• 한국문헌정보학회지
• /
• 제49권3호
• /
• pp.413-436
• /
• 2015

본 연구는 국내 대학에 소속된 연구자들을 대상으로 데이터 관리 현황과 데이터 공유 및 재이용에 대한 경험과 인식을 조사하는 것을 목적으로 하였다. 이를 위해 본 연구에 선행하여 수행된 설문조사의 응답자 중 후속 인터뷰에 동의한 13명을 대상으로 반구조화된 인터뷰를 수행하였다. 참여자들은 다양한 유형과 포맷의 데이터를 생성 또는 수집하고 있었으며 데이터 기록화를 수행하는 연구자들은 소수에 불과하였으나 이들은 그 중요성을 인식하고 있었다. 데이터가 유용한 기간을 데이터가 논문 출판에 활용될 수 있는 기간으로 인식하는 연구자들이 대다수이었으나, 데이터가 유용하다고 인식하는 기간 이상으로 데이터를 보존하려는 연구자들이 많아 데이터의 저장과 보존에 대한 연구자들의 요구가 적지 않은 것으로 나타났다. 데이터의 공유와 재이용은 개인적인 연구 모임이나 연구 팀 등 잘 알고 있는 사람들과의 범위 내에서 이루어지고 있었다. 정부연구비 지원을 받는 과제의 데이터는 오픈 액세스로 공개해야 한다는 논리에 전적으로 찬성하는 연구자들도 있는 반면 부분적으로 동의하거나 반대하는 의견도 있었다. 다수의 참여자들이 연구아이디어의 도용, 표절, 논문 출판의 주도권 문제 등 연구데이터 공유에 대한 우려를 나타내고 있었으며 이를 완화할 수 있는 유인책이 마련될 필요가 있다.

• Journal of Animal Science and Technology
• /
• 제62권3호
• /
• pp.293-305
• /
• 2020

The difference in the breeding programs and population history may have diversely shaped the genomes of Korean native cattle breeds. In the absence of phenotypic data, comparisons of breeds that have been subjected to different selective pressures can aid to identify genomic regions and genes controlling qualitative and complex traits. In this study to decipher genetic variation and identify evidence of divergent selection, 3 Korean cattle breeds were genotyped using the recently developed high-density GeneSeek Genomic Profiler F250 (GGP-F250) array. The three Korean cattle breeds clustered according to their coat color phenotypes and breeding programs. The Heugu breed reliably showed smaller effective population size at all generations considered. Across the autosomal chromosomes, 113 and 83 annotated genes were identified from Hanwoo-Chikso and Hanwoo-Heugu comparisons, respectively of which 16 genes were shared between the two pairwise comparisons. The most important signals of selection were detected on bovine chromosomes 14 (24.39-25.13 Mb) and 18 (13.34-15.07 Mb), containing genes related to body size, and coat color (XKR4, LYN, PLAG1, SDR16C5, TMEM68, CDH15, MC1R, and GALNS). Some of the candidate genes are also associated with meat quality traits (ACSF3, EIF2B1, BANP, APCDD1, and GALM) and harbor quantitative trait locus (QTL) for beef production traits. Further functional analysis revealed that the candidate genes (DBI, ACSF3, HINT2, GBA2, AGPAT5, SCAP, ELP6, APOB, and RBL1) were involved in gene ontology (GO) terms relevant to meat quality including fatty acid oxidation, biosynthesis, and lipid storage. Candidate genes previously known to affect beef production and quality traits could be used in the beef cattle selection strategies.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제16권1호
• /
• pp.125-129
• /
• 2010

Stateless computing[1,2]은 컴퓨팅 환경의 이동성을 용이하게 지원하는 기술로써, 여러 사용자들이 컴퓨팅 자원을 공유하는 환경에서 각 사용자 별 보안성을 확보하는 주요 기술로 자리잡고 있다. 또한 최근 가상화 기술의 확산 및 cloud computing의 발전에 따라, 사용자가 사용하는 설정과 데이터들(state)을 원격의 서버등과 같은 임의의 저장장치에 저장 후, 향후 어떠한 환경에서든 저장된 내용을 복원하여 사용자의 computing 환경을 이어가는 개념을 지원하기 위한 핵심적인 요소이다. 본 논문에서 제안하는 uPC player는 사용자에게 Windows 운영체제 환경에서의 Stateless computing 실행환경을 지원하는 기술로써, uPC player는 OS 기반 가상화 모듈인 uPC[3,4]를 기반으로 사용자에게 Windows 운영체제 컴퓨팅 환경을 지원한다. 본 논문에서는 Stateless computing 실행환경을 지원하기 위해 uPC player를 어떻게 설계하고 구현하였는지 설명한다. uPC player는 Windows desktop 환경과 연동하여 호스트 시스템의 실행환경과 uPC 가상 실행환경을 자유롭게 이동 가능하며, OS 기반 가상화 모듈에 기반함으로써 uPC player를 이용한 사용자 실행환경을 지원하는데 소요되는 시간이 약 1초 정도이다.

• 인터넷정보학회논문지
• /
• 제15권3호
• /
• pp.101-107
• /
• 2014

본 논문에서는 랜드마크 윈도우 기반의 빈발 패턴 마이닝 기법을 분석하고 성능을 평가한다. 본 논문에서는 Lossy counting 알고리즘과 hMiner 알고리즘에 대한 분석을 진행한다. 최신의 랜드마크 알고리즘인 hMiner는 트랜잭션이 발생할 때 마다 빈발 패턴을 마이닝 하는 방법이다. 그래서 hMiner와 같은 랜드마크 기반의 빈발 패턴 마이닝을 온라인 마이닝이라고 한다. 본 논문에서는 랜드마크 윈도우 마이닝의 초기 알고리즘인 Lossy counting와 최신 알고리즘인 hMiner의 성능을 평가하고 분석한다. 우리는 성능평가의 척도로 마이닝 시간과 트랜잭션 당 평균 처리 시간을 평가한다. 그리고 우리는 저장 구조의 효율성을 평가하기 위하여 최대 메모리 사용량을 평가한다. 마지막으로 우리는 알고리즘이 안정적으로 마이닝이 가능한지 평가하기 위해 데이터베이스의 아이템 수를 변화시키면서 평가하는 확장성 평가를 수행한다. 두 알고리즘의 평가 결과로, 랜드마크 윈도우 기반의 빈발 패턴 마이닝은 실시간 시스템에 적합한 마이닝 방식을 가지고 있지만 메모리를 많이 사용했다.

• International Journal of Computer Science & Network Security
• /
• 제23권1호
• /
• pp.112-119
• /
• 2023

Traditionally used for networking computers and communications, the Internet has been evolving from the beginning. Internet is the backbone for many things on the web including social media. The concept of social networking which started in the early 1990s has also been growing with the internet. Social Networking Sites (SNSs) sprung and stayed back to an important element of internet usage mainly due to the services or provisions they allow on the web. Twitter and Facebook have become the primary means by which most individuals keep in touch with others and carry on substantive conversations. These sites allow the posting of photos, videos and support audio and video storage on the sites which can be shared amongst users. Although an attractive option, these provisions have also culminated in issues for these sites like posting offensive material. Though not always, users of SNSs have their share in promoting hate by their words or speeches which is difficult to be curtailed after being uploaded in the media. Hence, this article outlines a process for extracting user reviews from the Twitter corpus in order to identify instances of hate speech. Through the use of MPCA (Modified Principal Component Analysis) and ECNN, we are able to identify instances of hate speech in the text (Enhanced Convolutional Neural Network). With the use of NLP, a fully autonomous system for assessing syntax and meaning can be established (NLP). There is a strong emphasis on pre-processing, feature extraction, and classification. Cleansing the text by removing extra spaces, punctuation, and stop words is what normalization is all about. In the process of extracting features, these features that have already been processed are used. During the feature extraction process, the MPCA algorithm is used. It takes a set of related features and pulls out the ones that tell us the most about the dataset we give itThe proposed categorization method is then put forth as a means of detecting instances of hate speech or abusive language. It is argued that ECNN is superior to other methods for identifying hateful content online. It can take in massive amounts of data and quickly return accurate results, especially for larger datasets. As a result, the proposed MPCA+ECNN algorithm improves not only the F-measure values, but also the accuracy, precision, and recall.