http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
데이터 재사용을 고려한 그래프 스트림의 점진적 처리 기법
조중권(Jungkweon Cho),한진수(Jinsu Han),김민수(Minsoo Kim),최도진(Dojin Choi),복경수(Kyoungsoo Bok),유재수(Jaesoo Yoo) 한국콘텐츠학회 2018 한국콘텐츠학회논문지 Vol.18 No.1
최근 소셜 미디어, IoT 등에 대한 활용이 증가됨에 따라 대용량의 그래프 스트림이 생성되고 있으며 그래프 스트림을 실시간으로 처리하기 위한 많은 연구들이 진행되고 있다. 본 논문에서는 그래프가 지속적으로 변경될 때 이전 결과 데이터를 재사용하는 점진적인 그래프 스트림 처리 기법을 제안한다. 또한, 점진적 처리와 정적인 처리를 선택적으로 수행하기 위한 비용 모델을 제안한다. 제안하는 비용 모델은 실제 처리된 이력을 바탕으로 재계산 영역의 탐색 비용 및 처리 비용의 예측 값을 계산하여 점진적 처리가 정적인 처리보다 이득인 경우 점진적 처리를 수행한다. 제안하는 점진적 처리는 그래프 갱신이 발생하면 변경되는 부분만을 처리하여 효율성을 증가시킨다. 또한, 변경되는 부분의 이전 결과 데이터만을 수집하여 점진적인 처리를 수행함으로써 디스크 I/O 비용을 감소시킨다. 다양한 성능평가를 통해 제안하는 기법이 기존 기법에 비해 성능이 우수함을 보인다. Recently, as the use of social media and IoT has increased, large graph streams has been generating and studies on real-time processing for them have been actively carrying out. In this paper we propose a incremental graph stream processing scheme that reuses previous result data when the graph changes continuously. We also propose a cost model to selectively perform incremental processing and static processing. The proposed cost model computes the predicted value of the detection cost and the processing cost of the recalculation area based on the actually processed history and performs the incremental processing when the incremental processing is more profit than the static processing. The proposed incremental processing increases the efficiency by processing only the part that changes when the graph update occurs. Also, by collecting only the previous result data of the changed part and performing the incremental processing, the disk I/O costs are reduced. It is shown through various performance evaluations that the proposed scheme outperforms the existing schemes.
소셜 네트워크에서 행위 분석을 통한 사용자 영향력 판별 기법
박윤정(Yunjeong Park),이서희(Seohee Lee),한진수(Jinsu Han),노연우(Yeonwoo Noh),임종태(Jongtae Lim),김연우(Yeonwoo Kim),복경수(Kyongsoo Bok),유재수(Jaesoo Yoo) 한국콘텐츠학회 2016 한국콘텐츠학회논문지 Vol.16 No.12
소셜 네트워크에서 발생하는 방대한 데이터를 이용해 사용자 영향력을 판별하기 위한 기법이 요구되고 있다. 본 논문에서는 소셜 네트워크에서 신뢰성을 고려한 사용자 영향력 판별 기법을 제안한다. 제안하는 기법은 사용자의 소셜 행위를 통해 신뢰성 점수를 측정하고 신뢰할 수 있는 사용자들만을 모아 네트워크를 간소화한다. 또한, 사용자간의 연결정도에 따라 직-간접적인 영향력을 반영하여 사용자 영향력을 도출한다. 이를 통해 사용자 영향력 판별함으로써 사용자 영향력의 확산성을 향상시킨다. 제안하는 기법의 우수성을 보이기 위해 제안하는 기법과 기존 기법을 신뢰성과 사용자 영향력 확산성 측면에서 성능평가를 수행한다. A user influence discrimination scheme using big data from social networks is needed. In this thesis, we propose a user influence discrimination scheme considering reliability in social networks. The proposed scheme measures reliability scores through social activities and simplifies a social network by collecting only reliable users. It also derives user influence by considering direct and indirect influences that depends on network degree between users. As a result, the proposed scheme improves the expandability of the user influence. In order to show the superiority of the proposed scheme, we compare it with the existing scheme through performance evaluations in terms of reliability and user influence.