문화기술의 융합 (The Journal of the Convergence on Culture Technology)

  • 제4권4호
  • /
  • Pages.337-341
  • /
  • 2018
  • /
  • 2384-0358(pISSN)
  • /
  • 2384-0366(eISSN)
국제문화기술진흥원 (The International Promotion Agency of Culture Technology)
권호 표지
DOI QR코드

DOI QR Code

실시간 검색어 분석을 이용한 인터넷 정보 관심도 분석

An Analysis on Internet Information using Real Time Search Words

  • 노기섭 (청주대학교 소프트웨어융합학부)
  • Noh, Giseop (Dept. of Software Convergence, Cheongju Univ)
  • 투고 : 2018.08.11
  • 심사 : 2018.09.23
  • 발행 : 2018.11.30
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

온라인 미디어의 지속적인 발전과 최근 모바일 컴퓨팅 사용 환경이 급격하게 개선됨에 따라 인터넷 정보의 유통이 공급자 중심 단방향에서 소비자 중심의 양방향으로 빠르게 변화하였다. 이에 따라 인터넷 정보의 관심도를 측정하는 것이 공급자와 소비자에게 중요한 문제로 대두되었다. 본 논문에서는 국내 인터넷 정보제공 업체에서 제공하는 실시간 검색어를 자동화된 소프트웨어를 구현하여 1개월간의 데이터를 수집하고, 실시간 검색어의 지속시간을 분석하여 인터넷 정보 관심도를 분석하였다.

As the online media continues to evolve and the mobile computing environment has improved dramatically, the distribution of Internet information has rapidly changed from one-sided to consumer-oriented. Therefore, measuring the interest of Internet information has become an important issue for suppliers and consumers. In this paper, we analyze the Internet information interest by analyzing the duration of real - time query by collecting data for one month by implementing real - time search word provided by domestic Internet information provider.

키워드

GJMGCK_2018_v4n4_337_f0001.png 이미지

그림 1. 네이버 데이터랩 화면 Figure 1. Screenshot of Naver Datalab

GJMGCK_2018_v4n4_337_f0002.png 이미지

그림 2. 시간에 따른 검색어 지속시간(30일) Figure 2. Keywords persistence on time series (30 days)

GJMGCK_2018_v4n4_337_f0003.png 이미지

그림 3. 시간에 따른 검색어 지속시간(1일) Figure 3. Keywords life time on time series (1 day)

GJMGCK_2018_v4n4_337_f0004.png 이미지

그림 4. LT 내림차순 정렬에 의한 분포 Figure 4. LT value distribution sorted by descending order

GJMGCK_2018_v4n4_337_f0005.png 이미지

그림 5. LT CCDF 분포 p( X ≥ χ ) Figure 5. LT CCDF distribution p( X ≥ χ )

표 1. Power Law 분포 분석결과 Table 1. Analysis Results on Power Law Distribution

GJMGCK_2018_v4n4_337_t0001.png 이미지

참고문헌

  1. Yong Jun and S. Lee, "Implementation of a Political Online Platform Using Mobile Phones," Journal of the Convergence on Culture Technology, vol. 4, pp. 205-209, May 31, 2018. DOI: 10.17703/JCCT.2018.4.2.205
  2. Junyep Oh, Seungkyu Lee, and Jooyoup Lee, "A Study on the user attributes for aquisition of information by analyzing the durability of real-time issues," Asia-pacific Journal of Multimedia Services Convergent with Art, Humanities, and Sociology, vol. 7, pp. 299-314, 04 2017. https://doi.org/10.14257/AJMAHS.2017.04.81
  3. K. Dohyeong, K. Byeong Ho, and L. Sungyoung, "'Hot Search Keyword' Rank-Change Prediction," Journal of KIISE, vol. 44, pp. 782-790, 8 2017. DOI: 10.5626/JOK.2017.44.8.782
  4. S. C. Han, Y. Liang, H. Chung, H. Kim, and B. H. Kang, "Chinese trending search terms popularity rank prediction," Inf. Technol. and Management, vol. 17, pp. 133-139, 2016. DOI: 10.1007/s10799-015-0238-0
  5. KISO, "Validation Report on 'Naver' Realtime Arising Keywords (III)," Korea Internet Self-Governance Organization, 2014.
  6. J. Alstott, E. Bullmore, and D. Plenz, "powerlaw: a Python package for analysis of heavy-tailed distributions," PloS one, vol. 9, p. e85777, 2014. DOI: 10.1371/journal.pone.0085777
  7. M. Michel, H. Kirk, and P. C. Myers, "Mass distributions of stars and cores in young groups and clusters," The Astrophysical Journal, vol. 735, p. 51, 2011. DOI: 10.1088/0004-637X/735/1/51
  8. G. K. Zipf, The psycho-biology of language: An introduction to dynamic philology: Routledge, 2013.
  9. J. M. Beggs and D. Plenz, "Neuronal avalanches in neocortical circuits," Journal of neuroscience, vol. 23, pp. 11167-11177, 2003. DOI: 10.1523/JNEUROSCI.23-35-11167.2003
  10. O. Shriki, J. Alstott, F. Carver, T. Holroyd, R. N. Henson, M. L. Smith, et al., "Neuronal avalanches in the resting MEG of the human brain," Journal of Neuroscience, vol. 33, pp. 7079-7090, 2013. DOI: 10.1523/JNEUROSCI.4286-12.2013