• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2008.04a
• /
• pp.197-198
• /
• 2008

본 논문에서는 신경망의 가중치와 정보이론을 이용한 속성선택 기법을 제안하였다. 제안된 방법은 정보이론의 상호정보량을 이용하여 각 속성들의 중요도를 평가한 후 중요도가 높은 속성들만을 선택하여 신경망의 입력으로 사용한다. 신경망의 입력으로 선택된 속성의 가중치에 대한 평가를 통하여 오차에 큰 영향을 미치는 속성들을 순차적으로 제거하여 가장 우수한 속성들을 구한다. 제안된 기법의 성능을 평가하기 위하여 다양한 패턴 분류 문제에 적용하고 그 성능이 우수함을 확인하였다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 1999.10a
• /
• pp.391-398
• /
• 1999

사례기반 추론을 포함한 Lazy Learning 방법들은 인공신경망이나 의사결정 나무와 같은 Eager Learning 방법들과 비교하여 여러 가지 상대적인 장점을 가지고 있다. 그러나 Lazy Learning 방법은 역시 상대적인 단점들도 가지고 있다. 첫째로 사례를 저장하기 위하여 많은 공간이 필요하며, 둘째로 문제해결 시점에서 시간이 많이 소요된다. 그러나 보다 심각한 문제점은 사례가 관련성이 낮은 속성들을 많이 가지고 있는 경우에 Lazy Learning 방법은 사례를 비교할 때에 혼란을 겪을 수 있다는 점이며, 이로 인하여 분류 정확도가 크게 저하될 수 있다. 이러한 문제점을 해결하기 위하여 Lazy Learning 방법을 위한 속성 가중치 부여 방법들이 많이 연구되어 왔다. 그러나 기존에 발표된 대부분의 방법들이 속성 가중치의 유효 범위를 전역적으로 하는 것들이었다. 이에 본 연구에서는 새로운 지역적 속성 가중치 부여 방법을 제안한다. 본 연구에서 제안하는 속성 가중치 부여 방법(CBDFW : 사례기반 동적 속성 가중치 부여)은 사례별로 속성 가중치를 다르게 부여하는 방법으로서 사례기반 추론의 원리를 속성 가중치 부여 과정에 적용하는 것이다. CBDFW의 장점으로서 (1) 수행 방법이 간단하며, (2) 논리적인 처리 비용이 기존 방법들에 비해 낮으며, (3) 신축적이라는 점을 들 수 있다. 본 연구에서는 신용 평가 문제에 CBDFW의 적용을 시도하였고, 다른 기법들과 비교에서 비교적 우수한 결과를 얻었다.

• Journal of Intelligence and Information Systems
• /
• v.7 no.1
• /
• pp.47-61
• /
• 2001

Lazy loaming methods including CBR have relative advantages in comparison with eager loaming methods such as artificial neural networks and decision trees. However, they are very sensitive to irrelevant features. In other words, when there are irrelevant features, larry learning methods have difficulty in comparing cases. Therefore, their performance can be degraded significantly. To overcome this disadvantage, feature weighting methods for lazy loaming methods have been studied. Most of the existing researches, however, were focused on global feature weighting. In this research, we propose a new local feature weighting method, which we shall call CBDFW. CBDFW stores classification performance of randomly generated feature weight vectors. Then, given a new query case, CBDFW retrieves the successful feature weight vectors and designs a feature weight vector fur the query case. In the test on credit evaluation domain, CBDFW showed better classification accuracy when compared to the results of previous researches.

• The Journal of Information Technology and Database
• /
• v.4 no.2
• /
• pp.123-140
• /
• 1998

동일하거나 유사한 기능을 수행하는 소프트웨어 제품들 중에서 사용자 요구사항에 가장 적합한 제품을 결정하기 위하여 측정과 평가 및 선정을 실시하는 것을 매우 중요한 일이다. 이러한 소프트웨어 제품의 평가와 선정은 대량 구매시 객관성 확보를 위해 특히 중요하다. 소프트웨어 제품의 평가를 위한 절차는 평가 대상 제품의 속성 결정과 측정, 속성의 중요도에 따른 가중치 부여, 그리고 평가와 선정 모형을 통한 최적제품의 선정이나 우선순위의 결정이다. 본 연구에서는 이러한 절차에 따른 가중치 부여 방법으로는 계층적 분석과정을 이용하고, 제품의 평가와 선정 방법으로는 4개 보상모형과 7개 비보상모형, 그리고 4개의 DEA(Data Evelopment Analysis)모형을 종합적으로 설명한다. 또한 본 연구에서는 위의 15개 평가와 선정모형을 사용하여 Infoworld(Jan.1997)에서 발표한 '문서 작업흐름 관리' 소프트웨어 제품의 속성에 대한 측정결과를 가지고 모형별 적용 결과를 분석한다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.07a
• /
• pp.587-590
• /
• 2020

최근, 디지털 콘텐츠 산업이 폭발적으로 성장됨에 따라 고객 유치를 위한 개인화 추천 기술들이 많은 주목을 받고 있다. 개인화 추천 방식들을 큰 갈래로 나누어 본다면 협업 필터링 기술과 내용 기반 기술로 나눌 수 있다. 협업 필터링의 경우 개인화 추천에는 적합하지만 사용자 평가 데이터의 양이 방대해야 하며 초기에 평가자가 없는 콘텐츠에 대해 추천할 수 없는 초기 평가자 문제가 존재한다. 따라서 매일 방대한 양의 콘텐츠가 편입되는 분야에서 사용하기에 큰 결점이 될 수 있다. 본 논문에서는 영화들의 정보가 담긴 데이터 셋과 사용자 평가 데이터, 그리고 사용자의 선호 기준을 의미하는 메타 가중치를 활용한 내용 기반의 맞춤형 영화 추천 시스템을 제안한다. 논문에서는 먼저, 영화를 고를 때 일반적으로 중요시 보는 속성들을 활용하여 영화의 특징 벡터를 구성하고, 이를 사용자 평가와 결합하여 개인의 선호에 대한 특징 벡터를 구성하는 방법을 제안하며, 구성된 데이터와 코사인 유사도, 메타 가중치를 활용하여 사용자 선호와 유사한 영화들을 도출하는 방법을 제안한다. 또한, 평가데이터를 활용하여 구현된 추천시스템의 검증 프로세스를 구성하고, 검증 프로세스를 활용한 손실 함수를 설계하여 적합한 메타 가중치를 학습하는 방법을 제시한다. 본 논문에서 제안하는 시스템은 다수의 속성을 조합하여 활용하므로 추천 결과가 과도하게 특수화 되지 않을 수 있으며, 메타 가중치라는 요소를 통해 더욱 개인화 된 추천을 제공할 수 있다.

• Journal of Korea Technology Innovation Society
• /
• v.14 no.1
• /
• pp.60-84
• /
• 2011

This study accomplished technology improvement assessment of Gashydrate R&D project using ANP method which can deal with the sophisticated decisions involving a variety of interactions and dependencies. Criteria were selected by consultation and questionnaires with experts in four technology parts of gas hydrate project, and then the network was formed from relation with criteria and alternatives. As the result of analysis, the weight matrix was derived and the various relation in the network was able to be verified. The analysis was accomplished with four technology parts - geophysical exploration technology, geological and geochemical technology, analysis of deep-drill cores and stability technology, production technology - and the 'reliability' criterion ranked the highest of all parts. The rank of other criteria and the result of technology improvement assessment reflected the level of each technology. Thus, the result of this study will contribute to policy decision-making for developing and evaluating gas hydrate technology and other R&D projects.

• Journal of KIISE:Software and Applications
• /
• v.29 no.4
• /
• pp.248-257
• /
• 2002

Clustering is a method for grouping objects with similar properties into a same cluster. SVD(Singular Value Decomposition) is known as an efficient preprocessing method for clustering because of dimension reduction and noise elimination for a high dimensional and sparse data set like E-Commerce data set. However, it is hard to evaluate the worth of original attributes because of information loss of a converted data set by SVD. This research proposes a cluster feature selection method, called ENTROPY-SVD, to find important attributes for each cluster based on entropy weighting and SVD. Using SVD, one can take advantage of the latent structures in the association of attributes with similar objects and, using entropy weighting one can find highly dense attributes for each cluster. This paper also proposes a model-based collaborative filtering recommendation system with ENTROPY-SVD, called CFS-CF and evaluates its efficiency and utilization.

• The Journal of Information Systems
• /
• v.19 no.1
• /
• pp.19-33
• /
• 2010

생산 수율은 비선형관계를 지닌 여러 요인들에 의해 영향을 받기 때문에 반도체 생산의 경우 예측이 어렵다. 본 논문에서 저자들은 사례기반추론과 자기조직화신경망 기반의 데이터마이닝 기법을 활용하여 수율의 높고 낮음을 밝히는 지능화된 수율예측시스템을 제시한다. 이 시스템은 자기조직회신경망을 사용하여 생산 로트의 공정파라미터 패턴을 파악하고 속성가중치 기반의 사례기반추론을 통해 신규 로트의 수율 수준을 예측한다. 이때 속성가중치는 역전파인공신경망을 통해 계산된다. 웹기반 시스템이 개발되고, 반도체 생산 기업의 실제 자료를 적용하여 본 시스템의 효율을 검증하고 평가한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.04b
• /
• pp.139-141
• /
• 2002

본 논문에서는 인터넷 컨텐츠 사이트에서 개인별로 컨텐츠를 효과적으로 추천하기 위한 개인화 시스템모델을 제안하였다. 제안한 모델은 묵시적인 평가정보를 이용한 사례기반추론 기법으로서 협동적필터링 기법과 달리 유사집단의 평가정보를 이용하지 않고 개인별 속성에 대한 가중치와 속성 값을 이용하여 추천하는 기법이다. 이 기법은 각 사용자의 상품 추매 속성을 추천에 반영할 수 있는 장점이 있으며 사용자 프로파일을 이용하여 개인화된 추천이 가능하다. 제안한 기법이 Recall, Precision, F-measure의 평가 방법을 통해 실험한 결과 협동적필터링 기법 보다 모든 부분에서 더 좋은 결과가 나왔음을 볼 수 있다. 그러므로 제안 시스템이 유사 사용자의 평가정보를 이용한 협동적필터링 기법보다 효율적인 개인화 전략이 가능하다고 말 수 있다. 본 제안 모델을 이용하여 일대일 마케팅을 위한 eCRM 시스템 개발이 가능하리라 예상된다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.21 no.4
• /
• pp.463-468
• /
• 2011

Context prediction methods have been developed in two ways - one is a prediction for discrete context and the other is for continuous context. As most of the prediction methods have been used with prediction algorithms in specific domains suitable to the environment and characteristics of contexts, it is difficult to conduct a prediction for a user's context which is based on various environments and characteristics. This study suggests a context prediction method available for both discrete and continuous contexts without being limited to the characteristics of a specific domain or context. For this, we conducted a context prediction based on sequence matching by generating sequences from contexts in consideration of association rules between context attributes and by applying variable weights according to each context attribute. Simulations for discrete and continuous contexts were conducted to evaluate proposed methods and the results showed that the methods produced a similar performance to existing prediction methods with a prediction accuracy of 80.12% in discrete context and 81.43% in continuous context.