Application Location-based Social Network Data for the Construction of Point of Interest (POI): Using Stiring Edit Distance (Levenshtein Distance) Method

Yoonmi Jee; Cha Yong Ku

doi:10.22905/kaopqj.2023.57.2.1

All Issue

2023 Vol.57, Issue 2 Next Page

Research Article

Application Location-based Social Network Data for the Construction of Point of Interest (POI): Using Stiring Edit Distance (Levenshtein Distance) Method 관심지점(POI) 구축을 위한 위치기반 소셜 네트워크 데이터의 활용

30 June 2023. pp. 101-110

PDF XML

Abstract

POI(point of interest) is a specific geographic location in the real world or on a map or drawing that represents useful information that a user needs. POI has a problem in that it takes time and money in the construction process. This study develops a model that can build a POI using Foursquare data, a representative location-based social network, in order to compensate for the time and cost limitations that occur in the POI construction process. A location-based social network data and a national point of interest data are collected and preprocessed, a name pair is generated between the two data, and a new POI is constructed by calculating the Levenshtein distance. After developing a model using the Jongno-gu data in Seoul, 47.14% was added to the national POI data. This study proved that location-based social network services can supplement the limitations presented in POI construction through POI construction model development. In particular, the model of this study showed that time and cost can be greatly saved.

Keywords

Location-based social network data

Foursquare

Point of interest

Levenshtein distance

관심 지점(POI)이란 사용자가 필요로 하는 유용한 정보를 나타내는, 현실 세계 또는 지도나 도면상의 특정한 지리적 위치를 말한다. POI는 구축 과정이 다소 복잡하고, 시간과 비용이 소요되는 문제점이 있다. 본 연구에서는 POI의 구축 과정에서 발생하는 시간과 비용의 한계점을 보완하기 위해 대표적인 위치 기반 소셜 네트워크인 포스퀘어(Foursquare) 데이터를 활용하여 POI를 구축할 수 있는 모델을 개발하였다. 이를 위하여 위치 기반 소셜 네트워크 데이터와 국가 관심 지점 데이터를 이용하여 데이터 간 명칭쌍을 생성하고 레벤슈타인 거리를 계산하여 새로운 POI를 구축하였다. 본 연구에서 개발한 모델을 서울시 종로구 데이터에 적용한 결과 국토지리정보원의 국가 POI 데이터에 47.14%가 추가되었다. 본 연구를 통하여 POI 구축 과정에서 나타나는 한계점을 위치 기반 소셜 네트워크 서비스 데이터로 보완할 수 있게 되었다. 특히 본 연구에서 개발한 POI 구축 모델은 시간과 비용의 측면에서 효용성이 우수함을 확인하였다.

키워드

위치 기반 소셜 네트워크 데이터

포스퀘어

관심 지점

레벤슈타인 거리

References

강애띠･강영옥, 2015, “타임라인데이터를 이용한 트위터 사용자의 거주 지역 유추 방법,” 한국지형공간정보학회지 23(2): 69-81. 10.12672/ksis.2015.23.2.069

고상기･한요섭, 2012, “정규 언어와 문맥 자유 언어 사이의 편집 거리 계산,” 정보과학회논문지: 컴퓨팅의 실제 및 레터 18(6): 464-468.

고은별･이종우, 2014, “POI (Point Of Interest) 데이터 검색에서 문자열 유사도 측정 정확도 향상 기법,” 정보과학회: 컴퓨팅의 실제 논문지 20(9): 498-506. 10.5626/KTCP.2014.20.9.498

구자용, 2015, “공간정보 빅 데이터의 지도화와 공간적 분포 특성에 관한 연구: 서울시 지역의 트윗 데이터를 사례로,” 국토지리학회지 49(3): 349-360.

구자용, 2016, “위치기반 소셜 네트워크 데이터를 이용한 서울시 상업공간 분포특성 연구,” 국토지리학회지 50(4): 491-502.

구자용, 2017, “공간 빅 데이터를 이용한 개인 활동패턴의 시공간적 탐색: 서울시 지역의 트윗 데이터를 사례로,” 국토지리학회지 51(3): 259-270.

구자용, 2020, “위치기반 소셜 네트워크 데이터를 이용한 답사 경로 설정: 서울미래유산 체험코스를 중심으로,” 국토지리학회지 54(4): 439-448. 10.22905/kaopqj.2020.54.4.5

김경민, 2014, “관심 지점 탐지를 위한 모호성 해소 방법,” 관광연구저널 28(11): 25-36.

김민규･박수홍, 2014, “SNS를 이용한 POI 공간관계 데이터베이스 구축과 활용,” 한국지형공간정보학회 22(4): 21-38. 10.12672/ksis.2014.22.4.021

김범수･이연･김경배･배해영, 2012, “실내 위치기반 서비스를 위한 사용자 관심지점 탐사 기법과 POI 추천 시스템의 구현,” 한국컴퓨터정보과학회논문지 17(5): 82-91.

김서경･Bilal Ahmed･강재우, 2015, “LBSN (Location-based Social Network)의 위치정보 데이터를 활용한 사용자 이동경로 추천 시스템에 관한 서베이 연구,” 한국정보과학회 학술발표논문집 280-282.

김정옥･허용･이원희･유기윤, 2009, “공간정보 플랫폼 구축을 위한 전자지도와 POI 정보의 매칭 방법,” 대한공간정보학회지 17(4): 23-29.

서일정･조재희, 2020, “포스퀘어 사용자의 집단적 활동 군집화: 서울시 사례,” 한국빅데이터학회지 5(1): 55-63.

양유정･이기용, 2019, “상품 분류 체계를 고려한 구매이력 유사도 측정 기법,” 한국정보처리학회지 8(9): 363-372.

오충원, 2013, “공간정보빅데이터에 관한 연구,” 대한지리학회 학술대회논문집 194-195.

오효정･배용진･김현기･최남현･윤보현, 2014, “트윗 문서의 사용자 프로파일 기반 POI 상관성 분석,” 한국정보기술학회 12(9): 107-113.

유은혜, 2021, “스포츠 스타-팬 SNS상호작용과 오프라인 상호작용 차이,” 한국체육학회지 60(4): 223-237. 10.23949/kjpe.2021.9.60.4.17

이강원･손호웅, 2016, 지형공간정보체계 용어사전, 서울: 구미서관.

이규남･임종태･복경수･유재수, 2018, “위치기반 소셜 네트워크에서 시간과 사용자 활동을 고려한 개인화된 POI 추천,” 한국콘텐츠학회논문지 18(1): 64-75.

이재원, 2013, “집합 기반 검색 및 연속 일치도에 기반한 자동 교정 POI 검색 기법,” 정보과학회논문지: 컴퓨터의 실제 및 레터 19(9): 462-468.

정구임･안병익, 2014, “LBSNS 기반 장소 추천 시스템,” 한국디지털정책학회 12(6): 277-287. 10.14400/JDC.2014.12.6.277

최지혜･박인혜･안다솔･이지영, 2018, “딥러닝을 이용한 POI 검색 알고리즘 구현,” 대한공간정보학회 학술대회 39-40.

홍일영, 2016, “국내 위치기반 소셜 네트워크(Location Based Social Network) 데이터의 공간분포,” 한국지도학회지 16(2): 95-104. 10.16879/jkca.2016.16.2.095

Levenshtein, V.I., 1966, Binary codes capable of correcting deletions, insertions, and reversals, Soviet Physics Doklady, 10(8): 707-710.

Yun, B., 2015, An analysis system development of user point of interest based on social big data, Journal of Platform Technology, 3(2): 8-14.

국토지리정보원, https://www.ngii.go.kr

서울 열린 데이터 광장, https://data.seoul.go.kr/

한국 정보 통신 기술 협회, https://www.tta.or.kr

Information

Publisher :The Korean Association of Professional Geographers
Publisher(Ko) :국토지리학회
Journal Title :국토지리학회지
Journal Title(Ko) :THE GEOGRAPHICAL JOURNAL OF KOREA
Volume : 57
No :2
Pages :101-110
Received Date : 2023-03-06
Accepted Date : 2023-03-08
DOI :https://doi.org/10.22905/kaopqj.2023.57.2.1

국토지리학회지 ISSN:1225-3766(Print) THE GEOGRAPHICAL JOURNAL OF KOREA

All Issue