• Information and Communications Magazine
• /
• v.30 no.4
• /
• pp.53-60
• /
• 2013

사용자 릴레이는 시스템 내의 사용자들이 협력을 통해 다른 사용자들에게 부가적인 정보를 제공함으로써 보다 안정적이고 효율적으로 정보를 전달 전달하는 기법이다. 사용자 릴레이를 이용한 협력통신은 기존의 협력통신이 갖는 여러 가지 제약조건들을 극복하고, 전송 효율을 향상시키기 위한 기술로 제시되었다. 본고에서는 사용자 릴레이를 이용한 협력통신 기법에 대한 전반적인 내용을 조망하고, 주요 기술 이슈들에 대해 알아본다. 또한 다양한 시스템에서의 사용자 릴레이 기법에 대한 활용과 현재까지의 주요 연구 동향에 대해 소개한다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2010.11a
• /
• pp.149-152
• /
• 2010

기존의 협력통신 관련 연구는 주로 단일 송 수신기와 다중 중계기가 존재하는 시스템 상에서 최적의 중계기를 선택하여 협력전송을 하거나 다중 중계기 모두를 이용한 협력통신이 이루어지고 반대로 단일 수신기, 중계기와 다중 송신기가 존재하는 시스템에서 최적의 사용자를 선택하는 것에 관한 것이 대부분 이었다. 하지만 실질적으로 보았을 때는 시스템 전체적인 관점에서 보았을 때 각각의 사용자에 대하여 최선의 중계기를 선택할 경우 오히려 전체적인 시스템 성능은 떨어질 수 있다. 본 논문에서는 다중사용자 협력시스템에서 각각의 사용자들이 자신들의 중계기 역할을 할 사용자를 선택하는 기법에 대하여 알아본다. 각 사용자에 대하여 자신이 중계기 역할을 할 경우 복호및재전송 기법을 이용하여 중계역할을 하고 그렇지 않을 경우 자신의 신호를 재전송한다. 제안된 시스템에서의 각 사용자에 대한 불능확률을 구하고 그것을 기반으로 사용자를 선택하게 된다. 모의실험을 통해 제안된 시스템에서의 사용자 선택 기법들의 성능을 알아보았고 이를 평균 불능확률로 나타내었다. 모의실험 결과 제안된 시스템에서 랜덤선택은 협력통신을 하지 않은 경우보다 안 좋은 성능을 보였고 나머지 기법들의 경우 협력통신을 하지 않은 경우보다 월등히 좋은 성능을 보였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2009.11a
• /
• pp.471-472
• /
• 2009

여러 개의 섹터에 존재하는 안테나들로부터 협력적으로 신호를 전송 받는 다수의 사용자를 시간축에서 선택하는 스케쥴러의 성능을 시스템 전체 성능과 평등성 지표의 관점에서 개선하기 위하여 섹터 간의 협력을 고려할 수 있다. 기존 스케쥴러는 단일 셀에서의 사용자를 선택하는 방식으로 평등성 지표의 향상만을 고려하였으나 제안하는 섹터 간 협력 비례적 평등 스케쥴러는 동시 전송 사용자들 간의 채널의 직교성을 고려함으로써 시스템 전체 성능과 하위 사용자의 성능을 개선할 수 있다. 본 논문에서는 총 3 개의 인접한 섹터로 이루어진 분산 다중 안테나 시스템에 스케쥴러를 적용하고 그 성능을 분석한다. 섹터 간 협력 비례적 평등 스케쥴러는 각 섹터에 존재하는 사용자들의 채널 직교성을 활용하는 동시에 채널 변화 속도가 빨라짐에 따른 다이버시티 효과를 이용하여 시스템 전체 성능을 크게 향상시킨다. 또한 이 방식은 하위 사용자 성능이 우수한 수정된 협력 최대-최소 평등 스케쥴러의 하위 사용자 성능의 최고 99%의 성능을 달성한다.

• Journal of KIISE:Software and Applications
• /
• v.31 no.8
• /
• pp.1062-1072
• /
• 2004

Collaborative filtering systems based on ｛user-document｝ matrix are effective in recommending web documents to user. But they have a shortcoming of decreasing the accuracy of recommendations by the first rater problem and the sparsity. This paper proposes the automatic preference rating method that generates user profile to solve the shortcoming. The profile in this paper is content-based collaborative user profile. The content-based collaborative user profile is generated by combining a content-based user profile with a collaborative user profile by mutual information method. Collaborative user profile is based on ｛user-document｝ matrix in collaborative filtering system, thus, content-based user profile is generated by relevance feedback in content-based filtering systems. After normalizing combined content-based collaborative user profiles, it automatically rates user preference by reflecting normalized profile in ｛user-document｝matrix of collaborative filtering systems. We evaluated our method on a large database of user ratings for web document and it was certified that was more efficient than existent methods.

• The KIPS Transactions:PartB
• /
• v.10B no.3
• /
• pp.273-280
• /
• 2003

Recommender System can help users to find products to Purchase. A representative method for recommender systems is collaborative filtering (CF). It predict products that user may like based on a group of similar users. User information is based on user's ratings for products and similarities of users are measured by ratings. As user is increasing tremendously, the performance of the pure collaborative filtering is lowed because of high dimensionality and scarcity of data. We consider the effect of dimension deduction in collaborative filtering to cope with scarcity of data experimentally. We suggest that SVD improves the performance of collaborative filtering in comparison with pure collaborative filtering.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.13 no.5
• /
• pp.1043-1050
• /
• 2018

In this paper, we propose a reinforce learning based on cooperative sensing scheme to select optimal secondary users(SUs) to enhance the detection performance of spectrum sensing in Cognitive radio(CR) networks. The SU with high accuracy is identified based on the similarity between the global sensing result obtained through cooperative sensing and the local sensing result of the SU. A fusion center(FC) uses similarity of SUs as reward value for Q-learning to determine SUs which participate in cooperative sensing with accurate sensing results. The experimental results show that the proposed method improves the detection performance compared to conventional cooperative sensing schemes.

• The KIPS Transactions:PartB
• /
• v.8B no.2
• /
• pp.144-154
• /
• 2001

협력적 여과 시스템은 사용자가 검색하고 읽었던 웹문서를 기반으로 사용자 군집을 생성하여 웹문서의 정확한 추천을 가능하게 한다. 이러한 목적으로 설계된 다양한 알고리즘이 있으나 속도가 느리거나 정확도가 낮다는 등의 단점이 있다. 본 논문에서는 이러한 단점을 보완하기 위하여 협력적 여과 시스템을 위한 효과적인 사용자 군집 알고리즘인 CUG알고리즘은 사용자 군집을 생성하기 위해 Apriori 알고리즘, Native Bayes 알고리즘을 이용한다. Apriori 알고리즘은 연관 단어 지식 베이스를 구축하고, Native Bayes 알고리즘은 구축된 연관 단어 지식 베이스에 가중치를 추가하며, 사용자가 검색하여 읽은 웹문서를 클래스별로 분류한다. CUG 알고리즘은 분류된 웹문서를 기반으로 하여 사용자 군집을 만든다. 이러한 방법으로 설계된 CUG 알고리즘은 사용자들이 사용할 문서를 미리 검색하여 저장함에 의해 정보검색의 효율성을 향상시키는데 사용될 수 있다. 본 논문에서 설계한 CUG 알고리즘의 선능을 평가하기 위하여 기존의 K-means 방법과 Gibbs샘플링 방법에 의한 군집과 비교한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10d
• /
• pp.271-273
• /
• 2002

추천 시스템에서 사용되고 있는 중요한 방법인 협력적 여과는 유사한 사용자들에 기초하여 그 사용자들이 선호하는 아이템을 교차 추천을 해주는 방법이다. 사용자들에 대한 정보는 아이템을 평가한 등급에 기초하며, 그 평가 등급 패턴이 유사한 사용자를 찾게 된다. 협력적 여과는 사용자와 정보의 증가에 따라서 성능이 저하되는 문제점을 가지고 있다. 이러한 문제점을 해결하기 위하여 SVD, PCA, LSI와 같은 차원 감소 방법이 제시되어 왔으나, 이러한 방법은 계산 비용이 크다는 단점을 가지고 있다. 따라서, 계산 비용이 적고, 정확성에 있어서도 충분히 정확한 임시 사상이 최근에 주목을 받고 있다. 본 논문에서는 임의 사상을 이용한 차원 감소 방법이 협력적 여과에 미치는 효과를 실험을 통하여 제시한다. 실험적으로, 임의 사상 방법은 협력적 여과에서 충분히 정확한 성능을 보였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2016.01a
• /
• pp.81-82
• /
• 2016

최근 사용자들의 추천 서비스를 위해 다른 사용자들의 평가값을 이용하여 특정 사용자에게 서비스를 추천해주는 추천 시스템은 협력 필터링 방법을 널리 사용되고 있다. 하지만 이러한 추천 시스템은 클러스터링 과정에서 이미 분류된 그룹에 특정 사용자가 분류되어 정확히 분류되지 못하고, 사용자들의 평가값 오차가 클 경우 정확하지 못한 결과를 추천하는 문제점이 있다. 본 논문에서는 이러한 문제점을 해결하기 위하여 협력 필터링 알고리즘을 클러스터링 기반으로 분산 환경에서 구현하여, 추천의 효과를 최적화 하는 기법을 제안하며 하둡 및 스파크 기반으로 시스템을 구성하여 협력 필터링 추천 알고리즘을 비교 하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10a
• /
• pp.184-186
• /
• 2003

기존의 사용자 기반 협력적 필터링이 가지는 단점으로 지적되었던 희박성과 확장성의 문제를 아이템 기반 협력적 필터링 기법을 통하여 개선하려는 연구가 진행되어 왔다. 실제로 많은 성과가 있었지만. 여전히 명시적 데이터를 기반으로 하기 때문에 희박성이 존재하며, 아이템의 속성이 반영되지 않는 문제점이 있다. 본 논문에서는 기존의 아이템 기반 협력적 필터링의 문제점을 보완하기 위하여 사용자와 아이템의 혼합 협력적 필터링에서 Naive Bayesian 알고리즘을 이용한 추천 방법을 제안한다. 제안된 방법에서는 각 사용자와 아이템에 대한 유사도 검색 테이블을 생성한 후, Naive Bayesian 알고리즘으로 아이템을 예측 및 추천함으로써, 성능을 개선하였다. 성능 평가를 위해 기존의 아이템 기반 협력적 필터링 기술과 비교 평가하였다.