메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
윤종찬 (서울시립대학교) 김한준 (서울시립대학교)
저널정보
한국전자거래학회 한국전자거래학회지 한국전자거래학회지 제27권 제3호
발행연도
2022.8
수록면
1 - 19 (19page)
DOI
10.7838/jsebs.2022.27.3.001

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
본 논문은 데이터 융합의 대상이 되는 관계형 테이블에 대한 임베딩 기법을 제안한다. 특히 이는 텍스트 데이터를 가지는 다수의 관계형 테이블에 대한 임베딩과 융합을 지원한다. 제안기법은 관계형 테이블이 가진 의미적 정보를 정확하게 파악하고 다수의 데이터 테이블에 대한 융합 가능성 여부를 판단하는데 활용된다. 기존의 관계형 테이블 임베딩 모델들은 각 셀의 독립적인 의미적 정보에 치중하여 데이터셋이 가진 의미적 정보를 정확하게 파악하지 못하였다. 이러한 한계를 극복하기 위해 본 논문은 BERT의 멀티헤드 셀프어텐션 모듈과 Word2Vec 모델을 활용하여, 각 셀간 맥락을 유기적으로 파악함과 동시에 각 셀의 독립적인 의미적 정보도 동시에 학습한다. 이를 통해 얻어진 테이블 임베딩 결과는 데이터 융합 대상이 되는 후보데이터셋을 가려내는데 활용된다. 결과적으로 임베딩 결과는 사용자가 주어진 융합 후보데이터셋으로부터 기존에 없던 유의미한 새로운 정보를 생성할 수 있는 융합 데이터셋 쌍을 선정하여 융합을 수행하는데 기여하게 된다. 또한 본 논문은 데이터 융합의 실제 사례를 시각화 자료와 함께 소개하고, 긍정적 사례와 부정적 사례를 비교한다.
#관계형테이블 #자연어처리 #임베딩 #데이터융합 #딥러닝 #Relational Table #Natural Language Processing #Embedding #Data Fusion #Word2Vec #BERT #Deep Learning

목차

초록
ABSTRACT
1. 서론
2. 이론적 배경 및 관련 연구
3. 제안 기법
4. 실험
5. 결론
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

SVC에서 빠른 인트라 예측을 위한 효율적인 모드 결정 방법
조미숙 ,  강진미 ,  정기동 정보과학회논문지 : 컴퓨팅의 실제 및 레터 2009 .04

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2022-004-001696131