유비쿼터스 환경에서 상황인식 기반의 개인화 서비스를 위한 위치 정보 군집 분석 모델과 활용
Location clustering method for context-awareness based personalization service
초록/요약
유비쿼터스 서비스의 대표인 무선 서비스에 대한 관심이 증대되고, 관련 서비스가 증가됨에 따라 이동통신사에서 보유하고 있는 위치정보와 무선인터넷 이용로그를 기반으로 개인이 처한 상황에 맞게 무선 인터넷 서비스를 제공하는 개인화 서비스가 수익 창출을 위한 수단으로 부각되고 있다. 따라서 본 논문에서는 상황인식 기반의 개인화 서비스를 고객에게 제공하고, 이를 통해 가격이 아닌 고객의 핵심가치에 맞는 서비스 제공을 통해 유비쿼터스 서비스의 대표인 무선 인터넷을 활성화하는 방안을 제시하려고 하며, 고객의 상황을 인식하기 위한 방안으로 기지국의 위치정보, 해당 위치에서의 서비스 이용 정보를 기준으로 군집 분석 모델을 제안 하고, 해당 모델을 검증하기 위해 실제 데이터를 통해 분석을 수행하고, 각 군집의 특성을 분석하였다. 더 나아가 군집 분석 내역과 특성 분석 내역, 인구적 변수를 기준으로 협업 필터링 알고리즘을 적용하여 실제 추천 내역을 확인하였으며, 이를 통해 논문에서 정의한 군집 분석 방법 및 군집 특성 분석 방법의 적합성을 확인하고, 특성을 활용한 상황인식 기반의 개인화 서비스 활용 방안을 제시하였다. 그리고 이를 통해 급속히 발전하고 있는 유비쿼터스의 네트워크 및 하드웨어적인 부분의 성장에 발맞춰 서비스 환경 및 소프트웨어적인 부분의 발전을 함께 추진하여 진정한 사용자 기반의 유비쿼터스 환경 조성을 추구하고자 한다.
more목차
제1장. 서론 = 7
제2장. 관련 연구 = 9
제1절. 유비쿼터스 컴퓨팅 = 9
제1항. 유비쿼터스 컴퓨팅의 개념 = 10
제2항. 유비쿼터스 컴퓨팅의 발전 = 10
제2절. 군집 분석의 이론적 배경 = 11
제1항. 군집 분석 방법 = 11
제2항. 코호넨 알고리즘 = 13
제3항. K-means = 14
제4항. 군집 수 K 정하기 = 15
제5항. C5.0 의사결정 나무 알고리즘(Decision Tree Algorithm) = 19
제6항. K-means를 이용한 위치 정보 군집에 관한 연구 = 20
제3절. 상황정보의 활용방안 현황 = 21
제1항. 개인화 방법론 = 21
제2항. 상황인식 연구 현황 = 23
제3항. 위치정보 활용 현황 = 24
제3장 서비스 환경 및 문제점 = 25
제1절. 상황인식 서비스 환경 및 문제점 = 25
제2절. 위치 기반 서비스 환경 및 문제점 = 27
제3절. 상황인식 기반의 개인화 서비스 방안 = 29
제4장. 분석 모델 정의 = 31
제1절. 데이터 이해 = 31
제2절. 데이터 셋 생성 = 32
제3절. 군집분석 모델 = 34
제5장. 분석 및 결과 = 36
제1절. 군집 분석 = 36
제2절. 군집 특성 분석 = 40
제1항. 기지국 특성에 의한 지역별 특성 = 41
제2항. 서비스 이용 패턴별 군집 특성 정의 = 43
제3절. 군집 적용에 따른 성능 검증 = 45
제4절. 활용 방안 = 47
제6장. 결론 = 49
제7장. 논문출처 = 51
