• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2007.06a
• /
• pp.323-326
• /
• 2007

When traveling on real road network, it generally takes less travel time in a near straight path than a zig-zaged path with same source and destination. In order to making a left(right/u) turn, the delay should be required to decrease the speed. The traffic signal waiting time of left(right/u) turn is probably longer than straight driving. In this paper, we revise the previous hierarchical path finding algorithm to reduce the number of turns. The algorithm proposed in this paper complied with a hierarchical $A^*$ algorithm, but has a distinct strategy for edge weight. We define an edge that makes a turn as a turn-edge and give the turn-edge lower weight to maintain the straightness of the whole path.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2002.11b
• /
• pp.437-441
• /
• 2002

멀티미디어 검색 시스템들은 아직까지 내용 기반에 의한 검색 기술이 실용적으로 쓰일 만큼 높은 성능을 보이고 있지 않기 때문에 텍스트에 의한 검색만을 지원하고 있는 실정이다. HTML문서에 나타나는 텍스트 중 이미지 아래에 붙은 표제나 이미지 링크에 붙어 있는 텍스트를 골라내어 이미지의 색인 정보로 이용하여 텍스트를 추출하는 기법을 제안하였다. 텍스트를 추출하기 위해 n-gram 색인 방법을 사용하였으며 한편 검색 효율을 높이기 위해서 질의 의도가 큰 단어에 가중치를 부여하였다.

• Proceedings of the Korean Society for Information Management Conference
• /
• 2000.08a
• /
• pp.37-40
• /
• 2000

KNN(K-Neatest Neighbors)을 사용한 문서의 자동분류에서는 새로운 입력문서에 범주를 할당하기 위해 K개의 유사문서로부터 범주별 문서의 분류빈도나 유사도를 이용한다. 본 연구에서는 KNN 기법에서 보편적으로 사용되는 범주 할당 방법을 응용하여 K개 유사문서 중 최상위 및 상위 M개 문서에 가중치를 부여하는 방법들을 고안하였고 K값의 변화에 따른 이들의 성능을 비교해 보았다.

• The KIPS Transactions:PartB
• /
• v.15B no.5
• /
• pp.457-464
• /
• 2008

In the real-world operational environment, most of text classification systems have the problems of insufficient training documents and no prior knowledge of feature space. In this regard, $Na{\ddot{i}ve$ Bayes is known to be an appropriate algorithm of operational text classification since the classification model can be evolved easily by incrementally updating its pre-learned classification model and feature space. This paper proposes the improving technique of $Na{\ddot{i}ve$ Bayes classifier through feature weighting strategy. The basic idea is that parameter estimation of $Na{\ddot{i}ve$ Bayes considers the degree of feature importance as well as feature distribution. We can develop a more accurate classification model by incorporating feature weights into Naive Bayes learning algorithm, not performing a learning process with a reduced feature set. In addition, we have extended a conventional feature update algorithm for incremental feature weighting in a dynamic operational environment. To evaluate the proposed method, we perform the experiments using the various document collections, and show that the traditional $Na{\ddot{i}ve$ Bayes classifier can be significantly improved by the proposed technique.

• Annual Conference on Human and Language Technology
• /
• 2012.10a
• /
• pp.84-87
• /
• 2012

대분분의 검색 엔진에서 색인어의 추출 및 가중치의 부여방법은 매우 중요한 연구주제로, 검색 엔진의 성능에 큰 영항을 미친다. 일반적으로, 불용어 리스트를 통해 성능에 긍정적인 영향을 미치지 않는 색인어를 제거하거나, 핵심어 또는 전문용어 등 상대적으로 중요한 색인어를 강조하는 방식을 사용하여 검색엔진의 성능을 향상시킨다. 하지만, 어절 분리, 형태소 분석, 불용어 처리 등 검색엔진의 단계열 처리 과정에서, 개별적인 색인어가 검색엔진에 미치는 영향을 분석하고 이를 반영한 검색 엔진 성능 향상 기법은 제시되지 않고 있다. 따라서 본 연구에서는 각 단계별 처리 과정에서 생성된 색인어가 미치는 영항을 계랑화하여 긍정적/부정적 색인어를 분류하는 방법론을 소개하고, 이를 기반으로 색인어 가중치를 조절함으로써 검색 엔진의 성능 또한 향상 가능한 방법을 소개한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2004.05b
• /
• pp.854-858
• /
• 2004

수자원 계획 및 관리 분야에서는 여러 상반된 기준들을 고려하여 의사결정을 내려야 하는 상황이 매우 빈번하게 발생한다. 따라서 이러한 상충되는 기준들에서 최적의 대안들을 찾고 이를 결정하기 위해 다기준 의사결정 분석과 같은 방법을 고려할 필요가 있다. 다기준 의사결정의 중요한 특징은 목적과 기준을 설정, 상대적 가중치들을 추정, 개별 성능 기준에 대한 대안들의 기여도를 결정하는데 있어서 의사 결정자의 판단에 중점을 두는 것이다. 주관적인 견해가 너무 많이 산재할 경우는 문제가 될 수 있지만, 원칙적으로 다기준 의사결정은 목적, 기준, 가중치 및 목표 달성 평가에 내한 의사결정자의 선택을 중시하며, 이를 과학적이고 명확한 방법으로 표현할 수 있는 장점을 가지고 있다. 또한 다기준 의사결정방법들은 비용-편익 분석의 실무적인 한계를 초월하는 의사결정 사안들을 위한 구조, 분석 방법, 융통성을 가지고 있기도 한다. 본 연구에서는 최근 국내 수자원 계획 및 관리 분야에 적용되는 계층화분석방법 이외에 유럽 등지에서 많이 활용되고 있는 가치함수법, Outranking 방법 등을 소개하고자 기준에 대한 대안들의 점수를 부여하는 방법과 가중치 산정 방법을 소개하였다. 또한 수자원 분야에 적용되었던 다기준 의사결정분석 방법을 소개함으로써 국내 수자원 분야에서 발생할 수 있는 여러 상반된 기준을 고려시 최적의 대안을 찾아내는데 중요한 정보를 제공하고자 한다.

• Proceedings of the Safety Management and Science Conference
• /
• 2001.11a
• /
• pp.15-19
• /
• 2001

80년대 골드랫 박사에 의해 이론이 소개된 이후, 북미와 유럽 지역에서 많은 학자와 기업가들에 의해 연구, 현장에 적용되면서 오늘날 경영혁신 기법들을 주도하는 이론으로 자리잡은 제약이론(Theory of Constraints)은 최근에야 비로소 국내에 소개되고 있는 실정이다. 하지만 소개된 대부분의 연구가 TOC를 구성하는 여러 엔진 중 DBR에 국한된 것들이며, DBR 스케줄링 역시 아직은 이론적 연구에 그치고 있다. 본 연구에서는 기존의 여러 DBR 스케줄링 연구에서 보여진 한계, 즉 제약자원을 선정하는 데 있어, 자원이 가진 부하비율(부하/능력)만을 선정의 기준으로 고려하는 것에서 벗어나 실제 생산현장에 존재할 수 있는 여러 요소를 고려한 스케줄링 방법을 제시하였다. 각 제약자원들의 중요도를 고려하는데 있어서, 객관적 요소와 주관적 요소를 분류한 후 여러 전문가가 각각의 주관적 요소에 부여된 값을 다구찌 기법에서 이용하는 SN비로 계산하고 그 값들을 정규화 하였고, 주관적 요소와 객관적 요소를 위한 가중치 또한 SN비로 계산하고 그 값들을 정규화하는 방법을 제시하였다. 이 방법은 여러 요소들을 고려한 제약자원의 결정에 있어서 다른 요소들에 대한 다수의 전문가의 의견 통합을 시도하였고, 동시에 제약자원 결정에 있어서 임의의 요소에 전문가들이 부여한 값들의 평균이 크고 그 값들이 차이가 적은 즉, 거의 일치한 평가를 내리는 자원을 제약으로 선정하고 스케줄링하는 방법을 시도하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2013.01a
• /
• pp.291-294
• /
• 2013

연관 규칙 감축 기법은 대규모 데이터를 사용하는 Socially aware computing분야에서 매우 중요한 이슈이다. 본 논문에서는 수집된 각종 데이터들을 각 속성 기준에 따라 이진 변환한 후 가중치를 부여하고 논리식 감축 방법을 이용하여 신뢰성을 보장하는 규칙을 도출하는 새로운 데이터 감축 기법을 제안한다. 이는 컴퓨터 시뮬레이션 결과 기존의 방식들에 비해 지지도, 신뢰도, 규칙 감소율, 연관 규칙 추출 시간에 좋은 성능을 보였으며 이는 빠른 시간 내에 신뢰성 높은 대규모 데이터 처리가 필요한 Socially aware computing분야에 적합하다고 판단한다.

• The Journal of the Korea Contents Association
• /
• v.9 no.2
• /
• pp.142-151
• /
• 2009

Previous document clustering method, NSTC measures similarities between two document pairs using TF-IDF during web document clustering. In this paper, we propose new similarity measure using common phrase-based relational graph, not TF-IDF. This method suggests that weighting common phrases by relational graph presenting relationship among common phrases in document collection. And experimental results indicate that proposed method is more effective in clustering document collection than NSTC.

• Annual Conference on Human and Language Technology
• /
• 2001.10d
• /
• pp.138-145
• /
• 2001

자동 문서 범주화란 문서의 내용에 기반하여 미리 정의되어 있는 범주에 문서를 자동으로 분류하는 작업이다. 문서 분류를 위해서는 문서들을 가장 잘 표현할 수 있는 자질들을 정하고, 이러한 자질들을 통해 분류할 문서를 표현해야 한다. 기존의 연구들은 문장간의 구분 없이, 문서 전체에 나타난 각 자질의 빈도수를 이용하여 문서를 표현 한다. 그러나 하나의 문서 내에서도 중요한 문장과 그렇지 못한 문장의 구분이 있으며, 이러한 문장 중요도의 차이는 각각의 문장에 나타나는 자질의 중요도에도 영향을 미친다. 본 논문에서는 문서에서 사용되는 중요 문장 추출 기법을 문서 분류에 적용하여, 문서 내에 나타나는 각 문장들의 문장 중요도를 계산하고 문서의 내용을 잘 나타내는 문장들과 그렇지 못한 문장들을 구분하여 각 문장에서 출현하는 자질들의 가중치를 다르게 부여하여 문서를 표현한다. 이렇게 문장들의 중요도를 고려하여 문서를 표현한 기법의 성능을 평가하기 위해서 뉴스 그룹 데이터를 구축하고 실험하였으며 좋은 성능을 얻을 수 있었다.