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 : GUO WEN JUN (검색결과 1 건)
-
버블업: 시간적 이벤트 데이터의 유사성 분석을 위한 시각화 시스템
GUO WEN JUN 아주대학교 일반대학원 2018 국내박사
시간적 이벤트 데이터(temporal event data)는 다양한 분야에서 점점 더 많은 관심을 받고 있다. 시간적 이벤트 데이터의 이벤트들이 발생한 시간에 따라 이벤트들의 패턴이나 유사성에 대한 비교 및 분석을 통해서 이벤트의 새로운 구성을 식별하고, 유저에게 향후 의사 결정을 할 때도 많은 도움을 줄 수 있다. 기존에 연구들이 시간의 흐름에 따라 변화하는 이벤트들에 집중적으로 연구를 이루어졌지만 최근에 반복을 인해 생긴 종단적인(longitudinal) 시간의 변화에 대한 연구도 많아지고 있다. 본 연구에서는 종단적인 시간성을 가진 시간적 이벤트 데이터에 비교 분석에 대한 최적화된 시각화 시스템을 제안하고자 한다. 또한 시스템의 활용 사례 연구와 사용성 평가를 통해 다음과 같은 효과를 검증하였다. 첫째, ‘BubbleUp’ 시스템의 시각화 알고리즘 설계와 프로토타입을 구현하고, 추가 인터랙션 기능과 사용자 인터페이스를 개발하였다. 둘째, 클러스터링을 통해 데이터의 잠재적인 패턴 도출이 가능하여 데이터에 대한 탐색이 보다 쉬워졌다. 셋째, 사용자가 타깃을 선택하면 시스템에서 유사한 결과와 유사하지 않는 결과에 대해 제시해 줄뿐만 아니라 사용자가 원하는 분포 범위를 자유롭게 설정할 수 있으며, 설정된 범위기준으로 유사한 결과를 유사도 결과 랭킹 리스트와 함께 제공해 준다. 넷째, 머신러닝을 통해 현재의 데이터들을 기반으로, 향후 결과에 대한 예측과 분석이 가능하였다. “BubbleUp”시스템을 통해서 종단적인 시간적 이벤트 데이터의 유사성, 군집화, 예측에 대한 통합적인 분석을 직관적으로 가능하게 제공하였다. Temporal event data is receiving increasing attention in a variety of fields. It is also helpful to identify a new configuration through comparison and analysis of patterns and similarities of events according to the change of time of temporal event data. Previous studies have focused on events that changed over time, but more and more research is being done on the changes in longitudinal time caused by repetition. In this research, an optimized "BubbleUp" visualization system for analyzing similarity of longitudinal temporal event data was proposed and developed. The visualization system was used to verify the following effects through case studies and usability evaluations. First, a visualization algorithm and user prototype of the BubbleUp system were implemented; furthermore, additional interaction functions and user interface were developed. User-friendly interaction has made it easier to identify similar relationships with other data to suit user needs. Second, the system facilitated the searching of data and it was possible to derive the potential pattern of data through clustering. Third, when the user selected the target, the system not only presented similar and dissimilar results but also freely set the similarity distribution range desired by the user. Similar results were also provided in the similarity result view with the similarity result rank list based on the set range. Fourth, it provided a means of comparing and analyzing future result effectively by predicting data through machine learning. Therefore, through this study, we confirmed that the BubbleUp system is a novel visualization system that intuitively enables integrated analysis of similarity, clustering, and prediction of longitudinal temporal event data.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
