• Proceedings of the Korea Information Processing Society Conference
• /
• 2011.04a
• /
• pp.1542-1545
• /
• 2011

형식개념분석기법(FCA : Formal Concept Analysis)은 주어진 데이터로부터 공통속성을 갖는 객체들을 클러스터링하여 정보의 최소단위로써 개념(Concept)들을 추출하고 그들 사이의 관계를 토대로 계층화하여 데이터에 내재된 개념들의 구조를 가시화 해주는 Granular Computing의 한 종류이다. 형식 개념분석기법에서는 공통속성을 갖는 객체들을 추출한다는 전제조건을 토대로 개념을 추출하기 때문에 다양한 상황이나 조건에 적합한 새로운 개념들을 추출하기에는 한계가 있다. 이와 같은 문제를 해결하기 위한 한 가지 방법으로써, 본 논문에서는 입자화 정도(granularity level)를 기반으로 하는 형식 개념분석기법을 제안한다. 본 논문에서 제안하는 기법에서는 형식개념분석기법에 입자화 정도를 도입하여 다양한 조건과 추상화 수준을 토대로 하여, 개념들을 추출하고 개념계층구조를 구축할 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2010.11a
• /
• pp.413-416
• /
• 2010

오늘날, 대량의 데이터를 수집, 저장 및 관리하는 데이터베이스 기술의 진보를 기반으로, 의료, 과학, 교육, 비즈니스 등 다양한 분야에서 발생되는 대규모 데이터를 축적하게 되었다. 다양한 분야에서 축적된 대량의 데이터에 내재된 유용한 정보를 수월하게 추출하여 분석하기 위해 널리 사용되고 있는 형식개념분석기법은, 주어진 데이터로부터 정보의 최소단위로써 개념들을 추출하고, 개념들 사이의 관계를 토대로 개념계층구조를 구축하기 위한 정형화된 데이터마이닝 기법을 제공하고 있다. 본 논문에서는, 주어진 퍼지 데이터에 잠재된 유용한 정보를 추출하기 위해, 퍼지 집합 이론을 형식개념분석기법에 접목한 퍼지개념분석기법과 이를 지원하기 위해 본 연구에서 개발된 FFCA-Wizard를 소개한다. 또한, FFCA-Wizard를 사용하여 실세계 데이터를 대상으로 퍼지개념분석을 실시한 실험 결과를 보고한다.

• Journal of the Korea Society of Computer and Information
• /
• v.17 no.1
• /
• pp.19-30
• /
• 2012

Based on the internet-based infrastructures such as various information devices, social network systems and cloud computing environments, distributed and sharable data are growing explosively. Recently, as a data analysis and mining technique for extracting, analyzing and classifying the inherent and useful knowledge and information, Formal Concept Analysis on binary or many-valued data has been successfully applied in many diverse fields. However, in formal concept analysis, there has been little research conducted on analyzing interval data whose attributes have some interval values. In this paper, we propose a new approach for classification of interval data based on the formal concept analysis. We present the development of a supporting tool(iFCA) that provides the proposed approach for the binarization of interval data table, concept extraction and construction of concept hierarchies. Finally, with some experiments over real-world data sets, we demonstrate that our approach provides some useful and effective ways for analyzing and mining interval data.

• The KIPS Transactions:PartD
• /
• v.15D no.3
• /
• pp.429-440
• /
• 2008

Formal Concept Analysis (FCA) is a widely used methodology for data analysis, which extracts concepts and builds a concept hierarchy from given data. A concept consists of objects and attributes shared by those objects, and a concept hierarchy includes information on super-sub relations among the concepts. In this paper, we propose a method for extracting Implication and Association rules from a concept hierarchy given a query by a user. The method also describes a way for displaying the extracted rules. Based on this method, we implemented an automatic tool, QAG-Wizard. Because the QAG-Wizard not only elicits relation information for the given query, but also displays it in structured form intuitively, we expect that it can be used in the fields of data analysis, data mining and information retrieval for various purposes.

• The KIPS Transactions:PartD
• /
• v.13D no.7 s.110
• /
• pp.997-1008
• /
• 2006

For extracting and processing information explicitly from given data, Formal Concept Analysis(FCA) is provided a method which is widely used for data analysis and clustering. The data can be structured into concepts, which are formal abstractions human thought allowing meaningful comprehensible interpretation. However, most FCA tools mainly focus on analyzing one-valued contexts that represent objects, attributes and binary relations between them. There we few FCA tools available that provide scaling and analyzing many-valued contexts representing objects, attributes and relations with attributes' values. In this paper, we propose not only a scaling algorithm for interpreting and simplifying the multivalued input data, but also an algorithm to generate concepts and build concept hierarchy from given raw data as well. Based on these algorithms, we develop an automate tool, FCA Wizard, for concept analysis and concept hierarchy. We also present FCA Wizard based applications in medical domain.

• Proceedings of the Korean Association of Geographic Inforamtion Studies Conference
• /
• 2008.06a
• /
• pp.91-96
• /
• 2008

국토 모니터링을 위해서는 다양한 출처와 종류의 자료를 통합하여 제공하여야 한다. 특히 국토 모니터링의 범위에는 원격탐사와 같은 공중 모니터링과 지상 모니터링 자료가 모두 포함되기 때문에 매우 다양한 종류와 속성을 가진 지리정보 자료들이 통합되어야 한다. 본 연구에서는 다양한 출처와 종류의 지리정보자료를 효과적으로 통합하는 방법으로 형식개념분석(Formal Concept Analysis, FCA)을 살펴보고 사례분석을 통해 이 기법의 적용 가능성을 파악하고자 한다. 연구결과 형식개념분석을 통하여, 다양한 종류의 자료가 가지고 있는 중복을 제거하고 이를 체계적으로 정리하여 통합할 수 있다. 본 연구에서는 형식개념 분석의 개념을 파악하고 현재 활용되고 있는 지리정보자료들에 적용하여 평가함으로써 국토 모니터링 자료의 통합기법으로 적용될 수 있는 가능성을 연구하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2006.05a
• /
• pp.407-410
• /
• 2006

방대한 양의 다양한 데이터들이 발생되는 의료분야에서는 임상데이터를 기반으로 보다 정확하고 효율적으로 현상을 분석/판단하여 의사가 환자진료 시 정확한 진단과 치료를 수행할 수 있도록 보조해주는 적절한 의사결정지원시스템이 요구되고 있다. 따라서, 이와 같은 요구를 충족시키기 위해서는 다종 다양한 데이터로부터 간결하면서도 효과적으로 개념들을 추출하고 구조화하여 개념계층구조로 표현할 수 있어야 하며, 실세계의 데이터에 대한 구조화와 요약을 제공하고 필요한 정보를 수월하게 접근할 수 있어야 한다. 본 연구에서는, 도메인 내의 다양한 데이터들로부터 개념들을 추출하고, 개념들 사이의 상하위 관계를 파악하여 개념계층구조를 구축하기위한 정형화된 데이터분석기법으로서 형식개념분석기법(Formal Concept Analysis)을 소개하고, 이를 치과 교정학 분야의 환자 임상데이터 분석기법(Cephalometric Analysis)에 융합한 형태의 임상의사결정지원시스템 개발 및 향후 연구과제 등에 관해 설명한다.

• Journal of the Korea Society of Computer and Information
• /
• v.26 no.9
• /
• pp.13-25
• /
• 2021

In the age of digital innovation based on the Internet, Information and Communication and Artificial Intelligence technologies, huge amounts of datasets are being generated, collected, accumulated, and opened on the web by various public institutions providing useful and public information. In order to analyse, gain useful insights and information from data, Formal Concept Analysis(FCA) has been successfully used for analyzing, classifying, clustering and visualizing data based on the binary relation between objects and attributes in the dataset. In this paper, we present an approach for enhancing the analysis of relational attributes of data within the extended framework of FCA, which is designed to classify, conceptualize and visualize sets of objects described not only by attributes but also by relations between these objects. By using the proposed tool, RCA wizard, several experiments carried out on some public open datasets demonstrate the validity and usability of our approach on generating and visualizing conceptual hierarchies for extracting more useful knowledge from datasets. The proposed approach can be used as an useful tool for effective data analysis, classifying, clustering, visualization and exploration.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2009.04a
• /
• pp.562-565
• /
• 2009

웹 2.0시대의 대표적인 특징인 폭소노미(folksonomy)는 웹에 존재하는 리소스에 대해 구성원이 자유롭게 선택한 태그(tag)를 붙여서 정보를 체계화하는 새로운 분류 체계이다. 폭소노미를 기반으로하는 웹 애플리케이션 시스템에는 WWW를 이용하는 전 세계의 수많은 사용자들의 다양한 데이터가 축적되어 있으며, 이러한 웹 데이터는 계속적으로 증가 확장 변화하고 있다. 본 논문에서는, 방대한 양의 폭소노미 데이터로부터 유용한 정보를 추출하기 위해 형식개념분석기법을 기반으로, 사용자, 태그, 리소스들 사이의 3항관계를 고려한 폭소노미 데이터 마이닝 기법을 제안하고, 본 연구에서 제안한 기법을 BibSonomy의 데이터에 적용하여 분석한 실험 결과를 보고한다.

• Journal of the Korea Society of Computer and Information
• /
• v.17 no.3
• /
• pp.121-133
• /
• 2012

In this paper, we propose a novel data analysis approach that extracts granules suitable for various perspectives by introducing scaling level into formal concept analysis in order to control the level of granularity. Based on our approach, we can extract various granules from the given data set and constructs granular concept hierarchies based on the relations between the granules. Therefore, we can classify the given data with respect to the purpose or the intention of user's viewpoints. And, we developed G-Tool that supports our approach. In order to verify the usefulness of our proposed approach and G-Tool, we have done some experiments for real data set and reported about results of our experiments. From the experiments' results, we can verify our approach with G-Tool can be useful and suitable for classifying the given data with various scaling levels. The traditional formal concept analysis cannot control the level of granularity and can only classify for a particular perspective. However, our proposed approach can classify the given data with respect to user's purpose or intention by combining of diverse scale information and scaling levels.