http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
최도진(Do-Jin Choi),백연희(Yeon-Hee Baek),이소민(So-Min Lee),김윤아(Yun-A Kim),김남영(Nam-Young Kim),최재용(Jae-Young Choi),이현병(Hyeon-Byeong Lee),임종태(Jong-Tae Lim),복경수(Kyoung-Soo Bok),송석일(Seok-Il Song),유재수(Jae-Soo Yoo) 한국콘텐츠학회 2021 한국콘텐츠학회논문지 Vol.21 No.9
ArangoDB는 대용량 데이터 저장을 위해 많은 응용에서 활용되고 있는 NoSQL 데이터베이스 시스템이다. ArangoDB와 같은 새로운 NoSQL 데이터베이스 시스템을 실제 환경에 적용하기 위해서 성능을 평가해 줄 수 있는 벤치마킹 시스템이 필요하다. 본 논문에서는 응용 계층뿐만 아니라 커널 계층에서의 성능이 측정 가능한 ArangoDB 기반 벤치마킹 시스템을 설계하고 구현한다. 클러스터 환경에서의 NoSQL 데이터베이스 시스템 성능을 측정하기 위해서 YCSB를 일부 수정한다. 또한, 기존 자료 분석을 통해 실세계에서 발생하는 세가지 워크로드 유형을 정의한다. 세 가지 워크로드 유형의 벤치마킹을 통해 ArangoDB에서 활용 가능한 워크로드를 도출하였고, 응용 계층뿐만 아니라 커널 계층의 성능이 가시화될 수 있음을 입증하였다. 기존 데이터베이스에서 ArangoDB로 데이터 이전 작업이 필요한 환경에서는 본 시스템의 벤치마킹을 통해 적용 가능성과 리스크 검토가 가능할 것으로 기대된다. ArangoDB is a NoSQL database system that has been popularly utilized in many applications for storing large amounts of data. In order to apply a new NoSQL database system such as ArangoDB, to real work environments we need a benchmarking system that can evaluate its performance. In this paper, we design and implement a ArangoDB based benchmarking system that measures a kernel level performance well as an application level performance. We partially modify YCSB to measure the performance of a NoSQL database system in the cluster environment. We also define three real-world workload types by analyzing the existing materials. We prove the feasibility of the proposed system through the benchmarking of three workload types. We derive available workloads in ArangoDB and show that performance at the kernel layer as well as the application layer can be visualized through benchmarking of three workload types. It is expected that applicability and risk reviews will be possible through benchmarking of this system in environments that need to transfer data from the existing database engine to ArangoDB.
최도진(Do-Jin Choi),박재열(Jae-Yeol Park),박수빈(Soo-Bin Park),임종태(Jong-Tae Lim),송재오(Je-0 Song),복경수(Kyoung-Soo Bok),유재수(Jae-Soo Yoo) 한국콘텐츠학회 2019 한국콘텐츠학회논문지 Vol.19 No.3
온라인 쇼핑몰의 대중화로 인해 소비자는 폭 넓은 소비의 기회를 제공받고 있다. 소비자들은 온라인 쇼핑몰에서 제공되는 실제 상품을 구매한 사용자의 리뷰, 상품의 자세한 정보와 같은 정보를 활용하여 상품의 구매 여부를 결정한다. 방대한 정보가 신뢰할 수 있는 정보인지는 소비자들이 스스로 판단해야만하기 때문에 객관적이며 신뢰할 수 있는 정보의 제공이 필요하다. 본 논문에서는 신뢰할 수 있는 상품의 추천을 위해서 상품의 신뢰도를 고려한 개인화된 추천 기법을 제안한다. 제안하는 추천 기법은 개인화 추천을 위해서 사용자의 다양한 행위를 기반으로 사용자의 선호도를 판별한다. 또한, 최신의 성향을 반영하기 위해서 시간 가중치를 고려한 사용자 선호도 계산 방법을 제안한다. 마지막으로 사용자가 사용하지 않았던 상품에 대한 선호 점수를 예측하고 예측 점수가 높은 상품 중 신뢰도가 높은 상품들을 추천한다. As online shopping malls continue to grow in popularity, various chances of consumption are provided to customers. Customers decide the purchase by exploiting information provided by shopping malls such as the reviews of actual purchasing users, the detailed information of items, and so on. It is required to provide objective and reliable information because customers have to decide on their own whether the massive information is credible. In this paper, we propose a personalized recommendation method considering an item confidence to recommend reliable items. The proposed method determines user preferences based on various behaviors for personalized recommendation. We also propose an user preference measurement that considers time weights to apply the latest propensity to consume. Finally, we predict the preference score of items that have not been used or purchased before, and we recommend items that have highest scores in terms of both the predicted preference score and the item confidence score.
최도진(Do-Jin Choi),오영호(Young-Ho Oh),편도웅(Do-Woong Pyun),방민주(Min-Ju Bang),전종우(Jong-Woo Jeon),이현병(Hyeon-Byeong Lee),박득배(Deukbae Park),임종태(Jong-Tae Lim),복경수(Kyoung-Soo Bok),유효근(Hyo-Keun Yoo),유재수(Jae-Soo Yoo 한국콘텐츠학회 2021 한국콘텐츠학회논문지 Vol.21 No.12
특정 연구 분야에 대한 전문성을 가진 연구자를 찾기 위해서는 객관적인 전문가 판별 방법이 필요하다. 기존에는 전문가 판별을 위해 인용 그래프 기반의 판별 기법과 수식 기반의 판별 기법이 존재한다. 본 논문에서는 기존 수식 기반 판별에서 고려하지 못하였던 다양한 특성들을 반영한 효율적인 전문가 판별 기법을 제안한다. 연구자의 전문성을 판별하기 위해 품질, 생산성, 기여도, 최신성, 정확성, 지속성을 고려한 전문성 지수를 제안한다. 또한, 학술 검색 사이트만의 특성을 반영하기 위해 소셜 인용 수를 추가로 고려한다. 다양한 학술 사이트 기반의 논문 수집 및 성능 평가 결과를 제시하고 제안하는 기법의 타당성과 실현성을 입증한다. An objective expert discrimination scheme is needed for finding researchers who have insight and knowledge about a particular field of research. There are two types of expert discrimination schemes such as a citation graph based method and a formula based method. In this paper, we propose an efficient expert discrimination scheme considering various characteristics that have not been considered in the existing formula based methods. In order to discriminate the expertise of researchers, we present six expertise indices such as quality, productivity, contributiveness, recentness, accuracy, and durability. We also consider the number of social citations to apply the characteristics of academic search sites. Finally, we conduct various experiments to prove the validity and feasibility of the proposed scheme.
최도진(Do-Jin Choi),백연희(Yeon-Hee Baek),이소민(So-Min Lee),김윤아(Yun-A Kim),김남영(Nam-Young Kim),최재용(Jae-Young Choi),이현병(Hyeon-Byeong Lee),임종태(Jong-Tae Lim),복경수(Kyoung-Soo Bok),송석일(Seok-Il Song),유재수(Jae-Soo Yoo) 한국콘텐츠학회 2021 한국콘텐츠학회논문지 Vol.21 No.12
객체 간의 관계를 표현하기 위해 정점과 간선으로 구성된 그래프 데이터를 효율적으로 저장하고 질의 처리하기 위한 그래프 데이터베이스가 개발되었다. 그래프 데이터베이스는 질의 유형이 기존 NoSQL 데이터베이스와 매우 다른 특성을 보이기 때문에 그래프 데이터베이스의 성능을 검증하기 위해서는 그래프 데이터베이스에 알맞은 벤치마킹 도구가 필요하다. 본 논문에서는 그래프 입력과 질의에 대한 다양성을 지원하는 효율적인 그래프 데이터베이스 벤치마킹 시스템을 제안한다. 제안하는 시스템은 그래프 데이터베이스에 대한 벤치마킹을 테스트하기 위해서 OrientDB를 활용한다. 입력 그래프와 질의 그래프의 다양성을 지원하기 위해서 기존 그래프 데이터 생성 도구인 LDBC를 이용한다. 벤치마킹 결과 분석을 통해 제안하는 기법의 타당성 및 실효성을 입증한다. 성능 평가 결과 제안하는 시스템은 사용자 정의 가능한 가상 그래프 데이터가 생성이 가능하며, 생성된 그래프 데이터를 기반으로 벤치마킹이 가능함을 보였다. Graph databases have been developed to efficiently store and query graph data composed of vertices and edges to express relationships between objects. Since the query types of graph database show very different characteristics from traditional NoSQL databases, benchmarking tools suitable for graph databases to verify the performance of the graph database are needed. In this paper, we propose an efficient graph database benchmarking system that supports diversity in graph inputs and queries. The proposed system utilizes OrientDB to conduct benchmarking for graph databases. In order to support the diversity of input graphs and query graphs, we use LDBC that is an existing graph data generation tool. We demonstrate the feasibility and effectiveness of the proposed scheme through analysis of benchmarking results. As a result of performance evaluation, it has been shown that the proposed system can generate customizable synthetic graph data, and benchmarking can be performed based on the generated graph data.