최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기韓國컴퓨터情報學會論文誌 = Journal of the Korea Society of Computer and Information, v.17 no.1, 2012년, pp.19 - 30
황석형 (선문대학교 컴퓨터공학과) , 김응희 (서울대학교 의생명지식공학연구실)
Based on the internet-based infrastructures such as various information devices, social network systems and cloud computing environments, distributed and sharable data are growing explosively. Recently, as a data analysis and mining technique for extracting, analyzing and classifying the inherent an...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
데이터마이닝이란 무엇인가? | 특히, 거대한 데이터의 실시간 분석이 가능해지고 방대한 데이터로부터 다양한 분석을 통해 새로운 지식의 발견이 가능해짐에 따라서, 21세기 지식정보화 사회에서는 새로운 지식의 습득이 경쟁력의 원천이 되고 있고, 이를 뒷받침할 수 있는 다양한 기술들에 대한 관심이 높아지고 있다. 데이터마이닝(Data Mining)은, 방대한 양의 데이터에 함축적으로 내재되어 있는 관계, 패턴, 규칙 등을 찾아내서 모델화함으로써 유용하고 의미있는 정보들을 추출하기 위한 연구분야로서[1], 주로, 분류(Classification), 연관법칙추출(Association Rule Mining), 그리고 군집화(Clustering) 등과 같은 제반기법들에 관한 연구가 활발하게 진행되어 다양한 분야에서 활용되고 있다[2,3,4,5,6]. | |
형식개념분석기법은 무엇을 제공해 주는가? | 분류(Classification)기법의 일종으로서, 형식개념분석기법(Formal Concept Analysis)은 Ganter와 Wille[7]에 의해 창안되어, 데이터마이닝 분야 뿐만아니라, 온톨로지공학, 시맨틱 웹, 소프트웨어공학, 정보 검색, 그리고 의학 및 바이오인포메틱스 등, 다양한 분야에서 사용되고 있다[8,9]. 형식개념분석기법은 주어진 문제영역의 각 객체들(Objects)과 그들이 갖는 속성들(Attributes)로부터, 양쪽 집합의 요소들 사이에 내재되어 있는 갈루아 대응관계(Galois Connection)를 토대로 개념(Concept)이라는 지식기본단위로 추출하고, 개념들사이의 순서관계를 토대로 개념격자(Concept Lattice)를 구축함으로써 데이터의 분류와 군집화, 연관법칙의 추출 등과 같은 지식추출 및 표현, 그리고 추론을 위한 수학적인 모델을 제공해 준다. | |
형식개념분석기법에서 다양한 분석결과를 얻기 위해서는 주어진 데이터의 특성에 알맞은 다양한 해석기준을 제공할 필요가 있는데 그 이유는 무엇인가? | 또한, 스케일은 다치속성을 갖는 데이터에 대한 분석기준이 되므로 형식개념분석기법을 적용하는 경우, 중요한 부가적 정보로서 이용된다. 즉, 다치속성을 갖는 데이터에 대한 이진화과정을 수행하는 과정에서 어떠한 유형의 스케일을 기준으로 설정하였는가에 따라서 상이한 이진테이터테이블이 구성되므로, 결과적으로 이진화과정에서 사용되는 스케일에 따라서 형식개념분석에서는 동일한 데이터에 대해서 다양한 분석결과를 얻을 수 있다. 따라서, 형식개념분석기법에서는 다양한 분석결과를 얻기 위해서는 주어진 데이터의 특성에 알맞은 다양한 해석기준(즉, 스케일)을 제공할 필요가 있다. |
Pang-Ning Tan, Michael Steinbach, Vipin Kumar, "Introduction to Data Mining," Addison-Wesley, 2005.
Ngai, E.W.T., Hu, Y., Wong, Y.H., Chen, Y. & Sun, X. "The application of data mining techniques in financial fraud detection: A classification framework and an academic review of literature." Decision Support Systems 50, pp.559-569, 2010.
V. S. Verykios and E. Bertino and I. N. Fovino and L. P. Provenza and Y. Saygin and Y. Theodoridis, State-of-the-art in privacy preserving data mining, ACM SIGMOD Record, Vol. 1, No. 33, 2004.
Clifton Phua and Vincent C. S. Lee and Kate Smit h-Miles and Ross W. Gayler, "A Comprehensive Survey of Data Mining-based Fraud Detection Research," Artificial Intelligence Review, May 2005.
Thabtah, Fadi Abdeljaber, "A review of associative classification mining," Knowledge Engineering Review, Vol.22, No.1. pp.37-65, 2007.
Ruotsalainen, Laura, Data Mining Tools for Techn ology and Competitive Intelligence, ESPOO 2008, VTT Tiedotteita n Research Notes 2451, 2008.
Ganter, B., Wille, R., "Formal Concept Analysis: Mathematical foundations." Springer, 1999.
Gerd Stumme, "Hierarchies of Conceptual Scales," Proceedings of Workshop on Knowledge Acquisition, Modeling and Management (KAW'99), 1999.
J. Poelmans, P. Elzinga, S. Viaene, G. Dedene, "Formal Concept Analysis in Knowledge Discovery: A Survey," ICCS2010, pp.139-153, 2010.
R. Cole, P. Eklund and D. Walker, "Using Conc eptual Scaling In Formal Concept Analysis For Knowledge And Data Discovery In Medical Texts," International Symposium on Knowledge Retrieval, Use, and Storage for Efficiency, pp.151-164, 1997.
Susanne Prediger, "Logical Scaling in Formal Concept Analysis," LNCS 1257, 1997.
Joachim H. Correia, "Relational Scaling and Databases," Proceedings of the 10th International Conference on Conceptual Structures, LNCS2393, 2002.
Lyamine Hedjazi and Joseph Aguilar-Martin and Marie-Veronique Le Lann, "Similarity-margin based feature selection for symbolic interval data," Pattern Recognition Letters, Vol.32, No.4, 2011.
De Carvalho, F.A.T., De Souza, R.M.C.R., Chavent, M., Lechevallier, Y., "Adaptive Hausdorff distances and dynamic clustering of symbolic interval data," Pattern Recognition 27, pp.167-179, 2006.
Quevedo, J., Puig, V., Cembrano, G., Blanch, J., Aguilar, J., Saporta, D., Benito, G., Hedo, M., Molina, A., "Validation and reconstruction of flow meter data in the Barcelona water distribution network." Journal of Control Eng. Practice 18, pp.640-651, 2010.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.