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 : 우호진 ( Ho Jin Woo ) (검색결과 6 건)
- 무료
- 기관 내 무료
- 유료
-
SIP 기반 음성 통신 환경에서의 실시간 모니터링 플랫폼 개발
우호진(Woo Ho Jin),이원석(Lee Won Suk) 한국IT서비스학회 2009 한국IT서비스학회 학술대회 논문집 Vol.2009 No.1
고속 인터넷 망 구축과 멀티미디어 통신 수요의 증가에 따라 VoIP는 기존의 PSTN 망의 대체 혹은 확장 기술로서 지속적으로 검증되어 왔다. 음성 데이터 처리 규약들 중 SIP는 다른 규약에 비해 신호 처리 단계가 간단하기 때문에 이를 기반으로 RTP를 활용하여 음성 통신 시스템을 구축하는 사례가 늘어나고 있다. 그러나 RTP의 특성상 패킷을 처리할 때마다 복원 과정이 필요하며, 다중 세션으로 통신이 발생할 경우 전체 패킷들의 관리가 복잡해지므로 이들 간에 혼선 없이 데이터를 처리 및 유지할 수 있는 방법론이 요구된다. 본 논문에서는 SIP 기반의 IP 전화를 통해서 고객과 상담원 간의 통화 이벤트가 발생하는 일반 콜센터 환경에서 RTP 음성 데이터를 처리하는 다중세션 어플리케이션의 구축 사례를 제시한다. 구현한 시스템은 IP 전화에서 발생하는 통화 내역을 통합 스위치 서버에서 포트 미러링하여 녹취 및 녹음 서버로 전송하며, 전송된 패킷 정보들의 세션이 유지되고 있는 동안 음성 데이터를 실시간으로 모니터링한다.
-
전위 트리를 이용한 사용자 프로파일 기반의 문서 패턴 검색 기법
우호진 ( Ho Jin Woo ),이원석 ( Won Suk Lee ) 한국정보처리학회 2005 한국정보처리학회 학술대회논문집 Vol.12 No.2
기하급수적으로 증가하는 데이터 중에서 개개인 사용자에게 적합한 정보를 추출하여 제공해야 할 필요성이 증대되고 있다. 본 논문에서는 대용량의 문서 집합으로부터 사용자가 원하는 특정 주제의 정보를 정확하게 추출해 낼 수 있는 문서 패턴 검색 방법을 제시한다. 사용자 선호도를 정확하게 반영할 수 있도록 전위 트리를 기반으로 사용자의 키워드 마이닝 프로파일을 생성하고, 이를 이용하여 문서 집합에서 매치된 패턴을 찾아내는 방법을 제안하였다. 생성된 프로파일을 이용한 검색기법의 효용성을 실험을 통해 검증하였다.
-
다차원 데이터 스트림에서 동적 군집-통계 트리를 이용한 군집화 기반 OLAP 분석 기법
우호진(Ho Jin Woo),백경민(Kyungmin Baek),이원석(Won Suk Lee) 한국정보과학회 2013 정보과학회논문지 : 데이타베이스 Vol.40 No.4
OLAP 기술은 데이터 웨어하우스 시스템과 접목되어 데이터 분석가 및 기업의 의사 결정권자에게 필수적인 도구로 성장해 왔다. 그러나 OLAP의 다차원 데이터 모델인 데이터 큐브는 데이터 스트림 환경에 적합하지 않다. 데이터 스트림 환경에서는 모든 데이터를 처리하는 것보다는 사용자가 관심을 두는 부분에 초점을 맞추는 것이 일반적으로서, 데이터 스트림의 각 차원 속성값을 효율적으로 그룹화하는 방법이 필요하다. 이를 위해 본 논문에서는 데이터 큐브 모델링 기법에 다차원 클러스터링 구조인 군집-통계트리 구조를 접목한 OLAP 분석 수행 방법을 제안한다. 제안하는 방법은 데이터 스트림의 차원 속성값들을 군집으로 그룹화함으로써 기존 방법들에 비해서 다소 측정치에 대한 정확도가 낮아질 수 있지만 다차원 데이터 스트림을 처리하기 위한 메모리와 수행 시간이 감소되는 장점이 있다. With the development of data warehouse systems, OLAP has been evolved as an essential tool for data analysts and decision makers. A data cube is a multi-dimensional data model for conventional OLAP systems but it cannot be employed to data stream environment. In order to process an infinite data stream, the areas of a user’s interest should be predefined to confine areas instead of the range of an entire data. For this purpose, a dynamic group tree was proposed by dynamically grouping a set of sparse attribute values with respect to their support ratio. However a dynamic group tree takes a lot of processing time for grouping a set of attribute values to process multi-dimensional data streams and requires a large amount of memory space. Therefore, an efficient grouping method on each dimensional attribute value is necessary to reduce a waste of memory usage and processing time. This paper proposes a dynamic cluster-statistics tree which is the stream data cube modeling by improving the cluster-statistics tree for identifying multi-dimensional clusters. Although the accuracy of the proposed method can be slightly decreased, a dynamic cluster-statistics tree reduces memory usage and processing time for analyzing multi-dimensional data streams by grouping each dimensional attribute value to the one-dimensional cluster. Finally, the characteristics of the proposed method are verified by a variety of experiments.
-
빅데이터 스트림 환경에서 효율적인 군집 OLAP 분석 기법
우호진(Ho-Jin Woo) 융복합지식학회 2015 융복합지식학회논문지 Vol.3 No.2
온라인 분석 처리 (OLAP: Online Analytical Processing) 기술은 데이터 웨어하우스 시스템과 접목되어 데이터 분석가 및 기업의 의사 결정권자에게 필수적인 도구로 성장해 왔다. 그러나 기존 OLAP 방식의 데이터 모델은 대부분 스마트폰과 SNS로 대표되는 빅데이터 컴퓨팅 환경에는 적합하지 않다. 빅데이터는 그 발생량이 매우 많을 뿐만 아니라 발생 속도가 빨라 데이터의 차원 속성값을 효율적으로 군집화 하는 방법이 필수적이다. 이를 위해서 OLAP의 다차원 데이터 모델인 데이터 큐브를 적용하여 사용자가 관심 있어 하는 영역에 대해 속성값을 그룹화 하여 처리하는 기법이 연구되었지만, 기존의 연구는 그룹화의 효율성이 낮고 메모리 사용량이 크다는 문제점이 있다. 본 논문에서는 기존의 데이터 큐브 모델링을 기반으로 빅데이터 스트림의 다차원 속성값에 대해 클러스터링 기법을 적용하여 보다 효과적인 OLAP 분석 수행 방법을 제안한다. 제안하는 방법은 기존의 분석 방법들에 비해서 다소 측정치에 대한 정확도가 낮아질 수 있지만 대용량의 다차원 데이터 스트림을 처리하고 분석하기 위한 메모리 사용량과 OLAP 연산 수행 시간을 감소시킨다. With the development of data warehouse system, an OLAP (Online Analytical Processing) has been evolved as an essential tool for data analysts and decision makers. However, it is not feasible to apply the previous data models to the big data computing environments, such as the smart phones and social network services, The big data is generated with the huge volume and the rapid rate, so that it is necessary to group the attribute values of the data efficiently. In order to process such a big data stream, the areas of a user`s interest should be predefined to confined to confine areas but it cannot be employed to the data stream environment because of low performance. To cope with this drawback, this paper proposes a multi-dimensional clustering OLAP method based on the data cube model for dynamically grouping a set of attributes values effectively. The proposed method can reduce the required memory space and the running time for processing and analyzing the multi-dimensional data stream, even though the accuracy of operations may become decreased slightly.
-
안기호(Kee Ho Ahn),우호진(Ho Jin Woo),이원석(Won Suk Lee) 한국IT서비스학회 2014 한국IT서비스학회 학술대회 논문집 Vol.2014 No.추계
근래 모바일 스마트 기기의 보급과 정보 통신 기술의 발달과 함께 소셜 네트워크 서비스(SNS, Social Network Service)가 출현하여 이를 이용한 IT 서비스 시장이 급속도로 성장하고 있다. SNS 데이터를 이용한 토픽 모델링을 위해 단어 사전이나 빈발 패턴 마이닝 같은 기법이 활용되고 있지만, 마이닝 후 적절한 후처리가 이루어지지 않으면 생성된 토픽 프로파일에 대한 해석이 어렵다. 본 논문에서는 대용량 트위터 데이터에 대해 일별 이슈를 파악하고 각 이슈에 대한 가치를 수치화하여 이를 이용한 후처리를 통해 토픽 프로파일의 가독성을 향상시키고, 이러한 일련의 프로세스를 분산화하여 처리 효율을 향상시키는 스코어링 기반 토픽 모델링 기법을 제안한다.
-
최봉준 ( Bongjun Choi ),우호진 ( Ho Jin Woo ),이원석 ( Won Suk Lee ) 한국정보처리학회 2014 한국정보처리학회 학술대회논문집 Vol.21 No.1
스마트 디바이스 산업의 발전으로 소셜미디어 데이터의 양은 기하급수적으로 증가하고 있다. 이렇게 증가한 데이터와 함께 분석을 통해 발견할 수 있는 정보의 양도 다양해지면서 여러 산업분야에서 소셜미디어 데이터 분석을 위한 연구가 진행되고 있다. 소셜미디어는 종류가 다양하고 하루 평균 발생량이 너무 많기 때문에 분석시간이 오래 걸릴 뿐 아니라,불필요한 불용어 및 방해요소 때문에 적절한 정제작업이 필요하다. 본 논문에서는 소셜미디어의 한 종류인 트위터 분석을 위해 여러 가지 기법으로 데이터를 정제한다. 정제과정은 분석에 용이한 형태로 데이터를 변형시킨 후 의미없는 데이터와 분석에 방해가 되는 불용어를 제거한다. 이 정제를 통해 데이터 정보의 질을 높이고 분석 시간을 단축시켜 빠르고 신뢰성 높은 분석결과를 도출할 수 있다.
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
