http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
Framework for Efficient Web Page Prediction using Deep Learning
Kyung-Chang Kim(김경창) 한국컴퓨터정보학회 2020 韓國컴퓨터情報學會論文誌 Vol.25 No.12
웹에서 접근하는 정보의 폭발적인 증가에 따라 사용자의 다음 웹 페이지 사용을 예측하는 문제의 중요성이 증가되었다. 사용자의 다음 웹 페이지 접근을 예측하는 방법 중 하나가 딥 러닝 기법이다. 웹 페이지 예측 절차는 데이터 전처리 과정을 통해 웹 로그 정보들을 분석하고 딥 러닝기법을 이용하여 분석된 웹 로그 결과를 가지고 사용자가 접근할 다음 웹 페이지를 예측한다. 본 논문에서는 웹 페이지 예측을 위한 효율적인 웹 로그 전처리 작업과 분석을 위해 딥 러닝 기법을 사용하는 웹 페이지 예측 프레임워크를 제안한다. 대용량 웹 로그 정보의 전처리 작업 속도를 높이기 위하여 Hadoop 기반 맵/리듀스(MapReduce) 프로그래밍 모델을 사용한다. 또한 웹 로그 정보의 전처리 결과를 이용한 학습과 예측을 위한 딥 러닝 기반 웹 예측 시스템을 제안한다. 실험을 통해 논문에서 제안한 방법이 기존의 방법과 비교하여 성능 개선이 있다는 사실을 보였고 아울러 다음 페이지 예측의 정확성을 보였다. Recently, due to exponential growth of access information on the web, the importance of predicting a user’s next web page use has been increasing. One of the methods that can be used for predicting user’s next web page is deep learning. To predict next web page, web logs are analyzed by data preprocessing and then a user’s next web page is predicted on the output of the analyzed web logs using a deep learning algorithm. In this paper, we propose a framework for web page prediction that includes methods for web log preprocessing followed by deep learning techniques for web prediction. To increase the speed of preprocessing of large web log, a Hadoop based MapReduce programming model is used. In addition, we present a web prediction system that uses an efficient deep learning technique on the output of web log preprocessing for training and prediction. Through experiment, we show the performance improvement of our proposed method over traditional methods. We also show the accuracy of our prediction.
A Framework for Internet of Things (IoT) Data Management
Kyung-Chang Kim(김경창) 한국컴퓨터정보학회 2019 韓國컴퓨터情報學會論文誌 Vol.24 No.3
The collection and manipulation of Internet of Things (IoT) data is increasing at a fast pace and its importance is recognized in every sector of our society. For efficient utilization of IoT data, the vast and varied IoT data needs to be reliable and meaningful. In this paper, we propose an IoT framework to realize this need. The IoT framework is based on a four layer IoT architecture onto which context aware computing technology is applied. If the collected IoT data is unreliable it cannot be used for its intended purpose and the whole service using the data must be abandoned. In this paper, we include techniques to remove uncertainty in the early stage of IoT data capture and collection resulting in reliable data. Since the data coming out of the various IoT devices have different formats, it is important to convert them into a standard format before further processing, We propose the RDF format to be the standard format for all IoT data. In addition, it is not feasible to process all captured Iot data from the sensor devices. In order to decide which data to process and understand, we propose to use contexts and reasoning based on these contexts. For reasoning, we propose to use standard AI and statistical techniques. We also propose an experiment environment that can be used to develop an IoT application to realize the IoT framework.
C-Store 칼럼-지향 DBMS에서의 최적화 Join 기법 구현
김경호(Kyung Ho Kim),백우현(Woo Hyoun Back),손지은(Ji Eun Son),김충석(Choung Seok Kim),김경창(Kyung Chang Kim) 한국정보과학회 2014 정보과학회 컴퓨팅의 실제 논문지 Vol.20 No.2
칼럼-지향(column-oriented) DBMS란 기존 DBMS에서의 대표적 저장 방식인 row단위로 저장했던 것(로우-지향, row-oriented)과 달리 칼럼(column) 단위로 데이터를 저장하고 관리하는 DBMS를 말한다. 이러한 저장기법의 차이는 효율적인 질의 처리의 전반적인 메커니즘에 있어 로우-지향 DBMS와 다른 방식을 요구하게 된다. 이 논문에서는 칼럼-지향 데이터베이스에 대한 스타 스키마 질의의 효율적인 조인 기법을 다루었다. 본 논문은 조인 맵핑 트리를 이용한 칼럼-지향 조인 기법을 실제 오픈 소스인 C-Store 칼럼-지향 DBMS에서의 구현을 상세히 설명하였고 성능 분석을 실시하였다. A column-oriented DBMS is a DBMS that stores and manages data column-wise unlike conventional DBMS that stores data in rows or row-oriented manner. The difference in the storage structure in a columnoriented DBMS requires a query processing mechanism different from row-oriented DBMS methodology. This paper involves an efficient join technique for star schema queries in column-oriented databases. The paper explains in detail the implementation performance analysis of a column-oriented join technique using a join mapping tree structure in C-Store, an open source column-oriented DBMS.
데이터 마이닝 질의 처리를 위한 질의 처리기 설계 및 구현
김충석,김경창,Kim, Chung-Seok,Kim, Kyung-Chang 한국정보처리학회 2001 정보처리학회논문지D Vol.8 No.2
데이터 마이닝 시스템은 기본적으로 요약화, 연관화와 분류화 등 다양한 유형의 데이터 마이닝 기능을 포함한다. 이들 기능을 수행하기 위해서 포괄적으로 표현하기 위한 강력한 데이터 마이닝 질의 언어가 요구되며, 사용자에게 보다 친숙한 마이닝 환경을 제공하기 위해서 그래픽 사용자 인터페이스(GUI)를 이용한 데이터 마이닝 질의 언어의 개발이 중요하게 언급된다. 뿐만 아니라 데이터 마이닝 그 자체로서 독립적인 수행이 아니라 수많은 데이터를 포함하며, 의사결정에 적합한 구조로 설계되어 있는 데이터 웨어하우스와 연관된 데이터 마이닝 질의 처리가 필요하다. 본 논문에서는 먼저 GUI를 통하여 사용자가 쉽게 데이터 마이닝 질의를 수행할 수 있도록 한다. 또한 질의를 처리하기 위한 데이터 마이닝 질의 처리 프레임워크를 제시한다. 데이터마이닝 질의의 대상은 데이터 웨어하우스에 저장되어 있는 데이터이기 때문에 데이터 웨어하우스의 구축이 필요하다. 본 논문에서는 데이터 웨어하우스 구축에 필요한 스키마 생성을 위해서 스키마 생성기를 아울러 개발하여 이용한다. 마지막으로 연관 규칙 발견을 위한 데이터 마이닝 질의를 처리하기 위한 질의 처리기의 구현 내용을 보인다. A data mining system includes various data mining functions such as aggregation, association and classification, among others. To express these data mining function, a powerful data mining query language is needed. In addition, a graphic user interface(GUI) based on the data mining query language is needed for users. In addition, processing a data mining query targeted for a data warehouse, which is the appropriate data repository for decision making, is needed. In this paper, we first build a GUI to enable users to easily define data mining queries. We then propose a data mining query processing framework that can be used to process a data mining query targeted for a data warehouse. We also implement a schema generate a data warehouse schema that is needed to build a data warehouse. Lastly, we show the implementation details of a query processor that can process queries that discover association rules.
이경식(Kyung-Shik Yi),김경창(Kyung-Chang Kim) 한국정보과학회 2002 한국정보과학회 학술발표논문집 Vol.29 No.1B
본 논문에서는 주기억 데이터베이스 시스템을 위한 질의처리 엔진의 설계 및 구현에 대해서 설명하였다. 이를 바탕으로 Embedded SQL 지원을 위한 Pre-compiler 구현 방법, 단순 질의 및 Join 과정에서의 주기억 장치의 효율적인 사용 방법, Cursor, Dynamic SQL 처리 방법에 대해 소개하였다.