SMGA : 종족의 분할과 병합을 이용한 효율적인 공진화 알고리즘

도영아(Younga Do),박성진(Soungjin Park),김명원(Myungwon Kim) 한국정보과학회 2000 한국정보과학회 학술발표논문집 Vol.27 No.2Ⅱ

진화 알고리즘은 자원 관리, 스케줄링, 퍼지 논리 제어기의 설계 등의 다양한 문제들에 적용되는, 일반적이고 효율적인 최적화 방법이다. 그러나 이러한 진화 알고리즘의 문제점은 탐색해야할 변수의 증가에 따른 차원의 증가로 이하여 탐색공간이 기하급수적으로 늘어난다는 것이다. 이러한 문제점을 해결하기 위해 Potter와 DeJong은 개개의 종족을 독립적으로 진화시킴으로써 탐색공간을 대폭 줄인, 협력 공진화 알고리즘을 제안하였다. 그러나 이것 또한 변수 의존성이 강한 문제들에 대해서는 비효율적인 탐색을 하는 문제점이 있다. 본 논문에서는 종족의 분할과 병합을 이용한 효율적인 공진화 알고리즘을 제안한다. 이 알고리즘은 최적화 하려는 변수들이 서로 의존성이 없는 경우에는 종족의 분할을 통하여 탐색공간의 축소에 이점을 얻고, 최적화 하려는 변수들이 서로 의존성이 있는 경우에는 종족의 병합을 통하여 전역탐색을 하도록 한다. 제안하는 알고리즘을 상품재고 제어 문제(ICP)로 실험하여 현존하는 어떤 공진화 알고리즘보다도 효율적인 결과를 보여준다.

온라인 게임 세계 속에서 게임 사용자들은 시간이 흐름에 따라 자신의 모습에서 어떠한 변화와 성장을 경험하는가?

도영임(Do Young Yim),황상민(Whang Sang Min) 한국HCI학회 2009 한국HCI학회 학술대회 Vol.2009 No.2

본 연구는 온라인 게임 세계에서 살아가는 사람들이 시간의 흐름에 따라 자신의 모습에서 어떠한 변화를 경험하는지를 탐색하기 위해 수행되었다. 온라인 게임 마비노기 사용자들이 게임 세계 속의 자신의 모습에서 변화와 성장의 경험을 어떻게 구성하는지를 57개의 행동 문항을 사용하여 확인하였다. 게임 사용자들은 게임을 시작하는 초기에는 '게임 세계는 현실 세계와 다르다'는 생각을 가지고 게임 세계의 경험과 현실 세계의 경험을 분리하여 인식한다. 그러나 게임 세계 속에서 생활하며 시간이 흐름이 따라 게임 세계도 다른 사람들과 함께 사는 세상이며, 사회적인 규칙과 질서, 신뢰와 예의를 지키면서 살아가야 하는 것으로 받아들인다. 즉, '게임 세계의 경험은 현실 세계의 경험과 동일한 의미와 가치를 지닌다'는 인식의 전환을 경험한다. 한편, 자기 변화 인식의 하위 유형들은 '성취형 변화', '통제형변화', '관계형변화'로 구분되었고, 이들은 각기다른방식으로 자신의모습에서변화를경험하였다. 본 연구는 새로운 디지털 생태 환경인 온라인 게임 세계가 사람들이 자신의 행동 양식을 실험하고 이해하며, 자기 변화와 성장을 경험할 수 있는 하나의 행동 장면이나 발달의 맥락으로 작동할 수 있는지 그 가능성을 모색한 것이다. 또한, 게임 사용자들이 자신의 게임 세계 경험을 주관적으로 받아들이고 심리적으로 통합하는 과정을 탐색하였다는데 의의가 있다. This research was conducted in an attempt to understand changes and growths of the self in on-line game world. Q methodology was used to investigate players in Mabinogi, which is an on-line game(MMORPG). Based on 57 behavior statements, Players distributed their changing experiences from when they were novices in on-line game world to the current state. In early start phase, they recognized that on-line game world was different from the reality. And they perceived their experiences in on-line game as separated from the real ones. However, as they spend more time in on-line game world, they began to realized that on-line game world is as real as the world because they function as an individual living in a society in both the game and the real world. They felt and learned that in on-line game life, they also need to follow the rules and order. In addition, trust and politeness were essential in order to live with other players. As time passed, the players realized that on-line game experiences have the same meanings and values as the real life ones. 3 types of self-changing patterns were found : Achievement change, Control change, and Relation change. The behavior patterns of the 3 types were then compared to identify similarities and differences amongst them in psychological meanings and values in the on-line game life. This result illustrates that on-line game world can be defined as new behavioral setting or developmental context established by digital technology. In this new setting, people can experiment and understand their behavior patterns and also experience changes and growths of the self.

협력적 추천을 위한 사용자와 항목 모델의 효율적인 통합 방법

도영아(Young A Do),김종수(Jong Su Kim),류정우(Joung Woo Ryu),김명원(Myung Won Kim) 한국정보과학회 2003 정보과학회논문지 : 소프트웨어 및 응용 Vol.30 No.5·6

협력적 추천에서는 일반적으로 사용자 모델과 항목 모델이 사용되어진다. 사용자 모델은 사용자들간의 선호도 상관관계를 학습하고, 추천하고자 하는 항목에 대한 다른 사용자들의 선호도를 기반으로 그 항목을 추천한다. 이와 유사한 방식으로 항목 모델은 항목들간의 선호도 상관관계를 학습하고, 다른 항목들간의 선호도를 기반으로 추천 받는 사용자에게 항목을 추천한다. 본 논문에서는 추천 성능의 향상을 위해서 사용자 모델과 항목 모델간의 다양한 통합 방법을 제안한다. 제안하는 통합 방법으로는 순차적, 병렬적 통합 방법, 퍼셉트론 또는 다층 퍼셉트론을 이용한 통합 방법, 퍼지 규칙을 이용한 통합 방법 그리고 BKS를 적용한 방법이다. 본 실험에서는 통합 모델을 위해서 다층 퍼셉트론을 이용하여 사용자와 항목 모델을 각각 학습한다. 다층 퍼셉트론은 최근접 이웃방법이나 연관 규칙을 이용한 방법과 같은 기존의 추천 방법보다 연관된 항목들간의 가중치를 학습할 수 있고, 기호 데이타와 수치 데이타를 쉽게 처리할 수 있는 장점이 있다. 본 논문에서는 통합된 모델이 어떠한 단일 모델보다도 우수하고, 실험을 통하여 다층 퍼셉트론을 이용한 통합 방법이 다른 통합 방법보다 효율적인 통합 방법임을 보여주고 있다. In collaborative recommendation two models are generally used: the user model and the article model. A user model learns correlation between users preferences and recommends an article based on other users preferences for the article. Similarly, an article model learns correlation between preferences for articles and recommends an article based on the target user's preference for other articles. In this paper, we investigates various combination methods of the user model and the article model for better recommendation performance. They include simple sequential and parallel methods, perceptron, multi-layer perceptron, fuzzy rules, and BKS. We adopt the multi-layer perceptron for training each of the user and article models. The multi-layer perceptron has several advantages over other methods such as the nearest neighbor method and the association rule method. It can learn weights between correlated items and it can handle easily both of symbolic and numeric data. The combined models outperform any of the basic models and our experiments show that the multi-layer perceptron is the most efficient combination method among them.

경주지역 청동기시대 취락의 입지와 생업에 대한 검토

都英娥(Do Young A) 한국문화사학회 2007 文化史學 Vol.0 No.27

협력적 추천을 위한 효율적인 통합 방법

도영아(YoungA Do),김종수(JongSu Kim),류정우(JoungWoo Ryu),김명원(Myungwon Kim) 한국정보과학회 2001 한국정보과학회 학술발표논문집 Vol.28 No.2Ⅱ

신경망을 이용한 추천 기술은 항목이나 사용자간의 가중치를 학습할 수 있고, 자료 유형에 상관없이 데이터 처리가 용이하다. 또한 최근 연구를 통해서 그 우수성이 입증되고 있다. 그러나 사용자간의 상관관계로 추천하는 사용자 신경망 모델과 항목 간의 상관관계로 추천하는 항목 신경망 모델이 서로 다른 관점으로 다른 선호도를 제시할 경우에 선택한 모델의 선호도에 따라 시스템의 성능이 좌우된다. 그러므로 효율적이고 성능이 우수한 추천 시스템을 위해 사용자와 항목 신경망 모델의 통합 방법을 제안한다. 두 모델 사이에 우선 순위를 결정하여 통합하는 순차적 통합 방법과 두 모델을 동시에 고려하는 병렬적 통합 방법을 제안한다. 그러나 두 통합 방법은 선호도 예측 기준에 있어서 정적이고, 문제에 대한 적응성이 없다. 그러므로 신경망(퍼셉트론, 다층 퍼셉트론)을 이용한 통합 방법을 제안한다. 또한 퍼지의 소속함수를 이용하여 퍼지 추론을 적용한 통합 방법을 제안하고, 패턴 인식 분야에서 사용하는 BKS 방법을 적용하여 두 신경망 모델을 통합하여 실험한다. 본 논문에서는 사용자와 항목 신경망 모델을 통합함으로써 기존의 추천 기술인 연관 규칙과 단일 신경망 모델을 이용한 추천보다 우수함을 보이고 있다.

신경망에 기반한 개인화 기술

김종수(Jong-Su Kim),도영아(Young-A Do),류정우(Joung-Wo Ryu),김명원(Myung-Won Kim) 한국정보과학회 2001 한국정보과학회 학술발표논문집 Vol.28 No.2Ⅱ

현 인터넷상에서 취향에 맞는 항목(상품) 정보를 사용자에게 추천해 주는 개인화 기술은 대부분 특정 사용자와 유사한 선호도를 갖는 다른 사용자들의 특정 항목에 대한 선호도를 바탕으로 항목의 선호도를 추정하는 협력적 추천 기술을 적용하고 있다. 그 중 최근접 이웃 방법은 적용하기가 용이한 반면 항목간의 가중치를 고려하지 못함으로써 추천의 정확도가 크게 떨어지는 문제점이 있다. 연관규칙 방법은 다른 항목에 대한 선호도 자료로부터 데이터 마이닝 기법을 적용하여 항목 선호에 대한 연관규칙을 추출하고 그 규칙을 사용하여 어떤 항목의 선호도를 추정한다. 따라서 항목들 간의 중요도가 연관규칙의 지지도나 신뢰도 등으로 나타난다고 할 수 있으나, 단순히 항목들간의 연관관계 즉 표면적인 연관관계에 의하여 선호도를 결정함으로써 항목들간의 어떤 내용적인 공통적 또는 어떤 상위개념에 의한 선호도가 고려되지 않음으로써 역시 정확도가 떨어지는 문제점이 있다. 본 논문에서는 추천의 정확도를 향상시키기 위한 신경망 추천 방법에 대해 분석하고, 내용기반 추천과 협력적 추천을 병합한 신경망 추천 방법을 제안한다. 또한, 다른 협력적 추천 방법과의 비교를 통하여 본 추천 방법의 장점과 성능의 우수함을 보인다.

EasyMiner : 데이터마이닝 시스템 설계 및 구현

최재웅(Jae-Woong Choi),류정우(Joung-Woo Ryu),김종수(Jong-Su Kim),차진호(Jin-Ho Cha),손영경(Young-Kyung Son),도영아(Young-a Do),김산성(San-Sung Kim),이진숙(Jin-Suk Lee),김명원(Myung-Won Kim) 한국정보과학회 2000 한국정보과학회 학술발표논문집 Vol.27 No.2Ⅱ

정보기술의 발전은 기업들로 하여금 많은 양의 데이터를 기업내부에 축적할 수 있도록 하였지만, 축적된 데이터로부터 기업의 경쟁력을 강화시킬 수 있는 정보를 얻을 수 있는가의 여부는 별개의 문제이다. 즉, 최근 기업들은 최선의 의사결정을 내리는데 필요한 정보 또는 지식을 축적된 데이터로부터 가공해 낼 수 있는가의 여부에 중요한 관심사를 가지고 있다. 데이터마이닝은 바로 이와 같은 요구사항을 충족시키는 새로운 정보기술의 활용방법이다. 본 논문에서는 사용자가 쉽게 데이터마이닝을 접할 수 있게 하기 위해서 데이터마이닝 솔루션인 EasyMiner를 설계하였다. EasyMiner는 데이터베이스에 독립적으로 접근하여, 제공되는 마이닝 기법을 수행할 수 있다. 제공되는 마이닝 기법으로는 분류, 군집화, 연관규칙 그리고 기초통계를 지원하고 있으며 또한 기법들에 의해 생성된 지식들을 사용자에게 쉽게 이해시키기 위해 각 기법의 결과에 대한 가시화를 설계하였다. 본 논문에서는 데이터마이닝 솔루션인 EasyMiner 설계 및 구현에 관하여 제시한다.

창원시 3개 통합 지역 내 단독주택지 비교분석 연구

도영(Do, Young),서유석(Seo, You-Seok) 대한건축학회 2010 대한건축학회 학술발표대회 논문집 - 계획계/구조계 Vol.30 No.1(계획계)

신축 아파트 단위세대의 규모에 따른 인테리어 거주후평가(Interior-POE)에 관한 연구

이윤석(Lee, Yun-Seok),도영(Do, Young),서유석(Seo, You-Seok) 한국주거환경학회 2014 주거환경(한국주거환경학회논문집) Vol.12 No.3

The actual ratio is 43% or more of the interior appeared dissatisfied But income level, etc. For the same reason the actual residents of the apartment despite the expansion of the existing interior was demolished and a new rate of 19%. The primary factor is personal preference and space expansion is appearing more than 60%. This adjunct to traditional interior materials and throwing tear being discarded as waste pollution. Due to expansion, expansion of existing apartment balcony Re-construction wastes in terms of laws and regulations to improve on is determined by the need. Units type the unit three space segment usage and positional correlation analysis results, the most influential item in the bedroom, living room portion of the wall and the floor, respectively. How to improve these results by use of the space as a unit generation system of government change various options need to be considered to lead to. Thus, through this study, to improve the future for new construction apartment interior satisfaction and evaluation of policies as a basis when it is determined to be available. Further investigated in this study include the need to diversify and destination, just option institutions and laws and regulations that are not closely analyzed and the subjective questionnaire responses should be considered to compensate for the limitations.

신경망을 이용한 협력적 추천 시스템의 성능 향상

김종수,도영아,류정우,김명원 한국뇌학회 2001 한국뇌학회지 Vol.1 No.2

개인화 기술은 과다한 정보를 줄이기 위한 여과 기술로서 최근 인터넷 사용자들과 정보 제공자들로부터 관심의 대상이 되고 있다. 그 중 가장 많이 사용되고 있는 개인화 기술은 협력적 추천으로서, 이 방법은 사용자에게 어떤 항목(상품)을 추천해주는 데 있어서 그 사용자의 다른 항목들에 대한 선호도나 추천 항목에 대한 다른 사용자들의 선호도를 이용하여 추천해준다. 협력적 추천 방법 중 보편적으로 많이 사용되는 최근접 이웃 방법은 유사한 사용자들의 행위에 기반하여 항목들을 추천해 준다. 그러나 이 방법은 사용자들간의 단순한 유사도를 계산함으로써 성능이 떨어지는 문제점이 있다. 데이터마이닝 기법을 적용하여 사용자 선호도 데이터로부터 추천 규칙을 생성하여 추천을 해주는 연관규칙 방법 또한 사용자나 항목간의 내용적, 분류적인 공통성 또는 개념에 의한 연관성을 고려하지 못하고, 단지 단순하고 표면적인 연관성만을 고려하는 문제점을 가지고 있다. 본 논문에서는 추천의 정확도를 향상시키기 위한 신경망 추천 모델을 제안한다. 신경망으로는 다층 퍼셉트론을 사용하여 우선 학습변수들과 입력차원의 변화에 따른 신경망에 기반한 협력적 추천의 성능에 대해 조사하고, 순수한 협력적 추천에서의 문제점인 희소성(sparsity)문제를 해결하기 위해 내용기반 추천과 협력적 추천을 병합한 모델을 신경망에서 보인다. 마지막으로 다른 협력적 추천 방법과의 비교를 통하여 본 신경망 추천 방법의 장점과 성능의 우수함을 보인다. Personalization is a filtering technique to reduce information overload and it recently draws attention upon internet users and information providers. The collaborative recommendation is one of the widely used personalization methods. It recommends a user an article based on other users preferences for the target article or the preferences for other articles of the target user. The nearest neighbor method is one of the common collaborative recommendation methods, which recommends articles based on the behavior of the similar users. However, it suffers from poor performance mainly because it fails in properly computing similarity between users. The rule method extracts recommendation rules from the users preference data using data mining technique. It also suffers from simple and superficial association between users or articles without utilizing conceptual level of association such as commonality in contents and category. In this paper we propose neural networks model to improve the accuracy of recommendations. We investigate various aspects of collaborative recommendation based on multi-layer perceptrons by varying parameters and the dimension of input data. We also combine the collaborative recommendation and the content-based recommendation within a neural network model to solve sparsity problem in pure collaborative recommendation. We finally demonstrate through experiments that the neural network based collaborative recommendation outperforms the existing methods.