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 : 정상윤(Sangyun Jung) (검색결과 4 건)
- 무료
- 기관 내 무료
- 유료
-
정상윤,진성현,김희석,Sangyun Jung,Sunghyun Jin,Heeseok Kim 한국정보보호학회 2024 정보보호학회논문지 Vol.34 No.3
데이터의 급속한 증가와 함께 저장 공간 절약과 데이터 전송의 효율성이 중요한 문제로 대두되면서, 데이터 압축기술의 효율성 연구가 중요해졌다. 무손실 알고리즘은 원본 데이터를 정확히 복원할 수 있지만, 압축 비율이 제한적이며, 손실 알고리즘은 높은 압축률을 제공하지만 데이터의 일부 손실을 수반한다. 이에 딥러닝 기반 압축 알고리즘, 특히 오토인코더 모델이 데이터 압축 분야에서 활발한 연구가 진행됐다. 본 연구에서는 오토인코더를 활용한 새로운 부채널 분석 데이터 압축기를 제안한다. 제안하는 부채널 데이터 대상 압축기는 부채널데이터 특성을 잘 유지할 뿐만 아니라, 기존의 널리 사용되는 Delfate 압축방식 대비 높은 압축률을 보인다. 로컬 연결 레이어를 사용한 인코더는 부채널 데이터의 시점별 특성을 효과적으로 보존하고, 디코더는 멀티 레이어 퍼셉트론을 사용하여 빠른 압축해제 시간을 유지한다. 상관 전력 분석을 통해 제안된 압축기가 부채널 데이터의 특성을 손실 없이 데이터 압축이 가능을 증명하였다. With the rapid increase in data, saving storage space and improving the efficiency of data transmission have become critical issues, making the research on the efficiency of data compression technologies increasingly important. Lossless algorithms can precisely restore original data but have limited compression ratios, whereas lossy algorithms provide higher compression rates at the expense of some data loss. There has been active research in data compression using deep learning-based algorithms, especially the autoencoder model. This study proposes a new side-channel analysis data compressor utilizing autoencoders. This compressor achieves higher compression rates than Deflate while maintaining the characteristics of side-channel data. The encoder, using locally connected layers, effectively preserves the temporal characteristics of side-channel data, and the decoder maintains fast decompression times with a multi-layer perceptron. Through correlation power analysis, the proposed compressor has been proven to compress data without losing the characteristics of side-channel data.
-
-
소셜미디어에 나타난 코로나 바이러스(COVID-19) 인식 분석
윤상후(Sanghoo Yoon),정상윤(Sangyun Jung),김영아(Young A Kim) 한국산학기술학회 2021 한국산학기술학회논문지 Vol.22 No.5
본 연구는 국내 소셜미디어를 기반으로 코로나 확산 시기에 따른 코로나19 관심사 변화를 텍스트 기반으로 살펴보았다. 연구자료는 2020년 1월 20일부터 8월 15일까지 네이버와 다음의 블로그와 카페에 올라온 글이다. 코로나 확산시기는 총 3단계로 분류하였다. 중국에서 발견된 코로나19가 한국에 확산되기 시작한 1월 20일부터 2월 17일을 ‘전조기’, 대구를 중심으로 본격적 확산을 진행된 2월 18일부터 4월 20일을 ‘심각기’, 그리고 일 확진자 수가 안정화되는 4월 21일부터 8월 15일을 ‘안정기’로 명명하였다. 코로나19와 연관된 상위 50개 단어를 추출하여 TF-IDF를 이용하여 군집 분석 하였다. 분석결과 전조기는 코로나 ‘상황’에 관련된 텍스트가 많았고, 심각기에는 ‘국가’와 ‘감염경로’에 관련된 텍스트가 많았다. 안정기에는 ‘치료’가 주로 언급되었다. 시기와 무관하게 공통적으로 언급이 많이 된 단어는 ‘감염’, ‘마스크’, ‘사람’, ‘발생’, ‘확진’, ‘정보’이다. 시기별 감정의 변화를 살펴보면 시간이 지남에 따라 긍정의 비율이 높아지고 있다. 카페와 블로그는 글쓴이의 생각과 주관이 담긴 글을 인터넷을 통해 공유하므로 코로나19로 인한 비대면 시대의 주요 정보공유 공간이다. 그러나 정보전달의 선택성과 임의성이 존재하므로 소셜미디어에서 생산되는 정보를 비판적으로 바라보는 시각이 필요하다. This study deals with keywords from social media on domestic portal sites related to COVID-19, which is spreading widely. The data were collected between January 20 and August 15, 2020, and were divided into three stages. The precursor period is before COVID-19 started spreading widely between January 20 and February 17, the serious period denotes the spread in Daegu between February 18 and April 20, and the stable period is the decrease in numbers of confirmed infections up to August 15. The top 50 words were extracted and clustered based on TF-IDF. As a result of the analysis, the precursor period keywords corresponded to congestion of the Situation. The frequent keywords in the serious period were Nation and Infection Route, along with instability surrounding the Treatment of COVID-19. The most common keywords in all periods were infection, mask, person, occurrence, confirmation, and information. People’s emotions are becoming more positive as time goes by. Cafes and blogs share text containing writers’ thoughts and subjectivity via the internet, so they are the main information-sharing spaces in the non-face-to-face era caused by COVID-19. However, since selectivity and randomness in information delivery exists, a critical view of the information produced on social media is necessary.
-
이은희(Eunhee Lee),박형근(Hyungkeun Park),정상윤(Sangyun Jung),박정용(Jungyoung Park),박종희(Jonghee Park) 한국정보과학회 1999 한국정보과학회 학술발표논문집 Vol.26 No.1B
컴퓨터 내에서 가상의 세계를 구현하기 위해서는 실세계에 존재하는 객체와 그들 사이의 관련성에 대한 정보가 필요하다. 기존의 지식 표현 모델에서는 객체의 특성을 정의하는데 시간에 따른 변화를 나타내는 동적인 지식을 구조적으로 표현하는 기능이 부족하다. 따라서 본 논문에서는 객체의 특성을 정의하는 과정에서 정적인 특성뿐 아니라 개념 트리 구조를 이용함으로써 시간적으로 포함간계에 있는 동사들 사이의 계층 구조를 형성함으로써 동적인 특성까지 표현할 수 있도록 하였다.
ScienceON
DBpia연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
