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
- SE 계산방법은 새 로운사례입력에 발견된 패턴과 가중치를 적용하고 발생가능성이 있는 사례 데이터에 대한 연산만 수행하여, 빠른데이터 추출과 수행시간 단축으로 시간적 . 공간적 제약사항에 대한 연산 속도를 향상시키고 불필요한 연산수행을 배제하는 것이다.
- 따라서 본 논문에서는 새 데이터를 모든 사례 데 이 터 에서 비교하는 것이 아니라, 발생가능성이 있는 범위를 두어 그 영역 안에 들어있는사례데이터들에 대한연산 패턴을 찾아 불필요한 후보 집합 수를 배제시켜 연산 처리를 하는 컴퓨터 사양에 크게 영향을 받지 않고, 효율적으로 연산 속도를 높이는 알고리즘을 제안한다.
- 본 논문에서는 상품 추출 데이터베이스가 대용량화됨에 따라 연산시간과 메모리 사용면에서 효율적인 데이터 처리가 필요함에 따라 기존의 사례기반추론기법 중에서 많이 알려져 있는 유사도와 유클리디안 거리의 계산에서 발생하는 패턴을 이용하여 상품추출 방법을 제안하게 되었다.
- 본 논문에서는 유클리디안 계산패턴에서 발견된 각열에 있는 변수들을 비교하여 동일한 조건을 만족하는변수들이 많은 사례를 선택하는 방법을 채택하고 있다. 유사도 계산방법과 동일하게 적용된 계산방법은 변수들의 가중치들을 곱하여 나올 수 있는 최대의 값을 구하고, 그 값을 가지고 추출할 최 소의 데 이 터 들을 검 출하는계산방법을 사용한다.
- 본 논문은 많은 사 례 데 이 터 와 기존 데 이 터 를 비교 및검증하는 데 좀 더 빠르고 정확한 결과를 도출하기 위 해 SE계산방법을 제 안하고자 한다. SE 계산방법은 새 로운사례입력에 발견된 패턴과 가중치를 적용하고 발생가능성이 있는 사례 데이터에 대한 연산만 수행하여, 빠른데이터 추출과 수행시간 단축으로 시간적 .
※ AI-Helper는 부적절한 답변을 할 수 있습니다.