• 지능정보연구
• /
• 제13권2호
• /
• pp.69-80
• /
• 2007

고객의 선호도는 시간에 따라 변화하지만 기존 협업필터링기법(Collaborative Filtering : CF)은 정적인 데이터만을 다룬다. 이는 기존 CF 기법이 특정 기간 동안 고객의 구매 여부만 고려할 뿐 고객의 구매순서를 사용하지 않기 때문이다. 따라서 기존 CF 기법은 고객의 동적인 데이터인 구매순서를 고려함으로써 추천의 품질을 높일 가능성이 있다. 본 연구에서는 고객의 구매순서를 활용함으로써 CF 기법의 추천 품질을 향상시키는 새로운 상품추천 방법론을 제안한다. 즉, 군집분석기법인 자기조직화지도(Self-Organizing Map : SOM)를 활용하여 고객의 구매순서를 파악한 후 연관규칙탐사(Association Rule Mining : ARM)를 사용하여 고객들의 구매순서 중 일정 정도의 통계적인 타당성을 갖는 구매순서 패턴을 찾아내어 이를 추천 시에 활용한다. 대형 백화점의 구매자료에 적용하여 제안한 방법론의 효과성을 실험한 결과 제안한 방법론이 기존 CF 기법보다 우수한 추천품질을 가지고 있음이 실증적으로 확인되었다.

• 한국멀티미디어학회논문지
• /
• 제16권7호
• /
• pp.802-809
• /
• 2013

본 논문에서는 프로그래밍 언어에 정의되는 지정자와 키워드가 프로그램 코드 상에서 연속적인 패턴으로 나타나게 될 때, 해당 연속 패턴들의 빈도와 길이를 측정하여 두 코드 사이의 유사성을 측정하는 기법을 제안한다. 또한, 이러한 분석 결과를 정형적 개념 분석 기법을 이용하여 가시화하는 기법을 제안한다. 제안 기법은 기존의 유사도 측정 기법에서는 고려하지 않았던 단어 인접성을 유사도 측정에 반영한다. 함수 단위로 지정자와 키워드 패턴을 이용하여 함수의 호출 순서나 수행 순서에 상관없이 표절을 탐지할 수 있다. 또한, 유사도 측정 결과는 정형적 개념 분석 기법을 이용하여 격자(lattice)로 시각화되어 사용자의 이해도를 높일 수 있다. 실험 결과 제안 기법은 96%의 표절 탐지 성공률을 보여주었다. 제안 기법은 프로그램 코드 뿐만 아니라 일반 문서의 분석에도 적용될 수 있다.

• 한국콘텐츠학회논문지
• /
• 제9권12호
• /
• pp.537-545
• /
• 2009

본 논문에서는 이동통신망을 위한 효율적인 멀티캐스트 인과순서 알고리즘과 채널전환 프로토콜을 제안하였다. 메시지 전달 순서를 유지하기 위한 제어정보의 크기는 이동통신망에서의 채널전환과 메시지 전송성능에 큰 영향을 주므로 제어정보의 크기를 최소화할 필요가 있다. 이를 위해 모든 유효한 통신패턴을 분석하여 인과순서를 유지하는데 필수적이지 않은 중복정보를 가능한 이른 시기에 찾아내어 제거하고, 전송되는 제어정보를 최소화하는 채널전환 프로토콜을 사용하였다. 시뮬레이션을 통해 제안한 알고리즘이 기존의 알고리즘보다 더 좋은 성능을 보임을 보였다.

• 프린팅코리아
• /
• 제9권1호
• /
• pp.110-113
• /
• 2010

이번 회에서는 실제 명함을 만들면서 인디자인의 전반적인 편집 직업 과정을 익혀 본다. 간단한 명함 만들기 과정을 살펴보면서 Illustrator와의 연계 사용이나 전체적인 작업 순서 습득에 대한 지식을 익힐 수 있을 것이다. 본 설명은 의 일부 내용을 발췌한 것으로 Window XP 운영체제에서 인디자인 CS3을 사용한 모습니다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2011년도 한국컴퓨터종합학술대회논문집 Vol.38 No.1(C)
• /
• pp.331-334
• /
• 2011

입력 데이터의 공통적인 특징을 찾아내는 방법은 기계 학습 분야의 중요한 분야이다. 일반적으로 입력 데이터의 형태적 패턴을 찾아내는 알고리즘들이 많이 연구되었는데, 최근에는 데이터의 입력 순서 또는 데이터 사이의 시간적 인과 관계와 같이 시간에 연관된 패턴을 찾는 방법이 주목을 받고 있다. 우리는 형태적 혹은 공간적 패턴 탐색에 뛰어난 성능을 보이는 하이퍼네트워크 모델을 확장하여 입력 데이터의 시공간적 패턴을 찾는 방법을 제시한다. 하이퍼네트워크는 두 개 이상의 변수를 하나의 엣지로 연결하여 문제공간을 탐색하는 모델로, 시간과 공간의 변수를 동시에 고려하여 데이터의 특성을 찾아내는 데에 적합하다. 이를 확인하기 위하여 사람의 EEG 신호를 분석하였는데, 시각적인 정보를 처리할 때와 언어적 정보를 처리할 때의 특징적인 패턴들을 찾았다.

• 대한전자공학회논문지SP
• /
• 제40권1호
• /
• pp.96-102
• /
• 2003

비디오 복사 방지(video copy detection)는 기존의 워터마킹 방법과 반대의 개념으로, 비디오 스트림에 독특한 패턴을 첨가하는 워터마킹에 비해, 비디오 복사 방지 기법은 비디오의 복사판을 검출하기 위해 패턴을 첨가하지 않고 비디오의 내용 기반 특징(content-based signature)을 비교한다. 기존의 일반적인 내용 기반 복사 방지방법은 이미지 정합을 사용하였으나, 본 논문은 비디오 복사방지를 위해 가능한 두 가지의 새로운 순서정합(sequence matching) 알고리즘을 제안하고, 기존의 방법 중 칼라 정합 방법과 성능을 비교 분석하였다. 모션, 명암도와 칼라 기반 특징을 복사 방지 관점에서 비교하고, 영화클립에 대해 실험한 결과를 제시한다.

• 지능정보연구
• /
• 제16권3호
• /
• pp.55-75
• /
• 2010

일반적인 순차패턴 마이닝에서는 분석 대상 데이터 집합에 포함되는 구성요소의 발생 순서만을 고려하며, 따라서 단순 순차패턴은 쉽게 찾을 수 있는 반면 실제 응용 분야에서 널리 활용될 수 있는 관심도가 큰 순차패턴을 탐색하는데 한계가 있다. 이러한 단점을 보완하기 위한 대표적인 연구 주제들 중의 하나가 가중치 순차패턴 탐색이다. 가중치 순차패턴 탐색에서는 관심도가 큰 순차패턴을 얻기 위해서 구성요소의 단순 발생 순서 뿐만 아니라 구성요소의 가중치를 추가로 고려한다. 본 논문에서는 발생 간격에 기반 한 순차패턴 가중치 부여 기법 및 이를 활용한 순차 데이터 스트림에 대한 가중치 순차패턴 탐색 방법을 제안한다. 발생 간격 기반 가중치는 사전에 정의된 별도의 가중치 정보를 필요로 하지 않으며 순차정보를 구성하는 구성요소들의 발생 간격으로부터 구해진다. 즉, 순차패턴의 가중치를 구하는데 있어서 구성요소의 발생순서와 더불어 이들의 발생 간격을 고려하며, 따라서 보다 관심도가 크고 유용한 순차패턴을 얻는데 도움이 된다. 한편, 근래 대부분의 컴퓨터 응용 분야에서는 한정적인 데이터 집합 형태가 아닌 데이터 스트림 형태로 정보를 발생시키고 있다. 이와 같은 데이터 생성 환경의 변화를 고려하여 본 논문에서는 순차 데이터 스트림을 마이닝 대상으로 고려하였다.

• 한국경영과학회:학술대회논문집
• /
• 한국경영과학회 1998년도 추계학술대회 논문집
• /
• pp.381-384
• /
• 1998

방대한 양의 데이터들 속에 존재하는 일관된 흐름이나 경향을 파악해 내는 데이터 마이닝에 대한 관심이 확산되고 있다. 특히 항목들 상호간의 연관성을 나타내는 연관 규칙과 시간 개념이 포함되어 항목들 사이의 순서를 찾아내는 순차 패턴의 탐사는 데이터 마이닝에서 중요한 역할을 하고 있다. 본 논문에서는 트랜잭션 데이터베이스에서 연관 규칙과 순차 패턴을 탐사하는 시스템의 설계 및 구현에 관하여 기술한다. 연관 규칙을 위해 Aproiri, DHP를, 순차패턴을 위해 AprioriAll등 기존에 연구된 대표적인 알고리즘들을 사용하였고, Windows NT상에서 Visual C++과 JAVA언어로 구현하였다. 편리한 사용자 환경 구축을 위해, 데이터의 입력 형식으로 텍스트 타입과 MDB(Microsoft Access)형태를 모두 처리할 수 있게 하였고, 출력형식은 스프레드시트이다. 입력 데이터로 실험 데이터와 통계청의 DB 이용 로그 데이터에 대하여 본 시스템 을 수행하였다.

• 한국통신학회논문지
• /
• 제26권7A호
• /
• pp.1162-1169
• /
• 2001

유연 패턴은 시간 축으로 확장 및 수축할 수 있는 요소들의 순서화된 리스트이다. 유연 패턴은 서로 다른 샘플링 비율을 갖는 데이터 시퀀스들로부터 규칙들을 찾아내는데 유용하게 사용된다. 본 연구에서는 헤드(head: 규칙의 왼쪽 부분)와 바디(body: 규칙의 오른쪽 부분)가 모두 유연 패턴으로 구성된 규칙들을 신속하게 찾도록 하기 위하여 데이터 시퀀스로부터 서픽스 트리(suffix tree)를 구성한다. 이 서픽스 트리는 유연 규칙들의 압축된 표현이며, 타깃 헤드 시퀀스와 매치되는 규칙을 찾기 위한 인덱스 구조로서 사용된다. 만일, 매치되는 규칙을 찾을 수 없는 경우에는 규칙 완화(rule relaxation)의 개념을 이용한다. 클러스터 계층(cluster hierarchy)과 완화 오차(relaxation error)를 사용하여 타깃 헤드 시퀀스의 고유한 정보를 대부분 포함하고 있는 최소한으로 완화된 규칙을 찾는다. 다양한 실험을 통한 성능 평가를 통하여 제안한 기법의 우수성을 검증한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 가을 학술발표논문집 Vol.31 No.2 (1)
• /
• pp.130-132
• /
• 2004

본 연구에서는 FMM 신경망을 이용한 패턴 분류 문제에서 학습 패턴에 포함되는 특징의 발생 빈도와 특징 값의 분포를 고려하는 네트워크 구조와 학습 방법론을 소개한다. 이를 위하여 하이퍼박스 소속함수의 산출 과정에 세부특징에 대한 가중치 개념이 적용되는 새로운 활성화 특성을 제안한다. 또한 하이퍼박스의 특징 범위와 빈도 및 특징 값의 분포를 유지하고 새롭게 정의된 하이퍼박스 생성, 확장, 축소기법을 적용한다 이는 가중치 개념을 통하여 각 특징별 중요도를 서로 다른 값으로 반영할 수 있게 하며, 특징의 분포 정보가 고려되어 기존 FMM 모델에 비하여 노이즈에 의한 영향을 개선하여 학습 효과를 증진시킬 뿐만 아니라 하이퍼박스의 생성 및 확장 과정 중에 학습패턴의 순서에 상관없이 동일한 특성을 보일 수 있게 한다.