빈발 항목의 탐색 시간을 단축하기 위한 알고리즘

윤소영,윤성대,Yun, So-Young,Youn, Sung-Dae 한국정보통신학회 2011 한국정보통신학회논문지 Vol.15 No.1

최근 정보시스템의 활용도가 높아짐에 따라, 많은 데이터를 이용하여 필요한 상품을 빠르게 추출하는 방법들에 대한 연구가 활발히 이루어지고 있다. 숨겨진 패턴을 탐색하는 연관 규칙 탐색 기법들이 많은 관심을 받고 있으며, Apriroi 알고리즘은 대표적인 기법이다. 그러나 Apriori 알고리즘은 반복적인 스캔으로 인한 탐색시간 증가 문제를 가지고 있다. 본 논문에서는 빈발항목의 탐색시간을 단축하기 위한 알고리즘을 제안한다. 제안한 알고리즘은 트랜잭션 데이터베이스를 이용하여 매트릭스를 생성하고 매트릭스에서 트랜잭션들의 평균 항목 개수와 정의한 최소 지지도를 사용하여 빈발 항목을 탐색한다. 트랜잭션의 평균 항목 개수는 트랜잭션의 수를 줄이는데 사용되고 최소 지지도는 항목을 줄이는데 사용된다. 제안한 알고리즘의 성능 평가는 기존 알고리즘과의 탐색시간 비교와 정확도 비교로 이루어진다. 실험 결과는 제안한 알고리즘이 기존의 Apriori와 매트릭스 알고리즘보다 최종 빈발 항목의 추출에서 빠르고 효율적으로 탐색이 이루어지는 것을 확인하였다. With the increasing utility of the recent information system, the methods to pick up necessary products rapidly by using a lot of data has been studied. Association rule search methods to find hidden patterns has been drawing much attention, and the Apriori algorithm is a major method. However, the Apriori algorithm increases search time due to its repeated scans. This paper proposes an algorithm to reduce searching time of frequent items. The proposed algorithm creates matrix using transaction database and search for frequent items using the mean number of items of transactions at matrix and a defined minimum support. The mean number of items of transactions is used to reduce the number of transactions, and the minimum support to cut down on items. The performance of the proposed algorithm is assessed by the comparison of search time and precision with existing algorithms. The findings from this study indicated that the proposed algorithm has been searched more quickly and efficiently when extracting final frequent items, compared to existing Apriori and Matrix algorithm.

상품 리뷰 감성분석을 이용한 아이템 기반 협업 필터링 추천 기법

윤소영,윤성대,Yun, So-Young,Yoon, Sung-Dae 한국정보통신학회 2020 한국정보통신학회논문지 Vol.24 No.8

협업 필터링 추천 기법은 전자상거래 기업들이 추천시스템을 도입한 이래로 가장 널리 사용되고 있다. 그러나 온라인에서 상품이나 콘텐츠의 구매가 일상화되면서 단순히 구매 고객의 평점만을 사용하는 추천 방식으로는 추천의 정확성이 낮아지는 문제점이 발생하였다. 본 논문에서는 추천의 정확성을 향상시키기 위해, 상품 리뷰를 분석하고 이를 가중치로 사용한 협업 필터링 추천 기법을 제안한다. 제안하는 기법은 상품에 대한 리뷰를 텍스트 마이닝 기법으로 정제하여 특징을 추출하고 감성 기반 분석을 통해 감성 점수를 산출한다. 사용자에게 더 나은 아이템을 추천하기 위해 산출된 점수를 아이템 예측 값 계산 시 가중치로 사용한다. 실험을 통해 전통적인 협업 필터링 기법보다 제안하는 기법의 정확성이 향상되는 것을 확인할 수 있었다. The collaborative filtering recommendation technique has been the most widely used since the beginning of e-commerce companies introducing the recommendation system. As the online purchase of products or contents became an ordinary thing, however, recommendation simply applying purchasers' ratings led to the problem of low accuracy in recommendation. To improve the accuracy of recommendation, in this paper suggests the method of collaborative filtering that analyses product reviews and uses them as a weighted value. The proposed method refines product reviews with text mining to extract features and conducts sentiment analysis to draw a sentiment score. In order to recommend better items to user, sentiment weight is used to calculate the predicted values. The experiment results show that higher accuracy can be gained in the proposed method than the traditional collaborative filtering.

Spark를 이용한 항목 추천 기법에 관한 연구

윤소영,윤성대,Yun, So-Young,Youn, Sung-Dae 한국정보통신학회 2018 한국정보통신학회논문지 Vol.22 No.5

모바일 기기의 확산으로 소셜 네트워크 서비스나 전자상거래 사이트의 사용자 수가 급증하고 있고 사용자들이 남긴 데이터의 양도 기하급수적으로 증가하고 있다. 그로 인해 전자 상거래 기업들은 사용자들이 남긴 방대한 양의 데이터로부터 어떻게 유용한 정보를 추출할 것인가 하는 과제를 갖게 되었다. 이러한 문제를 해결하기 위해 추천 시스템에 빅 데이터 처리 기법을 적용한 다양한 연구들이 이루어지고 있다. 본 논문에서는 Apache Spark 플랫폼에서 Tag 가중치를 적용한 협업 필터링 기법을 사용한 추천방식을 제안한다. 제안하는 기법은 추천의 정확성을 높이기 위해 전처리 과정에서 Tag 데이터를 정제하고 아이템을 분류한 후 아이템 평가값에 기간 정보와 Tag 가중치를 적용하여 사용한다. RDD(Resilient Distributed Dataset)를 생성한 후 아이템 유사도와 예측값을 구하고 사용자에게 아이템을 추천한다. 실험을 통해 제안 하는 기법이 대량의 데이터를 빠르게 처리하고 추천의 적합성도 향상되는 것을 확인하였다. With the spread of mobile devices, the users of social network services or e-commerce sites have increased dramatically, and the amount of data produced by the users has increased exponentially. E-commerce companies have faced a task regarding how to extract useful information from a vast amount of data produced by the users. To solve this problem, there are various studies applying big data processing technique. In this paper, we propose a collaborative filtering method that applies the tag weight in the Apache Spark platform. In order to elevate the accuracy of recommendation, the proposed method refines the tag data in the preprocessing process and categorizes the items and then applies the information of periods and tag weight to the estimate rating of the items. After generating RDD, we calculate item similarity and prediction values and recommend items to users. The experiment result indicated that the proposed method process large amounts of data quickly and improve the appropriateness of recommendation better.

빅 데이터 처리 기법을 적용한 추천 시스템에 관한 연구

윤소영,윤성대,Yun, So-Young,Youn, Sung-Dae 한국정보통신학회 2017 한국정보통신학회논문지 Vol.21 No.6

네트워크와 IT 기술의 발전으로 사용자들은 장소에 구애 받지 않고 어디서든 본인이 원하는 아이템을 검색하고 구매하고 있다. 이에 따라 추천시스템에서 급증하는 데이터로 인한 확장성 문제를 어떻게 해결할 것인가에 대한 연구들이 다양하게 진행되고 있다. 본 논문에서는 Tag 가중치를 적용한 아이템 기반 협업 필터링 기법과 분산 병렬 처리 방식인 MapReduce 방법을 적용한 추천 기법을 제안한다. 제안하는 기법은 속도 향상과 효율성을 위해 전처리 과정에서 아이템을 카테고리별로 분류하고 노드 수에 맞게 그룹지은 후 사용한다. 각 분산 노드에서 4번의 Map-Reduce 단계를 통해 데이터 처리를 진행하는데 사용자에게 더 나은 아이템을 추천하기 위해 유사도 계산에서 아이템 Tag 가중치를 사용한다. 마지막 Reduce 단계를 거쳐 출력된 예측값 중 상위 N개의 아이템을 추천에 사용한다. 실험을 통해 제안 하는 기법이 대량의 데이터를 효율적으로 처리하며 기존의 아이템 기반 기법보다 추천의 적합성도 향상되는 것을 확인하였다. With the development of network and IT technology, people are searching and purchasing items they want, not bounded by places. Therefore, there are various studies on how to solve the scalability problem due to the rapidly increasing data in the recommendation system. In this paper, we propose an item-based collaborative filtering method using Tag weight and a recommendation technique using MapReduce method, which is a distributed parallel processing method. In order to improve speed and efficiency, the proposed method classifies items into categories in the preprocessing and groups according to the number of nodes. In each distributed node, data is processed by going through Map-Reduce step 4 times. In order to recommend better items to users, item tag weight is used in the similarity calculation. The experiment result indicated that the proposed method has been more enhanced the appropriacy compared to item-based method, and run efficiently on the large amounts of data.

사용자 정보 가중치를 이용한 추천 기법

윤소영,윤성대,Yun, So-Young,Youn, Sung-Dae 한국정보통신학회 2011 한국정보통신학회논문지 Vol.15 No.4

협업 필터링은 추천시스템들 중에서 가장 널리 사용되는 기법이다. 그러나 협업 필터링은 추천의 정확성을 떨어뜨리는 희소성과 확장성 문제를 가지고 있으며 이를 해결하기 위한 다양한 연구가 이루어지고 있다. 본 논문에서는 협업필터링의 희소성과 확장성의 문제를 해결하기 위해 가중치를 사용한 기법을 제안한다. 제안한 기법은 데이터 셋에서 추천의 정확성을 높이기 위해 평가값이 4이상인 데이터들만을 사용하여 아이템을 선호하는 사용자 정보를 분석한다. 아이템의 장르 정보와 분석한 사용자 정보를 유사도 계산 시 가중치로 사용하고 임계값 이상의 유사도를 가진 데이터들만으로 예측값을 계산하여 평가되지 않은 데이터의 평가값으로 사용한다. 제안한 기법은 아이템에 대한 특성을 분석하여 예측값을 계산함으로써 희소성을 줄임과 동시에 정확성을 더 높일 수 있고 새로운 아이템과 사용자가 등록되었을 때 분석된 정보를 바탕으로 빠른 분류가 가능하다. 실험을 통해 제안한 기법이 기존의 아이템 기반, 장르 기반 기법보다 추천의 정확성이 향상되는 것을 확인하였다. A collaborative filtering(CF) is the most widely used technique in recommender system. However, CF has sparsity and scalability problems. These problems reduce the accuracy of recommendation and extensive studies have been made to solve these problems, In this paper, we proposed a method that uses a weight so as to solve these problems. After creating a user-item matrix, the proposed method analyzes information about users who prefer the item only by using data with a rating over 4 for enhancing the accuracy in the recommendation. The proposed method uses information about the genre of the item as well as analyzed user information as a weight during the calculation of similarity, and it calculates prediction by using only data for which the similarity is over a threshold and uses the data as the rating value of unrated data. It is possible simultaneously to reduce sparsity and to improve accuracy by calculating prediction through an analysis of the characteristics of an item. Also, it is possible to conduct a quick classification based on the analyzed information once a new item and a user are registered. The experiment result indicated that the proposed method has been more enhanced the accuracy, compared to item based, genre based methods.

사용자 활동과 시간 정보를 적용한 추천 기법에 관한 연구

윤소영,윤성대,Yun, So-Young,Youn, Sung-Dae 한국정보통신학회 2015 한국정보통신학회논문지 Vol.19 No.3

인터넷과 모바일 기기의 사용이 보편화되면서 사용자들이 다양한 웹 사이트에서 자신이 원하는 정보를 찾기 위해 검색과 추천을 이용하는 것이 일상화되고 있다. 본 논문에서는 사용자에게 보다 적합한 아이템을 추천하기위해 사용자의 활동과 시간 정보를 적용하여 시간의 흐름에 따른 사용자의 선호도 변화를 반영한 추천 기법을 제안한다. 제안하는 기법은 아이템 선택 시 고려되는 태그 정보를 포함한 데이터를 카테고리별로 분류한 후 시간 변화에 따른 사용자 선호도 변화 정보를 반영한 데이터만을 사용한다. 해당 카테고리를 선호하는 사용자에게는 협업 필터링 기법에 태그 정보를 적용하여 추출한 아이템을 추천하고, 일반 사용자에게는 태그 정보를 사용하여 계산한 순위를 기반으로 아이템을 추천한다. 제안하는 기법은 hetrec2011-movielens-2k 데이터셋을 사용하여 실험하였으며 실험을 통해 제안한 기법이 기존의 아이템 기반, 사용자 기반 기법보다 추천의 정확성과 적합성이 향상되는 것을 확인하였다. As the use of internet and mobile devices became generalized, users utilizing search and recommendation in order to find the information they want in the midst of various websites have become common. In order to recommend more appropriate item for users, this paper proposes a recommendation technique that reflects the users' preference change following the flow of time by applying users' activity and time information. The proposed technique, after classifying the data in categories including the tag information that is considered at the time of choosing the items, only uses the data that users' preference change following the flow of time is reflected. For the users who prefer the corresponding category, the item that is extracted by applying tag information to collaboration filtering technique is recommended and for general users, items are recommended based on the ranking calculated by using the tag information. The proposed technique was experimented by using hetrec2011-movielens-2k data set. The experiment result indicated that the proposed technique has been more enhanced the accuracy, appropriacy, compared to item-based, user-based method.

사용자 정보를 이용한 모바일 추천 기법

윤소영,윤성대,Yun, So-Young,Youn, Sung-Dae 한국정보통신학회 2014 한국정보통신학회논문지 Vol.18 No.2

모바일 기기의 사용이 급증하면서 앱 스토어를 이용하는 사용자들 또한 증가하고 있다. 그러나 앱 스토어들은 대부분 단순한 랭킹 방식의 추천을 사용하므로 추천의 정확성이 떨어진다. 본 논문에서는 사용자에게 더 적합한 아이템을 추천하기 위해 사용자 정보 가중치와 아이템의 최근 선호 정도를 반영한 기법을 제안한다. 제안하는 기법은 데이터 셋을 카테고리별로 구분한 후 협업필터링 기법에 사용자 정보 가중치를 적용하여 예측값을 추출한다. 카테고리별로 아이템에 대한 최근 선호 정도를 반영하기 위해 특정 기간을 지정한 아이템 평가값 평균을 구한다. 최종적으로 두 결과 값을 결합하여 아이템을 추천한다. 실험을 통해 제안한 기법이 기존의 아이템 기반, 사용자 기반 기법보다 추천의 정확성과 적합성이 향상되는 것을 확인하였다. As the use of mobile device is increasing rapidly, the number of users is also increasing. However, most of the app stores are using recommendation of simple ranking method, so the accuracy of recommendation is lower. To recommend an item that is more appropriate to the user, this paper proposes a technique that reflects the weight of user information and recent preference degree of item. The proposed technique classifies the data set by categories and then derives a predicted value by applying the user's information weight to the collaborative filtering technique. To reflect the recent preference degree of item by categories, the average of items' rating values in the designated period is computed. An item is recommended by combining the two result values. The experiment result indicated that the proposed method has been more enhanced the accuracy, appropriacy, compared to item-based, user-based method.

응집제 투입에 따른 인 제거 효율 및 운영비용 분석

윤소영(So Young Yun),유재나(Jae Na Ryu),오재일(Jei Il Oh) 大韓環境工學會 2012 대한환경공학회지 Vol.34 No.8

응집제 투입 몰비에 따른 인 제거 효율을 다양한 유입 T-P 농도 및 고형물(SS) 농도에 따라 분석하였으며, 응집제 구입비 및 슬러지 처리비를 기준으로 인 처리 운영비용 분석을 하였다. 2차 침전지 유출수 T-P 농도가 0.5mg/L 이상에서 고형물(SS) 농도에 따라 응집제 주입 몰비는 상당히 다른 것으로 나타났다. 90% 제거율 기준으로 고형물(SS) 농도 10mg/L 이하일 경우 Alum (8%)은 약 11mol Al/mol P, PAC (17%)은 9.6mol Al/mol 이 요구되었으며, 고형물(SS) 농도가 10mg/L 초과일 경우 Alum (8%)은 3.9mol Al/mol P, PAC (17%)은 3.2mol Al/mol P로 나타났다. 2차 침전지 유출수 대상으로 응집제 투입비용과 슬러지 처분비용을 기준으로 한 총 운영비를 분석한 결과 대체로 PAC (17%)을 주입한 경우가 Alum (8%)을 주입했을 때 보다 상대적으로 적은 운영비가 드는 것을 확인할 수 있었다. T-P removal efficiency was analyzed according to the metal to initial T-P ratio (mole basis) with respect to the samples from different WWTPs having various initial T-P and SS conditions. Also, operating costs were calculated based on the injected coagulant amount and the amount of sludge production. Most experiments were conducted by the standard jar-test protocol. Molar ratio of coagulant dose was varied considerably according to the initial SS concentration range in secondary clarifier effluent samples which had above 0.5mg/L of initial T-P. Based on 90% T-P removal efficiency, results were: At the initial SS range of below 10mg/L, Alum (8%)=11mol Al/mol P needed and PAC (17%)=9.6mol Al/mol P needed; At the initial SS range of above 10mg/L, Alum (8%)=3.9mol Al/mol P needed and PAC (17%)=3.2mol Al/mol P needed.

경피적 관상동맥 중재술 후 온요법이 요통, 혈압 및 맥박에 미치는 효과

윤소영(Yun, So Young),조복희(Cho, Bok-Hee) 기본간호학회 2011 기본간호학회지 Vol.18 No.3

Purpose: This study was done to examine the effects of heat therapy on low back pain, blood pressure and pulse rate after percutaneous coronary intervention. Method: The participants in this study were 40 patients who were admitted after having percutaneous coronary intervention. The experimental group, 20 patients, had heat therapy and the control group, 20 patients, maintained a supine position for 12 hours after the intervention. Back pain (VAS), blood pressure and pulse rate were measured just after removal of the sheath, and at 2-hour intervals up to 6 hours. Data were analyzed using SPSS 15.0. Results: The experimental group had significantly lower VAS for low back pain (F=23.44, p=.001). However no significant differences were found between two groups for blood pressure and pulse rate. Conclusion: The findings indicate that heat therapy is effective in reducing low back pain in patients who have had percutaneous coronary intervention. Therefore, heat therapy could be used as nursing intervention percutaneous coronary intervention.

활성 슬러지의 퍼클로레이트 분해능

윤소영 ( So Young Yun ),강경림 ( Kyoung Lim Kang ),오재일 ( Ja Ill Oh ) 한국물환경학회(구 한국수질보전학회) 2011 공동 추계학술발표회 Vol.2011 No.-