• Asian review of World Histories
• /
• 제4권1호
• /
• pp.3-34
• /
• 2016

This introduction is both a statement of a research problem and an account of the first research results for its solution. As more historical databases come online and overlap in coverage, we need to discuss the two main issues that prevent 'big' results from emerging so far. Firstly, historical data are seen by computer science people as unstructured, that is, historical records cannot be easily decomposed into unambiguous fields, like in population (birth and death records) and taxation data. Secondly, machine-learning tools developed for structured data cannot be applied as they are for historical research. We propose a complex network, narrative-driven approach to mining historical databases. In such a time-integrated network obtained by overlaying records from historical databases, the nodes are actors, while thelinks are actions. In the case study that we present (the world as seen from Venice, 1205-1533), the actors are governments, while the actions are limited to war, trade, and treaty to keep the case study tractable. We then identify key periods, key events, and hence key actors, key locations through a time-resolved examination of the actions. This tool allows historians to deal with historical data issues (e.g., source provenance identification, event validation, trade-conflict-diplomacy relationships, etc.). On a higher level, this automatic extraction of key narratives from a historical database allows historians to formulate hypotheses on the courses of history, and also allow them to test these hypotheses in other actions or in additional data sets. Our vision is that this narrative-driven analysis of historical data can lead to the development of multiple scale agent-based models, which can be simulated on a computer to generate ensembles of counterfactual histories that would deepen our understanding of how our actual history developed the way it did. The generation of such narratives, automatically and in a scalable way, will revolutionize the practice of history as a discipline, because historical knowledge, that is the treasure of human experiences (i.e. the heritage of the world), will become what might be inherited by machine learning algorithms and used in smart cities to highlight and explain present ties and illustrate potential future scenarios and visionarios.

• 정보보호학회논문지
• /
• 제34권2호
• /
• pp.207-216
• /
• 2024

4차 산업혁명으로 인해 빅데이터가 구축됨에 따라 개인 맞춤형 서비스가 급증했다. 이로 인해 온라인 서비스에서 수집하는 개인정보의 양이 늘어났으며, 사용자들의 개인정보 유출 및 프라이버시 침해 우려가 높아졌다. 온라인 서비스 제공자들은 이용자들의 프라이버시 침해 우려를 해소하기 위해 개인정보 처리방침을 제공하고 있으나, 개인정보 처리방침은 길이가 길고 복잡하여 이용자가 직접 위험 항목을 파악하기 어려운 문제로 인해 오남용되는 경우가 많다. 따라서 자동으로 개인정보 처리방침이 안전한지 여부를 검사할 수 있는 방법이 필요하다. 그러나 종래의 블랙리스트 및 기계학습 기반의 개인정보 처리방침 안전성 검증 기법은 확장이 어렵거나 접근성이 낮은 문제가 있다. 본 논문에서는 문제를 해결하기위해 생성형 인공지능인 GPT-3.5 API를 이용한 개인정보 처리방침 안전성 검증 기법을 제안한다. 새로운 환경에서도 분류 작업을 수행할 수 있고, 전문 지식이 없는 일반인이 쉽게 개인정보 처리방침을 검사할 수 있다는 가능성을 보인다. 실험에서는 블랙리스트 기반 개인정보 처리방침과 GPT 기반 개인정보 처리방침이 안전한 문장과 안전하지 않은 문장의 분류를 얼마나 정확하게 하는지와 분류에 소요된 시간을 측정했다. 실험 결과에 따르면, 제안하는 기법은 종래의 블랙리스트 기반 문장 안전성 검증 기법보다 평균적으로 10.34% 높은 정확도를 보였다.

• ETRI Journal
• /
• 제35권6호
• /
• pp.1058-1067
• /
• 2013

An approach for game bot detection in massively multiplayer online role-playing games (MMORPGs) based on the analysis of game playing behavior is proposed. Since MMORPGs are large-scale games, users can play in various ways. This variety in playing behavior makes it hard to detect game bots based on play behaviors. To cope with this problem, the proposed approach observes game playing behaviors of users and groups them by their behavioral similarities. Then, it develops a local bot detection model for each player group. Since the locally optimized models can more accurately detect game bots within each player group, the combination of those models brings about overall improvement. Behavioral features are selected and developed to accurately detect game bots with the low resolution data, considering common aspects of MMORPG playing. Through the experiment with the real data from a game currently in service, it is shown that the proposed local model approach yields more accurate results.

• Structural Monitoring and Maintenance
• /
• 제8권4호
• /
• pp.379-402
• /
• 2021

Traditional approaches for structural health monitoring (SHM) seldom take ambient uncertainty (temperature, humidity, ambient vibration) into consideration, while their impacts on structural responses are substantial, leading to a possibility of raising false alarms. A few predictors model-based approaches deal with these uncertainties through complex numerical models running online, rendering the SHM approach to be compute-intensive, slow, and sometimes not practical. Also, with model-based approaches, the imperative need for a precise understanding of the structure often poses a problem for not so well understood complex systems. The present study employs a data-based approach coupled with Empirical mode decomposition (EMD) to correlate recorded response time histories under varying temperature conditions to corresponding damage scenarios. EMD decomposes the response signal into a finite set of intrinsic mode functions (IMFs). A two-dimensional Convolutional Neural Network (2DCNN) is further trained to associate these IMFs to the respective damage cases. The use of IMFs in place of raw signals helps to reduce the impact of sensor noise while preserving the essential spatio-temporal information less-sensitive to thermal effects and thereby stands as a better damage-sensitive feature than the raw signal itself. The proposed algorithm is numerically tested on a single span bridge under varying temperature conditions for different damage severities. The dynamic strain is recorded as the response since they are frame-invariant and cheaper to install. The proposed algorithm has been observed to be damage sensitive as well as sufficiently robust against measurement noise.

• 인터넷정보학회논문지
• /
• 제25권1호
• /
• pp.49-56
• /
• 2024

There have been emerging many use-cases applying recommendation systems especially in online platform. Although the performance of recommendation systems is affected by a variety of factors, selecting appropriate features is difficult since most of recommendation systems have sparse data. Conventional matrix factorization (MF) method is a basic way to handle with problems in the recommendation systems. However, the MF based scheme cannot reflect non-linearity characteristics well. As deep learning technology has been attracted widely, a deep neural network (DNN) framework based collaborative filtering (CF) was introduced to complement the non-linearity issue. However, there is still a problem related to feature embedding for use as input to the DNN. In this paper, we propose an effective method using singular value decomposition (SVD) based feature embedding for improving the DNN performance of recommendation algorithms. We evaluate the performance of recommendation systems using MovieLens dataset and show the proposed scheme outperforms the existing methods. Moreover, we analyze the performance according to the number of latent features in the proposed algorithm. We expect that the proposed scheme can be applied to the generalized recommendation systems.

• 정보과학회 논문지
• /
• 제41권12호
• /
• pp.1110-1116
• /
• 2014

온라인 소셜 네트워크 서비스(online social network service)를 사용하는 사용자의 증가와 더불어 Twitter, LinkedIn, Tumblr 등 다양한 주제의 SNS들이 등장하고 있다. 사용자들은 SNS에 자신의 정보를 자발적으로 제공하고 서비스를 사용하나, 대용량 데이터 처리 기술의 발전과 프라이버시에 대한 인식이 고취됨에 따라 SNS 이용에 따른 프라이버시 침해가 문제점으로 부각되고 있다. 이를 해결하기 위해 기계 학습에 기반을 둔 SNS 상의 프라이버시 보호 기법들이 연구되어왔으며, 지금도 활발히 연구가 진행중이나 새로운 SNS의 등장에 따른 프라이버시 침해 사례들이 지속적으로 제기되고 있다. 본 논문은 SNS에서 써드 파티 애플리케이션 개발자, 혹은 서비스 제공자가 악의를 가지고 SNS 사용자의 프라이버시를 침해하는 상황에서 사용자가 프라이버시 유출을 사전 탐지하는 기법을 제안한다.

• 재활복지공학회논문지
• /
• 제9권3호
• /
• pp.195-201
• /
• 2015

본 연구에서 언제어디서든 학습이 가능한 u-Learning 접근방법은 웹과 모바일기기를 상호호환 가능한 동시에, 안드로이드와 Mac OS, PC 등 모든 모바일 기기에서 호환이 용이하도록 HTML5을 이용하여 청각장애인의 IT 교육 콘텐츠(JSP, Oracle)를 개발하였다. 본 연구결과는 다음과 같다. 첫째, 대부분의 온라인 컴퓨터 교육과정에서 다양한 모바일기기를 지원하고 있지만, 대부분이 플래시기반으로 제작된 콘텐츠라 각각의 모바일기기에서 호환되지 않는 문제점이 있었다. HTML5를 활용하여 개발된 콘텐츠에서 웹과 모바일기기를 상호호환이 가능하였다. 둘째, 개발된 콘텐츠를 대상으로 FLASH와 HTML5 콘텐츠 제작 도구들의 장단점을 각각 비교해 볼 수 있었으며, HTML5를 활용하여 다양한 이벤트 기능을 구현할 수 있는 추가적인 연구가 필요하였다. 셋째, 청각 장애인의 u-Learning 설계 지침과 모바일 애플리케이션 접근성 지침에 따라 웹과 모바일 기기의 접근할 수 있는 설계 전략들을 비교해 볼 수 있었다. 하지만, 모바일 애플리케이션 접근성 지침의 경우 장애유형에 따라 교육 접근성을 높일 수 있는 설계지침에 관한 추가적인 연구가 필요하였다.

• 한국정보통신학회논문지
• /
• 제26권1호
• /
• pp.134-139
• /
• 2022

최근 프로그래밍과 인공지능에 대한 관심이 지속적으로 높아지고 있으며 초등학교부터 필수 교육으로 소프트웨어 교육을 실시하고 있다. 효율적인 프로그래밍 교육을 위해서 기본적으로 학생과 교사에게 적합한 실습실 환경을 구축해야 하지만 노후 컴퓨터와 네트워크 장비 구축 미비 등으로 인한 성능 문제가 있으며 이러한 컴퓨터들의 교체를 통해 성능을 높이는 일은 단기간에 현실적으로 불가능하다. 따라서 본 논문에서는 프로그래밍 실습 환경에 대한 문제 해결을 위해 React와 Spring boot를 사용하여 웹 페이지 기반의 온라인 실습환경 및 알고리즘 경진대회 채점 시스템을 제안한다. 이를 통해 사양이 낮은 컴퓨터에서도 웹 브라우저만을 사용하여 프로그래밍 학습을 진행할 수 있을 것으로 사료된다. 또한 학습하고자 하는 언어와 관계없이 여러 가지 프로그래밍 언어를 학습할 수 있으므로 실습 환경 구축을 위해 시간적 비용을 줄일 수 있을 것으로 사료된다.

• 한국지구과학회지
• /
• 제21권6호
• /
• pp.655-662
• /
• 2000

인터넷의 개발에 따라, 학습용 WBI가 개발되어 학습효과에 많은 영향을 주고 있다. 하지만 이러한 WBI개발에서 어려운점은 멀티미어제작시 발생되는 동영상의 구현이나 에니메이션을 기존의 하이레벨언어나 로우레벨언어에 근거를 둔 프로그래밍기법을 도입하여 쉽게 해결하기가 어려운점이 있다. 이러한 문제를 해결하기 위하여 최근 메크로미디어사에서 오소웨어(Authoware)라는 소프트웨어를 개발하여 그 응용성이 주목되고 있다. 이 오소웨어의 응용성을 파악하기 위하여 해양에서 발생되는 현상중 가장 대표적이 조석에 따른 해면변위와 그것에 따른 해안비치의 변동에 오소웨어를 이용하여 WBI를 구성하였다. 현장조사자료로서는 제주도의 이호 해수욕장의 측량자료와 제주항의 조위자료를 이용하였다. 그 결과 오소웨어를 이용하여 원하는 조위변동을 시각화하는데 매우 효율적이며 빠른 시간내에 원하는 웹을 구축하는 툴이 될수 있음을 알 수 있었다. 따라서 동영상을 요구하는 다른 형태의 WBI개발에도 적용이 가능할 것으로 사료된다.

• 한국엔터테인먼트산업학회논문지
• /
• 제14권7호
• /
• pp.651-658
• /
• 2020

기초의학 과목은 보건계열의 전공을 이해하는데 필수적이고 매우 중요하다. 특히 해부학은 의학 교육의 기본 영역 중 하나이다. 한편, 다양한 분야에서 새로운 교수법의 적용이 시도되고 있는데 블렌디드 러닝 중 하나인 스테이션 로테이션 모델도 효과적인 교육 방법 중 하나로 인정받고 있다. 스테이션 로테이션 모델은 학생들이 설계된 일정에 따라 스테이션을 돌며 학습할 수 있으며 스테이션 중 적어도 하나는 온라인 학습으로 구성된다. 본 연구에서는 스테이션 로테이션 모델을 해부학 수업에 적용 할 때 학생들의 만족도를 조사하고자 하였다. 스테이션 로테이션 모델의 각 스테이션은 VR 응용 학습, 온라인 문제 해결, 모델 관찰 및 구술고사로 구성하였다. 본 연구는 H대학교 '작업치료학과' 37 명의 학생이 수강한 '기능해부학 및 실습' 과목에 스테이션 로테이션 모델을 2주 간 적용한 후 수강생을 대상으로 타교수법 대비 만족도 조사를 실시했다. 그 결과 스테이션 로테이션 모델은 이해도, 참여도, 집중도 및 다양성 만족도 모두 강의식 수업보다 유의하게 높았다. 이러한 결과를 바탕으로 스테이션 로테이션 모델을 기초의학 수업에 적용하는 것을 제안하는 바이다.