기계학습기반 사용자 맞춤형 서비스 제공 통합 프레임워크 :Machine Learning based Service Provider Framework Customized for Users

김승혜

추천

검색

자료유형: 학위논문

저자정보: 김승혜 (이화여자대학교, 이화여자대학교 대학원)

지도교수: 박형곤

발행연도: 2016

저작권: 이화여자대학교 논문은 저작권에 의해 보호받습니다.

이용수1

이 논문의 연구 히스토리 (2)

2016

기계학습기반 사용자 맞춤형 서비스 제공 통합 프레임워크

김승혜 전자공 2016.01 학위논문

2014

사용자 패턴기반 맞춤형 서비스 제공 프레임워크에 관한 연구

김승혜 , 박병철 , 박형곤 한국통신학회 학술대회논문집 2014.11 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

최근 사물인터넷, 센서 네트워크 등 다양한 데이터를 수집하여 활용할 수 있는 새로운 형태의 네트워크가 등장하였으며, 안경, 시계, 의복 등의 형태를 지닌 웨어러블 디바이스의 등장에 의한 모바일 기기의 데이터 사용량이 지속적으로 증가하는 추세이다. 각종 센서의 발달에 따라 기기로부터 수집될 수 있는 데이터의 종류가 다양해지고, 이를 통하여 사용자의 패턴을 분석할 수 있게 되었다. 또한 사용자의 데이터 및 비콘이나 AP 기반의 위치기반서비스를 이용하여 다양한 공간에서의 융합기반 서비스를 제공하기 위한 여러 기술 및 서비스 등이 활발히 연구되고 있다. 이에 따라 사용자 패턴기반의 통합 서비스 제공 프레임워크의 필요성이 대두되고 있다.
본 논문에서는 다양하게 설치된 센서 및 모바일 기기 등으로부터 사용자의 시공간 데이터를 수집하고, 기계학습 이론에 기반한 데이터 분석을 통하여 사용자 패턴을 파악하고 최종적으로 사용자 패턴 기반 맞춤형 서비스 제공 프레임워크를 제안한다. 사용자 패턴 기반 맞춤형 서비스 제공하고자 RTFM 구조에 기반한 통합 프레임워크 구조를 적용하였고, 제안한 프레임워크는 사용자 이동단말기 및 시간 및 이동 데이터를 저장하는 AP, AP의 데이터를 수집하는 DB, 사용자 이동 단말 어플리케이션 등으로 구성되어있다. DB에 수집된 사용자의 시간 및 위치 정보를 학습하여 이동 경로를 예측하고 유용한 서비스를 제공하기 위해 기계학습 기반 추론 알고리즘을 적용하였다. 기계학습 이론 중 사용자의 이동경로 경향을 가시적으로 예측하고 분석하기 위하여 회귀분석 방법을 이용하였다. 또한 사용자의 이동경로를 학습하고 추론모델을 생성하며, 추론모델을 기반으로 사용자의 이동경로를 예측하기 위하여 SVM을 이용하였다. SVM은 사용자가 이동하면서 생성하는 다차원의 데이터를 간단하게 맵핑할 수 있고, 높은 정확성을 바탕으로 수집된 데이터를 분석한다. 더불어 SVM에 추가로 KCV 기법을 적용해서 추론 데이터 분석의 정확성을 높였다. 또한 제안한 구조를 실제 대학 캠퍼스를 대상으로 캠퍼스 및 교실범위로 구현하여 유효성을 검증하였다.

I. 서론 1
A. 연구의 배경 1
B. 기존 관련 연구 및 한계점 2
C. 본 논문의 개요 4
D. 논문의 구성 7
II. 사용자 패턴 맞춤형 서비스 제공 프레임워크 및 추론 알고리즘 8
A. 문제 정의 8
B. RTFM기반 사용자 맞춤형 서비스 제공 통합 프레임워크 10
C. 기계학습기반 추론 기법 14
III. 기계학습기반 추론기법 시뮬레이션 21
IV. 사용자 맞춤형 서비스 제공 통합 프레임워크 구현 및 검증 27
A. RTFM 기반 사용자 맞춤형 서비스 제공 통합 프레임워크 구현 및 검증 27
B. 클라이언트 서비스 어플리케이션 32
V. 결론 34
참고문헌 35
ABSTRACT 38

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)