• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10c
• /
• pp.224-226
• /
• 1999

대규모 분산 협동 환경에서 다수의 참여자에게 상호 작용 성능을 지원해 주기 위한 확장성 있는 예측 기반 동시성 제어 방법을 제안한다. 예측 기반 동시성 제어는 낙관적 (optimistic) 방법과 같이 참여자들에게 실시간 상호 작용 성능을 제공하고, 비관적 pessimistic) 방법과 같이 잠금(lock)이 부인될 경우가 복구가 필요없다. 본 논문에서는 소유자 예측을 위하여 객체 기반 다중 전송 그룹을 개발했다. 관심있는 객체 주변에 있는 사용자들만 그 객체 다중전송 그룹에 할당된 주소에 참여함으로써 소유권 예측을 위한 소유권 요청을 할 수 있다. 이 방식에서는 소유자는 가상 영역내의 모든 사용자 대신 이 다중 전송 그룹에 참여하고 있는 사용자로부터만 메시지를 받으므로 소유자가 받는 메시지 수는 현저히 감소되어 소유자는 요청 처리 시간이 줄어들고 따라서 보다 더 정확한 예측을 할 수 있다. 분석을 통하여 제안된 동시성 제어 방식이 대규모 가상 환경에서 갖는 효율성과 확장성을 증명한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2007.04a
• /
• pp.261-264
• /
• 2007

유비궈터스 환경의 추천 시스템에서는 협력적 필터링을 위하여 컨텍스트 정보를 사용하고 있으나, 컨텍스트 정보의 부족으로 인하여 추천 결과가 정확하지 않는 경우가 발생하게 된다. 이러한 문제를 해결하기 위하여 컨텍스트 정보와 더불어 사용자 프로파일의 서비스 이력 정보를 사용하였으나, 사용자 프로파일의 서비스 이력 정보는 시간이 지남에 따라 사용자의 기호가 변하거나 유행에 영향을 받을 수 있는 문제점이 있다. 또한 컨텍스트 정보와 사용자 프로파일의 서비스 이력 정보는 상황에 따라 적절히 연동하지 못하여 부정확한 예측을 할 수가 있다. 본 논문에서는 시간의 경과에 따라 사용자의 기호나 유행이 변하는 경우, 사용자 프로파일의 서비스 이력 정보들을 일률적인 값으로 적용하는 것이 아니라 시간에 따라 가중치를 달리 적용하는 방법을 사용하였다. 그리고 컨텍스트 정보와 사용자 프로파일의 서비스 이력 정보가 상황에 따라 적절히 연동하지 못하는 문제는 협력적 필터링하여 나온 결과에 컨텍스트 정보와 사용자 프로파일의 서비스 이력 정보의 가중치를 달리 적용하여 통합함으로써 예측성을 높일 수 있었다.

• Annual Conference on Human and Language Technology
• /
• 2004.10d
• /
• pp.191-199
• /
• 2004

본 논문에서는 텍스트에 나타난 감정상태를 인지하는 모델을 제안하고, 이러한 모델을 활용하여 현재문장에서 나타난 감정 및 이후에 나타나게 될 감정상태들을 예측하는 시스템에 대하여 다룬다. 사용자의 감정을 인지하고 이에 대한 자연스러운 메시지, 행동 등을 통해 인간과 상호작용 할 수 있는 컴퓨터시스템을 구현하기 위해서는 현재의 감정상태뿐만 아니라 사용자 개개인의 정보 및 시스템과 상호작용하고 있는 상황의 정보 등을 통해 이후에 사용자가 느낄 수 있는 감정을 예측할 수 있는 감정모델이 요구된다. 본 논문에서는 파악된 이전의 감정상태 및 실제 감정과 표현된 감정간의 관계, 그리고 감정에 영향을 미친 주변대상의 특징 및 감정경험자의 목표와 행동이 반영된 상태-전이형태의 감정모델인 감정망(Emotion Network)을 제안한다. 감정망은 각 감정을 나타내는 상태(state)와 연결된 상태들 간의 전이(transition), 그리고 전이가 발생하기 위한 조건(condition)으로 구성된다. 본 논문에서는 텍스트 형태의 상담예시에 감정망을 활용하여 문헌의 감정어휘에 의해 직접적으로 표출되지 않는 감정을 예측할 수 있음을 보인다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.05a
• /
• pp.1517-1520
• /
• 2004

핸드오프는 무선 셀룰러 환경에서 사용자의 이동성(Mobility)을 유지해줄 수 있는 가장 중요한 기술 중의 하나이다. 이러한 핸드오프 기술은 사용자가 이동할 주변 셀에 대한 대역폭 예약과 관련이 있다. 효과적인 대역폭 사용을 위하여 사용자의 이동성을 예측하는 기술은 핸드오프 호의 실패율(Dropping Probability)과 핸드오프 지연(Latency)을 줄이는 효과적인 방법이다. 최근에 제시된 ZMHB 알고리즘은 기존의 알고리즘과는 달리 셀 내부의 이동 경로를 저장한 히스토리를 이용하여 사용자가 이동할 셀을 예측하였다. 그러나, 모든 사용자에 대하여 80~85%정도의 예측 정확도만을 보인다. 본 논문에서는 ZMHB 알고리즘에서 사용하는 존(Zone)을 세분화하여 이동 패턴을 저장하고, 이를 예측에 이용하는 Detailed-ZMHB 예측 알고리즘을 제안하고 성능 평가 결과를 보인다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10a
• /
• pp.403-405
• /
• 1999

실시간 시스템에서 프로그램의 실행시간을 예측하는 것은 중요한 일이다. 기존의 언어에서는 실행시간은 예측하기에 힘든 요소들이 있다. Timing-C는 이러한 요소를 제거하고 사용자로부터 시간 제약을 입력받을 수 있도록 하였다. Timing-C언어를 이용하여 실시간 프로그램밍을 하기 위해 작성한 프로그램이 시간제약을 준수하고 있는지 알기 위해 시간 분석 도구가 필요하다. 시간 분석 도구는 작성된 프로그램의 실행시간을 제한하여 사용자에게예측된 결과를 알려주는 도구이다. 개발자는 이러한 도구를 이용하여 작성하고 있는 프로그램의 수행시간을 더욱 정확하게 예측할 수 있다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10b
• /
• pp.115-117
• /
• 2001

기존의 인터넷 웹사이트에서는 사용자의 만족을 극대화시키기 위하여 사용자별로 개인화 된 서비스를 제공하는 협력적 필터링 방식을 적용하고 있다. 협력적 필터링 기술은 사용자의 취향에 맞는 아이템을 예측하여 추천하며, 비슷한 선호도를 가진 다른 사용자들과의 상관관계를 구하기 위하여 일반적으로 피어슨 상관계수를 많이 이용한다. 그러나, 피어슨 상관계수를 이용한 방법은 사용자가 평가를 한 아이템이 있을 때에만 상관관계를 구할 수 있다는 단점과 예측의 정확성이 떨어진다는 단점을 가지고 있다. 따라서, 본 논문에서는 피어슨 상관관계 기반 예측 기법을 보완하여 보다 정확한 사용자 유사도를 구하는 방법을 제안한다. 제안된 방법에서는 사용자들을 대상으로 사용자가 평가를 한 아이템의 선호도를 사용해서 엔트로피를 적용하였고, 사용자가 선호도를 표시하지 않은 상품에 대해서는 Default Voting 방법을 이용하여 보다 정확한 헙력적 필터링 방식을 구현하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.10b
• /
• pp.169-173
• /
• 2006

유비쿼터스 상거래에서 사용자가 정보를 효율적으로 이용할 수 있도록 제어하고 필터링하는 일을 도와주는 개인화된 추천 시스템이 등장하였다. 더 나아가서는 사용자가 원하는 아이템을 예측하고 추천해주며, 이를 위해 협력적 필터링 기술을 적용하고 있다. 이는 사용자의 성향에 맞는 아이템을 예측하고 추천하기 위하여 비슷한 선호도를 가지는 사용자들 간의 유사도 가중치를 계산한다. 본 논문에서는 속성정보에 대한 사용자의 선호도를 고려하지 않은 문제점을 개선하기 위해서 속성정보를 이용한 연관 사용자의 선호도를 협력적 필터링 기술에 반영함으로써 추천의 정확도를 높이고자 한다. 그리고 협력적 필터링의 {연관 사용자-아이템} 행렬에서 사용자들 간의 연관 관계를 유지하면서 차원 수를 감소시키기 위해 ARHP 알고리즘을 이용하여 연관 사용자 군집을 한다. 제안된 방법의 성능 평가를 하기 위해 사용자가 아이템에 대해서 평가한 MovieLens 데이터 집합을 대상으로 평가되었으며, 기존의 Nearest Neighbor Model과 K-Means 군집보다 그 성능이 우수함을 보인다.

• Proceedings of the Korean Society for Emotion and Sensibility Conference
• /
• 2009.05a
• /
• pp.39-42
• /
• 2009

4 세대 모바일폰은 카메라, MP3, 블루투스, DMB, 전자수첩, PC, 웹브라우징의 복합 기능을 가진 제품으로 진화하고 있으며, 이를 위한 사용자의 요구와 경험디자인의 요소를 탐색하고 분석하는 것이 요구된다. 하지만 기존의 사용자 요구의 조사와 경험디자인은 많은 비용과 시간을 투입하고도 기존 요구의 재확인에 머물거나, 제한적이고 예측 가능한 결과만을 도출하는 문제점을 가지고 있어 창의적 디자인 아이디어 도출에는 한계를 가지고 있다. 이는 사용자의 선정과 분석의 방법이 마케팅 중심의 통계적 방법에 기초하고 있으며, 사용자의 선정에 분석의 결과가 좌우되기 때문이다. 본 연구는 창의적 경험디자인의 방법으로서 1% 이미지 추출의 작업과 국내외 커뮤니티 사이트를 중심으로 한 디지털 포켓리서치의 방법을 활용하였나 2차 사용자 조사는 '1% UX 리서치'로 명명한 극단적 사용자 분석의 방법을 개발하고 적용하였으며, 주요 디자인 요구와 암시점은 K-J 매트릭스를 통하여 체계화하였다. 디지털포켓리서치와 1% 사용자의 리서치의 방법론은 근 미래의 사용자 예측과 풍부한 경험디자인의 아이디어를 발상할 수 있다는 측면에서 기존의 방법론 보다 비용과 시간 측면에서 효율적으로 활용할 수 있었다.

• Journal of Advanced Navigation Technology
• /
• v.11 no.3
• /
• pp.252-258
• /
• 2007

There has been a lot of research done in scheme guaranteeing user's mobility and effective resources management to satisfy the requested by users in the wireless/mobile networks. In this paper, we propose a predictive resource allocation scheme based on ARMA(Auto Regressive Moving Average) prediction model to meet QoS requirements(handoff dropping rate) for guaranteeing users' mobility. The proposed scheme predicts the demanded amount of resource in the future time by ARMA time series prediction model, and then reserves it. The ARMA model can be used to take into account the correlation of future handoff resource demands with present and past handoff demands for provision of targeted handoff dropping rate. Simulation results show that the proposed scheme outperforms the existing RCS(Reserved channel scheme) in terms of handoff connection dropping rate and resource utilization.

• Journal of the Korea Society of Computer and Information
• /
• v.19 no.5
• /
• pp.61-69
• /
• 2014

Collaborative filtering recommendation creates similar item subset or similar user subset based on user preference about items and predict user preference to particular item by using them. Thus, if preference matrix has low density, reliability of recommendation will be sharply decreased. To solve these problems we suggest Hybrid Preference Prediction Technique Using Weighting based Data Reliability. Preference prediction is carried out by creating similar item subset and similar user subset and predicting user preference by each subset and merging each predictive value by weighting point applying model condition. According to this technique, we can increase accuracy of user preference prediction and implement recommendation system which can provide highly reliable recommendation when density of preference matrix is low. Efficiency of this system is verified by Mean Absolute Error. Proposed technique shows average 21.7% improvement than Hao Ji's technique when preference matrix sparsity is more than 84% through experiment.