소셜네트워크의활용성을높인다. 그리고이를기반으로실제소셜네트워크를분석하고전문가추천시스템을제안한다. 이러한소셜네트워크의활용기법은다양한분야에서활용될것으로기대된다. 2. 관련연구

2 온톨로지기반소셜네트워크분석을이용한전문가추천시스템 391 Flink[7] 는다양한방법으로 FOAF 기반의소셜네트워크를분석하여시각적으로보여준다. 관심주제와위치에따른네트워크그리고소셜네트워크분석을지원한다. Flink는웹정보, FOAF 프로파일, 전송기록, 출판기록의정보를 RDF 데이터저장소인 Sesami [8] 에저장하고, JUNG[9] 네트워크 API를이용하여분석한결과를웹어플리케이션을이용하여보여준다. 이러한 Flink 어플리케이션의구성은소셜네트워크분석시스템에대한하나의예를제시한다. 이외에도온톨로지기반소셜네트워크분석에대한연구는다양하게진행되고있다. 3. 소셜네트워크분석 소셜네트워크의구조적특성을이해하기위해서는관계의밀도 (Density) 나중심성 () 에대한분석이필요하다. 일반적으로소셜네트워크는 Small world와 Scale free 특성을갖기때문에이에대한분석을통해네트워크의특징을파악할수있다. Degree centrality는네트워크를구성하는하나의노드가다른노드들과가지는직접적인연결관계의정도를나타내며, Betweenness centrality는다른노드들을연결시키는매개성을나타낸다. 높은 Betweenness를갖는노드는네트워크의흐름에중요한영향을미치는중개자역할을한다. 그리고 Closeness centrality는노드가네트워크안에서지리적으로중심부에위치하는지를나타낸다. Closeness가높은노드는네트워크에서발생되는상황을잘관찰할수있다. 또한 Characteristic path length(l) 는그룹구성원들간의연결거리가길고짧은지를나타내며, Clustering coefficient(c) 를통해구성원들의응집력을파악하는것이가능하다. L과 C는다음과같이계산된다. 모든노드쌍의최단거리의평균 이웃노드간실제링크의수 이웃노드간연결가능한링크의수 소셜네트워크는 Small world의특징을갖는다. Small world network[10] 의핵심적인논리는가장대표적인 Stanly Milgram의실험 [11] 과함께많은연구를통해정립되었다. Small world network은 L은낮고 C는높은특징을갖는다. Small world의대표적인데이터모델인 α -model [12] 과 β-model[13] 을통해특성을알수있다. 또한 Alpha와 Beta 네트워크는각각의노드가모두평균에근접한수의연결을가진다 [14]. 즉, 각노드의 Degree가 Poisson distribution[15] 형태를나타내지만, 실제소셜네트워크는 Power-law distribution 형태를갖는다. 이러한 Scale free network에는매우중요한역할 을하는 Hub가존재한다. 4. FOAF 기반전문가추천시스템 FOAF 기반의소셜네트워크에서전문가를분석하기위해서는시맨틱웹기술을활용한소셜네트워크분석시스템이필요하다. 본논문에서는 OWL 온톨로지, RDFS 추론, SparQL 등을활용하는시스템을제안한다. 4.1 시스템구조다음그림 1은온톨로지기반소셜네트워크분석시스템의구조를나타내고있다. 본논문에서제안하는시스템은 OWL 온톨로지를처리하는기능을제공하는 Jena Framework를하부구조로두고있다. Jena는 RDF/RDFS, OWL을모두지원하는자바기반의프레임워크로써, 규칙기반추론기능을통해논리처리를지원하며, Triple 형태로저장한데이터모델에대해서 SparQL을이용한접근을지원한다 [16]. 그림 1 소셜네트워크분석시스템구조도시스템은크게온톨로지처리, 네트워크분석, 시각화그리고사용자인터페이스의네부분으로구성된다. 첫째로가장하단에위치하는온톨로지처리부분은 Jena 프레임워크기반으로학생들의 FOAF 파일과온톨로지를로드하고, 기본모델과 RDFS 추론된모델을기반으로 SparQL을이용한질의및결과집합을제공한다. 두번째는네트워크분석부분으로 JUNG(Java Universal Network/Graph Framework) 에서지원하는그래프모델및분석 API를사용하였다. SparQL 질의를통해 Triple 저장소로부터가져온학생들의관계를다양한그래프로구성하고이를분석한다. 세번째구성은 Prefuse 프레임워크를활용한시각화부분으로, 분석결과를쉽게확인할수있도록도와주며, 마지막구성요소는 JAVA 라이브러리기반의사용자인터페이스이다.

392 정보과학회논문지 : 컴퓨팅의실제및레터제 15 권제 5 호 (2009.5) 그림 4 추천관계의일부분과추천속성의계층 그림 2 프로그램실행화면 4.2 FOAF 기반온톨로지 FOAF를활용하면확장성과유연성을가지는소셜네트워크를구성할수있다.

Course 클래스의인스턴스들은서로교과과정에정의된필수선수과목과권장선수과목의관계를가지며, AI, OS, Network 등하나이상의 Category 인스턴스들과 belongsto 관계를갖는다.

신일용, 이유미학생이인공지능분야에대해서추천한김선호학생은 지능형시스템실습 과 인공지능 과목에관심이있다. 그리고이들과목은권장선수과목관계이므로서로밀접한관계에있으며, 인공지능과고급수학분야에속해있다. 이러한정보를활용하면각분야에대한학생들의추천도와관심도를유추해내는것이가능하다.

3 RDFS 추론및 SparQL 활용 RDFS(Resource Description Framework Schema) 는 RDF 데이터모델에대하여자원의타입, 클래스와속성의계층관계를기술할수있는방법을제공한다.

3 392 정보과학회논문지 : 컴퓨팅의실제및레터제 15 권제 5 호 (2009.5) 그림 4 추천관계의일부분과추천속성의계층 그림 2 프로그램실행화면 4.2 FOAF 기반온톨로지 FOAF를활용하면확장성과유연성을가지는소셜네트워크를구성할수있다. 본논문은각각의학생들이작성한 FOAF 정보를이용하기때문에전문가를분석하기위한추가적인정보로써교과목온톨로지를활용하였다. 교과목온톨로지는숭실대학교컴퓨터학부의교과목트리를기반으로구성하였다. Course 클래스의인스턴스들은서로교과과정에정의된필수선수과목과권장선수과목의관계를가지며, AI, OS, Network 등하나이상의 Category 인스턴스들과 belongsto 관계를갖는다. 이러한교과목인스턴스들은학생들이 FOAF 문서에자신의관심과목을기록할수있도록제공되었으며, 그림 4의각 Category에대한추천속성을이용하여해당분야에대해실력있는친구들을추천하도록요청했다. 그림 3은하나의예로써다음과같은의미를가진다. 신일용, 이유미학생이인공지능분야에대해서추천한김선호학생은 지능형시스템실습 과 인공지능 과목에관심이있다. 그리고이들과목은권장선수과목관계이므로서로밀접한관계에있으며, 인공지능과고급수학분야에속해있다. 이러한정보를활용하면각분야에대한학생들의추천도와관심도를유추해내는것이가능하다. 특정분야에대해서추천도와관심도가높은학생은그분야에대해전문성을나타낼것으 로기대할수있다. 본논문에서는학생네트워크라는특성에따라서교과목온톨로지를사용했지만, 소셜네트워크의분석에는네트워크의특징과분석목적에따라서다양한온톨로지가활용될수있다. 4.3 RDFS 추론및 SparQL 활용 RDFS(Resource Description Framework Schema) 는 RDF 데이터모델에대하여자원의타입, 클래스와속성의계층관계를기술할수있는방법을제공한다. RDFS 추론이란 RDF Semantics[17] 에서제안한 13가지 RDFS 함의규칙을바탕으로 RDF 문서에기술되지않은새로운정보를확장하는과정이다. 그림 4는학생들의추천관계중김효종학생이컴퓨터분야에대해서추천한사람들과추천속성의일부분을표현한것이다. 추천관계는그림과같은계층을갖는다양한속성으로표현된다. 그림 5는 RDFS 추론을수행하여제 7번 RDFS 함의규칙에따라서추가된새로운 Triple들을보여준다. 이외에도다양한 RDFS 함의규칙을활용하면효과적인규칙기반추론이가능하다. SparQL은 RDF 그래프에접근하고검색할수있도록개발된질의언어로이전의 RDQL(RDF Data Query Language) 에서발전된형태이다. SparQL은 Subject, Predicate, Object 구조의 Triple로표현되는 RDF 데 그림 3 FOAF 기반의교과목온톨로지표현 그림 5 추천관계에대한 RDFS 추론

온톨로지기반소셜네트워크분석을이용한전문가추천시스템 393 이터대해서패턴매치를통해효과적인검색을가능하게한다. 그림 4에표현된학생네트워크에대해서 김효종학생이데이터베이스에대해서추천한학생의관심과목은무엇인가? 의 SparQL 질의는다음과같다. PREFIX rdf: <http://www.w3.

?expert ns:interestssubject?subject } 5. 소셜네트워크분석결과 본논문에서는학생 47명이 Protégé를이용하여직접작성한 FOAF 문서기반의소셜네트워크를분석한다. 이 FOAF 문서들은숭실대학교 2008년도 1학기 비즈니스인텔리전스 수업의일환으로작성된것이다. 구현한시스템을통해분석한결과는다음과같다.

61로분석되었으며, 이는 Small world의특성을잘보여준다. 길이가 1 3 인짧은최단경로들이전체의 83% 를차지하고있으며. 작은규모의네트워크임에도불구하고긴최단경로가존재하는이유는편입, 전과및복학등의요소가미치는영향으로판단된다. 그리고구성원중 68% 가 C 값이 0.5 이상으로높은형태를보인다. 특히 11명의학생은 C 값이 1.

4 온톨로지기반소셜네트워크분석을이용한전문가추천시스템 393 이터대해서패턴매치를통해효과적인검색을가능하게한다. 그림 4에표현된학생네트워크에대해서 김효종학생이데이터베이스에대해서추천한학생의관심과목은무엇인가? 의 SparQL 질의는다음과같다. PREFIX rdf: < PREFIX foaf: < PREFIX ns: < SELECT?expert?subject WHERE { ns:hyojongkim ns:recommendfordb?expert.?expert rdf:type ns:student.?expert ns:interestssubject?subject } 5. 소셜네트워크분석결과 본논문에서는학생 47명이 Protégé를이용하여직접작성한 FOAF 문서기반의소셜네트워크를분석한다. 이 FOAF 문서들은숭실대학교 2008년도 1학기 비즈니스인텔리전스 수업의일환으로작성된것이다. 구현한시스템을통해분석한결과는다음과같다. 표 1은 분석결과를 1위부터 5위까지나타낸것이다. 이를통해활동이왕성한학생, 브로커역할을하는학생, 그리고상황을잘관찰할수있는학생들을파악할수있다. 그림 6은 Shortest path length, Clustering coefficient, Degree distribution 분석결과를구체적으로보여준다. 네트워크의 L은 2.65, C는 0.61로분석되었으며, 이는 Small world의특성을잘보여준다. 길이가 1 3 인짧은최단경로들이전체의 83% 를차지하고있으며. 작은규모의네트워크임에도불구하고긴최단경로가존재하는이유는편입, 전과및복학등의요소가미치는영향으로판단된다. 그리고구성원중 68% 가 C 값이 0.5 이상으로높은형태를보인다. 특히 11명의학생은 C 값이 1.0으로서친구들간의강한결합력을보였다. 네트워크의 Degree distribution 분석 표 1 분석결과 (1 5 위 ) Degree SangWonLee SangCheolLee Betweenness SunWookPyo SangWonLee Closeness JungEunKim 그림 6 Shortest path length, Clustering coefficient, Degree distribution 분석결과결과는 Power-law와 Poisson curve의혼합된양상을보였다. 그래프를보면 Degree 4를기점으로왼편은 Poisson distribution 형태에가깝고, 오른편은 Power- -law distribution 형태에가깝다. 이런분포는 1 3명의친한친구들과같은수업을수강하는학생들의성향때문에나타난것으로판단된다. 6. 소셜네트워크에서의전문가추천온톨로지기반의소셜네트워크에대한다양한분석결과를통해네트워크내에서중요성을지닌사람들을추천할수있다. 본논문에서학생들의각분야에대한전문성은추천도와관심도를통하여추론된다. 추천도는해당분야에대하여추천받은수를이용하였고, 관심도는관심과목과해당분야와의연관성을활용하여이끌어냈다. 표 2는전체컴퓨터분야와 10개의세부분야에대한학생들의전문성분석결과를보여준다. 다음은이러한정보를활용하여임베디드시스템분야에대해서분석한것으로가장높은점수를보인김동현학생에대한내용이다. 그림 8은 분석결과를표현한것으로네트워크내에서 Degree centrality와 Closeness centrality가상대적으로높게나타난다. 그리고그림 9는각세부분야에대한전문성을

394 정보과학회논문지 : 컴퓨팅의실제및레터제 15 권제 5 호 (2009.5) 그림 7 및 Cluster 분석결과 표 2 컴퓨터분야에대한전문성순위 (1 위 3 위 ) Rank 1 Rank 2 Rank 3 Total Computing JeongWoongHa 52.355372 43.760331 42.

500000 Database JungEunKim EunJeongChoi MinJoonSon 9.733702 9.598230 8.479110 Embedded System 12.634172 7.841736 WonGulPark 7.637397 Network SangYeobJeon EunJungKim 9.366036 8.571429 7.

008540 DeokYongLee 10.555556 YuMILee 8.604160 Web Part SunHoKim MinSuPark 11.471299 10.587908 8.128222 나타내는그래프이다. 이러한다양한분석을통해김동현학생이임베디드시스템분야에대해서잘알고있을가능성이가장높고, 그룹내에서임베디드시스템관련활동에대한역할과관찰력이높다고판단된다.

5 394 정보과학회논문지 : 컴퓨팅의실제및레터제 15 권제 5 호 (2009.5) 그림 7 및 Cluster 분석결과 표 2 컴퓨터분야에대한전문성순위 (1 위 3 위 ) Rank 1 Rank 2 Rank 3 Total Computing JeongWoongHa Artificial Intelligence SangWonPark DongSooShin Advance Math DongSooShin Basic Part JeongWoongHa SungWonCho Database JungEunKim EunJeongChoi MinJoonSon Embedded System WonGulPark Network SangYeobJeon EunJungKim Operating System JeongWoongHa HaeSungOh YongMarooKim Programming JeongWoongHa SangCheolLee HaeSungOh Language Software Engineering DeokYongLee YuMILee Web Part SunHoKim MinSuPark 나타내는그래프이다. 이러한다양한분석을통해김동현학생이임베디드시스템분야에대해서잘알고있을가능성이가장높고, 그룹내에서임베디드시스템관련활동에대한역할과관찰력이높다고판단된다. 그리고김동현학생이추천한학생들과, 같은클러스터내에서높은점수를보이는학생들에대해서도주목할필요가있다. 7. 결론 본논문에서는 OWL 온톨로지와 RDFS 추론및 SparQL 등의시맨틱웹기술을적용한소셜네트워크분석시스템을제안하였다. 그리고이러한시스템을활용하여소셜네트워크의구조와특성을파악하고전문가를분석해내는방법을제시하였다. 소셜네트워크분석과정에서온톨로지기반추론을이용하면사람들의함축적인상호관계및특성을이끌어낼수있다. 그리고분석시스템은효과적인시각화를제공하기때문에 그림 8 네트워크내영향력 그림 9 전문분야분석 다양한특징을한눈에파악할수있도록도와준다. 이번연구는학생들의네트워크를기반으로이루어졌기때문에소셜네트워크의분석방법과활용방안에다소제한이있었다. 하지만제시한분석방법은소비자네트워크분석을통한집중적인마케팅, 회사조직분석을통한효율적인조직편성, 그리고지식경영시스템에의적용처럼다양한분야에서활용될수있을것이다. 참고문헌 [1] S. Wasserman and K. Faust, "Social Network Analysis: Methods and Applications," Cambridge, Cambridge University Press, [ 2 ] [ 3 ] [ 4 ] [ 5 ] [ 6 ] [7] P. Mika, "Flink: Semantic Web Technology for the Extraction and Analysis of Social Networks," Journal of Web Semantics, [ 8 ] [ 9 ] [10] D. J. Watts, "Networks, dynamics, and the smallworld phenomenon," American Journal of Sociology, [11] S. Milgram, "The small-world problem," Psychology Today 1, 61-67, [12] D. J. Watts, "Small Worlds: The Dynamics of Networks Between Order and Randomness," Princeton, Princeton University Press, [13] D. J. Watts and S. H. Strogatz. "Collective dynamics of 'small-world' networks," Nature 393, , [14] A. Barabasi and R. Albert, "Emergence of scaling in random networks," Science 286, , [15] A. Barabasi and R. Albert, "Statistical mechanics of complex networks," Review of Modern Physics, [16] [17]

08SW

08SW www.mke.go.kr + www.keit.re.kr Part.08 654 662 709 731 753 778 01 654 Korea EvaluationInstitute of industrial Technology IT R&D www.mke.go.kr www.keit.re.kr 02 Ministry of Knowledge Economy 655 Domain-Specific