• Journal of Korea Multimedia Society
• /
• v.11 no.11
• /
• pp.1566-1574
• /
• 2008

Researches of current information searching focus on providing personalized results as well as matching needed queries in an enormous amount of information. This paper aims at discovering hidden knowledge to provide personalized and inferred search results based on the ontology with categorized concepts and relations among data. The current searching occasionally presents too much redundant information or offers no matching results from large volumes of data. To lessen this disadvantages in the information searching, we propose an inference algorithm that supports associated and inferred searching through the Jess engine based on the OWL ontology constraints and knowledge expressed by SWRL with association rules. After constructing the personalized preference ontology for domains such as restaurants, gas stations, bakeries, and so on, it shows that new knowledge information generated from the ontology and the rules is provided with an example of the domain of gas stations.

• Journal of the Korea Society for Simulation
• /
• v.19 no.4
• /
• pp.59-66
• /
• 2010

We present a personalized clothing recommender system - one that mines association rules from transaction described in ontologies and infers a recommendation from the rules. The recommender system can forecast frequently changing trends of clothing using the Onto-Apriori algorithm, and it makes appropriate recommendations for each users possible through the inference marked as meta nodes. We simulates the rule generator and the inferential search engine of the system with focus on accuracy and efficiency, and our results validate the system.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2004.05a
• /
• pp.587-591
• /
• 2004

수많은 데이터로부터 우리가 이용할 수 있는 의미 있는 연관성 규칙을 찾는 것은 대단히 중요하다. 연관성 규칙은 데이터베이스의 각 트랜잭션을 분석하여 이에 대한 각종 측정치를 수집하여 이루어지는데 대단히 많은 시간과 노력을 요한다. 본 논문에서는 통계적 추론을 이용하여 탐색도중 주어진 조건을 만족하는 항목에 대하여 의사결정을 내려 탐색시간은 단축할 수 있는 알고리즘을 제안한다. 또한 추론에 따른 오류발생을 최소화 할 수 있는 기법을 제시한다.

• Proceedings of the ESK Conference
• /
• 1996.04a
• /
• pp.141-145
• /
• 1996

본 논문은 고객의 감성과 디자인 요소 간의 관련성을 퍼지논리을 통해 추론하는 시스템을 구현하고자 한다. 퍼지기반 추론기관은 감성 데이터베이스를 활용하여 고객의 감성정보를 설계자에게 제품개발에 필요한 유용한 디자인 정보로 변환시켜주는 시스템이다. 감성공학적 디자인 요소변환 지원 시스템의 일 부인 추론기관은 고객의 감성과 제품형상의 연관성을 퍼지논리를 이용하여 전향추론하도록 하였다. 출 력은 추론기관을 통해 선정된 부품 카테고리들에 대한 형상 데이터베이스의 그래픽화일을 화면에 디스플 레이하게 한다. 고객 자신의 감성에 대한 불명확함과 제품개발에 대한 효과적인 고객감성 반영의 어려움 등을 고려해 볼 때 이러한 추론기관의 개발은 보다 다양한 분야에서 고객의 감성을 적용하는데 활용되리라 본다.

• Journal of the Korea Convergence Society
• /
• v.10 no.9
• /
• pp.11-16
• /
• 2019

People are subject to time sanctions in a busy modern society. Therefore, people find it difficult to eat simple junk food and even exercise, which is bad for their health. As a result, the incidence of chronic diseases is increasing. Also, the importance of making accurate and appropriate inferences to individual characteristics is growing due to unnecessary information overload phenomenon. In this paper, we propose a knowledge reasoning model using association rules and cluster analysis of multi-contexts. The proposed method provides a personalized healthcare to users by generating association rules based on the clusters based on multi-context information. This can reduce the incidence of each disease by inferring the risk for each disease. In addition, the model proposed by the performance assessment shows that the F-measure value is 0.027 higher than the comparison model, and is highly regarded than the comparison model.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.05a
• /
• pp.1091-1094
• /
• 2004

전통적인 호스트 기반 침입탐지시스템과 네트워크 기반 침입탐지시스템은 각각 로그 데이터나 패킷 정보에서 단일 공격을 탐지하고 침입경보를 생성한다. 그러므로, 기존의 침입탐지시스템들은 침입경보간의 상호 연관성에 대한 정보가 부족하게 되고, 다수의 거짓 침입경보를 발생시킨다. 이를 해결하기 위해, 본 논문에서는 추론 규칙을 이용하는 침입경보 연관관계 시스템을 제안한다. 제안한 시스템은 침입경보 수집기, 침입경보 전처리기, 침입경보 연관관계 분석기로 구성되어 있다. 침입경보 수집기는 각 침입탐지시스템으로부터 필터링 과정을 거쳐 전송된 침입경보를 받아 침입경보 데이터베이스에 저장한다. 침입경보 전처리기는 불필요한 침입경보를 줄임으로써 침입경보 연관관계 분석의 효율성을 높인다. 마지막으로, 침입경보 연관관계 분석기는 추론 규칙을 이용하여 침입경보간의 상호연관성을 파악한다.

• Korean Journal of Cognitive Science
• /
• v.10 no.4
• /
• pp.71-83
• /
• 1999

Conventional symbolic inference systems lack flexibility because they do not well reflect flexible semantic structure of knowledge and use symbolic logic for their basic inference mechanism. For solving this problem. we have recently proposed the 'Connectionist Semantic Network(CSN)' as a model for flexible knowledge representation and inference based on neural networks. The CSN is capable of carrying out both approximate reasoning and commonsense reasoning based on similarity and association. However. we have difficulties in representing general and structured high-level knowledge and variable binding using the connectionist framework of the CSN. In this paper. we propose a hybrid system called SymCSN(Symbolic CSN) that combines a symbolic module for representing general and structured high-level knowledge and a connectionist module for representing and learning low-level semantic structure Simulation results show that the SymCSN is a plausible model for human-like flexible knowledge representation and inference.

• The KIPS Transactions:PartD
• /
• v.18D no.6
• /
• pp.423-432
• /
• 2011

In this paper, we introduce XOnto-Apriori algorithm which is an extension of the Onto-Apriori algorithm. The extended algorithm is designed to improve the conventional algorithm's problem of comparing only identifiers of transaction items by reasoning transaction properties of the items which belong in the same category. We show how the mining algorithm works with a smartphone application recommender system based on our extended algorithm to clearly describe the procedures providing personalized recommendations. Further, our simulation results validate our analysis on the algorithm overhead, precision, and recall.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2009.11a
• /
• pp.259-260
• /
• 2009

학습자와 학습객체간의 학습추론을 하기 위해서는 우선 학습자와 학습객체간의 연관성 정도를 파악해야 한다. 본 연구에서는 학습자가 전체 학습 중에 수강한 학습과 수강하지 않은 학습, 학습자가 수강한 학습을 전체 다른 학습자가 수강한 것과 수강하지 않는 정도, 학습자가 수강하지 않은 학습에 대한 전체 다른 학습자가 수강한 것과 수강하지 않는 정도를 가지고 2X2 메트릭스를 만들어 학습자와 학습객체간의 연관성 정도를 파악하여 이를 바탕으로 학습추론 시스템을 개발한다.

• 한국경영정보학회:학술대회논문집
• /
• 2007.06a
• /
• pp.135-140
• /
• 2007

이탈 고객 예측은 데이터 마이닝에서 다루는 주요한 문제 중에 하나이다. 이탈 고객 예측은 일종의 분류(classification) 문제로 의사결정나무추론, 로지스틱 회귀분석, 인공신경망 등의 기법이 많이 활용되어왔다. 일반적으로 이탈 고객 예측을 위한 모델은 고객의 인구통계학적 정보와 계약이나 거래 정보를 입력변수로 하여 이탈 여부를 목표변수로 보는 형태로 분류 모델을 생성하게 된다. 본 연구에서는 고객과의 지속적인 접촉으로 발생되는 추가적인 사건 정보를 활용하여 연관성 규칙을 생성하고 이 결과를 기존의 방식으로 생성된 분류 모델과 결합하는 이탈 고객 예측 방법을 제시한다. 제시한 방법의 유용성을 확인하기 위해서 특정 국내 신용카드사의 실제 데이터를 활용하여 실험을 수행하였다. 실험 결과 제시된 방법이 기존의 전통적인 분류 모델에 비해서 향상된 성능을 보이는 것을 확인할 수 있었다. 제시된 예측 방법의 장점은 기존의 이탈 예측을 위한 입력 변수들 이외에 고객과 회사간의 접촉을 통해서 생성된 동적 정보들을 통합적으로 활용하여 예측 정확도를 높이고 실시간으로 이탈 확률을 갱신할 수 있다는 점이다.