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

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김성수 (한국전자통신연구원  ) 박춘서 (한국전자통신연구원) 남택용 (한국전자통신연구원) 이태휘 (한국전자통신연구원)
저널정보
Korean Institute of Information Scientists and Engineers 정보과학회 컴퓨팅의 실제 논문지 정보과학회 컴퓨팅의 실제 논문지 제28권 제9호
발행연도
2022.9
수록면
450 - 457 (8page)
DOI
10.5626/KTCP.2022.28.9.450

이용수

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

초록· 키워드

오류제보하기
소셜 네트워크와 사물 인터넷이 활성화 되면서, 대규모 데이터에 대한 탐사적 분석은 빅데이터 분석에서 중요한 프로세스 중 하나로 자리 잡고 있다. 그러나, 데이터 분석가는 초기 빅데이터 분석을 수행하는 데 상당한 처리 시간과 비용을 지불해야 한다. 본 논문에서는 대규모 데이터에 대한 탐사적 분석을 효율적으로 지원하기 위해 시놉시스 기반의 근사 질의 처리 기법과 머신러닝을 이용한 근사 질의 처리기법을 제안한다. 또한, 제안하는 시놉시스 기반의 기법은 전통적인 통계적 샘플링 기법 뿐만 아니라, 딥러닝 기반 생성 모델을 이용하여 시놉시스 데이터를 구축하는 기법을 제안한다. 특히, DBMS 외부 인터페이스를 통한 질의 처리 방식을 적용함으로써, 다양한 DBMS에 적용 가능하다는 장점을 제공한다. 학습 데이터 구축을 위한 이력 질의 수행에 많은 비용이 소요되는 워크로드기반 근사 질의 처리 모델의 단점을 극복하기 위해, 시놉시스 데이터의 분포를 혼합 밀도 네트워크를 통해 학습하는 ML 기반 근사 질의 처리모델을 제안한다. 제안 기법은 인스타카트 데이터 셋 실험에서 기존 MySQL 대비 380배, PostgreSQL 대비 58배 빠른 질의 처리 성능을 제공하고, 근사 질의 정확도 측면에서 워크로드 기반 근사 질의 처리 엔진인 ML-AQP보다 정확한 결과를 제공한다.

목차

요약
Abstract
1. 서론
2. 시스템 구조
3. 혼합 밀도 네트워크 기반 근사 질의 처리 모델
4. 실험 결과
5. 관련 연구
6. 결론
References

참고문헌 (5)

참고문헌 신청

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0