• Journal of KIISE:Computing Practices and Letters
• /
• v.16 no.7
• /
• pp.814-818
• /
• 2010

Online social networking services help people to migrate social networks from offline to online. Twitter, which has achieved incredible growth, showed that an online social networking service without offline bases can become large and successful. In this paper, we propose a twitter friend notification service using user‘s twitter messages and place recognizing technology. When there is a friend in user‘s nearby place, the service notifies the information to the users. Through the friend notification service, a user can easily extend his online social network to offline.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2011.11a
• /
• pp.1466-1469
• /
• 2011

최근 1년 사이에 급격하게 증가한 스마트폰의 보급률과 그 기반의 서비스 중 많은 인기를 끌고 있는 분야의 하나가 소셜네트워크서비스(SNS)이다. 본 논문에서는 사용자들의 생각을 자유롭게 등록하고 의견을 나누는 토론을 바탕으로 서로 공감하는 의견을 많이 내주는 사람들 사이에 관계를 형성할 수 있도록 해주는 모바일 SNS 시스템에 대해 논하고자 한다. 토론 커뮤니티 기능, 친구 관리 기능, 개인 마이크로 블로그 기능, 메시지함 기능, 친구 분석 및 추천, 토론 의견 알림 서비스를 서버와 스마트폰 기반으로 시스템이 구성되어 있다. 본 모바일 SNS는 안드로이드 플랫폼을 기반으로 제공되는 프레임워크의 장점들을 이용하여 각 기능들을 제공하도록 구현하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2024.01a
• /
• pp.287-288
• /
• 2024

본 논문에서는 플루터, 파이어베이스와 구글맵을 기반으로 라즈베리파이에 GPS 모듈을 장착하여 위치 정보를 실시간으로 받아 대형견, 소형견 위치를 파악하여 경고 알림을 송신하고 자신의 애완동물과 거리가 멀어지게 된다면 경고 알림을 송신하여 대형견에 의한 피해 사례를 감소시키고 유실 및 실종 동물 사례를 감소시킨다. 또한 게시판을 통해서 산책 친구와 산책 아르바이트를 구할 수 있는 기능을 추가하고 산책 시 유의 사항, 오픈웨더를 통해 날씨 등 산책에 필요한 정보들을 추가하여 산책 시 위험한 요소를 해결할 수 있고 필요한 요소를 통합한 애플리케이션을 개발한다.

• Journal of Advanced Navigation Technology
• /
• v.22 no.5
• /
• pp.472-477
• /
• 2018

In this paper, we develop interactive content services for preventing depression of users through an intelligent Internet of Things(IoT) mirror system. For interactive content services, an IoT mirror device measures attention and meditation data from an EEG headset device and also measures facial expression data such as "sad", "angery", "disgust", "neutral", " happy", and "surprise" classified by a multi-layer perceptron algorithm through an webcam. Then, it sends the measured data to an oneM2M-compliant IoT server. Based on the collected data in the IoT server, a machine learning model is built to classify three levels of depression (RED, YELLOW, and GREEN) given by a proposed merge labeling method. It was verified that the k-nearest neighbor (k-NN) model could achieve about 93% of accuracy by experimental results. In addition, according to the classified level, a social network service agent sent a corresponding alert message to the family, friends and social workers. Thus, we were able to provide an interactive content service between users and caregivers.