• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제9권5호
• /
• pp.1963-1978
• /
• 2015

With the advancement of mobile web environments, identification and analysis of the user behavior play a significant role and remains a challenging task to implement with variations observed in the model. This paper presents an efficient method for mining optimized user behavior prediction model using genetic algorithm on mobile web structure. The framework of optimized user behavior prediction model integrates the temporary and permanent register information and is stored immediately in the form of integrated logs which have higher precision and minimize the time for determining user behavior. Then by applying the temporal characteristics, suitable time interval table is obtained by segmenting the logs. The suitable time interval table that split the huge data logs is obtained using genetic algorithm. Existing cluster based temporal mobile sequential arrangement provide efficiency without bringing down the accuracy but compromise precision during the prediction of user behavior. To efficiently discover the mobile users' behavior, prediction model is associated with region and requested services, a method called optimized user behavior Prediction Model using Genetic Algorithm (PM-GA) on mobile web structure is introduced. This paper also provides a technique called MAA during the increase in the number of models related to the region and requested services are observed. Based on our analysis, we content that PM-GA provides improved performance in terms of precision, number of mobile models generated, execution time and increasing the prediction accuracy. Experiments are conducted with different parameter on real dataset in mobile web environment. Analytical and empirical result offers an efficient and effective mining and prediction of user behavior prediction model on mobile web structure.

• 한국IT서비스학회지
• /
• 제20권2호
• /
• pp.77-90
• /
• 2021

Online and mobile games represent digital entertainment. Not only the game grows fast, but also it has been noted for unique business models such as a subscription revenue model and free-to-play with partial payment. But, a recent revenue mechanism, called a loot-box system, has been criticized due to overspending, weak protection to teenagers, and more over gambling-like features. Policy makers and research communities have counted on expert opinions, review boards, and temporal survey studies to build countermeasures to minimize negative effects of online and mobile games. In this process, speed was not seriously considered. In this study, we attempt to use a big data source to find a way of observing a trend for policy makers and researchers. Specifically, we tried to apply the Word2Vec data mining algorithm to news repositories. From the findings, we acknowledged that the suggested design would be effective in lightening issues timely and precisely. This study contributes to digital entertainment service communities by providing a practical method to follow up trends; thus, helping practitioners have concrete grounds for balancing public concerns and business purposes.

• 한국산학기술학회논문지
• /
• 제21권8호
• /
• pp.521-529
• /
• 2020

산불은 경제, 자연환경, 건강과 같은 삶의 여러 측면에서 몇 가지 악영향을 주는 가장 핵심적인 환경위험 중의 하나이다. 산불의 조기발견, 빠른 예측, 신속한 대응은 산불 위험으로부터 재산과 생명을 구하는데 본질적인 역할을 할 수 있다. 산불의 빠른 발견을 위해 기상청에서 각 지역에 설치한 로컬 센서를 통해 획득한 기상 데이터를 이용하는 방법이 있다. 기상 조건(예: 온도, 바람)은 산불 발생에 영향을 미친다고 알려져 있다. 본 논문에서는 산불의 피해 면적을 예측하기 위해 데이터 마이닝(DM) 기법을 적용한다. 다섯 종류의 DM 모델, 예를 들어 Stochastic Gradient Descent(SGD), Support Vector Machines(SVM), Decision Tree(DT), Random Forests(RF), Deep Neural Network(DNN)과 네 가지 입력 특성 그룹(공간, 시간, 기상 데이터 이용)을 최근 5년간의 경기도 지역에서 수집한 실제 산불 발생 데이터에 적용하였다. 실험결과는 기상 데이터만을 이용한 DNN 모델이 가장 우수한 성능을 보였다. 제안한 모델은 빈도수가 높은 작은 규모의 산불 예측에 더 효과적이었다. 제안한 예측 모델을 통해 도출된 이러한 지식은 소방 자원 관리를 개선하는데 특히 유용하다.

• 스마트미디어저널
• /
• 제6권3호
• /
• pp.41-48
• /
• 2017

Event detection using social media has been widespread since social network services have been an active communication channel for connecting with others, diffusing news message. Especially, the real-time characteristic of social media has created the opportunity for supporting for real-time applications/systems. Social network such as Twitter is the potential data source to explore useful information by mining messages posted by the user community. This paper proposed a novel system for temporal event detection by analyzing social data. As a result, this information can be used by first responders, decision makers, or news agents to gain insight of the situation. The proposed approach takes advantages of deep learning methods that play core techniques on the main tasks including informative data identifying from a noisy environment and temporal event detection. The former is the responsibility of Convolutional Neural Network model trained from labeled Twitter data. The latter is for event detection supported by Recurrent Neural Network module. We demonstrated our approach and experimental results on the case study of earthquake situations. Our system is more adaptive than other systems used traditional methods since deep learning enables to extract the features of data without spending lots of time constructing feature by hand. This benefit makes our approach adaptive to extend to a new context of practice. Moreover, the proposed system promised to respond to acceptable delay within several minutes that will helpful mean for supporting news channel agents or belief plan in case of disaster events.

• Spatial Information Research
• /
• 제13권3호
• /
• pp.239-252
• /
• 2005

본 연구는 대용량의 공간자료에서 의미 있는 지식을 탐색 및 발견하고, 인터넷 환경에서 공간적 의사결정과정을 지원하기 위한 방안을 설계하였다. 그리고 설계를 기반으로 실험적 원형 시스템(Pilot Tested System)을 구현하여 의사결정자와 분석가 사이에서 특정주제에 적합한 다차원적 분석을 위해 양방향 통신이 가능하도록 공간 데이터 웨어하우스의 눈송이 스키마모델(snowflake schema model)을 활용하였다. 눈송이 스키마는 공간자료와 연계할 경우 기존 스타 스키마모델(star schema model)보다 확장성과 유연성이 뛰어난 분석중심의 설계방안이다. 또한 눈송이 스키마모델의 평가를 위해 백화점 거래사례를 통해 실험적 시스템을 구현하여 평가하였다. 이 시스템의 목적은 목표마케팅 지역설정이며, 의사결정자와 분석가의 양방향통신이 가능한 인터넷상담시스템이다.

• 한국습지학회지
• /
• 제10권2호
• /
• pp.39-51
• /
• 2008

최근 하수처리, 홍수조절, 광산침출수, 농업유출수 등의 처리에 습지를 이용하려는 시도가 증가하고 있다. 하지만 장기모니터링의 어려움으로 인해 습지에 대한 장기간의 자료들이 부족하여 습지의 올바른 이용이 어려운 실정이다. 이에 본 연구에서는 장기간의 자료 생성을 목적으로 한 수문분석의 일환으로 장기유출 수문모형인 SWAT(Soil and Water Assessment Tool)모형을 이용하여 토평천 유역의 우포, 목포, 사지포, 쪽지벌에 대한 저류량을 모의하였다. 이를 바탕으로 토평천 유역에 천변저류지를 조성하는 가상 시나리오를 작성하여 조성된 천변저류지의 저류량 거동을 분석하였다. 천변저류지의 조성에 따른 우포늪의 저류량 변화를 분석한 결과 천변저류지 조성에 따라 우포늪도 일정 정도의 영향을 받을 수 있음이 파악되었다.

• 인터넷정보학회논문지
• /
• 제12권2호
• /
• pp.9-17
• /
• 2011

본 논문은 유비쿼터스 홈 네트워크 시스템에서 저장된 사용자 행동 프로파일 데이터에 은닉 마르코프 모델에 적용하여 사용자의 행동 상태를 예측하는 알고리즘을 제안한다. 은닉 마르코프 모델은, 순차 데이터를 갖는 패턴을 인식하기 위해서 데이터에 내포되어 있는 시간성을 적절히 표현하고, 그것으로부터 원하는 정보를 추론할 수 있는 대표적인 모델이다. 제안 알고리즘에서는 "행동 인지 시스템(Activity Recognition System)"에 의하여 저장된 행동 발생 횟수, 행동 지속시간, 행동이 발생된 위치 데이터를 학습 데이터로 이용하였다. 사용자의 행동에 가중치를 부여하여 사용자의 행동에 대한 흥미를 객관적으로 수식화 하는 방법을 제안하였으며 은닉 마르코프 모델을 이용하여 시간에 따른 가중치 변화를 구하여 사용자의 행동 상태 변화를 예측하였다. 제안 알고리즘은 현실적인 유비쿼터스 홈 네트워크 구축에 도움을 준다.

• 한국지리정보학회지
• /
• 제2권3호
• /
• pp.46-59
• /
• 1999

원격탐사는 넓은 지역에 대한 수문학적 상태나 변화량을 관측할 수 있는 시 공간적인 수문인자나 변수들에 대한 정보를 제공할 수 있다. 특히, 지표면 알베도, 식생정보 및 지표면 온도 분포등 유역의 수자원을 효율적으로 관리하기 위한 수문 인자들의 공간적인 분포를 파악할 수 있다. 본 논문에서는 수자원의 공간적인 분포를 파악하기 위해 필수적으로 요구되는 지표면 수문인자의 시 공간적인 변화 특성을 분석하였다. 수문인자의 변화 분석을 위해서 1995년도 금강 상류의 보청천 유역에 대해서 획득된 5개의 Landsat TM 자료를 이용하였으며, COST 모델을 이용하여 대기보정을 수행하였다. 연구결과, 토양중에 포함된 수분의 양과 태양고도각의 변화에 따라 알베도가 크게 변화하는 것으로 나타났으며, Landsat TM 자료로부터 추출된 지표면 온도와 기상관측을 통해서 얻어진 대기온도 사이의 차이가 $2.5^{\circ}C$ 내지 $3.86^{\circ}C$로 나타났다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권3호
• /
• pp.1168-1188
• /
• 2018

Social Network Aggregators are used to maintain and manage manifold accounts over multiple online social networks. Displaying the Activity feed for each social network on a common dashboard has been the status quo of social aggregators for long, however retrieving the desired data from various social networks is a major concern. A user inputs the query desiring the specific outcome from the social networks. Since the intention of the query is solely known by user, therefore the output of the query may not be as per user's expectation unless the system considers 'user-centric' factors. Moreover, the quality of solution depends on these user-centric factors, the user inclination and the nature of the network as well. Thus, there is a need for a system that understands the user's intent serving structured objects. Further, choosing the best execution and optimal ranking functions is also a high priority concern. The current work finds motivation from the above requirements and thus proposes the design of a query processing system to retrieve information from social network that extracts user's intent from various social networks. For further improvements in the research the machine learning techniques are incorporated such as Latent Dirichlet Algorithm (LDA) and Ranking Algorithm to improve the query results and fetch the information using data mining techniques.The proposed framework uniquely contributes a user-centric query retrieval model based on natural language and it is worth mentioning that the proposed framework is efficient when compared on temporal metrics. The proposed Query Processing System to Retrieve Information from Social Network (QPSSN) will increase the discoverability of the user, helps the businesses to collaboratively execute promotions, determine new networks and people. It is an innovative approach to investigate the new aspects of social network. The proposed model offers a significant breakthrough scoring up to precision and recall respectively.

• 생태와환경
• /
• 제46권1호
• /
• pp.1-9
• /
• 2013

Algal blooms in potable water supplies are becoming an increasingly prevalent and serious water quality problem around the world. In addition to precipitating taste and odor problems, blooms damage the environment, and some classes like cyanobacteria (blue-green algae) release toxins that can threaten human health, even causing death. There is a recognized need in the water industry for models that can accurately forecast in real-time algal bloom events for planning and mitigation purposes. In this study, using data for an interconnected system of rivers and reservoirs operated by a New Jersey water utility, various ANN models, including both discrete prediction and classification models, were developed and tested for forecasting counts of three different algal classes for one-week and two-weeks ahead periods. Predictor model inputs included physical, meteorological, chemical, and biological variables, and two different temporal schemes for processing inputs relative to the prediction event were used. Despite relatively limited historical data, the discrete prediction ANN models generally performed well during validation, achieving relatively high correlation coefficients, and often predicting the formation and dissipation of high algae count periods. The ANN classification models also performed well, with average classification percentages averaging 94 percent accuracy. Despite relatively limited data events, this study demonstrates that with adequate data collection, both in terms of the number of historical events and availability of important predictor variables, ANNs can provide accurate real-time forecasts of algal population counts, as well as foster increased understanding of important cause and effect relationships, which can be used to both improve monitoring programs and forecasting efforts.