http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
멀티미디어 문서를 효과적으로 표현하기 위한 메타 데이터 모델 설계 및 사용자 인터페이스 구현
정예선(Ye-Sun Joung),현순주(Soon J. Hyun),김홍배(Hong-Bae Kim) 한국정보과학회 2000 한국정보과학회 학술발표논문집 Vol.27 No.2Ⅰ
가장 방대한 정보 도서관인 월드 와이드 웹(WWW)에서는 지난 몇 년 동안 멀티미디어 문서의 사용이 폭발적으로 증가 했다. 따라서 인터넷의 사용자나 정보 제공자들이 멀티미디어 문서를 저장하거나 교환 할 때 멀티미디어 데이터를 어떻게 효과적으로 표현하느냐가 가장 중대한 문제점으로 부각되고 있다. 현재 메타 데이터 모델을 표현하는 데는 다양한 방법들이 존재한다. 본 논문에서는 그 중 가장 일반적으로 사용하는 Dublin Core와 활발한 연구 활동이 이루어 지고 있는 MPEG-7의 두 개 표준을 사용하여 새로운 메타 데이터 모델을 제시 하고자 한다. Dublin Core는 기존의 문서들의 메타 데이터를 15개의 중요 요소들로 표현하는 것이고, MPEG-7은 멀티미디어 데이터의 내용을 체계적으로 표현하고자 하는 표준안이다. 본 논문에서 제시한 새로운 메타 데이터 모델은 Dublin Core를 MPEG-7의 의미적 요소를 표현 하도록 하여 두 표준의 장점을 살려 멀티미디어 데이터를 효과적으로 표현 할 수 있는 메타 데이터 모델을 제안하였다. 또한 이 메타 데이터 모델을 XML DTD로 표현하고자 한다. 그러나, XML DTD는 일반 사용자들이 처음부터 작성하기는 쉽지 않다. 따라서 본 논문에서는 제안한 메타 데이터 모델을 XML DTD 쉽게 작성할 수 있는 사용자 인터페이스를 구현하였다.
그룹의 공존-지속시간 예측모델 기반의 에너지 효율적 협업 센싱 기법
김태훈(Taehun Kim),이대규(Daegyu Lee),현순주(Soon J. Hyun) 한국정보과학회 2012 정보과학회논문지 : 소프트웨어 및 응용 Vol.39 No.12
온라인 소셜 네트워크 서비스의 확산과 스마트 모바일 기기들의 대중화로 인해 사용자들은 언제 어디서나 사회적 이웃들과 정보를 공유하고 협업하며 서로 상호작용하고 있다. 그러나 여전히 모바일 기기들의 에너지 제약으로 인해 사용자들은 배터리에 대한 불안감을 늘 갖고 사용하게 되면서 위치 기반서비스와 같은 에너지 집약적인 센서를 이용한 애플리케이션들을 충분히 활용하지 못하는 경우가 많다. 이처럼 사용자들과의 상호작용의 과정에서 나타나는 자원 제약적인 모바일 기기들의 에너지 소모로 인한 사용자 불안 문제를 해결하기 위해 본 논문에서는 사람들의 우연한 만남 사이에서 발견되는 그룹을 통한 협업 센싱 메커니즘을 소개한다. 특히 사람들간의 공존 횟수와 그룹 유지 시간 같은 협업 그룹을 위한 중요한 특성들을 고려하기 위해서 우리는 실제 사용자들의 Bluetooth기반의 근접 데이터로부터 그룹 행동패턴을 분석하였고, 그 결과 사람들 사이의 공존횟수가 에너지 효율성과 밀접하게 관련된 그룹 유지 시간에 유의한 영향이 있음을 발견하였다. 이 사실을 기반으로 에너지 효율적인 협업 센싱 그룹을 형성하기 위한 그룹의 공존-지속시간 예측모델(CDPM)을 고안하고 이 모델을 통해 에너지 효율적 협업 센싱을 위한 그룹 탐색 알고리즘 및 그 시스템 프레임워크(ECOS)를 제안한다. 우리는 가상의 실험 케이스로부터 이론적 검증을 통해 ECOS로부터 추천된 3명의 사람들 사이에 20번 이상 공존한 그룹에서 협업 센싱을 할 경우 사용자 단독으로 센싱하는 경우보다 약 23%의 에너지 효율이 있음을 증명한다. The proliferation of online social networking services and the ubiquity of smart mobile devices give users chances to have social collaborative interactions. However, an energy constraint of mobile devices hinders users from enjoying these interactions due to a huge drain on battery of energy-intensive sensing application such as location-based services. In order to liberate users from anxiety by the energy consumption of resource-limited mobile devices involved in collaborative process, we approach the problem by introducing a collaborative sensing among opportunistic encounters. To consider important semantic features for a collaborative group such as a degree of copresence and duration among people, we analyze users’ group behavior from real Bluetooth-based proximity data so that we found out key insights that the copresence count among the people had a major influence on duration closely related with energy-efficiency. From this observation, we devise the copresence-duration prediction model (CDPM) and design energy-efficient collaborative sensing framework (ECOS) which identifies group members for collaborative sensing. Finally, through the theoretical evaluation of our ECOS, we show that a group having copresence count more than 20 times among 3 people with ECOS would save about 23% energy than ones without ECOS.
모바일 상황정보와 온라인 친구네트워크정보 기반 텐서 분해를 통한 오프라인 친구 추천 기법
김경민(Kyungmin Kim),김태훈(Taehun Kim),현순주(Soon. J Hyun) 한국정보과학회 2016 정보과학회 컴퓨팅의 실제 논문지 Vol.22 No.8
스마트폰과 Online Social Network Service(OSNS)의 대중화를 통해 언제 어디서든 주변인뿐만 아니라 전 세계 사람들과 상호작용 할 수 있게 되었고, 그 결과 사람들의 OSNS 사용률은 계속 증가하고 있다. 그런데, 일부 OSNS를 통한 대인관계 형성에 집중하는 사람들의 경우, 수많은 Face-to-Face Interaction(F2F Interaction)을 통해 형성되는 인간관계의 과정을 “친구추천” 버튼 하나로 건너뜀으로써 대인관계 기술 발달 및 유지에 어려움을 겪을 수 있다. 본 논문에서는 오프라인에서 F2F Interaction 기회를 발견 및 제공할 수 있는 상황정보 기반의 친구추천 기법을 제시한다. 이를 위해 스마트폰 센서로부터 사용자의 상황정보와 Facebook에서 형성된 사용자 친구관계 정보를 수집하여 텐서 분해 및 결합을 기반으로 오프라인 환경에서 친구를 추천한다. 성능 평가를 위해 12명의 실험 참가자로부터 상황정보를 수집하고, 만족도를 평가하였다. The proliferation of online social networking services (OSNSs) and smartphones has enabled people to easily make friends with a large number of users in the online communities, and interact with each other. This leads to an increase in the usage rate of OSNSs. However, individuals who have immersed into their digital lives, prioritizing the virtual world against the real one, become more and more isolated in the physical world. Thus, their socialization processes that are undertaken only through lots of face-to-face interactions and trial-and-errors are apt to be neglected via ‘Add Friend’ kind of functions in OSNSs. In this paper, we present a friend recommendation system based on the on/off-line contextual information for the OSNS users to have more serendipitous offline interactions. In order to accomplish this, we modeled both offline information (i.e., place visit history) collected from a user"s smartphone on a 3D tensor, and online social data (i.e., friend relationships) from Facebook on a matrix. We then recommended like-minded people and encouraged their offline interactions. We evaluated the users" satisfaction based on a real-world dataset collected from 43 users(12 on-campus users and 31 users randomly selected from Facebook friends of on-campus users).