사용자 특성 정보를 활용한 스마트폰 데이터 기반의 상황 인지 성능 향상

Abstract

개인화 기기인 스마트폰의 사용이 보편화되고 있고 이를 이용한 다양한 종류의 서비스가 등장함에 따라, 사용자의 상황에 따른 맞춤형 서비스에 대한 요구가 증가하고 있다. 스마트폰은 음성 통화나 문자 메시지 등과 같은 기존의 휴대전화의 기능 외에도 데이터 통신이나 다종 센서 데이터 등을 활용 가능한 애플리케이션의 활용이 가능한 개인용 컴퓨터로서의 역할을 수행하고 있다. 많은 수의 스마트폰 사용자들은 일상생활 대부분의 시간에 스마트폰을 휴대하고 있기 때문에, 스마트폰으로부터 수집할 수 있는 데이터를 활용하여 사용자의 상황을 인지하는 연구들과 사용자 특성 정보를 추론하는 연구들이 다양하게 진행되어왔다. 센서 데이터를 통해 물리적 운동에 따라 구분되는 저수준 컨텍스트를 인지하는 연구에 비해, 사회나 문화적 차이에 따라 의미가 달라질 수 있는 고수준 컨텍스트 인지에 대한 연구는 상대적으로 물리 센서 데이터의 의존도가 낮기 때문에, 인지 난이도도 높고 아직까지 상대적으로 미진하였다. 고수준 컨텍스트 인지 정확도가 좋을수록 상황별 맞춤형 서비스의 다양화나 정교화에 있어서 활용 방안이 다양하다. 이에 본 연구에서는 사용자 특성에 따라 센서 데이터의 분포가 달라진다는 점을 통해, 센서 데이터 기반의 사용자 상황 인지 모형에 사용자 특성 정보를 함께 사용하여 사용자의 고수준 컨텍스트 상황 인지 모형의 정확도를 향상시킬 수 있는 기법을 제안한다.

본 연구에서 제안하는 기법은 두 단계로 구성된다. 그 첫번째 단계로, 순간적으로 획득이 가능한 스냅샷 데이터를 이용하기 때문에 즉시 추론이 가능한 사용자 특성 정보 추론을 수행한다. 두번째 단계로는, 첫 단계에서 얻은 사용자 특성 정보를 인지 대상이 되는 센서 데이터와 병합하여 상황 인지 모형의 입력값으로 사용하여 인지 대상의 사용자의 상황 인지를 수행한다.

사용자 특성 추론 모형은 스냅샷 데이터인 사용자의 스마트폰 애플리케이션 목록으로부터 생성한 요인벡터를 이용해 학습을 수행하여 사용자 특성 정보를 추론한다. 상황 인지 모형은 가속도 센서 데이터와 오디오 센서 데이터를 이용하여 앙상블 학습 방법의 일종인 랜덤 포레스트 분류 모형을 통해 수면, 식사, 수업, 공부, 음주, 이동의 총 여섯 가지 상황을 인지 한다.

자체 제작한 애플리케이션을 통해 100명의 피실험자들로부터 실험 데이터를 수집하고 제안 기법의 성능을 확인하였다. 여섯 가지 상황과 열두 가지 사용자 특성 정보를 조합하여 각 특성 정보가 클래스 별로 인지 성능에 미치는 영향력을 살펴보았다. 그 결과, 제안 기법을 통해 기존의 상황 인지 모형에서 13%의 성능 향상을 확인할 수 있었다.