http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
미래 위치 검색을 위한 이동 객체의 효과적인 갱신 기법
복경수(KyoungSoo Bok),김명호(MyoungHo Kim),조기형(KiHyung Cho),유재수(JaeSoo Yoo) 한국정보과학회 2005 한국정보과학회 학술발표논문집 Vol.32 No.2
1990년대 중반 이후 위치 기반 서비스에 대한 활용이 증가되면서 이동 객체를 효과적으로 저장, 관리하기 위한 많은 연구들이 진행되고 있다. 본 논문에서는 미래 위치를 검색하기 위한 시공간 색인 구조에서 계속적인 이동 객체의 위치 변화를 효과적인 갱신하기 위한 기법을 제안한다. 제안하는 갱신 기법은 이동객체의 위치 변화에 따른 색인 구조의 재구성 시간을 감소시키기 위해 전통적인 공간 분할 방식의 색인구조를 변형한다. 이동 객체의 위치 변화를 처리하기 위해 보조 색인 구조를 통해 단말 노드를 직접 접근하여 상향식으로 갱신을 수행한다.
소셜 네트워크에서 사용자 성향 및 협업 필터링을 이용한 이벤트 추천 기법
복경수(Kyoungsoo Bok),이수지(Suji Lee),노연우(Yeonwoo Noh),김민수(Minsoo Kim),김연우(Yeonwoo Kim),임종태(Jongtae Lim),유재수(Jaesoo Yoo) 한국정보과학회 2016 정보과학회 컴퓨팅의 실제 논문지 Vol.22 No.10
본 논문에서는 협업 필터링을 통한 개인 맞춤형 이벤트 추천 기법을 제안한다. 제안하는 기법은 사용자의 행위 및 관계성 분석, 협업 필터링을 통해 사용자의 평가되지 못한 속성 값을 예측한다. 또한, 사용자의 성향을 보다 정확하게 파악하기 위해 사용자의 최근 방문 기록이나 상황 정보를 고려하여 사용자의 최신 성향을 관리한다. 이를 통해 새로운 이벤트가 발생하였을 때 참여할 확률이 높을 것으로 예상되는 사용자에게만 이벤트를 추천하여 무분별한 추천을 방지한다. 제안하는 이벤트 추천 기법의 우수성을 보이기 위해 다양한 성능 평가를 수행한다. In this paper, we propose a personalized event recommendation scheme using user’s activity analysis and collaborative filtering in social network environments. The proposed scheme predicts un-evaluated attribute values through analysis of user activities, relationships, and collaborative filtering. The proposed scheme also incorporates a user’s recent preferences by considering the recent history for the user or context-aware information to precisely grasp the user’s preferences. As a result, the proposed scheme can recommend events to users with a high possibility to participate in new events, preventing indiscriminate recommendations. In order to show the superiority of the proposed scheme, we compare it with the existing scheme through performance evaluation.
복경수(Kyoungsoo Bok),유재수(Jaesoo Yoo) 한국정보과학회 2014 정보과학회지 Vol.32 No.11
다양한 정보 채널의 등장과 함께 빅데이터에 대한 중요성이 부각되고 있다. 본고에서는 빅데이터를 활용한 응용을 활성화기 위해 국가별 빅데이터 정책을 분석하고 분야별로 빅데이터를 활용한 사례를 기술한다. 빅데이터를 활용하여 일상 생활에서 일반 사용자들이 사용할 수 있는 응용 서비스 원천 기술 및 서비스 기술을 개발하고 있는 충북대학교 빅데이터생활형 서비스 연구센터(BLSRC)를 소개하고 센터에서 개발한 응용 서비스를 기술한다. 또한 빅데이터 사용을 활성화하고 실생활에 응용하기 위한 방안을 제언한다.
빅데이터 환경에서 스트림 질의 처리를 위한 인메모리 기반 점진적 처리 기법
복경수(Kyoungsoo Bok),육미선(Misun Yook),노연우(Yeonwoo Noh),한지은(Jieun Han),김연우(Yeonwoo Kim),임종태(Jongtae Lim),유재수(Jaesoo Yoo) 한국콘텐츠학회 2016 한국콘텐츠학회논문지 Vol.16 No.2
최근 대용량의 스트림 데이터를 분산 처리하기 위한 연구들이 진행되고 있다. 본 논문에서는 빅데이터 환경에서 실시간 스트림 데이터의 점진적 처리 기법을 제안한다. 제안하는 기법은 처음 스트림 데이터가 입력되면 임시 큐에 데이터를 저장하고 마스터 노드에 저장되어 데이터와 비교과정을 통해 마스터 노드에 동일한 데이터가 있는 경우 마스터 노드에서 가지고 있는 노드의 정보를 이용하여 해당 노드의 메모리에서 기존 처리 결과를 재사용한다. 기존 처리 결과가 없다면 처리하고 처리 결과를 메모리에 저장한다. 분산환경에서 점진적인 스트리밍 데이터 처리를 위해 노드의 작업 지연을 계산하여 노드의 부하를 파악하고 처리 시간 계산을 통해 각 노드의 성능을 고려한 잡 스케쥴링 기법을 제안한다. 제안하는 기법의 우수성을 보이기 위해 기존 기법과의 질의 수행 시간 비교를 위한 성능평가를 수행한다. Recently, massive amounts of stream data have been studied for distributed processing. In this paper, we propose an incremental stream data processing method based on in-memory in big data environments. The proposed method stores input data in a temporary queue and compare them with data in a master node. If the data is in the master node, the proposed method reuses the previous processing results located in the node chosen by the master node. If there are no previous results of data in the node, the proposed method processes the data and stores the result in a separate node. We also propose a job scheduling technique considering the load and performance of a node. In order to show the superiority of the proposed method, we compare it with the existing method in terms of query processing time. Our experimental results show that our method outperforms the existing method in terms of query processing time.
복경수(kyoungsoo Bok),한지은(Jieun Han),노연우(Yeonwoo Noh),육미선(Misun Yook),임종태(Jongtae Lim),이석희(Seok-Hee Lee),유재수(Jaesoo Yoo) 한국콘텐츠학회 2016 한국콘텐츠학회논문지 Vol.16 No.2
프로버넌스 데이터는 데이터의 근원 정보나 변경 이력을 표현하는 메타데이터이다. 프로버넌스 정보는 변경 이력 정보가 쌓이면서 원본데이터와 비교하여 수십 배에 달하는 양을 차지한다. 따라서 대용량의 프로버넌스 데이터를 효율적으로 압축하기 위한 기법이 요구된다. 본 논문에서는 RDF 그래프 패턴을 고려한 프로버넌스 압축 기법을 제안한다. 제안하는 기법은 표준 PROV 모델을 기반으로 프로버넌스를 표현하고 텍스트 인코딩을 통해 프로버넌스 데이터를 숫자로 인코딩한다. 그래프 패턴을 이용하여 RDF 데이터와 프로버넌스 데이터를 압축한다. 제안하는 기법은 기존 프로버넌스 압축 기법과는 달리 시맨틱 웹상의 RDF 문서를 고려하여 프로버넌스 데이터를 압축한다. 압축률, 처리시간에 대한 성능 평가를 통해 제안하는 기법의 우수성을 증명한다. Provenance means the meta data that represents the history or lineage of a data in collaboration storage environments. Therefore, as provenance has been accruing over time, it takes several ten times as large as the original data. The schemes for effciently compressing huge amounts of provenance are required. In this paper, we propose a provenance compression scheme considering the RDF graph patterns. The proposed scheme represents provenance based on a standard PROV model and encodes provenance in numeric data through the text encoding. We compress provenance and RDF data using the graph patterns. Unlike conventional provenance compression techniques, we compress provenance by considering RDF documents on the semantic web. In order to show the superiority of the proposed scheme, we compare it with the existing scheme in terms of compression ratio and the processing time.
소셜 네트워크에서 모바일 사용자 이동 패턴을 이용한 친구 추천 기법
복경수(Kyoungsoo Bok),서기원(Kiwon Seo),임종태(Jongtae Lim),유재수(Jaesoo Yoo) 한국콘텐츠학회 2016 한국콘텐츠학회논문지 Vol.16 No.4
정보 기술의 발전 및 스마트 기기의 활성화로 인해 소셜 네트워크 서비스의 사용자 수가 기하급수적으로 증가하고 있다. 이러한 소셜 네트워크 서비스에서 사용자의 성향을 파악하고 유사한 사용자를 추천하는 연구들이 활발하게 진행되고 있다. 본 논문에서는 모바일 사용자의 이동 패턴 분석을 통해 유사한 성향을 가지는 소셜 네트워크 친구를 추천하는 기법을 제안한다. 제안하는 기법은 사용자의 정확한 성향을 판별하기 위해 동행인 여부, 방문 시간이 짧은 궤적, 반복적으로 나타나는 궤적을 고려하여 의미 없는 궤적을 제거한다. 의미 있는 궤적 정보만을 이용하여 사용들 사이의 유사도를 계산하여 유사한 성향을 가지는 사용자를 친구를 추천한다. 성능 평가를 통해 제안하는 기법이 기존 기법에 비해 성능이 우수함을 보인다. With the development of information technologies and the wide spread of smart devices, the number of users of social network services has increased exponentially. Studies that identify user preferences and recommend similar users in these social network services have been actively done. In this paper, we propose a new scheme to recommend social network friends with similar preferences through the moving pattern analysis of mobile users. The proposed scheme removes the meaningless trajectories via companions, short time trajectories, and repeated trajectories to determine the correct user preference. The proposed scheme calculates user similarity using the meaningful trajectories and recommends users with similar preferences as friends. It is shown through performance evaluation that the proposed scheme outperforms the existing schemes.