시공간 이동 시퀀스 패턴 마이닝 기법

Abstract

최근 다양한 방면에서 위치 기반 서비스에 대한 연구가 활발히 진행되고 있다. 위치 기반 서비스는 이동중인 사용자에게 위치와 관련된 정보를 제공한다. 시공간 이동 패턴 마이닝이란 이동 객체의 위치 데이터들로부터 이동 패턴을 분석하여 사용자에게 이를 이용한 새로운 서비스를 제공하거나 개개인에게 적합한 개인화 서비스를 제공하는 것으로 시간과 공간의 의미가 중요한 위치 기반 서비스에 적합한 새로운 유형의 정보를 제공하는 데 이용할 수 있다. 본 논문에서의 시공간 이동 시퀀스 패턴 마이닝은 기존의 빈발 패턴 마이닝과 유사하나 빈발 패턴 마이닝은 트랜잭션 데이터베이스로부터 각 트랜잭션에서 아이템의 발생 여부에 따라 빈발한 아이템셋을 추출하는 데 반해, 이동 시퀀스 패턴 마이닝은 위치 데이터들로부터 사용자 이동 시퀀스 히스토리 데이터를 생성하여 이를 기반으로 모든 순서를 고려한 이동 시퀀스 패턴을 추출하고, 또한 유효소요시간이라는 시간 개념을 적용하여 사용자가 실제로 관심 있게 이동한 패턴만을 추출한다는 데 의미가 있다. 대표적인 빈발 패턴 마이닝 기법의 하나인 apriori 알고리즘에 이동 시퀀스 데이터를 적용한 새로운 알고리즘으로 apriori_msp를 정의한다. 시공간 이동 시퀀스 패턴 마이닝은 여러 부분으로 응용 가능하다. 미술관이나 박물관 등에서 관람객의 이동 패턴을 분석하여 사람들의 주요 관심 대상이 되는 작품들을 파악할 수 있고, 전시품 재배치나 효율적인 휴게실 배치 등에도 적용할 수 있다. 또한 쇼핑몰에서의 이동 패턴을 분석하면 이를 이용해 매장 배치, 마케팅 등에도 활용할 수 있을 것이다.;Recently many LBS(Location Based Service) systems are issued in mobile computing systems. LBS is a system that tracks the exact location of each mobile user and provides some services such as dialing an emergency number from a cell phone or using a navigation system in a car. Spatial-Temporal Moving Sequence Pattern Mining is a new mining method that mines user moving patterns from user moving path histories in a sensor network environment. This research is essential for those LBS systems to offer users proper services. If we know users’ profile such as what they like, what they want, where they want to go and so on, we can give them the exact services that they require. A user's behavioral patterns, such as that of movement, could be part of the information found on the user profile. This Spatial-Temporal Moving Sequence Pattern Mining is similar to existing frequent pattern mining methods, yet there are some differences. The frequent pattern mining is related to the items which customers buy. But on the other hand, our mining method concerns users’ moving sequence paths. In this paper, we consider the sequence of moving paths so we handle the repetition of moving paths. Also, we consider the duration that user spends on the location. The duration means the degree of users’ interests on the location. For concerning both sequence patterns and users’ interests, we set the threshold of minimum support and minimum valid duration. We changed the Apriori algorithm which is widely known in frequent pattern mining and we named our mining algorithm as Apriori_msp. Apriori_msp is an efficient method for mining users’ moving sequence patterns based on their interests. It can be used for a wide variety of purposes, such as searching for popular gallery pictures or museum exhibits, and then relocating restrooms to the areas people are most likely to pass. Furthermore, it will be useful for various contextual marketing in business.