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 : 이진천(Jin Chun Lee) (검색결과 4 건)
- 무료
- 기관 내 무료
- 유료
-
BIM기반 공조설비에너지를 위한 데이터 추출과 활용에 관한 고찰
이진천(Jin-chun Lee) 대한설비공학회 2012 대한설비공학회 학술발표대회논문집 Vol.2012 No.11
The objective of this study is to develop the tool that can extract the data that is required for HVAC energy calculations from the construction model which is designed by BIM authoring tool. By extracting the data needed to calculate the HVAC energy directly from the BIM authoring tool(Revit), The data will be associated with the HVAC calculation program(RTS-SAREK).
-
-
황동곤(Dong Kon Hwang),이진천(Jin Chun Lee),김강산(Kang San Kim) 대한설비공학회 2019 대한설비공학회 학술발표대회논문집 Vol.2019 No.-
(사)대한설비공학회의 공조부하계산표준화위원회에서 개발하여 보급해온 피크부하 계산프로그램인 RTS-SAREK은 현재 버전(V5.x)까지는 마이크로소프트의 엑셀(MS-Excel)을 베이스로 동작하는 소프트웨어인 관계로 독립적 실행이 되지 않고 엑셀을 기반으로 동작할 수밖에 없었다. 이에 따라 엑셀의 보안 업데이트나 매크로(Macro)의 변동이 발생할 경우에는 프로그램의 수정이 불가피하였다. 특히, 마이크로소프트의 보안 정책에 따라 내부 매크로의 실행 문제, 엑셀 버전에 따른 출력물 오차 등 다양한 문제가 발생하여 사용자 불편이 많았다. 따라서 다양한 문제점을 해소하고자 윈도우 환경에서 독립적으로 구동될 수 있는 소프트웨어(V6.0)를 개발하였다. 기존 사용자들의 혼란을 방지하기 위해 기존 작업 패턴과 사용자 인터페이스(UI)를 유지하면서 룸 데이터 입력 개선, 클라우드 백업 및 로드, 출력물 디자인 등 개선사항을 반영하여 개발하였다.
-
데이터 마이닝 기법을 이용한 모바일게임 구매 추천시스템의 개발
이재식 ( Jae Sik Lee ),이진천 ( Jin Chun Lee ) LGCNS 엔트루정보기술연구소 2010 Entrue Journal of Information Technology Vol.9 No.2
본 연구에서는 모바일게임을 실제로 구매할 고객들을 선정하여 그 고객들에게만 제품을 추천하도록 지원하는 모바일게임 구매 추천시스템을 개발하였다. 휴대전화 가입고객의 6개월간의 데이터를 사용하여 RFM기법 및 세 개의 데이터 마이닝 기법, 즉 로지스틱 회귀분석, 의사결정나무 그리고 인공신경망 기법으로 구매 예측 모델을 개발하고 이를 평가한 결과, 의사결정나무 기법이 가장 우수한 결과를 보였다. 의사결정나무 기법으로 구축된 모델은, 실제로 구매한 고객을 구매 고객이라고 63.9%의 적중률로 예측하였으며, 실제로 구매하지 않은 고객을 비구매 고객이라고 69.1%의 적중률로 예측하였다. 실제로 구매고객의 비율이 전체 고객의 13% 정도임을 감안하여볼 때, 본 연구에서 구축된 모델은 상당히 우수한 성능을 보인 것이다. 본 연구에서는 또한 실제로 휴대전화 SMS 메시지를 통하여 모바일게임을 추천하였을 때, 어느 정도의 구매가 이루어지는가에 대한 실증적 평가를 하였다. 본 연구에서 개발한 모델에 의하여 선정된 고객들이 무작위로 선정된 고객들에 비해서 다운로드율이 12.5배 증가하여, 실증적인 평가에서도 우수한 성능을 보였다. In this research, we present a target offering system for mobile games. We developed four models, i.e., RFM model and three Data Mining models, i.e., Logistic Regression, Decision Tree and Artificial Neural Networks, using 6 months data of mobile phone subscribers and evaluating their performances, then choosing the Decision Tree Model as the final model. Its sensitivity, i.e., the proportion of purchasers which are correctly identified as such, is 63.9%, and specificity, i.e., the proportion of non-purchasers which are correctly identified as such, is 69.1%. Considering the fact that the proportion of game purchasers in our evaluation data set is only 13%, the performance of our model is outstanding. In addition, we evaluated the performance of our model empirically by recommending the mobile games using SMS messages to subscribers and by checking how many subscribers actually purchased the recommended games. The game download rate of the subscribers selected by our model is 12.5 times larger than that of the subscribers selected by random manner.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
