$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

유사도 측정 데이터 셋과 쓰레숄드

Practical Datasets for Similarity Measures and Their Threshold Values

한국전자거래학회지 = The Journal of Society for e-Business Studies, v.18 no.1, 2013년, pp.97 - 105  

양병주 (삼성테크윈 시큐리티솔루션사업부) ,  심준호 (숙명여자대학교 컴퓨터과학부)

초록
AI-Helper 아이콘AI-Helper

방대한 량의 전자상거래 데이터 객체를 다루는데 같거나 유사한 객체들을 찾는 유사도 측정은 중요하다. 객체간 유사도 측정은 객체 쌍의 유사도 측정값을 비교하므로 객체 량이 많아질수록 오랜 시간이 걸린다. 최근의 여러 유사도 측정 연구에선 이를 더 효율적으로 수행하는 기법을 제시하고 실제 데이터 셋에서 그 성능을 평가해왔다. 본 논문에서는 이들 연구에서 사용하는 데이터 셋의 특성과 실험에서 사용되는 쓰레숄드 값이 가지는 의미에 대해 분석해본다. 이러한 분석은 새로운 유사도 측정 기법의 성능 평가 실험의 참조 기준을 제시하는 역할을 한다.

Abstract AI-Helper 아이콘AI-Helper

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...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 논문에서는 바로 이러한 점에 착안하여, 최근의 벡터 정보 객체 모델링 분야에서 개발된 유사도 측정 기법들이 사용하는 데이터 셋에 대한 유용한 정보를 분석 제공하고, 실제 성능 평가 환경 구축에서 사용되는 지표를 제공하는데 그 연구 목적을 둔다.
본문요약 정보가 도움이 되었나요?

질의응답

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.
질의응답 정보가 도움이 되었나요?

참고문헌 (14)

  1. 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. 

  2. Dean, J. and Ghemawat, S., "Mapreduce: simplified data processing on large clusters," Communications of ACM, Vol. 51, No. 1, pp. 107-113, 2008. 

  3. Last.fm Web Services, http://www.last. fm/api, 2012. 

  4. Lee, D. and Shim, J., "Survey on Vector Similarity Measures : Focusing on Algebraic Characteristic," The Journal of Society for e-Business Studies, Vol. 17, No. 4, pp. 209-219, 2012. 

  5. 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. 

  6. 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. 

  7. Movielens data sets, grouplens research. http://www.grouplens.org/node/73, 2011. 

  8. 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. 

  9. Stanford Large Network Dataset Collection, Stanford University, http://snap.- stanford.edu/data/, 2012. 

  10. The DBLP Computer Science Bibliography, http://www.informatik.uni-trier. de/-ley/db/, 2012. 

  11. 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. 

  12. 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. 

  13. 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. 

  14. Yeon, J., Lee, D., Shim, J., and Lee, S. G., "Product Review Data and Sentiment Analytical Processing Modeling," The Journal of Society for e-Business Studies, Vol. 16, No. 4, pp. 125-137, 2011. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트