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
- 본 논문에서는 정확한 교통량을 추론하기 위하여 정형데이터인 교통량 정보와 환경적 정보인 비정형 데이터를 이용하여 교통량을 추정하는 것이며, 특히 비정형 데이터를 검출하는데 있어서 특정 단어 구조로 이루어진 패턴을 저장하고, 이를 활용한 문서 분 류를 통하여 정확한 의미의 비정형데이터를 분류할 수 있고, 최종적으로 정확한 교통정보를 예측할 수 있는 시스템을 구성하고자 하였다. 현재의 예측 시스템에서 상당한 비중을 차지하고 있는 비정형데이터 처리 기술 방안을 제시하고, 이를 지능형 교통 정보 시스템, ITS에 적용한 예를 논하였다.
- 본 논문에서는 정확한 교통량을 추론하기 위하여 환경적 정보인 비정형데이터를 검출하는데 있어서 특정 단어 구조로 이루어진 패턴을 저장하고, 이를 활용한 문서 분류를 통하여 정확한 의미의 비정형데이터를 분류할 수 있고, 최종적으로 정확한 교통정보 를 예측할 수 있는 시스템을 구성하고자 한다.
- 이에 본 논문에서는 비정형 데이터 연구에서 추출 된 문장과 단어에 대하여 다중패턴 저장기법을 적용한다. 이 기법은 LSA와 Tensorflow의 Softmax를 활용하여 학습하고 저장하는 기법이며, 이를 활용하여 공사정보와 같이 계속해서 변경되는 정보와 행사 정보를 분석함으로써 수집된 교통량을 정확하게 분석하고자 한다. 특히 행사 정보는 지역적 주변 정보를 참고하지 않으면 교통량 증가에 대한 정확한 원인을 찾을 수 없기 때문에 행사 정보에 대한 교통량을 적절하게 분석함으로써 수집된 교통량을 정확하 게 분석할 수 있고, 가까운 미래에 대한 환경정보를 참고하여 교통량을 더 정확하게 추정할 수 있을 것이다.
- 비정형데이터를 정상적으로 분석하지 못하면, 주간단위 또는 일간단위로 증가한 교통량에 대하여 보편적 교통량의 증가인지 판단하기 어렵다. 이러한 이유 때문에 비정형데이터인 행사정보를 검토하였으며, 특히 행사정보에서 지역적 정보 및 날짜 등의 정 보를 추정할 수 있도록, 특정 그룹으로 분석하여 더 정확한 문서의 의미를 파악하고자 하였으며, 문서에서 단어의 빈도수만을 이용한 의미 분석은 단지 특정 단어가 많거나, 특정 특이 값이 있으면, 특정단어의 의미를 가지는 문서로 판단하는 것에 어려움이 있다. 이에 여러 그룹으로 분할된 학습데이터를 이용하여 학습을 진행하고 특정 문서가 어떠한 그룹에 속하는지를 먼저 구분하고 그 그룹의 의미를 지도 학습하는 다중패턴 저장기법을 활용하는 것에 대하여 실험을 하였고, 본 논문에서는 다중패턴 저장기법 중 하위 패턴 저장에 대하여 실현가능성과 그룹 축소를 통한 학습의 적절성과 문서가 가지는 의미를 정확하게 도출 할 수 있음을 확인하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.