SlideShare a Scribd company logo
1 of 11
Download to read offline
실전 예제로 살펴보는
                집단지성 프로그래밍 CH.1
                      chois79




12년 3월 3일 토요일
집단지성이란?

  • 일반적인        개념

     • 집단을 이루어 협업하거나, 경쟁할 때, 존재하지 않던 지능
       이나 행동들이 갑자기 나타나는 현상

  •이    책에서의 개념

     • 애플리케이션을  개선하기 위해, 사용자들이 제공한 정보
       를 효과적으로 이용하는 것


12년 3월 3일 토요일
웹 애플리케이션의 집단지성


  • 집단     지성을 적용하는 데 필요한 요소

     • 사용자들의       원할한 소통

     • 사용자들의       활동에서 얻은 지식을 결집

     • 이런       지식을 기반으로 사용자들이 원하는 컨텐츠를 제공



12년 3월 3일 토요일
데이터 마이닝을 통해
                        정제한 지능




                       리뷰, 추천등을 통해
                         영향을 끼침
                사용자                    사용자



                      다른 사람의 리뷰, 추천을
                        통해 영향을 받음




12년 3월 3일 토요일
예제 애플리케이션
                    (온라인 마켓)
  •   반복적인 애자일 기반의 소프트웨어 개발 시행

      •   1단계: 상품 구매 및 관련 기사 제공 서비스

      •   2단계: 사용자들이 가장 많이 구매한 목록 및 물품 리스트 전송 기능 제공

      •   3단계: 사용자 프로필 기능 컨텐츠 기반의 추천 엔진 개발

          •   명시적(기본 인적사항), 암묵적(리뷰, 구매 물품)

      •   4단계: 사용자 컨텐츠 생성 및 리뷰, 후기의 랭킹 기능

      •   5단계: 태그 클라우드 도입 및 개인화된 페이지 제공

          •   중요도나 단어의 빈도수에 따라 폰트 크기가 조정되는 단어 목록

      •   6단계: 사용자가 직접 태그 입력


12년 3월 3일 토요일
집단지성의 이점들

  • 높은     유지율

  • 마켓과         사용자에 많은 커뮤니케이션 기회 보장

  • 사용자가         트랜잭션을 완료하거나 관심 정보를 찾을 확률이
    높아진다

  • 검색     엔진 순위 상승



12년 3월 3일 토요일
지능 정보의 분류

  • 명시적         지능 정보

  • 암묵적         지능 정보

     • 애플리케이션 내/외부에서 제공하거나 일반적으로 비구
       조화된 컨텐츠에서 생성됨

  • 추출된         지능 정보

     • 모아진       데이터에서 분석해서 얻은 정보


12년 3월 3일 토요일
명시적 지능 정보


  • 리뷰와         추천

  • 태깅

  • 투표




12년 3월 3일 토요일
암묵적 지능 정보


  • 내부

     • 리뷰, 게시판    글, 블로그 등에 있는 비정형 데이터

  • 외부

     • ex)   네이버 실시간 검색 순위, 트위터 트랜드 검색.



12년 3월 3일 토요일
추출된 지능 정보


  • 데이터         마이닝과 텍스트 마이닝

  • 클러스터링과           예측 분석

  • 지능형         검색

  • 추천     엔진



12년 3월 3일 토요일
이후..


  • 데이터         수집

  • 데이터         분석 알고리즘

  • 알고리즘         적용 방법




12년 3월 3일 토요일

More Related Content

Viewers also liked

검색엔진 과거, 현재 그리고 미래
검색엔진 과거, 현재 그리고 미래검색엔진 과거, 현재 그리고 미래
검색엔진 과거, 현재 그리고 미래LINE Plus Corp
 
스토리텔링 애니멀 : 인간은 왜 그토록 이야기에 빠져드는가
스토리텔링 애니멀 : 인간은 왜 그토록 이야기에 빠져드는가스토리텔링 애니멀 : 인간은 왜 그토록 이야기에 빠져드는가
스토리텔링 애니멀 : 인간은 왜 그토록 이야기에 빠져드는가minumsa
 
Augmented reality (Access virtual world)
Augmented reality (Access virtual world)Augmented reality (Access virtual world)
Augmented reality (Access virtual world)chirag thakkar
 
가상 현실과 증강 현실
가상 현실과 증강 현실가상 현실과 증강 현실
가상 현실과 증강 현실qzwaup
 
SICP_2.5 일반화된 연산시스템
SICP_2.5 일반화된 연산시스템SICP_2.5 일반화된 연산시스템
SICP_2.5 일반화된 연산시스템HyeonSeok Choi
 
서버인프라를지탱하는기술3_2_3
서버인프라를지탱하는기술3_2_3서버인프라를지탱하는기술3_2_3
서버인프라를지탱하는기술3_2_3HyeonSeok Choi
 
Code 11 논리 게이트
Code 11 논리 게이트Code 11 논리 게이트
Code 11 논리 게이트HyeonSeok Choi
 
프로그래머로 사는 법 Ch14
프로그래머로 사는 법 Ch14프로그래머로 사는 법 Ch14
프로그래머로 사는 법 Ch14HyeonSeok Choi
 
CODE Ch.21 버스에 올라 탑시다
CODE Ch.21 버스에 올라 탑시다CODE Ch.21 버스에 올라 탑시다
CODE Ch.21 버스에 올라 탑시다HyeonSeok Choi
 
Mining the social web 6
Mining the social web 6Mining the social web 6
Mining the social web 6HyeonSeok Choi
 
Domain driven design ch1
Domain driven design ch1Domain driven design ch1
Domain driven design ch1HyeonSeok Choi
 
MiningTheSocialWeb.Ch2.Microformat
MiningTheSocialWeb.Ch2.MicroformatMiningTheSocialWeb.Ch2.Microformat
MiningTheSocialWeb.Ch2.MicroformatHyeonSeok Choi
 
Refactoring 메소드 호출의 단순화
Refactoring 메소드 호출의 단순화Refactoring 메소드 호출의 단순화
Refactoring 메소드 호출의 단순화HyeonSeok Choi
 
Domain driven design ch9
Domain driven design ch9Domain driven design ch9
Domain driven design ch9HyeonSeok Choi
 
자바 병렬 프로그래밍 ch9
자바 병렬 프로그래밍 ch9자바 병렬 프로그래밍 ch9
자바 병렬 프로그래밍 ch9HyeonSeok Choi
 
자바 병렬 프로그래밍 1&2
자바 병렬 프로그래밍 1&2자바 병렬 프로그래밍 1&2
자바 병렬 프로그래밍 1&2HyeonSeok Choi
 
컴퓨터 프로그램 구조와 해석 3.5
컴퓨터 프로그램 구조와 해석 3.5컴퓨터 프로그램 구조와 해석 3.5
컴퓨터 프로그램 구조와 해석 3.5HyeonSeok Choi
 
실무로 배우는 시스템 성능 최적화 Ch7
실무로 배우는 시스템 성능 최적화 Ch7실무로 배우는 시스템 성능 최적화 Ch7
실무로 배우는 시스템 성능 최적화 Ch7HyeonSeok Choi
 

Viewers also liked (20)

검색엔진 과거, 현재 그리고 미래
검색엔진 과거, 현재 그리고 미래검색엔진 과거, 현재 그리고 미래
검색엔진 과거, 현재 그리고 미래
 
스토리텔링 애니멀 : 인간은 왜 그토록 이야기에 빠져드는가
스토리텔링 애니멀 : 인간은 왜 그토록 이야기에 빠져드는가스토리텔링 애니멀 : 인간은 왜 그토록 이야기에 빠져드는가
스토리텔링 애니멀 : 인간은 왜 그토록 이야기에 빠져드는가
 
Augmented reality (Access virtual world)
Augmented reality (Access virtual world)Augmented reality (Access virtual world)
Augmented reality (Access virtual world)
 
가상 현실과 증강 현실
가상 현실과 증강 현실가상 현실과 증강 현실
가상 현실과 증강 현실
 
SICP_2.5 일반화된 연산시스템
SICP_2.5 일반화된 연산시스템SICP_2.5 일반화된 연산시스템
SICP_2.5 일반화된 연산시스템
 
Code1_2
Code1_2Code1_2
Code1_2
 
서버인프라를지탱하는기술3_2_3
서버인프라를지탱하는기술3_2_3서버인프라를지탱하는기술3_2_3
서버인프라를지탱하는기술3_2_3
 
Code 11 논리 게이트
Code 11 논리 게이트Code 11 논리 게이트
Code 11 논리 게이트
 
프로그래머로 사는 법 Ch14
프로그래머로 사는 법 Ch14프로그래머로 사는 법 Ch14
프로그래머로 사는 법 Ch14
 
CODE Ch.21 버스에 올라 탑시다
CODE Ch.21 버스에 올라 탑시다CODE Ch.21 버스에 올라 탑시다
CODE Ch.21 버스에 올라 탑시다
 
Mining the social web 6
Mining the social web 6Mining the social web 6
Mining the social web 6
 
C++ api design 품질
C++ api design 품질C++ api design 품질
C++ api design 품질
 
Domain driven design ch1
Domain driven design ch1Domain driven design ch1
Domain driven design ch1
 
MiningTheSocialWeb.Ch2.Microformat
MiningTheSocialWeb.Ch2.MicroformatMiningTheSocialWeb.Ch2.Microformat
MiningTheSocialWeb.Ch2.Microformat
 
Refactoring 메소드 호출의 단순화
Refactoring 메소드 호출의 단순화Refactoring 메소드 호출의 단순화
Refactoring 메소드 호출의 단순화
 
Domain driven design ch9
Domain driven design ch9Domain driven design ch9
Domain driven design ch9
 
자바 병렬 프로그래밍 ch9
자바 병렬 프로그래밍 ch9자바 병렬 프로그래밍 ch9
자바 병렬 프로그래밍 ch9
 
자바 병렬 프로그래밍 1&2
자바 병렬 프로그래밍 1&2자바 병렬 프로그래밍 1&2
자바 병렬 프로그래밍 1&2
 
컴퓨터 프로그램 구조와 해석 3.5
컴퓨터 프로그램 구조와 해석 3.5컴퓨터 프로그램 구조와 해석 3.5
컴퓨터 프로그램 구조와 해석 3.5
 
실무로 배우는 시스템 성능 최적화 Ch7
실무로 배우는 시스템 성능 최적화 Ch7실무로 배우는 시스템 성능 최적화 Ch7
실무로 배우는 시스템 성능 최적화 Ch7
 

Similar to 집단지성프로그래밍CH1

Social Analytics 소개 (SDEC 오프모임 세미나)
Social Analytics 소개 (SDEC 오프모임 세미나)Social Analytics 소개 (SDEC 오프모임 세미나)
Social Analytics 소개 (SDEC 오프모임 세미나)NAVER D2
 
전자상거래 협업필터링
전자상거래 협업필터링전자상거래 협업필터링
전자상거래 협업필터링InJae Hwang
 
Survey - 카페 추천 기술기획 (2014-02-10)
Survey - 카페 추천 기술기획 (2014-02-10)Survey - 카페 추천 기술기획 (2014-02-10)
Survey - 카페 추천 기술기획 (2014-02-10)병국 민
 
Week1 ot
Week1 otWeek1 ot
Week1 otEun Yu
 
온라인 마케팅을 위한 빅데이터 분석
온라인 마케팅을 위한 빅데이터 분석온라인 마케팅을 위한 빅데이터 분석
온라인 마케팅을 위한 빅데이터 분석수보 김
 
유사 이미지 검색 기술 동향 - Pinterest 사례
유사 이미지 검색 기술 동향 - Pinterest 사례유사 이미지 검색 기술 동향 - Pinterest 사례
유사 이미지 검색 기술 동향 - Pinterest 사례Geunhee Cho
 
Bigdate & R programming
Bigdate & R programmingBigdate & R programming
Bigdate & R programmingSeongWan Son
 
Process for Big Data Analysis
Process for Big Data AnalysisProcess for Big Data Analysis
Process for Big Data AnalysisMyunggoon Choi
 
How to Create Value from Data, and Its Difficulty
How to Create Value from Data, and Its DifficultyHow to Create Value from Data, and Its Difficulty
How to Create Value from Data, and Its DifficultyDataya Nolja
 
[NDC 2011] 게임 개발자를 위한 데이터분석의 도입
[NDC 2011] 게임 개발자를 위한 데이터분석의 도입[NDC 2011] 게임 개발자를 위한 데이터분석의 도입
[NDC 2011] 게임 개발자를 위한 데이터분석의 도입Hoon Park
 
AD fresca 서비스 소개서
AD fresca 서비스 소개서AD fresca 서비스 소개서
AD fresca 서비스 소개서Uichong Dano Lee
 
데이터마이닝의 개요
데이터마이닝의 개요데이터마이닝의 개요
데이터마이닝의 개요Chris Kim
 
학습분석(Learning Analytics) 활용 가능성 및 전망
학습분석(Learning Analytics) 활용 가능성 및 전망학습분석(Learning Analytics) 활용 가능성 및 전망
학습분석(Learning Analytics) 활용 가능성 및 전망Open Cyber University of Korea
 
책 "제품의 탄생" 소개
책 "제품의 탄생" 소개책 "제품의 탄생" 소개
책 "제품의 탄생" 소개SANGHEE SHIN
 
검색엔진최적화의 기본 비영리세미나용
검색엔진최적화의 기본 비영리세미나용검색엔진최적화의 기본 비영리세미나용
검색엔진최적화의 기본 비영리세미나용choi wi hwan
 
골든플래닛 I srm 소개자료 최종본
골든플래닛 I srm 소개자료 최종본골든플래닛 I srm 소개자료 최종본
골든플래닛 I srm 소개자료 최종본Jun Ho Hwang
 
[팝콘 시즌1] 윤석진 : 조직의 데이터 드리븐 문화를 위해 극복해야하는 문제들
[팝콘 시즌1] 윤석진 : 조직의 데이터 드리븐 문화를 위해 극복해야하는 문제들[팝콘 시즌1] 윤석진 : 조직의 데이터 드리븐 문화를 위해 극복해야하는 문제들
[팝콘 시즌1] 윤석진 : 조직의 데이터 드리븐 문화를 위해 극복해야하는 문제들PAP (Product Analytics Playground)
 
[Survey] STS 2011
[Survey] STS 2011[Survey] STS 2011
[Survey] STS 2011Jinseok Ro
 

Similar to 집단지성프로그래밍CH1 (20)

Social Analytics 소개 (SDEC 오프모임 세미나)
Social Analytics 소개 (SDEC 오프모임 세미나)Social Analytics 소개 (SDEC 오프모임 세미나)
Social Analytics 소개 (SDEC 오프모임 세미나)
 
전자상거래 협업필터링
전자상거래 협업필터링전자상거래 협업필터링
전자상거래 협업필터링
 
Survey - 카페 추천 기술기획 (2014-02-10)
Survey - 카페 추천 기술기획 (2014-02-10)Survey - 카페 추천 기술기획 (2014-02-10)
Survey - 카페 추천 기술기획 (2014-02-10)
 
Research method
Research methodResearch method
Research method
 
Week1 ot
Week1 otWeek1 ot
Week1 ot
 
온라인 마케팅을 위한 빅데이터 분석
온라인 마케팅을 위한 빅데이터 분석온라인 마케팅을 위한 빅데이터 분석
온라인 마케팅을 위한 빅데이터 분석
 
유사 이미지 검색 기술 동향 - Pinterest 사례
유사 이미지 검색 기술 동향 - Pinterest 사례유사 이미지 검색 기술 동향 - Pinterest 사례
유사 이미지 검색 기술 동향 - Pinterest 사례
 
Bigdate & R programming
Bigdate & R programmingBigdate & R programming
Bigdate & R programming
 
Process for Big Data Analysis
Process for Big Data AnalysisProcess for Big Data Analysis
Process for Big Data Analysis
 
How to Create Value from Data, and Its Difficulty
How to Create Value from Data, and Its DifficultyHow to Create Value from Data, and Its Difficulty
How to Create Value from Data, and Its Difficulty
 
[NDC 2011] 게임 개발자를 위한 데이터분석의 도입
[NDC 2011] 게임 개발자를 위한 데이터분석의 도입[NDC 2011] 게임 개발자를 위한 데이터분석의 도입
[NDC 2011] 게임 개발자를 위한 데이터분석의 도입
 
AD fresca 서비스 소개서
AD fresca 서비스 소개서AD fresca 서비스 소개서
AD fresca 서비스 소개서
 
데이터마이닝의 개요
데이터마이닝의 개요데이터마이닝의 개요
데이터마이닝의 개요
 
코틀러 & 켈러 Marketing Management: 4장
코틀러 & 켈러 Marketing Management: 4장코틀러 & 켈러 Marketing Management: 4장
코틀러 & 켈러 Marketing Management: 4장
 
학습분석(Learning Analytics) 활용 가능성 및 전망
학습분석(Learning Analytics) 활용 가능성 및 전망학습분석(Learning Analytics) 활용 가능성 및 전망
학습분석(Learning Analytics) 활용 가능성 및 전망
 
책 "제품의 탄생" 소개
책 "제품의 탄생" 소개책 "제품의 탄생" 소개
책 "제품의 탄생" 소개
 
검색엔진최적화의 기본 비영리세미나용
검색엔진최적화의 기본 비영리세미나용검색엔진최적화의 기본 비영리세미나용
검색엔진최적화의 기본 비영리세미나용
 
골든플래닛 I srm 소개자료 최종본
골든플래닛 I srm 소개자료 최종본골든플래닛 I srm 소개자료 최종본
골든플래닛 I srm 소개자료 최종본
 
[팝콘 시즌1] 윤석진 : 조직의 데이터 드리븐 문화를 위해 극복해야하는 문제들
[팝콘 시즌1] 윤석진 : 조직의 데이터 드리븐 문화를 위해 극복해야하는 문제들[팝콘 시즌1] 윤석진 : 조직의 데이터 드리븐 문화를 위해 극복해야하는 문제들
[팝콘 시즌1] 윤석진 : 조직의 데이터 드리븐 문화를 위해 극복해야하는 문제들
 
[Survey] STS 2011
[Survey] STS 2011[Survey] STS 2011
[Survey] STS 2011
 

More from HyeonSeok Choi

밑바닥부터시작하는딥러닝 Ch05
밑바닥부터시작하는딥러닝 Ch05밑바닥부터시작하는딥러닝 Ch05
밑바닥부터시작하는딥러닝 Ch05HyeonSeok Choi
 
밑바닥부터시작하는딥러닝 Ch2
밑바닥부터시작하는딥러닝 Ch2밑바닥부터시작하는딥러닝 Ch2
밑바닥부터시작하는딥러닝 Ch2HyeonSeok Choi
 
프로그래머를위한선형대수학1.2
프로그래머를위한선형대수학1.2프로그래머를위한선형대수학1.2
프로그래머를위한선형대수학1.2HyeonSeok Choi
 
알고리즘 중심의 머신러닝 가이드 Ch04
알고리즘 중심의 머신러닝 가이드 Ch04알고리즘 중심의 머신러닝 가이드 Ch04
알고리즘 중심의 머신러닝 가이드 Ch04HyeonSeok Choi
 
딥러닝 제대로시작하기 Ch04
딥러닝 제대로시작하기 Ch04딥러닝 제대로시작하기 Ch04
딥러닝 제대로시작하기 Ch04HyeonSeok Choi
 
밑바닥부터시작하는딥러닝 Ch05
밑바닥부터시작하는딥러닝 Ch05밑바닥부터시작하는딥러닝 Ch05
밑바닥부터시작하는딥러닝 Ch05HyeonSeok Choi
 
7가지 동시성 모델 - 데이터 병렬성
7가지 동시성 모델 - 데이터 병렬성7가지 동시성 모델 - 데이터 병렬성
7가지 동시성 모델 - 데이터 병렬성HyeonSeok Choi
 
7가지 동시성 모델 4장
7가지 동시성 모델 4장7가지 동시성 모델 4장
7가지 동시성 모델 4장HyeonSeok Choi
 
실무로 배우는 시스템 성능 최적화 Ch8
실무로 배우는 시스템 성능 최적화 Ch8실무로 배우는 시스템 성능 최적화 Ch8
실무로 배우는 시스템 성능 최적화 Ch8HyeonSeok Choi
 
실무로 배우는 시스템 성능 최적화 Ch6
실무로 배우는 시스템 성능 최적화 Ch6실무로 배우는 시스템 성능 최적화 Ch6
실무로 배우는 시스템 성능 최적화 Ch6HyeonSeok Choi
 
Logstash, ElasticSearch, Kibana
Logstash, ElasticSearch, KibanaLogstash, ElasticSearch, Kibana
Logstash, ElasticSearch, KibanaHyeonSeok Choi
 
실무로배우는시스템성능최적화 Ch1
실무로배우는시스템성능최적화 Ch1실무로배우는시스템성능최적화 Ch1
실무로배우는시스템성능최적화 Ch1HyeonSeok Choi
 
HTTP 완벽가이드 21장
HTTP 완벽가이드 21장HTTP 완벽가이드 21장
HTTP 완벽가이드 21장HyeonSeok Choi
 
HTTP 완벽가이드 16장
HTTP 완벽가이드 16장HTTP 완벽가이드 16장
HTTP 완벽가이드 16장HyeonSeok Choi
 
HTTP 완벽가이드 6장.
HTTP 완벽가이드 6장.HTTP 완벽가이드 6장.
HTTP 완벽가이드 6장.HyeonSeok Choi
 

More from HyeonSeok Choi (20)

밑바닥부터시작하는딥러닝 Ch05
밑바닥부터시작하는딥러닝 Ch05밑바닥부터시작하는딥러닝 Ch05
밑바닥부터시작하는딥러닝 Ch05
 
밑바닥부터시작하는딥러닝 Ch2
밑바닥부터시작하는딥러닝 Ch2밑바닥부터시작하는딥러닝 Ch2
밑바닥부터시작하는딥러닝 Ch2
 
프로그래머를위한선형대수학1.2
프로그래머를위한선형대수학1.2프로그래머를위한선형대수학1.2
프로그래머를위한선형대수학1.2
 
알고리즘 중심의 머신러닝 가이드 Ch04
알고리즘 중심의 머신러닝 가이드 Ch04알고리즘 중심의 머신러닝 가이드 Ch04
알고리즘 중심의 머신러닝 가이드 Ch04
 
딥러닝 제대로시작하기 Ch04
딥러닝 제대로시작하기 Ch04딥러닝 제대로시작하기 Ch04
딥러닝 제대로시작하기 Ch04
 
밑바닥부터시작하는딥러닝 Ch05
밑바닥부터시작하는딥러닝 Ch05밑바닥부터시작하는딥러닝 Ch05
밑바닥부터시작하는딥러닝 Ch05
 
함수적 사고 2장
함수적 사고 2장함수적 사고 2장
함수적 사고 2장
 
7가지 동시성 모델 - 데이터 병렬성
7가지 동시성 모델 - 데이터 병렬성7가지 동시성 모델 - 데이터 병렬성
7가지 동시성 모델 - 데이터 병렬성
 
7가지 동시성 모델 4장
7가지 동시성 모델 4장7가지 동시성 모델 4장
7가지 동시성 모델 4장
 
Bounded Context
Bounded ContextBounded Context
Bounded Context
 
DDD Repository
DDD RepositoryDDD Repository
DDD Repository
 
DDD Start Ch#3
DDD Start Ch#3DDD Start Ch#3
DDD Start Ch#3
 
실무로 배우는 시스템 성능 최적화 Ch8
실무로 배우는 시스템 성능 최적화 Ch8실무로 배우는 시스템 성능 최적화 Ch8
실무로 배우는 시스템 성능 최적화 Ch8
 
실무로 배우는 시스템 성능 최적화 Ch6
실무로 배우는 시스템 성능 최적화 Ch6실무로 배우는 시스템 성능 최적화 Ch6
실무로 배우는 시스템 성능 최적화 Ch6
 
Logstash, ElasticSearch, Kibana
Logstash, ElasticSearch, KibanaLogstash, ElasticSearch, Kibana
Logstash, ElasticSearch, Kibana
 
실무로배우는시스템성능최적화 Ch1
실무로배우는시스템성능최적화 Ch1실무로배우는시스템성능최적화 Ch1
실무로배우는시스템성능최적화 Ch1
 
HTTP 완벽가이드 21장
HTTP 완벽가이드 21장HTTP 완벽가이드 21장
HTTP 완벽가이드 21장
 
HTTP 완벽가이드 16장
HTTP 완벽가이드 16장HTTP 완벽가이드 16장
HTTP 완벽가이드 16장
 
HTTPS
HTTPSHTTPS
HTTPS
 
HTTP 완벽가이드 6장.
HTTP 완벽가이드 6장.HTTP 완벽가이드 6장.
HTTP 완벽가이드 6장.
 

집단지성프로그래밍CH1

  • 1. 실전 예제로 살펴보는 집단지성 프로그래밍 CH.1 chois79 12년 3월 3일 토요일
  • 2. 집단지성이란? • 일반적인 개념 • 집단을 이루어 협업하거나, 경쟁할 때, 존재하지 않던 지능 이나 행동들이 갑자기 나타나는 현상 •이 책에서의 개념 • 애플리케이션을 개선하기 위해, 사용자들이 제공한 정보 를 효과적으로 이용하는 것 12년 3월 3일 토요일
  • 3. 웹 애플리케이션의 집단지성 • 집단 지성을 적용하는 데 필요한 요소 • 사용자들의 원할한 소통 • 사용자들의 활동에서 얻은 지식을 결집 • 이런 지식을 기반으로 사용자들이 원하는 컨텐츠를 제공 12년 3월 3일 토요일
  • 4. 데이터 마이닝을 통해 정제한 지능 리뷰, 추천등을 통해 영향을 끼침 사용자 사용자 다른 사람의 리뷰, 추천을 통해 영향을 받음 12년 3월 3일 토요일
  • 5. 예제 애플리케이션 (온라인 마켓) • 반복적인 애자일 기반의 소프트웨어 개발 시행 • 1단계: 상품 구매 및 관련 기사 제공 서비스 • 2단계: 사용자들이 가장 많이 구매한 목록 및 물품 리스트 전송 기능 제공 • 3단계: 사용자 프로필 기능 컨텐츠 기반의 추천 엔진 개발 • 명시적(기본 인적사항), 암묵적(리뷰, 구매 물품) • 4단계: 사용자 컨텐츠 생성 및 리뷰, 후기의 랭킹 기능 • 5단계: 태그 클라우드 도입 및 개인화된 페이지 제공 • 중요도나 단어의 빈도수에 따라 폰트 크기가 조정되는 단어 목록 • 6단계: 사용자가 직접 태그 입력 12년 3월 3일 토요일
  • 6. 집단지성의 이점들 • 높은 유지율 • 마켓과 사용자에 많은 커뮤니케이션 기회 보장 • 사용자가 트랜잭션을 완료하거나 관심 정보를 찾을 확률이 높아진다 • 검색 엔진 순위 상승 12년 3월 3일 토요일
  • 7. 지능 정보의 분류 • 명시적 지능 정보 • 암묵적 지능 정보 • 애플리케이션 내/외부에서 제공하거나 일반적으로 비구 조화된 컨텐츠에서 생성됨 • 추출된 지능 정보 • 모아진 데이터에서 분석해서 얻은 정보 12년 3월 3일 토요일
  • 8. 명시적 지능 정보 • 리뷰와 추천 • 태깅 • 투표 12년 3월 3일 토요일
  • 9. 암묵적 지능 정보 • 내부 • 리뷰, 게시판 글, 블로그 등에 있는 비정형 데이터 • 외부 • ex) 네이버 실시간 검색 순위, 트위터 트랜드 검색. 12년 3월 3일 토요일
  • 10. 추출된 지능 정보 • 데이터 마이닝과 텍스트 마이닝 • 클러스터링과 예측 분석 • 지능형 검색 • 추천 엔진 12년 3월 3일 토요일
  • 11. 이후.. • 데이터 수집 • 데이터 분석 알고리즘 • 알고리즘 적용 방법 12년 3월 3일 토요일