기계학습기반 사용자 맞춤형 서비스 제공 통합 프레임워크

Abstract

최근 사물인터넷, 센서 네트워크 등 다양한 데이터를 수집하여 활용할 수 있는 새로운 형태의 네트워크가 등장하였으며, 안경, 시계, 의복 등의 형태를 지닌 웨어러블 디바이스의 등장에 의한 모바일 기기의 데이터 사용량이 지속적으로 증가하는 추세이다. 각종 센서의 발달에 따라 기기로부터 수집될 수 있는 데이터의 종류가 다양해지고, 이를 통하여 사용자의 패턴을 분석할 수 있게 되었다. 또한 사용자의 데이터 및 비콘이나 AP 기반의 위치기반서비스를 이용하여 다양한 공간에서의 융합기반 서비스를 제공하기 위한 여러 기술 및 서비스 등이 활발히 연구되고 있다. 이에 따라 사용자 패턴기반의 통합 서비스 제공 프레임워크의 필요성이 대두되고 있다. 본 논문에서는 다양하게 설치된 센서 및 모바일 기기 등으로부터 사용자의 시공간 데이터를 수집하고, 기계학습 이론에 기반한 데이터 분석을 통하여 사용자 패턴을 파악하고 최종적으로 사용자 패턴 기반 맞춤형 서비스 제공 프레임워크를 제안한다. 사용자 패턴 기반 맞춤형 서비스 제공하고자 RTFM 구조에 기반한 통합 프레임워크 구조를 적용하였고, 제안한 프레임워크는 사용자 이동단말기 및 시간 및 이동 데이터를 저장하는 AP, AP의 데이터를 수집하는 DB, 사용자 이동 단말 어플리케이션 등으로 구성되어있다. DB에 수집된 사용자의 시간 및 위치 정보를 학습하여 이동 경로를 예측하고 유용한 서비스를 제공하기 위해 기계학습 기반 추론 알고리즘을 적용하였다. 기계학습 이론 중 사용자의 이동경로 경향을 가시적으로 예측하고 분석하기 위하여 회귀분석 방법을 이용하였다. 또한 사용자의 이동경로를 학습하고 추론모델을 생성하며, 추론모델을 기반으로 사용자의 이동경로를 예측하기 위하여 SVM을 이용하였다. SVM은 사용자가 이동하면서 생성하는 다차원의 데이터를 간단하게 맵핑할 수 있고, 높은 정확성을 바탕으로 수집된 데이터를 분석한다. 더불어 SVM에 추가로 KCV 기법을 적용해서 추론 데이터 분석의 정확성을 높였다. 또한 제안한 구조를 실제 대학 캠퍼스를 대상으로 캠퍼스 및 교실범위로 구현하여 유효성을 검증하였다.;In this thesis, we propose a machine learning based service provider framework customized for users. The framework consists of mobile stations, data storage, data collector, analysis tools and end-user service applications. The data includes MAC address of AP, RSSI signal strength levels and time connections. For users’ route inference, we deploy curve-fitting methodologies, especially, Gaussian kernel regression model. As an analysis tool, we deploy support vector machine from machine learning. Support vector machine enables to generate training model and precise classifiers. In addition, K-fold cross-validation is used to improve the inference accuracy of support vector machine based classifiers. We develop predictor that clarifies relation between time connection information and APs data and anticipates users’ behavior. From the predictive models and analyzed data that we developed, adaptive services customized for end-users can be provided as e.g., smart device push notifications services. The effectiveness of the proposed framework is confirmed based on our actual implementations for user-customized services.