백록선

 트위터에 친숙한 36~45 세의 55 명의 응답자 ◦ 응답자 중 83% 는 매일 twit 을 읽음 ◦ 응답자 중 59% 는 매일 twit 을 씀 ◦ 응답자 중 87% 는 매일 twitter post 를 검색

 Timely information ◦ 현재의 이벤트  Related to news  Topics gaining popularity  keeping up with what was happening  understanding trends

 Timely information ◦ 실시간 정보  Regional/local information  reports of traffic

 Social information ◦ 다른 twitter 유저와 관련된 정보  to find individuals with specific interests  to discover what particular individuals were saying  한 사람이 작성한 twit 들을 보기 위해  특정 topic 의 사람들의 의견을 보기 위해

 Topical information ◦ Web search 와 유사한 이유  “astronomy or science stuff.”  But Twitter appeared to contain themes related to timely and social information  to find public sentiment about topics of interest  followed users or through non-Twitter channels.  finding and filtering information on Twitter improve  과거에 타인이 작성한 twit  Web search engines is very prevalent

 Collecting Twitter and Web Queries ◦ Bing Toolbar ◦ November , ◦ 2.5 million queries ◦ 33,405 users from the United States

 Collecting Twitter and Web Queries

 Queries Issued

◦ Web  Twitter 와 연관된 query 를 추출하여 실험하였기 때문  Common 의 Top 100 중에 24 개만 Web 의 Top 100 개 속함 ◦ Twitter  Why people search twitter 와 관련  휴일, 최근 영화, 인터넷 토픽  유명인의 이름뿐만 아니라 개인의 이름도 나옴

 Celebrity Queries ◦ Twitter query 는 유명인사 이름이 더 많다.  Timely information 을 알기 위해 ◦ Web query 는 유명인사와 관련된 컨텐츠가 더 많다.

 Specialized Syntax  Twitter 의 이름에 사용  Query 이 붙으면 해당 twitter 로 이동 ◦ #  Twitter 의 하이퍼링크 심볼  해당 Twitter 가 링크된 twit 을 보여줌 ◦ Query 의 모호성을 줄여줌

 Specialized Syntax

 Query Popularity ◦ Twitter 에서 같은 query 를 더 자주 검색  Twitter 에서 평균 3.08 번  Web 에서 평균 1.76 번 ◦ Twitter 는 사용자가 query 를 직접 입력하기 보다 hashtag 를 클릭으로 검색을 자주함  Twitter query 의 top 50 중 50.73% 가 hashtag 포함

 Temporal Aspects of Search Behavior ◦ Secs between queries in session  새로운 주제의 query 가 나타날 때까지의 평균 시간 ( 초 ) ◦ Percent of repeat queries  한 사용자가 query 를 re-finding 하는 비율

 Common Cross-Corpus Queries

◦ Twitter 와 Web search 를 사용해 정보를 찾음 ◦ Twitter query 는 Web query 보다 짧음 ◦ people use Twitter to monitor the query topic and Web to learn more about it

 Temporal Aspects ◦ 양쪽 모두 검색하는 경우 일반적으로 Web 에서 먼저 검색 하고 Twitter 에서 검색 (61.92%)  전체 query 의 43.74% 만 양쪽 모두 검색 ◦ 같은 topic 의 query 는 Web search 가 더 많음  13,199 times on the Web and 12,070 times on Twitter ◦ Web search 에서 topic 의 자세한 정보를 찾을 때가 더 많 음  Web – 8,416 번, Twitter – 995 번

 Collecting Twitter and Web Results ◦ November ◦ 42 개의 query result set ◦ 각 set 의 query result 가 100 개 이상

 Language Differences in Results

◦ Common topic 은 query 와 관련된 정보 ◦ Twitter topics 은 more social chatter 와 current events 포함 ◦ Web topic 은 more basic facts and navigational results 함유

 Language Differences in Results ◦ Consine similarity ◦ KL- 발산 (Kullback-Leibler divergence)

 Language Differences in Results ◦ Tweet 의 언어는 Web 과 상당히 다름 ◦ Web 결과는 tweet 보다 더 다양 ◦ Web 결과의 성향은 일관성 있는 주제를 넓은 범위에서 포함

 design of next-generation search tools ◦ Query 를 일시적으로 향상 ◦ 사람 검색의 질 상승 ◦ Hashtags 의 영향력 ◦ 사용자의 기록 ◦ 명확한 query 제공

 Enhancing Temporal Queries ◦ Twitter query 에 freshness or buzz matters 를 포함 희 망 ◦ Tweet 뿐만 아니라 뉴스 같은 실시간 정보 통합한 query  Enriching People Search ◦ 현재 이름으로 Twitter 검색하면 그 이름의 가장 최근 tweet 만 보여줌 ◦ Web and Twitter 양쪽에서 search

 Leveraging Hashtags ◦ Hashtag 는 지금까지의 tag 를 활용한 새로운 방법 ◦ Twitter 의 hashtag 를 Web 에도 적용  Employing User History ◦ Twitter 의 경우 Web 보다 더 자주 반복 검색 ◦ Query history 가 Twitter 에서 유용

 Providing Query Disambiguation ◦ Web 검색 결과의 랭킹은 명확화에 도움 ◦ Twitter 에서는 information needs 를 발견 ◦ Information needs 를 이해하고 관련 information 을 찾 아 검색결과에 추가

 Twitter ◦ Twitter included an interest in timely information and social information ◦ Twitter queries were shorter, more specialized syntax, and more references to people ◦ Twitter search often used to monitor for new content ◦ Twitter queries were more common, repeated more, and changed less ◦ Twitter results included more social content and events

 Web ◦ Web search was used to develop and learn about a topic ◦ Web results contained more facts and navigation

 new generation of search tools ◦ merge the topical depth and breadth of Web search engines with real time ◦ merge highly social content offered by microblogging services.