• Proceedings of the Korea Information Processing Society Conference
• /
• 2006.11a
• /
• pp.183-186
• /
• 2006

NPC(Non playable Character)모델은 온라인 게임뿐만 아니라 가상공간 시스템 구축 시 빠질 수 없는 중요한 요소이다. 현재 가장 널리 사용되는 인공지능 처리방식의 하나인 FSM(Finite State Machine)은 NPC의 행동양식을 표현하기 위해 유한한 개수의 상태를 이용하는 알고리즘이다. 인공지능이 적용된 NPC 모델 설계시 정확한 명세는 구현 단계에서 발생되는 자원의 손실을 막아주고 요구명세에 따른 검증을 가능하게 한다. 본 논문에서는 해저가상공간 구축 시 발생되는 어류 객체의 행동패턴을 분석하여 속성을 정의하였으며, 환경변화에 따른 행동 특성의 상호관계를 설정하여 정형화하였다. 정의된 속성을 가진 NPC 모델을 FSM 알고리즘을 적용해 설계하고 구현한다. 설계된 NPC모델은 CTL기반의 모델체커인 SMV(Symbolic Model Verification)를 통해 검증함으로써 설계에 대한 타상성을 입증하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2007.11a
• /
• pp.300-303
• /
• 2007

사용자의 행동을 모니터링 하는 것에 대한 이전의 기술적인 연구는 네트워크 트래픽과 데이터 베이스 접근 패턴에 집중되어 있으나 이러한 접근은 사용자간의 데이터를 교환하고 공유하는 등의 상호 작용을 관찰하기에는 부족하다. 따라서 'BHave' 라는 가상 환경에서 사용자의 행동을 추적할 수 있는 시스템을 개발하여 문서에 접근하는 사용자의 행동을 모니터링한다. 서버쪽의 데이터베이스에서 데이터를 가져와서 클라이언트의 API 를 통하여 사용자가 선택한 데이터를 분석한 뒤 사용자에게 그래프를 통해서 시각적으로 분석 결과를 보여준다.

• The Journal of the Korea Contents Association
• /
• v.11 no.7
• /
• pp.9-20
• /
• 2011

In this paper, we attempt to realize the diversity of human actions in a virtual world in terms of the basic actions. We utilize the comprehensive knowledge structure of ontology to organize the human actions into an action hierarchy, each action being the root action of its associated hierarchy of specialized actions. Each basic action is implemented by composing the primitive motions and each basic action in turn by reusing those basic actions. Our approach to the development of these actions is focused more on their diversity and brevity than on their visual realism. Based on this design we develop a method to grasp virtual humans' characteristics and reflect those characteristics on their respective action patterns. We also present a mechanism for the agents to adapt their motions to diverse qualitative changes in environment. We apply these methods to such basic actions as walk, run and throw to demonstrate their viability.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10b
• /
• pp.112-114
• /
• 2004

오늘날 웹을 이용하는 사용자들의 웹 검색 형태를 저장한 웹 로그 데이터들은 데이터 마이닝을 위한 중요한 자료가 되고 있다. 이들 웹 로그들로부터 사용자의 현재 행동을 기반으로 사용자가 다음에 요청할 요구를 예측할 수 있는 예측 모델을 만들 수 있다. 하지만 이들 웹 로그들은 크기가 매우 크고 분석하기가 어렵다. 이런 문제를 해결하기 위해 이미 않은 방법이 제안되었다. 그 중에서 효과적으로 예측할 수 있도록 제안된 순차적 분류 기반에 연관법칙을 적용한 예측 기법이 있다. 본 논문에서는 전방향 참조 경로 탐사 패턴 알고리즘을 적용하여 연관규칙에 기반 한 웹 문서 예측 기법을 향상시키는 모델을 제안한다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2004.05a
• /
• pp.608-611
• /
• 2004

사용자 웹 방문 패턴 발견으로써의 사용자 클러스터링은 웹 사이트를 이용하는 사용자들의 취향과 행동방식을 얻어내는데 매우 유용하다. 또한 이러한 정보는 웹 개인화나 웹 사이트를 재구성 하는 데 필수적 이 다. 본 논문에서 사용자 웹 방문 패스를 클러스터링 하기 위한 시간적으로 효율적이며, 패스 특성을 보다 정확하게 표현하여 클러스터링 할 수 있는 알고리즘이 제안되며, 제안된 알고리즘은 패스 간의 유사도 측정을 통한 클러스터링, 하이퍼플랜을 이용한 K-평균 클러스터링의 2단계 과정으로 이루어져 있다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10a
• /
• pp.547-549
• /
• 2001

웹 기반 시스템의 테스팅에 대한 정확성과 신뢰성을 향상시키는 것은 시스템의 질을 향상시킬 수 있고 시스템 개발 및 유지보수에 대한 비용을 현저히 줄일 수 있다. 본 논문에서는 웹 로그 분석을 통하여 테스팅 환경 설정에 필요한 정보와 사용자들에 대한 패턴 정보를 추출하였다. 그리고 웹 컨텐츠 분석을 통하여 링크 정보와 데이터베이스에 대한 접근 또는 사용자 입력을 요구하는 모듈에 대한 정보를 추출하였다. 추출한 정보를 이용하여 테스팅을 위한 시나리오 문서인 테스트 스크립트를 생성함으로써 실세계에 근접한 테스트 시뮬레이션을 구현하는 방법을 제시하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2014.04a
• /
• pp.294-297
• /
• 2014

스마트폰에 내장된 배터리 절전 모드는 불특정 다수에게 배터리 소모를 줄이기 위한 동일한 작업을 수행한다. 하지만 사용자들은 제각기 다른 방식으로 스마트폰을 사용하기 때문에 위와 같은 절전모드는 배터리 향상에 크게 도움을 주지 않는다. 본 연구는 사용자의 행동 반경을 통하여 개개인의 패턴에 따라 스마트폰의 배터리를 절약하는데 도움을 주는 "BatteryDiet" 어플리케이션을 통해 기존 배터리 소모에 비해 약 27%정도 더 배터리를 사용할 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2002.11b
• /
• pp.1011-1014
• /
• 2002

최근 대규모 네트워크 데이터에 대한 패턴을 분석하기 위한 연구에 대하여 관심을 가지고 침입탐지 시스템을 개선하기 위해 노력하고 있다. 특히, 이러한 광범위한 네트워크 데이터 중에서 침입을 목적으로 하는 데이터에 대한 탐지 능력을 개선하기 위해 먼저, 광범위한 침입항목들에 대한 탐지 적용기술을 학습하고, 그 다음에 데이터 마이닝 기법을 이용하여 침입패턴 인식능력 및 새로운 패턴을 빠르게 인지하는 적용기술을 제안하고자 한다. 침입 패턴인식을 위해 각 네트워크에 돌아다니는 관련된 패킷 정보와 호스트 세션에 기록되어진 자료를 필터링하고, 각종 로그 화일을 추출하는 프로그램들을 활용하여 침입과 일반적인 행동들을 분류하여 규칙들을 생성하였으며, 생성된 새로운 규칙과 학습된 자료를 바탕으로 침입탐지 모델을 제안하였다. 마이닝 기법으로는 학습된 항목들에 대한 연관 규칙을 찾기 위한 연역적 알고리즘을 이용하여 규칙을 생성한 사례를 보고한다. 또한, 추출 분석된 자료는 리눅스 기반의 환경 하에서 다양하게 모아진 네트워크 로그파일들을 분석하여 제안한 방법에 따라 적용한 산출물이다.

• Journal of Intelligence and Information Systems
• /
• v.25 no.1
• /
• pp.85-107
• /
• 2019

Online consumers browse products belonging to a particular product line or brand for purchase, or simply leave a wide range of navigation without making purchase. The research on the behavior and purchase of online consumers has been steadily progressed, and related services and applications based on behavior data of consumers have been developed in practice. In recent years, customization strategies and recommendation systems of consumers have been utilized due to the development of big data technology, and attempts are being made to optimize users' shopping experience. However, even in such an attempt, it is very unlikely that online consumers will actually be able to visit the website and switch to the purchase stage. This is because online consumers do not just visit the website to purchase products but use and browse the websites differently according to their shopping motives and purposes. Therefore, it is important to analyze various types of visits as well as visits to purchase, which is important for understanding the behaviors of online consumers. In this study, we explored the clustering analysis of session based on click stream data of e-commerce company in order to explain diversity and complexity of search behavior of online consumers and typified search behavior. For the analysis, we converted data points of more than 8 million pages units into visit units' sessions, resulting in a total of over 500,000 website visit sessions. For each visit session, 12 characteristics such as page view, duration, search diversity, and page type concentration were extracted for clustering analysis. Considering the size of the data set, we performed the analysis using the Mini-Batch K-means algorithm, which has advantages in terms of learning speed and efficiency while maintaining the clustering performance similar to that of the clustering algorithm K-means. The most optimized number of clusters was derived from four, and the differences in session unit characteristics and purchasing rates were identified for each cluster. The online consumer visits the website several times and learns about the product and decides the purchase. In order to analyze the purchasing process over several visits of the online consumer, we constructed the visiting sequence data of the consumer based on the navigation patterns in the web site derived clustering analysis. The visit sequence data includes a series of visiting sequences until one purchase is made, and the items constituting one sequence become cluster labels derived from the foregoing. We have separately established a sequence data for consumers who have made purchases and data on visits for consumers who have only explored products without making purchases during the same period of time. And then sequential pattern mining was applied to extract frequent patterns from each sequence data. The minimum support is set to 10%, and frequent patterns consist of a sequence of cluster labels. While there are common derived patterns in both sequence data, there are also frequent patterns derived only from one side of sequence data. We found that the consumers who made purchases through the comparative analysis of the extracted frequent patterns showed the visiting pattern to decide to purchase the product repeatedly while searching for the specific product. The implication of this study is that we analyze the search type of online consumers by using large - scale click stream data and analyze the patterns of them to explain the behavior of purchasing process with data-driven point. Most studies that typology of online consumers have focused on the characteristics of the type and what factors are key in distinguishing that type. In this study, we carried out an analysis to type the behavior of online consumers, and further analyzed what order the types could be organized into one another and become a series of search patterns. In addition, online retailers will be able to try to improve their purchasing conversion through marketing strategies and recommendations for various types of visit and will be able to evaluate the effect of the strategy through changes in consumers' visit patterns.

• Journal of the Korea Convergence Society
• /
• v.12 no.9
• /
• pp.21-30
• /
• 2021

Unlike behaviors that are generally known, information regarding unspecific behaviors is insufficient. For an education or guidance regarding the unspecific behaviors, collection and management of data regarding the unspecific behaviors of special-needs students are needed. In this paper, a consultation management model based on behavior classification of special-needs students using machine learning is proposed. It collects data by photographing the behavior of special students in real time, analyzes the behavior pattern, composes a data set, and trains it in the suggestion system. It is possible to improve the accuracy by comparing the behavior of special students photographed later into the suggestion system and analyzing the results by comparing it with the existing data again. The test has been performed by arbitrarily applying unspecific behaviors that are not stored in the database, and the forecast model has accurately classified and grouped the input data. Also, it has been verified that it is possible to accurately distinguish and classify the behaviors through the feature data of the behaviors even if there are some errors in the input process.