• Proceedings of the Korea Information Processing Society Conference
• /
• 한국정보처리학회 2011년도 춘계학술발표대회
• /
• pp.1229-1230
• /
• 2011

다차원 점들로 구성된 점집합이 주어졌을 때, 그 집합에 속한 다른 점들에 지배되지 않는 점들로 구성된 부분집합을 스카이라인이라고 한다. 방대한 양의 다차원 정보를 다차원 점집합으로 보았을 때 그 집합의 스카이라인은 사용자가 의사 결정을 할 때 유용한 정보일 수 있으므로, 스카이라인을 신속하게 계산하려는 데 많은 관심이 모아지고 있다. 최근에는 방대한 크기의 점집합에 대해 스카이라인을 신속하게 계산하는 알고리즘들이 많이 개발되었다. 그러나 점집합이나 그 점집합의 스카이라인이 매우 큰 경우에 스카이라인 전체를 계산하는 것은 실제 사용자에게 큰 도움이 되지 않을 수가 있다. 이 논문에서는 스카이라인을 계산하기 전에 사용자가 자신의 선호도를 거리나 개수로 제시하는 경우, 이를 반영하여 사용자의 선호도를 가장 잘 만족하는 스카이라인 일부분을 구하는 방법을 제안한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 한국정보과학회 2010년도 한국컴퓨터종합학술대회논문집 Vol.37 No.1(C)
• /
• pp.175-180
• /
• 2010

스카이라인 질의는 사용자의 선호도를 고려하여 무수히 많은 데이터로부터 사용자에게 유용한 정보만을 반환한다. 스카이라인을 효율적으로 계산하기 위한 많은 방법들이 연구 되었지만, 그 중에서도 스카이라인질의 기능이 제공되지 않는 일반적인 데이터베이스로부터 스카이라인을 계산할 수 있는 최적의 알고리즘인 Sort and Limit Skyline Algorithm(SaLSa)이 있다. SaLSa는 정렬된 데이터와 정지점의 활용으로 전체 데이터 중 일부만 읽으며 스카이라인을 구할 수 있다. 정지점을 중간에 계산하는 SaLSa는 정지점의 기능을 충분히 활용하지 못한다. 본 논문에서는 정지점을 미리 계산하여 정지점의 제거기능을 최대화시킨 효율적인 스카이라인 알고리즘 Skyline with Transformation(SWT)을 제안하고, 실험을 통해 SWT가 SaLSa에 비해 데이터 제거 효과 및 스카이라인 질의 처리 속도가 우수함을 검증한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 한국정보처리학회 2014년도 춘계학술발표대회
• /
• pp.712-714
• /
• 2014

스카이라인 계산은 사용자에게 의미 있는 정보를 추천하기 위해 많이 사용되고 있다. 일반적으로 스카이라인은 대용량 데이터 집합을 대상으로 하기 때문에 사전에 계산해 놓고 사용한다. 그러나 사용자가 이동하는 경우에는 이와 같이 계산해 놓은 스카이라인이 사용자의 위치 조건을 반영한 것이 아니므로 부적절할 수 있다. 본 연구에서는 사용자가 이동하는 조건을 고려하여 사용자에게 실시간으로 최적화된 스카이라인을 지속적으로 제공하는 기법을 제안한다. 제안한 기법은 실험을 통해 그 효율성을 검증하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 한국정보처리학회 2016년도 춘계학술발표대회
• /
• pp.582-584
• /
• 2016

데이터의 다차원 특성을 고려한 스카이라인 계산은 의사결정 시스템이나 추천 시스템 등에 활용도가 높은 질의 처리이다. 최근 들어 빅데이터의 분석에도 스카이라인 질의가 유용하게 사용됨에 따라, 맵리듀스 환경에서 스카이라인 질의를 효율적으로 계산하는 데에 많은 관심이 집중되고 있다. 본 연구에서는 데이터 필터링을 적용하여 기존의 기법들과는 달리 하나의 잡(job)으로 스카이라인을 신속하게 계산하는 알고리즘을 소개한다. 제안하는 기법은 기존의 기법들에 비해 효율적이다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 한국정보처리학회 2012년도 춘계학술발표대회
• /
• pp.1065-1067
• /
• 2012

의사 결정을 위한 추천 시스템에 유용하게 쓰이는 스카이라인 계산은 데이터간의 비교에 상당한 시간이 소요되기 때문에 추천 서비스를 실시간에 하기 위해서는 스카이라인을 사전에 계산해 두는 것이 일반적이다. 그러나 모바일 환경에서는 사용자의 위치에 따라 스카이라인이 변하기 때문에, 사전에 계산해 놓은 스카이라인을 조정하는 다양한 연구가 진행되고 있다. 본 연구에서는 이동하는 사용자에게 품질 높은 데이터를 추천해 주기 위해 스카이라인을 확장하는 기법들을 제안하고 이들을 분석해 보고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 한국정보처리학회 2016년도 춘계학술발표대회
• /
• pp.55-58
• /
• 2016

스카이라인 질의란 다수의 선택지 중 '선호될 만한(preferable)' 선택지를 요청하는 질의이다. 사용자가 검토해야하는 선택지의 수를 대폭 감소시키는 스카이라인 질의는 데이터가 폭증하는 빅데이터 환경에서 매우 유용하게 활용된다. 이러한 배경에서 대용량 데이터에 대한 스카이라인 질의를 분산 병렬 처리하는 기법이 각광을 받고 있으며, 특히 맵리듀스(MapReduce) 기반의 분산 병렬 처리 기법 연구가 활발히 진행 중이다. 맵리듀스 기반 알고리즘의 병렬성 제고를 위해서는 부하 불균등 문제 중복 계산 문제 과다한 네트워크 비용 발생 문제를 해소해야 한다. 최근 각 기반 공간분할 기법을 사용하여 부하 불균등 문제와 중복 계산 문제를 해소하는 맵리듀스 기반 스카이라인 질의 처리 기법이 제안되었으나 해당 기법은 네트워크 비용 관점에서 최적화되어있지 않다. 본 논문에서는 부하 불균등 문제와 중복 계산 문제를 해소하면서도 프루닝을 통해 네트워크 비용 절감 시킬 수 있는 새로운 맵리듀스 기반 병렬 스카이라인 질의 처리 기법인 MR-SEAP(MapReduce sample Skyline object Equality Angular Partitioning)을 제안한다. MR-SEAP에서는 데이터를 샘플링하여 샘플 스카이라인 객체를 추출한 뒤 해당 객체들을 균등 분배하는 각도를 기준으로 공간을 분할하여 스카이라인 질의를 병렬 계산하되, 샘플 스카이라인을 이용하여 다수의 객체를 사전에 프루닝함으로써 네트워크 비용을 절감한다. 본 논문에서는 다양한 데이터 수량(cardinality) 및 분포(distribution)에 따른 제안 기법의 성능을 실험 평가함으로써 제안 기법의 우수성을 검증한다.

• The KIPS Transactions:PartD
• /
• 제18D권5호
• /
• pp.313-316
• /
• 2011

The skyline of a multi-dimensional data set is a subset that consists of the data that are not dominated by other members of the set. Skyline computation can be very useful for decision making for multi-dimensional data set. However, in case that the skyline is very large, it may not be much useful for decision making. In this paper, we propose an algorithm for computing a part of the skyline considering location restrictions that the user provides, such as origin movement, degree ranges and/or distances from the origin. The algorithm eliminates noncandidate data rapidly, and returns in order the skyline points that satisfy the user's requests. We show that the algorithm is efficient by experiments.

• Journal of KIISE:Databases
• /
• 제35권2호
• /
• pp.182-191
• /
• 2008

Most of previous works for skyline queries have focused only on static attributes of target objects. With the advance in mobile applications, however, the need of continuous skyline queries for moving objects has been increasing. Even though several techniques to process continuous skyline queries have been proposed recently, they cannot process subspace queries, which use only the subset of attribute dimensions. Therefore it is not feasible to utilize those methods for mobile applications which must consider moving objects and subspaces simultaneously. In this paper, we propose a dominant object-based pruning method to compute subspace skyline of moving objects efficiently at query time and present the experimental results to show the effectiveness of the proposed method.

• Journal of KIISE:Databases
• /
• 제34권1호
• /
• pp.70-83
• /
• 2007

Most of works for skyline queries have focused on static data objects. With the advance in mobile applications, however, the need of continuous skyline queries for moving objects has been increasing. To process continuous skyline queries, the 4-phased decision method of skyline regions has been proposed recently. However, it is not feasible for a large number of data because of the high cost of computing skyline regions. To solve this problem, this paper first provides a theoretical analysis of the 4-phased decision method. Then we propose a progressive decision method of skyline regions for the 4-phased decision method, which consists of a distance-based pruning and an extent shrinking of region decision lines. The proposed method can efficiently reduce the cost of the decision of skyline region in the 4-phased decision method. This paper also presents the experimental results to show the effectiveness of the proposed method.

• KIPS Transactions on Software and Data Engineering
• /
• 제1권1호
• /
• pp.7-18
• /
• 2012

It has been studied to support data having multiple properties, called Skyline Query. The skyline query is not exploring data having all properties but only meaningful data, when we retrieve informations in large data base. The skyline query can be used to provide some information about various environments and situations in sensor network. However, the legacy skyline query has a problem that increases the number of comparisons as the number of sensors are increasing in multi-dimensional data. Also important values are often omitted. Therefore, we propose a new method to reduce the complexity of comparison where the large number of sensors are placed. To reduce the complexity, we transfer a CMF(Category Based Member Function) which can identify preference of specific data when interest query from sync-node is transferred to sub-node. To show the validity of our method, we analyzed the performance by simulations. As a result, it showed that the time complexity was reduced when we retrieved information in multiple sensing data and omitted values are detected by great dominance Skyline.