• Proceedings of the Korea Information Processing Society Conference
• /
• 2006.05a
• /
• pp.605-608
• /
• 2006

본 논문에서는 SLA(Service Level Agreement)와 같이 차별화 서비스를 지원하는 웹서버 시스템의 가동성 척도를 향상시키기 위해 기존의 동적 성능 분리 기법에 퍼지 기법을 접목하였다. 특히, 클러스터 기반 웹서버 시스템의 부하량에 대한 판단기준 혹은 사용자 요청률 및 동적요청 비율 변화시에 발생하는 애매모호한 상황을 효과적으로 반영하기 위해, 퍼지제어 기법에 기초한 부하분배 메커니즘을 제안하였다. 이를 통해, 기존의 퍼지 기법을 활용하지 않은 성능분리 기법과 퍼지기법을 활용한 경우에 대해 응답시간(95-percentile of response time) 성능 비교 평가를 통해 퍼지기반의 성능분리 기법이 차별화 서비스 시스템의 성능을 더욱 강건하고 효율적으로 향상시킬 수 있다는 점을 검증하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2016.10a
• /
• pp.529-532
• /
• 2016

본 논문은 기존의 TextRank 알고리즘에 상호정보량 척도를 결합하여 군집 기반에서 키워드 추출하는 ClusterTextRank 기법을 제안한다. 제안 기법은 k-means 군집화 알고리즘을 이용하여 문서들을 여러 군집으로 나누고, 각 군집에 포함된 단어들을 최소신장트리 그래프로 표현한 후 이에 근거한 군집 정보량을 고려하여 키워드를 추출한다. 제안 기법의 성능을 평가하기 위해 여행 관련 블로그 데이터를 이용하였으며, 제안 기법이 기존 TextRank 알고리즘보다 키워드 추출의 정확도가 약 13% 가량 개선됨을 보인다.

• Journal of Korean Society of Industrial and Systems Engineering
• /
• v.35 no.4
• /
• pp.244-248
• /
• 2012

F-Measure is one of the external measures for evaluating the validity of clustering results. Though it has clear advantages over other widely used external measures such as Purity and Entropy, F-Measure has inherently been less sensitive than other validity measures. This insensitivity owes to the definition of F-Measure that counts only most influential portions. In this research, we present $F_n$-Measure, an external cluster evaluation measure based on F-Measure. $F_n$-Measure is so sensitive that it can detect their difference in the cases that F-Measure cannot detect the difference in clustering results. We compare $F_n$-Measure to F-Measure for a few clustering results and show which measure draws better result based upon homogeneity and completeness.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2005.05a
• /
• pp.1745-1748
• /
• 2005

클러스터 기반 웹 시스템에서 클라이언트의 계층별 요청 형태에 따라 차별화된 서비스를 제공하려는 시도가 활발하다. 서비스 제공자와 클라이언트간의 서비스 계약 조건(SLA: Service Level Agreement)을 만족시키기 위해, 웹 스위치 단계에서 클라이언트의 서비스 요청의 내용을 파악한 후 동적으로 서버에 요청처리 작업을 할당함으로써, 클라이언트 계층별 SLA 의 제공이 가능하다. 하지만, 모든 클라이언트의 요청은 웹 스위치를 통하여 각 서버에 분배되기 때문에, 웹 스위치가 내부적 결함이나 외부의 침입에 의해 정상적인 서비스를 제공하지 못하는 경우, 웹 시스템 서비스의 다운을 초래 할 가능성이 높다. 본 논문에서는, 웹 스위치의 내부적인 결함은 물론 외부의 악의적인 공격(예, 침입, 바이러스)으로 인하여 웹 스위치에 문제가 발생하는 경우 대기하고 있는 백업(backup) 웹 스위치로 대치하여 서비스를 계속 수행함으로써, SLA 가 고려된 웹 시스템의 가용도(Availability)를 높일 수 있는 구조를 제안하였고, 마코브(Marcov) 분석 및 실험을 통해 시스템 가용도와 SLA 척도를 정량적으로 평가하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2010.11a
• /
• pp.27-31
• /
• 2010

본 논문에서는 하이퍼그래프의 고유벡터를 척도로 하여 fMRI기반 Brain Network를 분석하여 중요한 허브노드를 찾는 방법론을 제시한다. 이 방법을 비디오게임을 수행하면서 촬영한 기능적 자기뇌영상(fMRI) 데이터인 PBAIC 2007 데이터셋에 대하여 그 유용성을 검증하였다. 이 데이터는 각 20분씩 세 세션을 촬영한 것이며 처음 두 세션에는 13가지의 감정 항목의 평가치가 각 스캔마다 주어진다. 한 피험자의 첫번째 세션 데이터로부터 13가지 감정 항목에 대하여 상관관계가 높은 각각의 복셀(voxel)들을 추출하였다. 이 13가지의 복셀들의 집합들을 각각 하이퍼에지로 보고 하이퍼그래프를 구성하였다. 하이퍼그래프로부 터 인접 행렬(adjacency matrix)를 구성한 후 고유치(eigenvalue)와 고유벡터(eigenvector)를 구하였다. 여기서 고유치가 가장 큰 고유벡터의 원소들은 각 복셀들의 중앙성(centrality), 즉 중요성을 나타내며 이로부터 감정과 관련된 중요한 허브 복셀들과 그들의 국소적 집합인 모듈을 찾았다. 모듈들은 감정 및 작업기억(working memory)과 관련된 뇌 영역들의 클러스터(cluster)로 추정된다.

• Journal of KIISE
• /
• v.44 no.11
• /
• pp.1236-1243
• /
• 2017

In this paper, we propose a novel way of producing keyword networks, named LSI-based ClusterTextRank, which extracts significant key words from a set of clusters with a mutual information metric, and constructs an association network using latent semantic indexing (LSI). The proposed method reduces the dimension of documents through LSI, decomposes documents into multiple clusters through k-means clustering, and expresses the words within each cluster as a maximal spanning tree graph. The significant key words are identified by evaluating their mutual information within clusters. Then, the method calculates the similarities between the extracted key words using the term-concept matrix, and the results are represented as a keyword association network. To evaluate the performance of the proposed method, we used travel-related blog data and showed that the proposed method outperforms the existing TextRank algorithm by about 14% in terms of accuracy.