http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
취업 큐레이션 시스템을 위한 개인 맞춤형 교육 콘텐츠 추천 기법
임종태(Jongtae Lim),오영호(Youngho Oh),최재용(JaeYong Choi),편도웅(DoWoong Pyun),이소민(Somin Lee),신보경(Bokyoung Shin),채대성(Daesung Chae),복경수(Kyoungsoo Bok),유재수(Jaesoo Yoo) 한국콘텐츠학회 2021 한국콘텐츠학회논문지 Vol.21 No.7
최근 모바일 기기 및 소셜 미디어 서비스의 발전으로 인해, 콘텐츠 추천 기법에 대한 연구들이 진행되고 있다. 그러한 콘텐츠 추천 기법들은 일반적으로 취업 큐레이션 시스템에 적용된다. 대부분의 기존 대학 교육콘텐츠 추천 기법은 해당 학생의 학교, 전공 등을 바탕으로 가장 많이 수강한 과목만을 추천하기 때문에 각 학생이 원하는 취업의 형태나 분야 등이 고려되지 않는다. 본 논문에서는 취업 큐레이션 시스템 기반의 개인 맞춤형 교육 콘텐츠 추천 기법을 제안한다. 제안하는 기법은 사용자가 취업 큐레이션 시스템에서 활동한 내용을 바탕으로 사용자가 원하는 취업 형태와 취업 분야를 분석하여 관심 기업을 도출한다. 제안하는 기법은 도출된 관심 기업을 바탕으로 관심 기업에 취업한 졸업생들의 신뢰도와 유사도를 측정하여 참고할만한 졸업생을 선정하고 협업 필터링을 통해 사용자에게 맞춤형 교과목, 비교과목, 자율 활동 목록을 추천한다. Recently, with the development of mobile devices and social media services, contents recommendation schemes have been studied. They are typically applied to the job curation systems. Most existing university education content recommendation schemes only recommend the most frequently taken subjects based on the students school and major. Therefore, they do not consider the type or field of employment that each student wants. In this paper, we propose a university educational contents recommendation scheme for job curation services. The proposed scheme extracts companies that a user is interested in by analyzing his/her activities in the job curation system. The proposed scheme selects graduates or mentors based on the reliability and similarity of graduates who have been employed at the companies of interest. The proposed scheme recommends customized subjects, comparative subjects, and autonomous activity lists to users through collaborative filtering.
빅데이터 환경에서 연속 질의 처리를 위한 리버스 k-최근접 질의 처리 기법
임종태(Jongtae Lim),박선용(Sunyong Park),서기원(Kiwon Seo),이민호(Minho Lee),복경수(Kyoungsoo Bok),유재수(Jaesoo Yoo) 한국콘텐츠학회 2014 한국콘텐츠학회논문지 Vol.14 No.10
최근 위치 측정 기술과 모바일 기기들의 발달과 함께 위치 기반 서비스가 중요하게 연구되고 있다. 위치 기반서비스를 제공하기 위해 많은 연구자들이 맵리듀스를 활용한 다양한 질의 처리 기법을 제안하였다. 그 중에 하나가 맵리듀스를 활용한 리버스 k-최근접 질의 처리 기법이다. 하지만 기존 기법들은 연속 리버스 k-최근접 질의 처리를 수행하기 위해 많은 처리 비용이 요구된다. 본 논문에서는 맵리듀스를 활용한 효율적인 연속 리버스 k-최근접 질의 처리 기법을 제안한다. 제안하는 기법은 60도 가지치기 기법을 이용한다. 제안하는 기법은 60도 가지치기 기법을 활용하여 모니터링 영역을 생성하고 모니터링을 수행하여 결과 업데이트을 수행하기 때문에 효율적으로 결과 업데이트를 수행한다. 또한, 본 논문에서는 제안하는 기법의 우수성을 보이기 위해 기존 기법과의 성능평가를 수행한다. With the development of location aware technologies and mobile devices, location-based services have been studied. To provide location-based services, many researchers proposed methods for processing various query types with Mapreduce(MR). One of the proposed methods, is a Reverse k-nearest neighbor(RkNN) query processing method with MR. However, the existing methods spend too much cost to process the continuous RkNN query. In this paper, we propose an efficient continuous RkNN query processing method with MR to resolve the problems of the existing methods. The proposed method uses the 60-degree-pruning method. The proposed method does not need to reprocess the query for continuous query processing because the proposed method draws and monitors the monitoring area including the candidate objects of a RkNN query. In order to show the superiority of the proposed method, we compare it with the query processing performance of the existing method.
스마트 온실 지능형 추론 플랫폼을 위한 환경 데이터의 영향력 분석
임종태(Jongtae Lim),최지현(Jihyeon Choi),최환용(Hwanyong Choi),정상준(Sangjun Chung),이서희(Seoheui Lee),황현중(Hyunjung Hwang),RETITI DIOP EMANE Christopher,김윤아(Yuna Kim),유재수(Jaesoo Yoo) 한국콘텐츠학회 2023 한국콘텐츠학회논문지 Vol.23 No.7
최근 스마트 온실의 자동 제어가 중요하게 연구되고 있다. 스마트 온실의 자동 제어를 위해서는 최적의 환경을 정의하는 것이 중요하다. 하지만 스마트 온실 최적의 환경은 다양한 요인들에 의해 변경되기 때문에 이를 고려한 스마트 온실 제어 모델이 필요하다. 본 논문에서는 스마트 온실 지능형 추론 플랫폼을 위한 환경 데이터의 영향력 분석을 수행한다. 이를 위해 스마트 온실 자동 제어를 위한 스마트 온실 지능형 추론 플랫폼을 소개한다. 또한 기존 연구 분석을 통해 어떤 환경이 작물의 생장에 영향을 주는 요인으로 연구되었는지 분석한다. 분석된 내용을 바탕으로 스마트 온실 데이터와 기계학습 방법을 통해 작물 생장 예측 모델을 구축하고 각 환경에 대한 영향력을 평가한다. 평가 결과, 온도, 습도, CO₂가 중요한 환경 변수로 분석되었으며 시계열 학습 방법들이 모델을 생성하는데 유용함을 확인했다. Recently, an automatic control of smart greenhouses have been studied importantly. To automatic control of smart grreenhouses, it is important that the definition of the suitable environment for crop’s growth. However, suitable environment is changed according to various reason. So, we need to consider the various environmental data to design the smart greenhouse control model. In this paper, we analyze the influence of environmental data for the smart greenhouse intelligent inference platform. First, we introduce the smart greenhouse intelligent inference platform. In addition, we analyze the existing researches to derive the environmental data which is used to predict the crop’s growth. We construct crop’s growth prediction models and evaluate their influence based on the derived environmental data. As a result, temperature, humidity, and CO₂ were analyzed as important environmental variables, and it was confirmed that time series learning approaches were useful in constructing models.
임종태(Jongtae Lim),박용훈(Yonghun Park),서동민(Dongmin Seo),이진주(Jinju Lee),장수민(Soomin Jang),유재수(Jaesoo Yoo) 한국정보과학회 2010 정보과학회 컴퓨팅의 실제 논문지 Vol.16 No.7
최근의 기업중심의 서비스를 위해서 리버스 스카이라인 질의 처리가 연구되었다. 하지만 지금까지의 리버스 스카이라인에 대한 연구는 모두 다이나믹 스카이라인을 기반으로 한 리버스 다이나믹 스카이라인이고, 위치 기반 서비스를 위한 거리공간에서의 리버스 스카이라인 질의 처리 기법은 전무하다. 따라서 본 논문에서는 일반적인 스카이라인에 적용 가능하고 거리공간을 고려한 리버스 스카이라인 처리 기법을 제안한다. 제안하는 기법은 기존의 공간 색인을 활용하여 거리공간에서 리버스 스카이라인을 처리하며, 객체의 단색적인 환경과 양색적인 환경을 모두 고려한다. 제안하는 기법의 우수성을 보이기 위해 제안하는 기법과 기본적인 리버스 스카이라인 질의 처리 기법과의 성능평가를 수행하고 그 결과를 비교 분석했다. 그 결과 기존의 기법보다 약 5000배 우수한 성능을 보였다. Many studies on reverse skyline query processing have been done for company oriented services. The existing methods about reverse skyline are reverse skyline based on dynamic skyline. There is no reverse skyline query processing algorithm based on metric spaces for location-based services. In this paper we propose a reverse skyline query processing scheme that applies for a general skyline and considers distance spaces. The proposed method processes reverse skyline queries in the metric spaces using the existing spatial indexing scheme and considers both Monochromatic and Bichromatic environments. In order to show the superiority of the proposed scheme, we compare it with the basic skyline query processing scheme through performance evaluation. As a result, the proposed method excellent performance was about 5000 times more than conventional method.