선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- kNN의 성능 분석의 목적은 시간 복잡도 계산과 잘 알려 진 데이터를 사용하여 실제 실행 시간을 측정하여 kNN 방 법의 병목 현상을 주는 요소가 무엇인지를 보이는 것이다. 먼저 kNN의 시간 복잡도를 계산하기로 한다.
- 따라서 정확한 유사성을 계산하지 않아도 유사성이 클 가능성이 있는 문서를 먼저 처리하도록 학습 문서를 정렬하여야 할 필요가 있다. 본 논문에서는 이를 위하여 용어-문서목록의 사용을 제안한다. 용어-문서 목록에 근거하여 학습문서를 정렬하고 그 정렬된 순서에 따라 스텝 4를 실행하도록 알고리즘을 개선한다.
- 본 논문은 kNN의 효율성 개선을 위하여 하나의 휴리스틱을 제안하였다. 제안된 휴리스틱은 유사성의 상한값을 이용하여 유사성의 계산을 가능한 최소화하는 것이다.
- 본 논문은 비교적 실시간적인 특성이 적은 학습 단계에서 많은 처리를 하게 함으로써 분류 단계에서 보다 효율적으로 동작하도록 하여 kNN의 실행 속도를 향상 시키는 방법을 제안한다.
- 따라서 상대적으로 분류 단계에서 많은 작업을 해야 하고 결과적으로 실행 속도가 매우 느리다. 본 논문은 이러한 kNN의 단점을 보완하여 분류 단계의 실행 속도를 높이는 것에 관한 연구이다. kNN 은 하나의 시험 문서에 대하여 모든 학습 문서와 유사성을 계산한다.
- 따라서 kNNe 학습 문서의 수가 증가하면, 그 증가하는 비율에 따라 분류 단계의 속도는 느려지게 된다. 본 논문은 휴리스틱을 적용하여 학습 문서와의 유사성 계산을 가능한 최소화함으로써 실행 속도를 높이는 것이다. 물론 이러한 과정에서 kNN의 정확도에 대한 어떠한 희생도 없다.
가설 설정
- 이 함수를 효율적으로 실행하기 위해서는 두 문서에 대한 CNT를 알아야 한다. 시험 문서 d에 대해서는 스텝 1에서 찾아졌으며, 학습문서 d, 에 대해서는 학습 단계에서 찾아진다고 가정한다. com- pute_maximal_similarity( d, d)에서 는 특별히 이 들을 찾는 과정은 없으며, 따라서 이 함수의 시간 복잡도는。(1)이 된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.