• 한국지능시스템학회논문지
• /
• 제12권5호
• /
• pp.385-392
• /
• 2002

기존의 동적 추천 시스템에서 사용하는 개인화 기법은 주로 혈업 필터링 방식으로서 다른 사용자들에 대한 평가 정보를 이용하여 동적 링크를 제공하기 때문에 사용자가 고려하지 못한 아이템들을 추천한다는 장점을 갖고 있다. 그러나 협업필터링 과정은 현재 사용자와 가장 유사한 패턴을 보이는 사용자를 선택하기 위해 전체 사용자와의 유사도를 재 계산해야 한다는 계산의 복잡성과 사용자 프로화일의 정보가 현 사용자의 키워드 입력 시점에서 동적으로 갱신되지 않기 때문에 오류정보가 포함될 수 있다는 문제점이 있다. 보 논문에서는 유사한 선호도를 보이는 사용자를 대상으로 군집분석을 수행함으로서, 이웃 사용자를 선택하는 과정을 단순화할 수 있고 또한 베이지안 학습을 이용하여 사용자의 선호도를 동적으로 갱신할 수 있는 알고리즘을 설계하고 구현하였다. 사용자의 키워드가 입력되는 순간 사전 데이터와 사후 데이터가 선호도 확률에 동적으로 반영됨으로써 오류정보를 최소화한다. 이렇게 설계된 시스템은 실험을 통해 웹 도서 추천시스템에 적용되어 사용자의 만족도를 증가시킬 수 있음을 보인다.

• 정보처리학회논문지A
• /
• 제14A권6호
• /
• pp.383-390
• /
• 2007

본 논문에서는 컴퓨터 대수 시스템과 베이지언 추론망 기반 학습자 모델을 이용하여 개발한 이공계 수학용 이러닝 시스템을 소개하였다. 이 시스템은 컴퓨터 대수 시스템 기반 수학용 콘텐츠 저작모델의 최근 모델인 동적 클라이언트 비의존형 모델을 따른다는 점과 개별 진단평가를 위한 추론 엔진으로 베이지언 추론망을 활용한 학습자 모델을 구성한다는 점에서 기존의 이러닝 시스템과 차별화된다. 이 시스템의 컴퓨터 대수 시스템 기반 저작모듈은 웹 수식표현에 관한 선지식이 없는 교수자에게 일체의 소프트웨어 지원 없이 수치계산, 기호연산, 그래픽처리가 가능한 수학 콘텐츠를 손쉽게 저작할 수 있는 환경을 제공해 주며, 베이지언 추론망을 웹과 연동되도록 구성한 평가모듈은 각 학습자의 학습영역별 학업성취도를 확률로 제시하는 것이 가능하도록 해주어, 학습자의 수준을 이원분류표와 같은 기존의 평가 방법보다 타당하고 과학적으로 진단해 준다. 이는 궁극적으로 학습자에게 보다 정확한 보충학습 내용을 제시하고, 사용자 개개인에게 가장 적합한 심화학습 내용을 적응적으로 제공해 주는 것이 가능하게 해 준다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제9권8호
• /
• pp.3169-3181
• /
• 2015

Nowadays, online word-of-mouth has become a powerful influencer to marketing and sales in business. Opinion mining and sentiment analysis is frequently adopted at market research and business analytics field for analyzing word-of-mouth content. However, there still remain several challengeable areas for 1) sentiment analysis aiming for Korean word-of-mouth content in film market, 2) availability of machine learning models only using linguistic features, 3) effect of the size of the feature set. This study took a sample of 10,000 movie reviews which had posted extremely negative/positive rating in a movie portal site, and conducted sentiment analysis with four machine learning algorithms: naïve Bayesian, decision tree, neural network, and support vector machines. We found neural network and support vector machine produced better accuracy than naïve Bayesian and decision tree on every size of the feature set. Besides, the performance of them was boosting with increasing of the feature set size.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2004년도 ICCAS
• /
• pp.631-634
• /
• 2004

In this paper, the Bayesian recurrent neural network (BRNN) is proposed to predict time series data. Among the various traditional prediction methodologies, a neural network method is considered to be more effective in case of non-linear and non-stationary time series data. A neural network predictor requests proper learning strategy to adjust the network weights, and one need to prepare for non-linear and non-stationary evolution of network weights. The Bayesian neural network in this paper estimates not the single set of weights but the probability distributions of weights. In other words, we sets the weight vector as a state vector of state space method, and estimates its probability distributions in accordance with the Bayesian inference. This approach makes it possible to obtain more exact estimation of the weights. Moreover, in the aspect of network architecture, it is known that the recurrent feedback structure is superior to the feedforward structure for the problem of time series prediction. Therefore, the recurrent network with Bayesian inference, what we call BRNN, is expected to show higher performance than the normal neural network. To verify the performance of the proposed method, the time series data are numerically generated and a neural network predictor is applied on it. As a result, BRNN is proved to show better prediction result than common feedforward Bayesian neural network.

• 한국콘텐츠학회논문지
• /
• 제20권6호
• /
• pp.1-8
• /
• 2020

빅데이터 분석에서 텍스트 데이터의 활용이 증가하고 있다. 따라서 텍스트 데이터의 분석 기법에 관한 많은 연구가 이루어지고 있다. 본 논문에서는 텍스트 데이터로부터 추출된 키워드 데이터의 분석을 위하여 공액사전분포 기반의 베이지안 학습 방법이 연구된다. 베이지안 통계학은 기존의 데이터에 새로운 데이터가 추가될 때마다 모수를 갱신하는 데이터 학습을 제공하기 때문에 시간에 따라 대용량의 데이터가 생성 및 추가되는 빅데이터 환경에서 효율적인 방법을 제공한다. 제안 방법의 성능과 적용 가능성을 보이기 위하여 실제 특허 빅데이터를 전처리하여 구축된 정형화된 키워드 데이터를 분석하는 사례연구를 수행한다.

• Communications for Statistical Applications and Methods
• /
• 제24권6호
• /
• pp.543-559
• /
• 2017

Tree-based regression and classification ensembles form a standard part of the data-science toolkit. Many commonly used methods take an algorithmic view, proposing greedy methods for constructing decision trees; examples include the classification and regression trees algorithm, boosted decision trees, and random forests. Recent history has seen a surge of interest in Bayesian techniques for constructing decision tree ensembles, with these methods frequently outperforming their algorithmic counterparts. The goal of this article is to survey the landscape surrounding Bayesian decision tree methods, and to discuss recent modeling and computational developments. We provide connections between Bayesian tree-based methods and existing machine learning techniques, and outline several recent theoretical developments establishing frequentist consistency and rates of convergence for the posterior distribution. The methodology we present is applicable for a wide variety of statistical tasks including regression, classification, modeling of count data, and many others. We illustrate the methodology on both simulated and real datasets.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제8권4호
• /
• pp.254-259
• /
• 2008

Uncertainty of result of context awareness always exists in any context-awareness computing. This falling-off in accuracy of context awareness result is mostly caused by the imperfectness and incompleteness of sensed data, because of this reasons, we must improve the accuracy of context awareness. In this article, we propose a novel approach to model the uncertain context by using ontology and context reasoning method based on Bayesian Network. Our context aware processing is divided into two parts; context modeling and context reasoning. The context modeling is based on ontology for facilitating knowledge reuse and sharing. The ontology facilitates the share and reuse of information over similar domains of not only the logical knowledge but also the uncertain knowledge. Also the ontology can be used to structure learning for Bayesian network. The context reasoning is based on Bayesian Networks for probabilistic inference to solve the uncertain reasoning in context-aware processing problem in a flexible and adaptive situation.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2006년도 추계학술발표대회
• /
• pp.19-22
• /
• 2006

In this paper we present a vision based place recognition method which uses Bayesian method with feed back of image retrieval. Both Bayesian method and image retrieval method are based on interest features that are invariant to many image transformations. The interest features are detected using Harris-Laplacian detector and then descriptors are generated from the image patches centered at the features' position in the same manner of SIFT. The Bayesian method contains two stages: learning and recognition. The image retrieval result is fed back to the Bayesian recognition to achieve robust and confidence. The experimental results show the effectiveness of our method.

• 천문학회지
• /
• 제55권4호
• /
• pp.131-138
• /
• 2022

We report the discovery of four quasars with M₁₄₅₀ ≳ -25.0 mag at z ~ 5 and supermassive black hole mass measurement for one of the quasars. They were selected as promising high-redshift quasar candidates via deep learning and Bayesian information criterion, which are expected to be effective in discriminating quasars from the late-type stars and high-redshift galaxies. The candidates were observed by the Double Spectrograph on the Palomar 200-inch Hale Telescope. They show clear Lyα breaks at about 7000-8000 Å, indicating they are quasars at 4.7 < z < 5.6. For HSC J233107-001014, we measure the mass of its supermassive black hole (SMBH) using its C _IV λ1549 emission line. The SMBH mass and Eddington ratio of the quasar are found to be ~10⁸ M_⊙ and ~0.6, respectively. This suggests that this quasar possibly harbors a fast growing SMBH near the Eddington limit despite its faintness (L_Bol < 10⁴⁶ erg s^-1). Our 100% quasar identification rate supports high efficiency of our deep learning and Bayesian information criterion selection method, which can be applied to future surveys to increase high-redshift quasar sample.

• Journal of the Korean Data and Information Science Society
• /
• 제11권1호
• /
• pp.19-30
• /
• 2000

정보통신기술의 비약적인 발전은 온라인으로 생성되는 전자문서의 양을 폭발적으로 증가시키고 있다. 따라서 수동으로 문서를 분류하던 종래의 방법 대신 문서의 자동분유 기술 개발이 특별히 요구되고 있다. 본 논문에서는 베이지안 학습 기법을 이용하여 문서를 자동으로 분류하는 방법을 연구하고, 20개의 유즈넷 뉴스그룹 문서들을 분류하도록 시험하였다. 사용한 알고리즘은 Naive Bayes Classifier이며, 구현한 시스템을 이용해 유즈넷 문서를 대상으로 자동분류를 실험한 결과 분류의 정확률이 약 77%로 나타났다.