최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국전자거래학회지 = The Journal of Society for e-Business Studies, v.18 no.1, 2013년, pp.97 - 105
양병주 (삼성테크윈 시큐리티솔루션사업부) , 심준호 (숙명여자대학교 컴퓨터과학부)
In the e-business domain where data objects are quantitatively large, measuring similarity to find the same or similar objects is important. It basically requires comparing and computing the features of objects in pairs, and therefore takes longer time as the amount of data becomes bigger. Recent st...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
유사도 측정이란? | 웹 데이타베이스에 보관된 정보 객체들 간의 중복 및 유사성을 파악하기 위하여 흔히 사용되는 기술적인 방법은 유사도 측정(similarity measures, 혹은 proximity, similarity coefficients라고 불림) 이다[4, 5]. 예를 들어 두 개의 정보 객체가 실제로 얼마나 유사한지 살펴보기 위해, 두 정보 객체를 표현하는 데이터 값을 수학적 함수인 유사도 측정 함수로 입력 값으로 받아 그 계산된 결과값이 바로 두 정보 객체간의 유사성을 가리키는 바로미터의 역할을 할 수 있다. | |
UKBench의 데이터 셋은 어떻게 사용되도록 되어지는가? | UKBench는 이미지 추출 및 비교 검색 벤치마킹을 위해 University of Kentucky에서 개발한 데이터 셋이다[8]. 각 이미지는 특질(feature) 벡터 값으로 표현되는데 데이터는 벡터로 표현되고 데이터 셋 안에는 동일한 이미지가 여러 가지 다른 모양으로 저장되어 이미지 검색 및 추출 검사를 위해 사용되도록 되어 있다. | |
벡터 유사도 검색을 빠르게 하는 방법으로 제일 주목 받는 기법 2가지는? | 벡터 유사도 검색을 빨리 하는 데에는 다양한 방법을 취할 수 있지만, 최근 제일 주목받는 두 가지 기법은 별로 비슷하지 않을 벡터 쌍을 가능한 많이 미리 제거하여 벡터 유사도 측정 시간을 줄이려는 필터링 기술(filtering techniques)과 맵리듀스(MapReduce)[2]로 대표되는 대용량 분산 처리시스템 등을 통하여 주어진 일을 다수의 컴퓨터에서 동시에 수행하여 그 수행 시간을 단축시키려는 방법이라 볼 수 있다. |
Bayardo, R. J., Ma, Y., and Srikant, R., "Scaling up all pairs similarity search," In Proceedings of the 16th international conference on World Wide Web, WWW '07, USA, 2007.
Dean, J. and Ghemawat, S., "Mapreduce: simplified data processing on large clusters," Communications of ACM, Vol. 51, No. 1, pp. 107-113, 2008.
Last.fm Web Services, http://www.last. fm/api, 2012.
Lee, D., Park, J., Shim, J., and Lee, S. G., "An efficient similarity join algorithm with cosine similarity predicate," In Proceedings of the DEXA (2), 2010.
Metwally, A. and Faloutsos, C., "V-smart join: a scalable mapreduce framework for all-pair similarity joins of multisets and vectors," Proc. VLDB Endow, Vol. 5, No. 8, pp. 704-715, 2012.
Movielens data sets, grouplens research. http://www.grouplens.org/node/73, 2011.
Nister, D. and Stewenius, H., "Scalable recognition with a vocabulary tree," In IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Vol. 2, pp. 2161-2168, 2006.
Stanford Large Network Dataset Collection, Stanford University, http://snap.- stanford.edu/data/, 2012.
The DBLP Computer Science Bibliography, http://www.informatik.uni-trier. de/-ley/db/, 2012.
Vernica, R., Carey, M. J., and Li, C., "Efficient parallel set-similarity joins using mapreduce," In Proceedings of the 2010 ACM SIGMOD International Conference on Management of data, 2010.
Yang, B., Kim, H., Shim, J., Lee, D., and Lee, S. G., "A MapReduce-based Filtering Framework for Vector Similarity Joins," Technical Report, Seoul National Univ, 2013.
Yang, B., Myung, J., Lee, S. G. and Lee, D., "A mapreduce-based filtering algorithm for vector similarity join," In Proceedings of the ICUIMC(IMCOM) '13, 2013.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.