• Proceedings of the KIEE Conference
• /
• 2007.10a
• /
• pp.401-402
• /
• 2007

유비쿼터스 환경에서의 상황인식 서비스는 의료, 쇼핑, 교육, 소방, 문화 등 우리 사회 전 분야에 걸쳐 응용되고 있으며, 각 분야에 영향을 미치고 있다. 상황인식 서비스는 사용자의 상황정보를 정확하게 파악하여 신속한 서비스를 제공하는데 목적이 있다. 따라서 본 논문에서는 사용자의 상황정보를 바탕으로 보다 효율적이고 정확한 서비스를 제공하고자 지능적인 추론방법인 사례기반추론방법을 제안한다. 사례기반추론은 과거의 경험이나 상황을 사례 데이터베이스로 구축하여 어떠한 상황이나 문제가 발생하면 기존의 사례 데이터베이스에서 가장 유사한 사례들과 비교 분석하여 현재에 처한 상황과 가장 유사한 상황을 검색하여 그에 따른 사용자가 원하는 정보를 제공한다. 즉 사용자의 상황정보를 바탕으로 검색된 유사한 사례들에 대한 유사도를 측정, 구함으로써 유사도가 높은 사례일수록 현재의 상황과 가장 유사한 상황으로 인식하여 그에 따른 해결책을 제시하여 사용자로 하여금 원하는 서비스를 제공받고자한다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 1999.10a
• /
• pp.391-398
• /
• 1999

사례기반 추론을 포함한 Lazy Learning 방법들은 인공신경망이나 의사결정 나무와 같은 Eager Learning 방법들과 비교하여 여러 가지 상대적인 장점을 가지고 있다. 그러나 Lazy Learning 방법은 역시 상대적인 단점들도 가지고 있다. 첫째로 사례를 저장하기 위하여 많은 공간이 필요하며, 둘째로 문제해결 시점에서 시간이 많이 소요된다. 그러나 보다 심각한 문제점은 사례가 관련성이 낮은 속성들을 많이 가지고 있는 경우에 Lazy Learning 방법은 사례를 비교할 때에 혼란을 겪을 수 있다는 점이며, 이로 인하여 분류 정확도가 크게 저하될 수 있다. 이러한 문제점을 해결하기 위하여 Lazy Learning 방법을 위한 속성 가중치 부여 방법들이 많이 연구되어 왔다. 그러나 기존에 발표된 대부분의 방법들이 속성 가중치의 유효 범위를 전역적으로 하는 것들이었다. 이에 본 연구에서는 새로운 지역적 속성 가중치 부여 방법을 제안한다. 본 연구에서 제안하는 속성 가중치 부여 방법(CBDFW : 사례기반 동적 속성 가중치 부여)은 사례별로 속성 가중치를 다르게 부여하는 방법으로서 사례기반 추론의 원리를 속성 가중치 부여 과정에 적용하는 것이다. CBDFW의 장점으로서 (1) 수행 방법이 간단하며, (2) 논리적인 처리 비용이 기존 방법들에 비해 낮으며, (3) 신축적이라는 점을 들 수 있다. 본 연구에서는 신용 평가 문제에 CBDFW의 적용을 시도하였고, 다른 기법들과 비교에서 비교적 우수한 결과를 얻었다.

• The Journal of Information Systems
• /
• v.19 no.1
• /
• pp.19-33
• /
• 2010

생산 수율은 비선형관계를 지닌 여러 요인들에 의해 영향을 받기 때문에 반도체 생산의 경우 예측이 어렵다. 본 논문에서 저자들은 사례기반추론과 자기조직화신경망 기반의 데이터마이닝 기법을 활용하여 수율의 높고 낮음을 밝히는 지능화된 수율예측시스템을 제시한다. 이 시스템은 자기조직회신경망을 사용하여 생산 로트의 공정파라미터 패턴을 파악하고 속성가중치 기반의 사례기반추론을 통해 신규 로트의 수율 수준을 예측한다. 이때 속성가중치는 역전파인공신경망을 통해 계산된다. 웹기반 시스템이 개발되고, 반도체 생산 기업의 실제 자료를 적용하여 본 시스템의 효율을 검증하고 평가한다.

• The KIPS Transactions:PartB
• /
• v.15B no.1
• /
• pp.45-52
• /
• 2008

As the recent development of the IT services, there is a urgent need of effective diagnosis system to present appropriate solution for the complicated problems of breakdown control, a cause analysis of breakdown and others. So we propose an intelligent diagnosis system that integrates the case-based reasoning and the artificial neural network to improve the system performance and to achieve optimal diagnosis. The case-based reasoning is a reasoning method that resolves the problems presented in current time through the past cases (experience). And it enables to make efficient reasoning by means of less complicated knowledge acquisition process, especially in the domain where it is difficult to extract formal rules. However, reasoning by using the case-based reasoning alone in diagnosis problem domain causes a problem of suggesting multiple causes on a given symptom. Since the suggested multiple causes of given symptom has the same weight, the unnecessary causes are also examined as well. In order to resolve such problems, the back-propagation learning algorithm of the artificial neural network is used to train the pairs of the causes and associated symptoms and find out the cause with the highest weight for occurrence to make more clarified and reliable diagnosis.

• The Journal of Society for e-Business Studies
• /
• v.18 no.4
• /
• pp.195-214
• /
• 2013

Case-based reasoning is a methodology for solving problems more quickly and efficiently by bringing the most similar case of a given problem from past cases and transforming it to fit the current situation. The most important performance indicator of case-based reasoning is the number of cases, so it is difficult to apply the methodology for the area which has not enough cases. In this paper, we proposed a method to exchange cases based on the Semantic Web in order to overcome the problems. Inparticular, we separated cases into sub-cases to make it possible creating new cases by combining the appropriate sub-cases even if there was no proper full case. In order to achieve that, we designed an ontology that connects a case and its sub-cases, represents detailed similarity rules that compare sub-cases, and represents the rules for the combination of sub-cases. Moreover, we designed and implemented a semantic distributed case-based reasoning framework where a case requester can request sub-cases via the Web from case providers and integrates sub-cases into a new case by using the ontology.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2004.05a
• /
• pp.519-522
• /
• 2004

웹의 급격한 확산과 더불어 고객에게 맞춤화된 정보 제공의 필요성이 높아지고 있다. 또한 전자상거래 기업은 맞춤화와 개인화 서비스를 실현하기 위해서 웹 기반의 추천시스템에 많은 관심을 가지고 있다. 협업필터링(Collaborative filtering)은 개인화된 정보필터링 기법으로 추천시스템에서 가장 많이 사용되고 있다. 본 연구에서는 MovieLens 데이터 셋의 아이템속성을 고려하여 클러스터링 기반의 사례기반추론을 통한 협업필터링 추천시스템을 개발하고 기존의 방법과 제안된 모델의 성과를 비교 분석하였다.

• Journal of Intelligence and Information Systems
• /
• v.13 no.2
• /
• pp.1-14
• /
• 2007

Case-based reasoning (CBR) is one of the most widely applied data mining techniques and has proven its effectiveness in various domains. Since CBR is basically based on k-Nearest Neighbors (NN) method, the value of k affects the performance of CBR model directly. Once the value of k is set, it is fixed for the lifetime of the CBR model. However, if the value is set greater or smaller than the optimal value, the performance of CBR model will be deteriorated. In this research, we propose a new method of composing the NN set using similarity scores as themselves, which we shall call s-NN method, rather than using the fixed value of k. In the s-NN method, the different number of nearest neighbors can be selected for each new case. Performance evaluation using the data from UCI Machine Learning Repository shows that the CBR model adopting the s-NN method outperforms the CBR model adopting the traditional k-NN method.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2007.11a
• /
• pp.581-585
• /
• 2007

본 연구는 비선형적인 시계열 자료로부터 최신 데이터와 유사한 사례를 탐색하여 미래를 예측하기 위하여 유사추론 기법을 이용한 예측 알고리즘을 제안한다. 기존의 연구들이 최신 데이터와 과거 사례와의 유사성을 비교하기 위해 유클리디언 거리 또는 평균 제곱에러 등을 이용하나, 추세의 유사성을 고려하지는 않는다. 본 연구는 사례 구간 크기, 예측 오차, 평균차이 검증, 사례간 추세의 유사성 등 다차원적 유사추론 요인을 이용한 예측방법과 그 효과를 제시한다.

• Journal of Internet Computing and Services
• /
• v.12 no.5
• /
• pp.113-125
• /
• 2011

As information resources have become more various and the number of the resources has increased, knowledge customization on the social web has been becoming more difficult. To reduce the burden, we offer a framework for context-based similarity calculation for knowledge customization using ontology on the CBR. Thereby, we newly developed context- and intensity-based similarity calculation methods which are applied to extraction of the most similar case considered semantic similarity and syntactic, and effective creation of the user-tailored knowledge using the selected case. The process is comprised of conversion of unstructured web information into cases, extraction of an appropriate case according to the user requirements, and customization of the knowledge using the selected case. In the experimental section, the effectiveness of the developed similarity methods are compared with other edge-counting similarity methods using two classes which are compared with each other. It shows that our framework leads higher similarity values for conceptually close classes compared with other methods.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2000.04a
• /
• pp.427-434
• /
• 2000

사례기반 추론은 사후학습기법이기 때문에, 사례베이스의 크기가 커지면 추론의 수행시간이 증가하여 전체적인 성능을 저하시킨다. 본 연구에서는 이러한 단점을 극복하기 위하여 사례기반 시스템의 구현에 앞서 사례들이 저장되어 있는 사례베이스를 클러스터링 하였다. 클러스터링에 사용한 기법은 부분적 매칭에 의한 유사도를 기준으로 클러스터링을 하는 사례기반 클러스터링 기법이다. 도출된 클러스터 각각에 대해 가장 적합한 사례기반 시스템을 구축하여 고장진단의 분야에 적용하였다. 즉, 새로운 고장 사례가 입력되었을 때에 본 연구에서 구축된 시스템에서는 먼저 해당 클러스터를 판별한 후 그 클러스터에 적합한 사례기반 시스템으로 고장진단을 하게 되는 것이다. 그 결과, 하나의 사례기반 시스템을 구축하였을 때보다 수행시간이 감소하였으며, 적중률도 향상되었다.