• 대한음성학회:학술대회논문집
• /
• 대한음성학회 2003년도 5월 학술대회지
• /
• pp.203-206
• /
• 2003

In this paper, we employ the adaptive comb filtering for effective noise reduction in mobile communication environment. Adaptive comb filtering is a well- known method for noise reduction, but requires the correct pitch period and must be applied just in voiced speech frames. To satisfy these requirements we use two kinds of information extracted from speech packets, one of which is the pitch period information measured precisely by a speech coder and the other is the frame rate information related to a decision on speech or silence frame. Experiments on speech recognition system confirm the efficiency of this method. Feature parameters employing this method give superior performance in noise environment to those extracted directly from output speech.

• 한국ITS학회 논문지
• /
• 제10권3호
• /
• pp.95-100
• /
• 2011

정보통신 기술의 급속한 성장 및 발전에 따라 유비쿼터스 네트워크 컴퓨팅 및 이용자 맞춤 서비스에 대한 관심이 증폭되고 있다. 또한 최근 스마트폰(Smartphone)을 매개체로 모바일 관련 기술들이 급속도로 발전하며 큰 각광을 받고 있다. 이러한 환경 및 인프라의 발전에 따라 최근 모바일에서 각 종 정보 및 서비스를 제공하는 다양한 응용소프트웨어들이 출시되고 있는 추세이나 그 대부분이 공급자 위주의 정보시스템으로 단순히 다량의 정보들을 불특정 다수의 이용자들에게 제공하는데 목적을 두고 있으며 이용자 개개인에 대한 맞춤화 혹은 개인화된 정보 및 서비스의 제공은 거의 이루어지지 않고 있다. 이에 따라 본 연구에서는 모바일환경에서 개인화 및 맞춤화를 위한 추천시스템을 설계 및 구현 한다. 각 종 정보필터링 기법의 장점만을 결합한 하이브리드 필터링(Hybrid Filtering)을 이용하여 추천 시스템을 구성하며 추천의 질을 향상시키기 위해 정보 필터링 단계에 앞서 사용자의 목적행위, 위치의 상황정보(Context-information)를 이용하여 추천대상 아이템의 범위를 결정함으로써 이용자 상황에 따른 효과적인 정보의 추천을 가능하도록 한다.

• 지능정보연구
• /
• 제22권4호
• /
• pp.1-18
• /
• 2016

협업필터링은 사용자의 선호도 평가자료를 이용하여 특정 사용자의 특정 상품에 대한 선호도를 예측하고 이를 이용하여 유사한 사용자에게 상품을 추천한다. 협업필터링은 전자상거래에서의 정보 과잉현상을 줄여 주기에 가장 인기 있는 개인화 기법이다. 그러나 협업필터링은 희소성과 확장성 문제 등을 가지고 있다. 본 연구에서는 희소성과 확장성 문제와 같은 협업필터링의 주요 한계점을 보완하고 추천과정에 사용자의 정성적이고 감성적인 정보를 반영하도록 하기 위하여 사회연결망 정보와 협업필터링을 접목하는 방안을 이용한다. 본 논문에서는 특이값 분해에 내재적인 정보를 반영할 수 있도록 확장한 SVD++에 사회연결망 정보를 고려할 수 있도록 한 Social SVD++ 알고리듬을 협업필터링에 접목한 새로운 추천 알고리듬을 이용한다. 특히, 본 연구는 추천과정에 실제 사용자의 사회연결망 정보를 반영하여 모형의 성과를 평가할 것이다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제9권5호
• /
• pp.521-529
• /
• 2003

본 논문에서는 추천시스템에서 많이 활용되는 협업 여과 방법의 문제점으로 지적되고 있는 희소성(sparsity)으로 인한 유사도의 부정확한 문제를 개선하기 위하여, 인구 통계 정보를 이용한 기법을 제안하였다. 두 사용자간의 유사도는 같은 항목에 동시에 평가된 점수를 기반으로 결정되며, 두 사용자가 동시에 평가하지 않은 항목은 유사도 계산에서 제외된다. 제안된 기법은 이러한 평가 점수 부족으로 인하여 유사도 계산이 정확치 못한 단점을 보완하기 위하여, 인구 통계 정보를 이용한 가상 평가 점수를 부가하여 유사도 계산을 개선, 예측의 정확도를 향상시킨 방식으로 기존의 피어슨 상관관계를 이용한 협업여과 방식의 확장이다. 실험은 Grouplens의 영화 평가 자료를 활용하였고, 평균절대오차(MAE)와 반응자 작용특성(ROC)값을 이용하여 제안 기법과 피어슨 상관관계를 이용한 협업 여과 방식을 비교하였다. 제안한 기법이 피어슨 상관관계를 이용한 협업 여과 추천 방식에 비하여 평균절대오차는 9%, 반응자 작용 특성의 민감도는 13% 향상되었음을 확인하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 봄 학술발표논문집 Vol.31 No.1 (B)
• /
• pp.238-240
• /
• 2004

정보 통신 기술의 발달로 엄청난 양의 정보가 World Wide Web을 통해 저장되고 공유된다. 특히, 사용자가 WWW을 이용하여 필요한 정보를 얻고자할 때, 가장 많이 사용되는 것이 Web search engine이다. 그러나 Web search engine의 algorithm 자체의 부정확성과 악의적으로 작성된 Web page로 인해 search engine 결과가 사용자의 요구와 일치하지 못하는 문제가 발생한다. 본 논문에서는 여러 Web search algorithm 중에서 Web structure management 기법을 중심으로 문제점을 분석하고 이를 해결할 수 있는 수정된 algorithm을 제시한다. 마지막으로 제시된 algorithm이 spamming page를 filtering하는 과정을 예시하여 논증한다.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제6권2호
• /
• pp.110-115
• /
• 2006

In pure P2P environment, it is possible to provide service by using a little real-time information without using accumulated information. But in case of using only a little information that was locally collected, quality of recommendation service can be fallen-off. Therefore, it is necessary to study a method to improve qualify of recommendation service by using users' context information. But because a great volume of users' context information can be recognized in a moment, there can be a scalability problem and there are limitations in supporting differentiated services according to fields and items. In this paper, we solved the scalability problem by clustering context information per each service field and classifying it per each user, using SOM. In addition, we could recommend proper services for users by quantifying the context information of the users belonging to the similar classification to the service requester among classified data and then using collaborative filtering.

• 한국산학기술학회논문지
• /
• 제21권11호
• /
• pp.1-8
• /
• 2020

최근 기하급수적인 인터넷 데이터의 증가로 딥러닝 등의 많은 분야가 발전하였지만 바이럴 마케팅(viral marketing)과 같은 상업적 목적의 광고가 발견되면서 정보증가의 부작용이 발생하고 있다. 이는 양질의 정보를 공유하고자 하는 인터넷의 본질을 훼손하고 있을 뿐만 아니라 사용자는 양질의 정보를 습득하기 위해 검색시간이 증가하는 문제가 야기된다. 이에 본 연구에서는 광고(Ad: Advertisement, 이하 Ad) 글을 정보 전달의 본질을 흐리는 내용의 글이라 정의하였으며 본 정의에 부합하는 정보로 필터링하는 모델을 제안하였다. 제안하는 모델은 광고 필터링 경로와 광고 필터링 성능 개선경로로 구성되었으며 지속적으로 성능이 개선되도록 설계하였다. 광고 글 필터링을 위해 데이터를 수집하고 KorBERT를 사용하여 문서분류를 학습하였다. 본 모델의 성능을 검증하기 위해 실험을 진행하였으며 5개의 주제를 통합한 데이터에 대한 정확도(Accuracy), 정밀도(Precision)는 각각 89.2%, 84.3%의 결과를 나타냈고 광고의 비정형적 특성을 고려하더라도 높은 성능이 보임을 확인하였다. 본 모델을 통해 바이럴 마케팅으로 구성된 문서에서 광고 문단을 판단하고 필터링하여 사용자에게 양질의 정보를 효과적으로 전달하며 검색하는 과정에서 낭비되는 시간과 피로가 감소할 것으로 기대된다.

• 한국지능시스템학회논문지
• /
• 제17권4호
• /
• pp.488-493
• /
• 2007

추천 시스템은 일반적으로 서비스를 추천하기 위해 협력적 필터링 단계에서 실시간으로 얻어진 컨텍스트 정보를 정량화하여 사용하고 있다. 하지만 이러한 추천시스템은 컨텍스트 정보의 부족으로 부정확한 추천 결과를 가져오거나, 정량화 단계의 단순한 분류과정으로 인해 사용자를 부정확한 그룹으로 분류하는 문제점이 발생한다. 본 논문에서는 실시간으로 획득되는 컨텍스트 정보 부족 문제를 내용 기반 필터링에서 사용하는 사용자 프로파일 정보와 실시간으로 획득된 컨텍스트 정보를 결합하여 해결하였다. 그리고 정량화 단계의 분류 과정을 절대적인 방법이 아니라 상대적인 방법으로 개선하여 협력적 필터링하였다. 실험 결과, pure P2P 환경에서 컨텍스트 정보를 이용한 실시간 추천 시스템보다 예측 선호도가 5.8% 향상되었다.

• 정보보호학회논문지
• /
• 제17권6호
• /
• pp.77-87
• /
• 2007

IPv6가 현재의 IPv4 프로토콜을 완전히 대치하기 위해서는 상당한 시일이 소요될 것으로 예상된다. 이 기간 동안 인터넷은 두 개의 IP 프로토콜이 함께 사용될 것이다. 이 두 프로토콜의 공존을 위해 IETF에서는 여러 가지 IPv4/IPv6 전이기법을 표준화하였다. 하지만 전이 기법에 주로 사용되는 터널링 때문에, IPsec 적용과 IPv6 패킷 필터링에 관한 보안 문제가 발생할 수 있다. 본 논문에서는 이러한 보안 문제 해결을 위해, 내부 헤더 필터링과 전이 기법 전용 필터링의 두 가지 패킷 필터링 개선 기법을 제안하였다. 또한 제안한 기법을 리눅스 넷필터(Netfilter) 프레임워크에서 구현하였으며, IPv4/IPv6 전이 기법 테스트 환경에서 구현 기능을 테스트하고, 시험적인 성능 평가를 수행하였다. 이러한 기능 시험과 성능 평가를 통해, 주 논문의 패킷 필터링 개선 기능이 시스템의 큰 성능 저하 없이, IPv4/IPv6 전이 기법의 패킷 필터링 문제들을 해결할 수 있음을 보였다.

• 인터넷정보학회논문지
• /
• 제23권1호
• /
• pp.125-134
• /
• 2022

정보 통신 및 인공지능 기술의 발전은 우리 군의 지휘통제체계의 지능화를 요구하며, 이를 달성하기 위해 다양한 시도가 이루어지고 있다. 본 논문은 특히, 지휘통제 워크플로우에서 활용 가능한 정보의 양이 폭발적으로 증가함에 따라 지휘통제체계 사용자에게 제공되는 정보 중 수행 업무에 가장 핵심적인 정보를 제공할 수 있는 협업 필터링(Collaborative Filtering, CF) 및 추천 시스템(Recommendation System, RS)에 주목한다. 군 지휘통제체계에서 정보의 필터링을 수행하는 RS는 가장 우선 설명 가능한 추천을 수행하여야 하며, 그 다음 지휘관들이 임무를 수행하는 다양한 상황을 고려한 추천이 수행되어야 한다. 본 논문에서는 지휘통제 워크플로우를 지원하기 위하여 정보를 선택적으로 추천하는 contextual pre-filtering CARS 프레임워크를 제안한다. 제안된 프레임워크는 1) 지휘결심자의 상황 및 관계에 기반하여 데이터를 사전에 필터링하는 contextual pre-filtering, 2) CF의 취약한 데이터 희소성 문제를 극복하기 위한 피쳐 선택, 3) 피쳐 간의 디스턴스를 사용자의 유사도 산출에 활용한 CF, 및 4) 사용자의 선호를 반영하기 위한 규칙 기반 포스트 필터링의 4 단계로 구성되어 있다. 본 연구의 우수성을 평가하기 위해서 상용 수준의 실험 데이터셋 2종에 대해 기존 CF 방법의 다양한 디스턴스 방법을 적용하여 비교 실험하였다. 비교 실험 결과 제안된 프레임워크가 3가지 평가지표(MAE, MSE, MSLE) 측면에서 우수함을 나타내었다.