모바일 기기에 내장된 다양한 센서로부터 얻은 방대한 양의 라이프로그를 효과적으로 검색하기 위한 연구가 진행 중이다. 기존 연구에서는 라이프로그를 일화기억 형태로 저장하고 이를 기반으로 한 검색을 수행하였다. 이러한 방법은 정확하고 충분한 질의어가 제공되지 않으면 데이터를 찾기가 어렵다는 문제가 있다. 본 논문에서는 불확실하고 불충분한 질의어 입력에도 연관 검색을 통해 데이터를 찾아낼 수 있는 의미기억 기반의 모바일 라이프로그 연관 검색 방법을 제안한다. 입력데이터를 이용해 의미기억 학습을 하며 데이터간 관계는 시맨틱 네트워크 구조로 생성된다. 관계의 가중치는 데이터의 중요성과 관계의 빈도수에 의해 통계적 계산으로 결정된다. 시맨틱 네트워크 상에서 활성화 확산 기반 점화를 이용하여 정보검색을 수행한다. 제안하는 방법의 실용성을 입증하기 위해 실제 수집된 모바일 라이프로그를 바탕으로 시맨틱 네트워크를 학습하고 검색 과정을 보였다. 또한 기존 일화기억에서 해결하기 힘든 문제를 시나리오로 제시하고 사용성 평가를 수행한 결과 높은 만족도를 통해 제안하는 방법의 유용성을 입증하였다.
Several methods have been investigated to retrieve life-logs that are collected by various sensors in mobile devices. Previous works used to store mobile life-log as episodic memory and search the data, which hinders from finding information when queries are not enough and accurate. In this paper, we propose a method for mobile life-log search based on semantic memory. Semantic memory is represented as semantic networks that store the relationship between data, and the weights of edges are determined by the importance of data and frequency of relationship. Priming based on spreading activation to retrieve information makes it possible to search the data with respect to the insufficient and inexact queries. In order to show the usefulness and practicality of the proposed method, we collected mobile life-log, constructed a semantic network, and searched the data. The method gives the appropriate answers to the queries hard to find in episodic memory and produces higher scores in a usability test.
