http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
서봉원,송영준,이계승,신강호,장윤호,김윤채,윤시내,Seo, Bong Won,Song, Young-Jun,Lee, Gye Seung,Shin, Kang Ho,Jang, Yoon Ho,Kim, Youn-Che,Yoon, Si-Nae 한국자원리싸이클링학회 2014 資源 리싸이클링 Vol.23 No.3
본 논문은 마그네슘 함량이 매우 높은 특징을 갖는 볼리비아 우유니호 염수로부터 리튬을 회수하는 공정의 설계에 필요한 기초 자료를 얻을 목적으로 수행되었으며, 농축된 용액에 수산화칼슘의 첨가하여 수산화마그네슘을 침전시키는 반응에 있어서 용존 이온의 농도에 미치는 반응온도, 반응시간, pH 등 제 인자들의 영향을 조사하였다. This study was conducted to obtain the basic data for designing the lithium recovery process from the "salar de Uyuni" in Bolivia. For this study, the mock brine which has the similar chemical composition with the brine of "salar de Uyuni" was prepared, and the effects of reaction factors such as temperature, time, pH and so forth on the precitation reaction of magnesium hydroxide were investigated.
객체 랩퍼 기술을 이용한 RPC 프로그램의 활용에 관한 연구
서봉원(Bongwon Seo),최은만(Eunman Choi) 한국정보과학회 1997 한국정보과학회 학술발표논문집 Vol.24 No.2Ⅰ
RPC는 쉬운 프로그래밍과 기계 독립적인 데이터 표현으로 네트워크 파일 시스템 등의 시스템 프로그램 부분과 응용 프로그램 부분에 활발히 사용되고 있다. 그러나 요즘의 복잡하고 다양한 기능의 프로그램을 개발하는데는 미흡한 점이 많고, 다른 RPC 표준간의 호환성 결여, 어려운 유지보수들의 문제점이 있다. 본 논문에서는 객체 랩퍼(wrapper) 기술에 입각한 CORBA 계층을 추가함으로써 이러한 문제점을 해결하고, 기존 RPC 프로그램의 재사용, 다중 플랫폼의 RPC 서버 프로그램의 연결, 객체지향 프로그래밍에 의한 재사용과 유지보수성등의 장점을 가지는 WDL(Wrapper Definition Language)와 랩퍼 계층 자동화 도구를 제안한다. 사용 사례로서 기존의 파일전송 RPC 서버 프로그램과 문자열 처리 RPC 서버 프로그램을 캡슐화(encapsulation)해서 전자 게시판을 만드는 과정을 보인다. 이 과정에서 RPC 서버 프로그램의 구조적 프로그래밍에서 객체지향 프로그래밍으로의 전환이 가능하므로 객체 지향 방법론의 장점인 높은 재사용성과 유지보수성을 가질 수 있고 기존의 RPC 서버 프로그램도 그대로 사용이 가능함을 보인다.
서봉원(Bongwon Suh),이준환(Joonhwan Lee),오종환(Jonghwan Oh) 한국언론학회 2012 한국언론학보 Vol.56 No.5
Following activity in Twitter is the most fundamental action that Twitter users need to perform to receive information. People choose followee for various reasons including information sharing and social interaction, and we are interested in characterizing the features associated with the following activities. In this paper, we investigate the following behaviors among Twitter users and build quantitative models that can explain the dynamics of the Twitter following. We first characterize the following behavior of Twitter users by conducting online survey. We then collect more than three million tweets from the survey participants to extract quantitative features, with which we build a series of Generalize Linear Models (GLM) on Twitter following. We analyze the models and the results show that Twitter users exhibit different interaction behavior based on the type of their followee. The result informs that classification algorithms can be utilized to build intelligent Twitter applications such as personalization, filtering, summarization, and recommendation systems.