• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.8 no.6
• /
• pp.1284-1290
• /
• 2004

In market-basket analysis, weighted association rule(WAR) discovery can mine the rules which include more beneficial information by reflecting item importance for special products. However, when items are divided into more than one group and item importance for each group must be measured by different measurement or separately, we cannot directly apply traditional weighted association rule discovery. To solve this problem, we propose a novel methodology to discovery the weighted association rule in this paper In this methodology, the items should be first divided into sub-groups according to the properties of the items, and the item importance is defined or calculated only with the items enclosed to the sub-group. Our algorithm makes qualitative evaluation for network risk assessment possible by generating risk rule set for risk factor using network sorority data, and quantitative evaluation possible by calculating risk value using statistical factors such as weight applied in rule generation. And, It can be widely used for new model of more delicate analysis in market-basket database in which the data items are distinctly separated.

• Journal of Korea Game Society
• /
• v.21 no.4
• /
• pp.117-130
• /
• 2021

The purpose of this paper is to study users' intention on paid game items through language network analysis. The functional item buying group considered the capabilities and strength of the game character as the most important factor for the winning of the games while the decorative game item buying users considered self-satisfaction for the unique outfit of their game character. Moreover, they reflected their game characters as themselves and another ego.

• Journal of Korean Society of Transportation
• /
• v.16 no.2
• /
• pp.107-114
• /
• 1998

복잡해져가고 있는 현재의 교통상황에서 최근 개발되고 있는 HUD(Head-up Display)의 경우는 기능이 다양하므로 운전중 많은 정보가 운전자에게 제시되어야 한다. 이러한 많은 정보를 제공하고 디스플레이하기에는 HUD의 크기에 한계가 있으며, 운전중 운전자에게 부하를 가중시켜 안전에 큰 영향을 미칠 수 있다. 따라서 HUD에 제공될 정보에 대하여 인간공학적 접근과 사용자들의 선호에 맞추는 HMI(Human Machine Interface)연구를 통하여 제시아이템에 대한 중요도 및 우선순위를 파악하고 제시아이템의 아이콘의 형태 및 색채를 결정하는 것은 운전중 안전사고에 대한 발생확률을 감소시킬 수 있을 것이다. 그러므로 본 연구에서는 제시 아이템과 제시 아이콘에 대한 중요도를 파악하였다. 그리고 제시 아이콘의 형태와 색채에 대한 주관적 평가를 통해 그에 대한 아이콘의 형태 및 색채에 대한 새로운 평가 방법에 의한 가이드라인을 제시하고자 한다. 또한 이러한 연구를 통하여 ITS내의 인간요소적인 측면을 고려하여 인간친화적인 ITS구축이 가능할 것이다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2007.05a
• /
• pp.321-328
• /
• 2007

데이터마이닝은 대용량의 데이터에 숨겨진 의미있고 유용한 패턴과 상관관계를 추출하여 의사결정에 활용하는 작업이다. 그 중에서도 고객 트랜잭션의 데이터베이스에서 아이템 사이에 존재하는 연관규칙을 찾는 것은 중요한 일이 되었다. Apriori 알고리즘 이후 연관규칙을 찾기 위해 대용량 데이터베이스로부터 압축된 의미있는 정보를 저장하기 위한 데이터 구조와 알고리즘들이 제안되어 왔다. 본 논문에서는 정점으로 아이템을 표현하고, 간선으로 두 아이템집합을 표현하는 빈발 패턴 네트워크(FPN)이라 불리는 새 자료 구조를 제안한다. 빈발 패턴 네트워크에서 아이템 사이의 연관 관계를 발견하기 위해 이 구조를 어떻게 효율적으로 사용 하느냐에 초점을 두고 있다. 구조의 효율적인 사용을 위하여 한 아이템이 클러스터 내의 아이템과는 유사도가 높고, 다른 클러스터의 아이템과는 유사도가 낮도록 네트워크의 정점을 클러스터링하는 방법을 사용한다. 실험은 신뢰도, 상관관계 그리고 간선 가중치 유사도를 이용하여 네트워크에서 아이템 클러스터링의 정확도를 보여준다. 본 논문의 실험 결과를 통해 신뢰도 유사도가 네트워크의 정점을 클러스터링할 때 클러스터의 정확성에 가장 많은 영향을 미친다는 것을 알 수 있었다.

• Journal of Service Research and Studies
• /
• v.3 no.1
• /
• pp.1-7
• /
• 2013

We have to select business Item at various alternatives through BMO Evaluation Method. This study suggested selection method best business item using Visual Basic Program. Selection item of business item is technically power, capital strength, business administration capability, Maketings, Possible total sales, Goods of future growth, Expectations of competition goods, Creation of goods, and Management. Evaluation of each item value, add total values. It is important that business item selected well for adapted business. It should be able to decide business item using this study's program.

• 한국벤처창업학회:학술대회논문집
• /
• 2021.04a
• /
• pp.27-32
• /
• 2021

최근 산업계 전반은 코로나19 장기화에 따라 빠른 속도로 디지털트랜스포메이션이 가속화 되고 있다. 디지털트랜스포메이션의 비즈니스 모델은 기업의 성과에 영향을 미치는데, 새로운 비즈니스 모델로서의 가능성은 기업의 성과와 결과에 영향을 미친다. 또한 산업생태계 자체가 디지털 기술로 인해 재구성되는 디지털 변혁 시대 스타트업의 하이퍼스케일업(Hyper-Scaleup)이 중요해지고 있다. 코로나 대유행시기 동안 사회적 거리두기 정책으로 인해 스타트업은 많은 손실을 경험하였고, 이러한 문제를 극복하기 위해 비즈니스 피벗이 필요하며 비즈니스 전환은 필수이다. 물리적 제한이 없는 디지털 세계에서 변화하는 고객의 변화에 신속하게 대응해야 하고 이러한 변화 대응력을 높여야 하는 벤처 생태계를 중심으로 피벗이 중요한 비즈니스 전략으로 등장하고 있다. 이에 따라 본 연구에서는 첫째, 스타트업의 새로운 가치창출을 위해 창업아이템, 하이퍼스케일업, 비즈니스 피벗의 개념을 분석하였다. 둘째, 창업생태계의 디지털 전환 시점에서 창업아이템과 하이퍼스케일업이 창업성과와의 실증 분석을 통해 유의한 영향 관계를 규명하였다. 셋째, 창업아이템과 하이퍼스케일업이 창업성과에 영향을 미칠 때 비즈니스 피벗의 조절효과를 분석하였다. 마지막으로 이러한 연구결과를 바탕으로 스타트업 관점에서 디지털트랜스포메이션을 바르게 이해하고, 실무적 시사점을 제시하였다.

• 한국경영정보학회:학술대회논문집
• /
• 2007.11a
• /
• pp.493-500
• /
• 2007

대부분의 온라인 게임에서는 아이템이나 사이버머니를 얻는 생산활동과 아이템을 구입하는 소비활동이 일어나는 등, 일종의 경제 시스템을 이루고 있다. 특히 최근에는 플레이어들이 아이템 현금 거래를 통해 현실과 게임간의 경제적 상호활동을 하고 있기 때문에, 게임 내에서 발생하는 경제 문제가 실제 게임업체의 매출과 수익성에도 영향을 줄 수 있다. 온라인 게임 내의 사이버머니 통화량 및 아이템 유통량에 대해 어떤 경제 정책을 세우는가에 따라 게임 서비스 회사의 수익성이 좌우된다. 때문에 게임 내부의 경제와 실물 경제의 상호 연관성을 파악하는 것이 게임 경영에 있어 중요한 이슈로 대두되고 있다. 본 연구에서는, 게임 속에서 구체적으로 어떠한 경제문제가 발생할 수 있으며, 그것이 유저의 게임동기와 회사의 수익성에 어떤 영향을 끼치게 되는지 파악하고자 하였다. 시스템 다이내믹스 방법론을 이용하여 온라인 게임의 일반 경제 모형을 개발하고, 이를 이용하여 몇 가지 시나리오에 대한 동태적인 시뮬레이션을 수행하였다. 이를 통해, 온라인 게임을 경영함에 있어 고려해야 할 주요 문제들에 대하여 논하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.10b
• /
• pp.125-127
• /
• 2000

협력적 여과는 사용자의 아이템에 대한 단계적 평가에 기초하여 그 평가 패턴이 유사한 사용자를 찾아 그 사용자들이 선호한 아이템을 상대방에게 교차 추천을 해주는 방법이다. 따라서, 유사한 사용자를 찾는 방법이 중요한 문제가 되며, 현재까지 여러 가지 방법들이 제안되어 왔다. 순수한 협력적 여과 방법은 n차원 공간에서 사용자를 모델링하여 가장 유사한 이웃을 찾는다. 이러한 모델링의 문제점은 사용자가 평가한 아이템의 집합은 전체 아이템의 집합에 비해서 극히 작으므로 유사한 사용자를 찾기 위해서는 충분한 수의 아이템에 대해서 평가해야 한다는 것이다. 따라서, 본 논문에서는 유사란 사용자를 찾기 위해서 충분한 수의 평가를 요구하는 명백하게 사용자의 평가를 비교하는 것 대신에 특징 가중치에 초하여 사용자를 비교하는 방법을 사용하고 사용하는 방법의 정확성을 높일 수 있는 임계값을 제안하고자 한다.

• Journal of Internet Computing and Services
• /
• v.14 no.6
• /
• pp.1-8
• /
• 2013

Data mining techniques are used to find important and meaningful information from huge databases, and pattern mining is one of the significant data mining techniques. Pattern mining is a method of discovering useful patterns from the huge databases. Frequent pattern mining which is one of the pattern mining extracts patterns having higher frequencies than a minimum support threshold from databases, and the patterns are called frequent patterns. Traditional frequent pattern mining is based on a single minimum support threshold for the whole database to perform mining frequent patterns. This single support model implicitly supposes that all of the items in the database have the same nature. In real world applications, however, each item in databases can have relative characteristics, and thus an appropriate pattern mining technique which reflects the characteristics is required. In the framework of frequent pattern mining, where the natures of items are not considered, it needs to set the single minimum support threshold to a too low value for mining patterns containing rare items. It leads to too many patterns including meaningless items though. In contrast, we cannot mine any pattern if a too high threshold is used. This dilemma is called the rare item problem. To solve this problem, the initial researches proposed approximate approaches which split data into several groups according to item frequencies or group related rare items. However, these methods cannot find all of the frequent patterns including rare frequent patterns due to being based on approximate techniques. Hence, pattern mining model with multiple minimum supports is proposed in order to solve the rare item problem. In the model, each item has a corresponding minimum support threshold, called MIS (Minimum Item Support), and it is calculated based on item frequencies in databases. The multiple minimum supports model finds all of the rare frequent patterns without generating meaningless patterns and losing significant patterns by applying the MIS. Meanwhile, candidate patterns are extracted during a process of mining frequent patterns, and the only single minimum support is compared with frequencies of the candidate patterns in the single minimum support model. Therefore, the characteristics of items consist of the candidate patterns are not reflected. In addition, the rare item problem occurs in the model. In order to address this issue in the multiple minimum supports model, the minimum MIS value among all of the values of items in a candidate pattern is used as a minimum support threshold with respect to the candidate pattern for considering its characteristics. For efficiently mining frequent patterns including rare frequent patterns by adopting the above concept, tree based algorithms of the multiple minimum supports model sort items in a tree according to MIS descending order in contrast to those of the single minimum support model, where the items are ordered in frequency descending order. In this paper, we study the characteristics of the frequent pattern mining based on multiple minimum supports and conduct performance evaluation with a general frequent pattern mining algorithm in terms of runtime, memory usage, and scalability. Experimental results show that the multiple minimum supports based algorithm outperforms the single minimum support based one and demands more memory usage for MIS information. Moreover, the compared algorithms have a good scalability in the results.

• The Journal of The Korea Institute of Intelligent Transport Systems
• /
• v.6 no.2
• /
• pp.1-14
• /
• 2007

The purpose of this research is to investigate service item to develop archived VDS(Vehicle Detecting System) data user services. Through the review of related studies and literature and investigation of the current application status of the vehicle detector data, the service item from the historical detector data were identified. The relative importance of the identified service item was measured based on the application purpose, usage and frequency of application.