• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2007년도 가을 학술발표논문집 Vol.34 No.2 (C)
• /
• pp.46-49
• /
• 2007

유비쿼터스 컴퓨팅 환경에서 사용자가 원하는 데이터를 제공하는 일은 중요한 일이다. 또한, 급격히 늘어나는 정보를 효율적으로 저장하는 것도 중요하다. 그러나 기존의 데이터 제공방식은 사용자의 의도를 파악하지 못한 단순 1차 정보 및 서비스를 제공하고 있다. 그리고 제공되는 정보의 신뢰도는 다수의 사용자가 사용하기엔 부족한 편이다. 따라서 본 논문에서는 더 효율적으로 데이터와 원하는 서비스를 제공하기 위해 키워드링크방식을 이용한 관련서비스 제공 기술을 연구한다. 세부적인 연구내용은 첫째, 데이터를 저장 시에 키워드를 하나씩 3가지로 나누어 가중키워드를 선정하여 part2에 저장시키고 상대적으로 가중치가 낮은 두 개의 키워드는 각각 part1, part3에 저장하여 가중키워드와 가중치가 낮은 키워드를 서로 링크로 연결시키고 둘째, 데이터 마이닝을 통한 정보 및 서비스를 제공할 때 검색한 데이터 외에 키워드링크방식을 통하여 관련된 데이터를 2개 이상 제공하여 다수의 사용자가 원하는 정보 및 서비스를 제공한다. 따라서 본 논문에서는 사용자의 정보를 좀 더 효과적으로 저장하고, 데이터 마이닝 할 수 있는 방법을 제안하고 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2011년도 춘계학술발표대회
• /
• pp.323-324
• /
• 2011

데이터 마이닝은 주어진 데이터로부터 의미 있는 정보를 찾기 위한 방법으로 주로 사용된다. 하지만, 분석을 위한 데이터에 의미 없는 정보가 포함되어 있다면 분석 결과를 신뢰 할 수 없을 것이다. 이를 위해서 의미 없는 데이터를 제거하기 위한 연구 사례가 있으나, 정상적인 데이터도 함께 제거될 수 있다는 단점이 있다. 본 논문은 패턴 추출을 위한 분석 데이터를 SVDD 방법을 이용하여 의미 있는 데이터와 의미 없는 데이터 간에 가중치를 구한다. 생성된 가중치는 의사결정나무 생성에 반영하였고, 실험을 통하여 유효성을 확인하였다.

• 응용통계연구
• /
• 제33권5호
• /
• pp.615-625
• /
• 2020

문서-용어 빈도행렬은 그룹정보가 존재하는 문서들의 용어를 추출한 것으로 일반적인 텍스트 마이닝에서의 자료이다. 본 연구에서는 연구 분야 성격에 따른 문서 분류를 위해 문서-용어 빈도행렬을 생성하고, 전통적인 용어 가중치 함수인 TF-IDF와 최근 잘 알려진 용어 가중치 함수인 TF-IGM을 적용하였다. 또 용어 가중치가 적용된 문서-용어 가중행렬에 문서분류 정확도 향상을 위해 핵심어를 추출하여 문서-핵심어 가중행렬을 생성하였다. 핵심어가 추출된 행렬을 바탕으로, 심층 신경망을 이용해 문서를 분류하였다. 심층 신경망에서 최적의 모델을 찾기 위해 매개변수인 은닉층과 은닉노드수를 변화해가며 문서 분류 정확도를 확인하였다. 그 결과 8개의 은닉층을 가진 심층 신경망 모델이 가장 높은 정확도를 보였으며 매개변수 변화에 따른 모든 TF-IGM 문서 분류 정확도가 TF-IDF 문서 분류 정확도보다 높은 것을 확인하였다. 또한 개별 범주에 대한 문서 분류 분석 결과를 서포트 벡터 머신과 비교했을 때 심층 신경망이 대부분의 결과에서 더 좋은 정확도를 보임을 확인하였다.

• 한국가정과교육학회지
• /
• 제36권1호
• /
• pp.39-54
• /
• 2024

본 연구는 네이버, 다음, 구글, 유튜브와 트위터 등을 대상으로 2020년 1월 18일 기준으로 2년 전후 4년 동안 텍스톰(TEXTOM)을 사용하여 코로나19 전후 청소년과 식생활 관련 검색 키워드 데이터를 수집하여 빈도와 가중치를 분석하고 시각화하였으며, 얻어진 결과는 다음과 같다. 첫째, 청소년과 식생활 관련 키워드 검색 전체 데이터의 수와 용량은 코로나19 이후가 조금 더 높은 수치를 보여 코로나19로 인해 관심이 증가했음을 볼 수 있었다. 둘째, 코로나19 이전과 이후의 청소년과 식생활 관련 검색된 결과 키워드 중 빈도수를 분석한 결과 코로나19 이전에는 '교육', 코로나19 이후에는 '건강'이 가장 높아 코로나 19로 인하여 건강, 면역 등에 대한 중요성이 커져 건강에 대한 관심이 더 증가함을 알 수 있었다. 셋째, 50개 상위 키워드의 빈도 가중치 분석 결과 코로나19 이전 가장 높은 빈도 가중치를 나타낸 키워드는 '교육'이었고, 코로나19 이후 가장 높은 빈도 가중치를 나타낸 키워드는 '여드름' 이었다. 코로나19로 인한 외출 감소, 활동 감소 등과 식생활의 영향으로 나타날 수 있는 여드름에 대한 관심이 증가함을 볼 수 있었다. 넷째, 코로나19 이전과 이후 청소년과 식생활 관련 검색 키워드 빈도 분석 결과를 워드클라우드로 시각화한 결과는 코로나19 이전에는 '교육', 코로나19 이후에는 '건강' 의 키워드가 가장 크고 굵게 나타나 빈도와 중요성이 가장 높음을 쉽게 알 수 있었다. 위와 같은 결과로 코로나19 전후 청소년과 식생활 관련 검색 키워드 검색 경향을 알아보고 빈도와 중요성이 높은 키워드를 한 눈에 쉽게 볼 수 있게 됨으로써 텍스트 마이닝 방법을 활용해 식생활에 적용한 계기를 마련하였고, 가정 교과의 청소년기의 식생활문제와 균형 잡힌 식사계획과 선택 등의 단원에서 가독성이 뛰어난 워드클라우드로 시각화한 자료를 활용하여 수업의 매체로 활용하는 등 올바른 식생활 교육에 있어 방향성을 제시하였다.

• 한국융합학회논문지
• /
• 제12권7호
• /
• pp.31-36
• /
• 2021

중국 우한발 코로나 19 바이러스로 인하여 세계 경제가 침체하여, 미국연방준비제도를 비롯한 대부분 국가에서는 통화량을 늘려 경기를 부양하는 정책을 내놓았다. 주식 투자자들 대부분은 기업에 대한 재무제표 분석이 없이 유명 유튜버의 추천종목이나 지인의 말만 듣고 투자하는 경향이 있어서 주식투자의 손실 가능성이 크다. 따라서, 본 연구에서는 기존 자동매매 조건에서 발전된 인공지능 딥러닝 기법을 이용하여 주가에 영향을 미치는 거시지표를 분석하고 예측하여 주가에 미치는 상관관계를 통한 개별주가예측에 가중치를 부여하고 주가를 예측한다. 또한, 주가는 실시간 증시뉴스에 민감하게 반응하기 때문에 증시뉴스 텍스트 마이닝을 통하여 인공지능으로 예측된 주가에 가중치를 반영하여 더 정확한 주가 예측을 하여 주식 투자자에게 매매의 판단 근거를 제공하여 건전한 주식투자가 되도록 이바지하였다.

• 대한기계학회논문집A
• /
• 제38권6호
• /
• pp.677-682
• /
• 2014

본 연구에서는 데이터 마이닝의 방법인 의사결정나무와 인공신경망을 이용하여 리튬 이차전지의 전류밀도 특성에 대해 핵심 설계 인자를 도출하고 비교하였다. 먼저 의사결정나무-인공신경망 모델을 이용한 설계방법으로, 비선형성을 나타내는 초기 극판 설계인자들 중에 의사결정나무 모델을 통해 주요 설계 인자를 도출한 다음 인공신경망을 이용하여 설계인자들 간의 중요도와 전류밀도와의 가중치 분석을 수행하였다. 두 번째 방법은 인공신경망 모델만을 이용한 방법으로, 초기 설계인자들을 별도의 주요 인자 도출 과정 없이 모두 인공신경망을 구축하는데 사용하여 전류밀도와의 연관성 및 가중치를 분석하였다.

• 한국콘텐츠학회논문지
• /
• 제10권2호
• /
• pp.99-110
• /
• 2010

이벤트는 환자의 증상과 같은 시간 속성을 갖는 흐름을 의미하며 센서를 통하여 수집된 스트림 데이터는 시작과 종료 시점을 갖는 인터벌 이벤트로 요약 가능하다. 그러나 대부분의 시간 마이닝 기법은 빈발 이벤트만을 고려하며, 빈발하지 않는 이벤트는 중요하더라도 제외되는 문제가 있다. 이 논문에서는 다차원 스트림 데이터 환경에서 인터벌 이벤트에 기초하여 의미있는 시간 관계에 대한 연관 규칙 마이닝 기법을 제안한다. 제안 방법은 이벤트 가중치와 이상 이벤트가 감지된 시점의 스트림 데이터만 고려하여 이벤트의 발생 횟수에 상관없이 의미있는 시간 관계에 대한 연관 규칙을 탐사한다. 그리고 성능 평가를 통하여 제안 방법이 기존의 방법에 비하여 보다 유용한 지식을 탐사함을 보인다.

• 정보처리학회논문지D
• /
• 제13D권2호
• /
• pp.199-206
• /
• 2006

순차패턴 탐색은 다양한 응용 분야에서 매우 중요한 데이터 마이닝 작업으로 간주된다. 그러나 기존의 순차패턴 탐색 방법들은 길이가 긴 순차패턴이나 노이즈 정보를 다수 포함한 데이터베이스에 대한 마이닝에서는 한계가 있다. 해당 방법들은 매우 짧고 사소한 패턴들은 탐색하지만 다수의 순차 정보들에서 공유되는 중요 패턴들을 분석하는데 어려움을 겪는다. 본 논문에서는 이러한 문제를 해결하기 위한 방법으로 대용량 데이터베이스에 대한 근사 순차패턴 탐색 방법을 제안한다. 근사 순차패턴은 다수의 순차 정보들에서 근사적으로 공유되는 순차패턴을 의미한다. 제안된 방법은 두 과정으로 구분된다. 하나는 유사도에 따라 분석 대상 순차 정보들을 몇 개의 군집으로 나누는 과정이며, 다른 하나는 다중 정렬 방식을 적용하여 각 군집으로부터 대표 패턴을 찾는 과정이다. 이를 위해서 다수의 순차 정보들을 하나로 표현할 수 있는 가중치 순차패턴을 제시하며, 다수의 순차 정보들은 가중치 순차패턴 형태로 통합된다. 이렇게 통합된 정보를 가진 각 가중치 순차패턴을 이용하여 여러 순차 정보와 근사한 하나의 대표 패턴을 생성한다. 끝으로, 다양한 실험을 통해서 제안된 방법의 유용성을 검증한다.

• 정보처리학회논문지B
• /
• 제17B권5호
• /
• pp.381-388
• /
• 2010

나이브 베이시안 알고리즘은 데이터 마이닝의 여러 분야에서 적용되고 있으며 좋은 성능을 보여주고 있다. 하지만 이 학습 방법은 모든 속성의 가중치가 동일하다는 가정을 하고 있으며 이러한 가정으로 인하여 가끔 정확도가 떨어지는 현상이 발생한다. 이러한 문제를 보완하기 위하여 나이브 베이시안에서 속성의 가중치를 조절하는 다수의 연구가 제안되어 이러한 단점을 보완하고 있다. 본 연구에서는 나이브 베이시안 학습에서 기존의 속성에 가중치를 부여하는 방식에서 한걸음 나아가 속성의 값에 가중치를 부여하는 새로운 방식을 연구하였다. 이러한 속성값의 가중치를 계산하기 위하여 점진적 하강(gradient descent) 방법을 이용하여 가중치를 계산하는 방식을 제안하였다. 제안된 알고리즘은 다수의 데이터를 이용하여 속성 가중치 방식과 비교하였고 대부분의 경우에 더 좋은 성능을 제공함을 알 수 있었다.

• 한국멀티미디어학회논문지
• /
• 제4권2호
• /
• pp.171-181
• /
• 2001

기존의 베이지만 문서 분류를 위한 단어 군집 방법은 많은 시간과 노력을 요구하며, 단어 간의 의미 관계를 정확하게 반영하지 못하는 문제점이 있다. 본 논문에서는 마이닝 기법으로 구축된 연관 단어 지식 베이스를 기반으로 하는 베이지안 문서 분류 방법을 제안한다. 제안된 베이지안 문서 분류 방법은 문서를 분류하기 전에 훈련 문서를 사용하여 가중치가 부여된 연관 단어 지 식 베이스를 구축한다. 그 다음으로, 베이지안 확률을 이용하는 분류자는 구축된 연관 단어 지식 베이스를 기반으로 문서를 클래스별로 분류한다. 제안된 방법의 성능을 평가하기 위해, 상호 정보 계산에 의한 단어 사전을 이유한 가중치가 부여된 베이지안 문서 분류 방법, 가중치가 부여된 베이지안 분류 방법, 기존의 단순 베이지안 분류 방법과 비교하였다. 그 결과, 연관 단어 지식 베이스에 기반한 가중치가 부여된 베이지안 분류 방법이 상호 정보에 의한 단어 사진을 이용하는 가중치가 부여된 베이지안 분류 방법보다는 0.87%, 가중치가 부여된 베이지안 분류 방법보다는 2.77%, 단순 베이지안 방법보다는 5.97% 높은 성능 차이를 보였다.