http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 장영완 ( Young Wan Jang ) (검색결과 5 건)
- 무료
- 기관 내 무료
- 유료
-
-
모바일 사용자 상황정보를 이용한 퍼스널 라이프로그 자동 태깅 방법
장영완(Young-Wan Jang),김병만(Byeong Man Kim),문창배(Chang Bae Moon),신윤식(Yoon Sik Shin) 한국정보과학회 2013 정보과학회논문지 : 시스템 및 이론 Vol.40 No.5
퍼스널 라이프로그는 개인이 일상생활에서 경험한 것을 기록한 디지털 기록이다. 라이프로그를 수집 하려면 현재 상황에서의 활동이나 이벤트를 감지하고 기록할 필요가 있다. 스마트폰을 사용하면 사용자와 모바일 기기 상호간의 상황에 대한 라이프로그의 수집이 가능하다. 그러나 모바일 환경에서 수집된 라이프로그는 별다른 연관성 없이 수집되어 지기 때문에 데이터를 조회 하거나 시각화하기가 어렵다. 따라서 본 논문에서는 이러한 문제를 해결하기 위해 모바일 기반 라이프로그의 컨텍스트 정보를 제공하는 자동 태깅 방법을 제안한다. 제안하는 방법은 이동활동, 청각활동, 시각활동, 기록활동, 말하기활동의 5가지 사용자 활동으로 분류하고 관련된 일련의 사용자의 활동을 지속상황, 감지상황, 선택상황의 세 가지 상황으로 구성 한다. 그리고 이렇게 구성된 상황을 토대로 라이프로그의 자동 태깅 작업을 수행한다. A personal lifelog is a set of records digitally captured from the real life events of an individual. For gathering the lifelog, it is needed to detect and record the current event or activity in the environment. Using a smart phone, we can collect a series of interactions between the user and the mobile device. But it is difficult to retrieve and visualize such data because it is collected without considering associations between data. Thus, in this paper, we propose an auto-tagging method which gives well-organized context information to the original lifelog data. The method classifies user"s activities into five kinds of activities - moving activity, watching activity, listening activity, writing activity and talking activity. The user"s activities are further organized into the three situations -persistence situation, detection situation and selection situation - each of which consists of related activities. Finally, the original lifelog data is automatically tagged based on these situations.
-
스마트폰 기반의 이동상황 판별을 위한 유클리디안 거리유사도의 응용
장영완(Young-Wan Jang),김병만(Byeong Man Kim),장성봉(Sung Bong Jang),신윤식(Yoon Sik Shin) 한국산업정보학회 2014 한국산업정보학회논문지 Vol.19 No.4
이동 컴퓨팅 환경에서 사용자 움직임 판별은 해결해야 할 중요한 이슈중의 하나이다. 본 논문에서는 유클리디안 거리 유사도를 이용하여 스마트폰 사용자의 움직임을 인식하고 판별하기 위한 방법을 제시한다. 제안된 방법에서는 GPS와 가속 센서를 이용하여 데이터를 수집하고, 수집된 데이터를 이용하여, 사용자의 정지, 걷기, 뛰기, 차량이동을 판별한다. 제안된 방법의 타당성과 효율성을 검증하기 위하여, 안드로이드 시스템에 유클리디안 거리 유사도의 여러 변형을 이용한 응용프로그램을 구현하여 그 정확도를 측정하였다. 실험 결과, 사용자 움직임 종류를 90% 이상의 정확도를 가지고 판별해 내었다. Moving context determination is an important issue to be resolved in a mobile computing environment. This paper presents a method for recognizing and classifying a mobile user"s moving context by Euclidean distance similarity. In the proposed method, basic data are gathered using Global Positioning System (GPS) and accelerometer sensors, and by using the data, the system decides which moving situation the user is in. The decided situation is one of the four categories: stop, walking, run, and moved by a car. In order to evaluate the effectiveness and feasibility of the proposed scheme, we have implemented applications using several variations of Euclidean distance similarity on the Android system, and measured the accuracies. Experimental results show that the proposed system achieves more than 90% accuracy.
-
-
문창배 ( Chang Bae Moon ),김현수 ( Hyun Soo Kim ),장영완 ( Young Wan Jang ),김병만 ( Byeong Man Kim ) 한국감성과학회 2013 감성과학 Vol.16 No.1
폭소노미는 폭소노미에 사용되는 태그에 대하여 유사어, 태깅 레벨, 신조어등의 문제점들이 있다. 본 연구자들은 이러한 문제점들을 해결하기 위해 음악의 분위기 강도(Arousal과 Valence의 강도)를 음악의 내부 태그로 활용하는 방법을 사용하고자 한다. 즉, A(Arousal)값과 V(Valence)값을 이용하여 음악의 분위기를 수치적으로 표현하고, 분위기 태그도 AV값으로 대응시켜 검색하게 되면 태그가 일치하지 않더라도 유사한 AV 값을 갖는 음악이 검색되어 결과적으로 분위기가 유사한 음악들을 검색할 수 있게 된다. 본 논문에서는 이의 선행연구로 AV값과 폭소노미 태그와의 관계를 정의하는 매핑테이블을 제안하고, 태그와 AV값의 연관 관계를 분석하기 위해 유명한 음악 검색 사이트인 last.fm에서 수집한 테스트 데이터에 대해 ANOVA 검증을 하였다. 검증결과, A값과 V값에 모두에 대하여 제 1종 오류확률 P가 0.0으로 귀무가설을 기각하고 대립가설을 채택할 수 있었다. 결론적으로 폭소노미 태그에 따라 AV 값 분포가 다르다는 것을 검증 할 수 있었다. Folksonomies have potential problems caused by synonyms, tagging level, neologisms and so forth when retrieving music by tags. These problems can be tackled by introducing the mood intensity (Arousal and Valence value) of music as its internal tag. That is, if moods of music pieces and their mood tags are all represented internally by numeric values, A (Arousal) value and V (Valence) value, and they are retrieved by these values, then music pieces having similar mood with the mood tag of a query can be retrieved based on the similarity of their AV values though their tags are not exactly matched with the query. As a prerequisite study, in this paper, we propose the mapping table defining the relation between AV values and folksonomy tags. For analysis of the association between AV values and tags, ANOVA tests are performed on the test data collected from the well known music retrieval site last.fm. The results show that the P values for A values and V values are 0.0, which means the null hypotheses could be rejected and the alternative hypotheses could be adopted. Consequently, it is verified that the distribution of AV values depends on folksonomy tags.
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
