• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10d
• /
• pp.355-357
• /
• 2002

고객 관리를 위한 CRM시스템이 인터넷 환경에서 eCRM시스템으로 발전하게 됨에 따라 보다 효과적이고 인터넷 환경에 맞는 eCRM시스템을 개발하는 것에 대한 관심이 높아지고 있다. 기존의 CRM시스템은 고객을 분석하고 분석한 결과를 일괄적으로 캠페인에 적용하고 또한 한꺼번에 캠페인 결과를 피드백하여 분석함으로써 다음 캠페인에 이용할 수 있도록 하고 있다. 그러나 eCRM 시스템은 24시간 캠페인을 가능하게 하였고 그때 그때 수집되는 데이터를 모아 일정한 시간을 주기로 하여 피드백하여 결과에 반영하고 있다. 보다 개인화(personalization)된 eCRM을 설계하고 이를 효과적으로 이용하기 위해서는 좀더 지능적인 피드백과 분석이 필요하다. 이에 본 연구에서는 데이터 마이닝을 이용하여 단순히 일정 시간주기가 아닌 의미있는 데이터량을 정함으로써 그 데이터량이 되었을 때 피드백을 수행하도록 하고 있다. 그럼으로써 개인화를 수행하는데 있어서 좀더 적시에 정확한 정보를 추천할 수 있도록 제안하고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2009.04a
• /
• pp.306-309
• /
• 2009

일반적으로 이벤트는 발생 시점이라는 시간 속성을 갖는다. 그리고 고객 단위로 이벤트를 축적한 데이터베이스가 있다면 데이터 마이닝을 통하여 유용한 정보를 탐사할 수 있다. 특히 이벤트 발생의 원인과 결과에 대한 관계 규칙을 찾아낼 수 있다면 과거의 정보를 바탕으로 미래를 예측할 수 있는 예측 판단 정보로 사용할 수 있다. 본 연구에서는 데이터 스트림 시스템에서 시간 관계 규칙을 탐사하고 시간 관계 규칙을 구성하는 이벤트 간의 영향력을 측정하기 위한 SM-EC(data Stream Mining for Exploration of Causality)기법을 제안한다. 실험을 통하여 SM-EC가 제공하는 영향력 정보는 다양한 비상 상황에 대처하는 중요한 척도가 될 수 있음을 확인하였다.

• Convergence Security Journal
• /
• v.5 no.2
• /
• pp.1-8
• /
• 2005

Network event analysis gives useful information on the network status that helps protect attacks. It involves finding sets of frequently used packet information such as IP addresses and requires real-time processing by its nature. Apriori algorithm used for data mining can be applied to find frequent item sets, but is not suitable for analyzing network events on real-time due to the high usage of CPU and memory and thus low processing speed. This paper develops a network event audit module by applying association rules to network events using a new algorithm instead of Apriori algorithm. Test results show that the application of the new algorithm gives drastically low usage of both CPU and memory for network event analysis compared with existing Apriori algorithm.

• Proceedings of the KIEE Conference
• /
• 2009.07a
• /
• pp.111_112
• /
• 2009

복잡하고 대규모화된 전력계통의 최적계획 및 경제적 운용을 위해서는 시간별 전력 부하에 대한 단기간의 전력 부하 예측이 필요하다. 이러한 단기 부하 예측의 정확성을 높이기 위해서는 전력 부하를 유형별 특성에 맞게 적절하게 분류하여야 한다. 이를 위하여 본 논문에서는 데이터 마이닝 기법을 사용하여 보다 효율적이고 체계적으로 전력 부하 패턴을 분류하고, 분류된 그룹의 특징을 분석하였다.

• The KIPS Transactions:PartD
• /
• v.16D no.3
• /
• pp.307-316
• /
• 2009

In this paper, the spatiotemporal data mining methodology for detecting a cycle of power consumption pattern with the change of time and spatial was proposed, and applied to the power consumption data collected by GIS-AMR system with an aim to use its resulting knowledge in real world applications. First, partial clustering method was applied for cluster analysis concerned with the aim of customer's power consumption. Second, the patterns of customer's power consumption data which contain time and spatial attribute were detected by 3D cube mining method. Third, using the calendar pattern mining method for detection of cyclic patterns in the various time domains, the meanings and relationships of time attribute which is previously detected patterns were analyzed and predicted. For the evaluation of the proposed spatiotemporal data mining, we analyzed and predicted the power consumption patterns included the cycle of time and spatial feature from total 266,426 data of 3,256 customers with high power consumption from Jan. 2007 to Apr. 2007 supported by the GIS-AMR system in KEPRI. As a result of applying the proposed analysis methodology, cyclic patterns of each representative profiles of a group is identified on time and location.

• Journal of Internet Computing and Services
• /
• v.16 no.2
• /
• pp.77-83
• /
• 2015

Frequent pattern mining, which is one of the major areas actively studied in data mining, is a method for extracting useful pattern information hidden from large data sets or databases. Moreover, frequent pattern mining approaches have been actively employed in a variety of application fields because the results obtained from them can allow us to analyze various, important characteristics within databases more easily and automatically. However, traditional frequent pattern mining methods, which simply extract all of the possible frequent patterns such that each of their support values is not smaller than a user-given minimum support threshold, have the following problems. First, traditional approaches have to generate a numerous number of patterns according to the features of a given database and the degree of threshold settings, and the number can also increase in geometrical progression. In addition, such works also cause waste of runtime and memory resources. Furthermore, the pattern results excessively generated from the methods also lead to troubles of pattern analysis for the mining results. In order to solve such issues of previous traditional frequent pattern mining approaches, the concept of representative pattern mining and its various related works have been proposed. In contrast to the traditional ones that find all the possible frequent patterns from databases, representative pattern mining approaches selectively extract a smaller number of patterns that represent general frequent patterns. In this paper, we describe details and characteristics of pattern condensing techniques that consider the maximality or closure property of generated frequent patterns, and conduct comparison and analysis for the techniques. Given a frequent pattern, satisfying the maximality for the pattern signifies that all of the possible super sets of the pattern must have smaller support values than a user-specific minimum support threshold; meanwhile, satisfying the closure property for the pattern means that there is no superset of which the support is equal to that of the pattern with respect to all the possible super sets. By mining maximal frequent patterns or closed frequent ones, we can achieve effective pattern compression and also perform mining operations with much smaller time and space resources. In addition, compressed patterns can be converted into the original frequent pattern forms again if necessary; especially, the closed frequent pattern notation has the ability to convert representative patterns into the original ones again without any information loss. That is, we can obtain a complete set of original frequent patterns from closed frequent ones. Although the maximal frequent pattern notation does not guarantee a complete recovery rate in the process of pattern conversion, it has an advantage that can extract a smaller number of representative patterns more quickly compared to the closed frequent pattern notation. In this paper, we show the performance results and characteristics of the aforementioned techniques in terms of pattern generation, runtime, and memory usage by conducting performance evaluation with respect to various real data sets collected from the real world. For more exact comparison, we also employ the algorithms implementing these techniques on the same platform and Implementation level.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2006.05a
• /
• pp.1061-1064
• /
• 2006

유비쿼터스 컴퓨팅 환경에서 사용자가 원하는 서비스를 다양한 상황에 맞게 서비스를 검색하고 조합하여 적합한 서비스를 제공하는 것은 중요한 일이다. 그러나 기존 연구는 사용자 정보를 이용하여 기본 서비스들로부터 새로운 조합 서비스를 찾아내는 것이 미흡하다. 또한 단순한 기본 서비스들의 나열에 불가하고, 사용 이력에 대한 구체적 방안을 고려하지 않는다. 따라서 본 논문에서는 사용자의 상황 정보 및 서비스 사용 이력을 고려한 데이터 마이닝 기반 서비스 조합 기법을 제안한다. 세부적 연구내용은 최적의 서비스를 동적으로 생성하여 제공하는 COSEP(Context-based Service Provisioning) 시스템 프레임워크에서 데이터 마이닝 기능을 겸비한 온톨로지를 이용한 서비스 조합 기법을 제안한다. 결과적으로 본 연구는 사용자의 시간과 위치와 같은 상황 정보에 능동적으로 반응하여 서비스를 발견하고, 데이터 마이닝 기법을 가진 온토롤지를 이용하여 서비스를 조합함으로써 최적의 서비스를 생성하여 사용자에게 제공하는 것이 기대된다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2015.01a
• /
• pp.299-302
• /
• 2015

사회복지 지표조사는 주민들의 사회복지에 관한 다양한 상태를 전체적으로 파악할 수 있는 조사로 다양한 복지정책 개발에 있어 지역 주민들의 욕구를 반영할 수 있는 장점이 있다. 따라서 사회복지 지표조사는 복지 욕구를 알 수 있는 중요한 척도의 기준이라 할 수 있어 많은 지자체 및 정부기관에서 예산과 시간을 들여 조사를 실시하고 있다. 그러나 조사에 대한 분석 결과가 기초적인 통계 분석 위주로 되어 있어 실제 자료를 제대로 할용하지 못하고 있는 것이 현실이다. 이에 본 논문에서는 데이터 마이닝 기법을 이용한 분석 방법론을 제시한다. 또한 이를 충청북도의 중장기 사회복지 정책을 위한 지표조사에 적용하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.10a
• /
• pp.377-380
• /
• 2004

본 논문에서는 기존의 교통 상황 검지 장비들이 가지고 있는 문제점들을 해결하기 위해 실제 통행속도 데이터의 해당 도로 속성들을 이용하여 데이터 마이닝을 통한 합리적인 오차범위 내에서의 실시간 교통 정보 예측 알고리즘을 제안한다. 본 논문에서 제안하는 알고리즘은 데이터 파이닝의 분석 기법중 하나인 신경망(Neural Network)분석을 통하여 통행 속도 예측 근사 모델을 개발하는 것이며, 기존의 교통 상황 판단 알고리즘과의 결과 비교를 통해 비용 절감 효과와 속도 정보가 없는 도로까지의 합리적인 통행 속도 예측, 그리고 Off line상에서의 시간대별 교통 정보 제공이 가능함을 보인다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2015.05a
• /
• pp.160-163
• /
• 2015

현대인들은 필요한 물건들을 직접 구매하러 갈 시간이 부족하기 때문에 온라인 쇼핑몰의 이용 빈도가 늘어가고 있으며 이에 따라 온라인 쇼핑몰이 성행하고 있다. 하지만 온라인 쇼핑몰에서 물건을 구매하는 것은 물건을 눈으로 확인할 수 없다는 문제점이 있기 때문에 상품평은 구매를 결정하는데 많은 영향을 준다. 현재 온라인 쇼핑몰에서 고객이 상품평을 통해 상품에 대한 정보를 파악하기 어렵기 때문에 이를 해결하기 위한 연구들이 진행되고 있다. 이러한 연구들로 상품평의 의견을 분석하기 위한 연구로 오피니언 마이닝이 사용되고 있는 추세이다. 그러나 지금까지의 연구는 문법적인 오류, 신조어와 같이 국어사전에 등재되어 있지 않은 단어들을 감성분석기가 올바르게 판단하지 못하기 때문에 분석의 신뢰도가 떨어진다는 문제점이 있다. 그래서 형태소 분석을 실시하기 전에 신조어 사전을 추가하여 Noisy-channel model을 적용하여 더욱 정확한 감성분석이 가능하도록 하였다. 이러한 과정을 통해 가공된 정보를 바탕으로 상품평을 보다 정확하게 분석할 수 있는 시스템을 제안하고자 한다.