[논문 리뷰] They Know Where You Live!

Kazem Jahanbakhsh, Valerie King외 1명|arXiv (Cornell University)|2012. 02. 16.

Human Mobility and Location-Based Analysis참고 문헌 6인용 수 7

한 줄 요약

이 논문은 크루스칼 알고리즘을 사용하여 사용자의 지도기반 플리커 사진을 군집화함으로써 사용자의 본적지 예측 방법을 제안한다. 이는 사람들이 본적지 근처에서 더 많은 사진을 찍는다는 통찰에 기반한다. 이 방법은 저오차 거리 내에서 본적지를 70%의 정확도로 예측하며, 순수한 시각적 방법에 비해 사회적 및 이동 패턴을 통합함으로써 더 높은 성능을 달성한다.

ABSTRACT

In this paper, we demonstrate the possibility of predicting people's hometowns by using their geotagged photos posted on Flickr website. We employ Kruskal's algorithm to cluster photos taken by a user and predict the user's hometown. Our results prove that using social profiles of photographers allows researchers to predict the locations of their taken photos with higher accuracies. This in return can improve the previous methods which were purely based on visual features of photos \cite{Hays:im2gps}.

연구 동기 및 목표

• 소셜 미디어의 지도기반 사진 데이터가 순수한 시각적 방법에 비해 사용자의 본적지 예측 정확도를 향상시킬 수 있는지 조사한다.
• 플리커에서 확보한 지도기반 사진을 활용해 인간의 이동 패턴을 모델링하며, 사용자가 보고한 본적지에 비해 사진 위치의 공간 분포에 초점을 맞춘다.
• 사용자의 사진들이 가장 높은 밀도로 모여 있는 지리적 군집을 식별함으로써 가장 가능성 있는 본적지를 특정하는 군집 기반 알고리즘을 개발하고 평가한다.
• 소셜 프로필 데이터(예: 친구들의 본적지 및 지도기반 사진)가 위치 예측 정확도를 향상시키는 데 효과적인지 검증한다.

제안 방법

• 플리커 API를 사용하여 31명의 플리커 사용자와 그들의 친구들로부터 지도기반 사진 및 본적지 정보를 수집하였다.
• 지리적 근접성 기반으로 지도기반 사진을 군집화하기 위해 크루스칼 알고리즘을 적용하여 사진 위치의 공간 군집을 형성하였다.
• 가장 높은 밀도(가장 많은 사진 수)를 가진 군집을 선택하고, 그 중심점을 계산하여 예측된 본적지로 간주하였다.
• 예측 정확도 평가를 위해 사용자가 보고한 본적지를 기준으로 거리 오차 분포를 산정하였다.
• 본적지에서의 사진 거리 분포를 모델링한 결과, 지수 b = -2.38인 힘의 법칙 관계를 발견하였으며, 이는 인간의 이동 패턴 모델과 일치한다.
• 31명의 사용자에 대해 예측 오차 거리의 확률 분포를 계산하여 성능을 평가하였다.

실험 결과

연구 질문

• RQ1 플리커와 같은 소셜 미디어 플랫폼의 지도기반 사진을 사용하여 사용자의 본적지를 정확하게 예측할 수 있는가?
• RQ2 지도기반 사진의 공간 분포는 사용자의 실제 본적지와 어떻게 관련되어 있으며, 예측 가능한 이동 패턴을 따르는가?
• RQ3 친구들의 위치 및 사진 분포와 같은 소셜 네트워크 데이터를 통합할 경우, 순수한 시각적 방법에 비해 본적지 예측 정확도는 어느 정도 향상되는가?
• RQ4 지도기반 사진의 가장 밀도가 높은 군집이 실제로 사용자의 본적지를 신뢰성 있게 나타내는가? 실제로 이 방법은 어느 정도의 정확도를 보이는가?

주요 결과

• 사용자의 본적지에서의 사진 거리 분포는 지수 b = -2.38인 힘의 법칙을 따르며, 본적지 근처에서 사진 밀도가 높다는 것을 나타내며, 인간의 이동 패턴 모델과 일치한다.
• 제안된 군집 기반의 본적지 예측 방법은 저오차 거리 내에서 본적지를 70%의 정확도로 예측하였다.
• 지도기반 사진 데이터에서의 사회적 및 이동 맥락을 통합함으로써 순수한 시각적 특징 기반 접근법에 비해 상당히 뛰어난 성능을 달성하였다.
• 세 개의 대륙에 걸쳐 분포한 광범위한 지리적 분포가 있더라도, 본 알고리즘은 높은 신뢰도로 본적지를 성공적으로 식별하였다.
• 친구들의 본적지 및 지도기반 사진과 같은 소셜 프로필의 활용은 이동 패턴의 맥락을 제공함으로써 예측 모델의 성능을 향상시켰다.
• 결과적으로 소셜 미디어 데이터가 인간의 이동 패턴에 대한 강력한 대체 지표가 될 수 있으며, 정확한 위치 추론을 가능하게 한다는 점을 확인하였다.