Earticle

높은 가용성 확장성, 시스템 성능의 요구를 만족시키기 위해 SAN(Storage Area Network)이 등장했다. SAN을 보다 효과적으로 활용할 수 있도록, 대부분의 SAN 운영체제들은 SAN에 부착된 물리적 저장장치들을 가상적으로 하나의 커다란 볼륨으로 보이게 하는 저장장치 가상화 개념을 지원한다. 저장장치 가상화의 핵심적인 역할을 하는 것이 바로 논리볼륨 관리자이다. 논리볼륨 관리자는 논리 주소를 물리 주소로 매핑시킴으로서 저장장치 가상화를 실현한다. 이 논문에서는 논리볼륨 관리자를 위한 효율적이고 유연한 매핑 기법을 설계하고 구현한다. 이 논문의 매핑 기법은 특정 시점의 볼륨이미지를 유지할 수 있는 스냅샷과 시스템을 정지시키지 않고 SAN에 디스크를 추가 또는 삭제할 수 있는 온라인 재구성 기능을 지원한다.

A new architecture called the Storage Area Network(SAN) was developed in response to the requirements of high availability of data, scalable growth and system performance In order to use SAN more efficiently, must SAN operating systems support storage virtualization concepts that allow users to view physical storage devices attached to SAN as a large volume virtually. A logical volume manager Days a key role in storage virtualization it realizes the storage virtualization by mapping logical addresses to physical addresses. In this paper, we design and implement an efficient and flexible mapping method for logical volume manager. The mapping method in this paper supports a snapshot that preserves a volume image at certain time and on-line reorganization to allow users to add or remove storage devices to SAN even while the system is running.

높은 가용성, 확장성, 시스템 성능의 요구를 만족시키기 위해 SAN(Storage Area Network)이 등장했다. SAN을 보다 효과적으로 활용할 수 있도록, 대부분의 SAN 운영체제들은 SAN에 부착된 물리적 저장장치들을 가상적으로 하나의 커다란 볼륨으로 보이게 하는 저장장치 가상화 개념을 지원한다. 저장장치 가상화의 핵심적인 역할을 하는 것이 바로 논리볼륨 관리자이다. 자유공간 관리자는 논리볼륨의 자유공간들에 대한 정보를 유지관리 하면서 디스크 할당요구에 적절히 디스크를 할당해주는 역할을 한다. 이때 얼마나 단편화를 최소화하면서 효과적으로 자유공간에 대한 정보를 관리하는가는 전체 볼륨관리자의 성능을 결정하는 중요한 요인이 된다. 이 논문에서는 유연한 매핑을 돕기 위해 자유공간 관리 기법을 설계하고 구현한다. 이 논문의 자유공간 관리기법은 논리블록에 대한 물리블록 할당 외에도 스냅샷과 재구성을 위한 공간할당 및 해제를 효과적으로 처리한다.

A new architecture called the Storage Area Network(SAN) was developed in response to the requirements of high availability of data scalable growth and system performance. In order to use SAN more efficiently, most SAN operating systems support storage virtualization concepts that allow users to view physical storage devices attached to SAN as a large volume virtually. A logical volume manager plays a key role in storage virtualization. In order for mapping managers to process snap-shots and reorganizations, an efficient freespace manager is required, and it affects the overall performance of logical volume. In this thesis, we design and implement a freespace manager for logical volume manager. The freespace manager efficiently allocates physical blocks for logical blocks. Also, it processes space allocation requests for suports snapshots and reorganizations.

Streptoverticillium morbaraense로부터 미생물 유래 transglutaminase 생산을 위하여 최적의 용존산소 농도를 구명하였다. 용존산소는 용존산소 농도 자동 조절 시스템에 의해 조절되었다. 발효 중 용존산소 농도 조절을 위하여 통기속도는 0.3-3.9 L/min, 교반속도는 260-360 rpm으로 각각 범위를 설정하였다. 용존산소 농도를 조절한 다양한 회분식 배양에서 용존산소가 20%일 때 최대 미생물유래 transglutaminase 생산이 가능하였다. 회분배양에서 용존산소 농도를 20%로 조절한 경우 미생물유래 transglutaminase 생산은 2.12 U/mL이었고, 용존산소를 조절하지 않은 회분식 배양의 미생물유래 transglutaminase 생산보다 1.1배 향상되었다. 역시 가장 높은 미생물유래 transglutaminase 생산은 용존산소를 20%로 조절한 유가식 배양에서 가능하였으며, 용존산소를 조절하지 않은 회분식 배양의 미생물유래 transglutaminase 생산에 비교해서 1.3배 증가하였다. 최대 건조균체량과 미생물유래 transglutaminase 생산은 각각 13.2 g/L와 2.6 U/mL이었다. 용존산소를 20%로 용존산소 농도 자동 조절 시스템에 의해 조절한 유가식 배양은 미생물유래 transglutaminase 생산에 적절하였으며 다른 미생물 배양에도 적용할 수 있을 것으로 판단된다.

The effect of dissolved oxygen(DO) on microbial transglutaminase(mTG) production by Streptoverticillium morbaraense was studied in on-line computer controlled fermentation system. In order to control dissolved oxygen during fermentation, the agitation speed and aeration rate of 2.5 L fermenter ranged from 260 to 360 rpm and 0.3 to 3.9 L/min, respectively. The maximum microbial transglutaminase production was obtained at controlled 20% of dissolved oxygen among the various dissolved oxygen controlled batch cultures tested. The production of microbial transglutaminase at controlled 20% of dissolved oxygen was about 2.12 U/mL which was 1.1 times higher than that obtained in batch culture without control of dissolved oxygen. Also, the highest microbial transglutaminase production was obtained in fed-batch cultures in which dissolved oxygen was controlled at 20%, and it was improved almost 1.3 times in comparison with that without control of dissolved oxygen. Maximal dry cell weight and microbial transglutaminase production were 13.2 g/L and 2.6 U/mL, respectively. Finally, it was also found that fed-batch fermentation at controlled 20% of dissolved oxygen showed a good performance for the microbial transglutaminase production by on-line computer controlled fermentation system which may be generally applicable to other microbial cultures.

최근 정보통신기술을 농업과 접목해 새로운 가치를 창출하는 스마트팜 연구가 활발하게 진행되고 있다. 국내 스마트팜 기술이 농업 선진국 수준의 생산성을 가지기 위해서는 기계 학습을 활용한 자동화된 의사결정이 필요하다. 그러나 현재의 스마트 온실 데이터 수집 기술은 빅데이터 분석이나 기계 학습을 수행하기에 충분하지 않다. 본 논문에서는 자율 기계 학습을 위한 스마트 온실 데이터 전처리 시스템을 설계하고 구현한다. 제안하는 시스템은 대상 데이터를 다양한 전처리 기법에 적용하고 평가를 수행하여 최적 전처리 기법을 탐색하고 저장한다. 이렇게 탐색 된 최적 전처리 기법은 새롭게 수집된 데이터에 대하여 전처리를 수행하는데 활용된다.

Recently, research on a smart farm that creates new values by combining information and communication technology(ICT) with agriculture has been actively done. In order for domestic smart farm technology to have productivity at the same level of advanced agricultural countries, automated decision-making using machine learning is necessary. However, current smart greenhouse data collection technologies in our country are not enough to perform big data analysis or machine learning. In this paper, we design and implement a smart greenhouse data preprocessing system for autonomous machine learning. The proposed system applies target data to various preprocessing techniques. And the proposed system evaluate the performance of each preprocessing technique and store optimal preprocessing technique for each data. Stored optimal preprocessing techniques are used to perform preprocessing on newly collected data

운전자가 모바일기기를 사용하여 직접 교통 정보를 제공하는 크라우드 소싱을 활용하여 교통 문제를 해결하려는 연구들이 진행 중이다. 크라우드 소싱을 통해 수집된 데이터를 교통 이벤트 검출에 사용한다면 관련된 데이터를 수집하는 작업이 줄어들어 시간 비용이 낮아지고 정확도는 높아지는 장점이 있다. 본 논문에서는 크라우드 소싱을 활용하여 교통과 관련된 데이터를 수집하고, 이를 통해 교통에 영향을 미치는 이벤트를 검출하는 기법을 제안한다. 제안하는 기법은 대용량 데이터 처리를 위해 기계 학습 알고리즘을 사용하여 수집된 데이터의 이벤트 유형을 판별한다. 또한, 이벤트가 발생된 위치를 추출하기 위하여 수집된 데이터에서 위치를 나타내는 키워드를 추출하고 키워드의 행정구역을 반환한다. 이를 통해 기존 제공되는 위치 정보에서 광범위하게 정의된 위치나 잘못된 위치 정보를 해결할 수 있다. 제안하는 기법의 타당성을 입증하기 위해 다양한 성능 평가를 수행한다.

Research is underway to solve the traffic problem by using crowdsourcing, where drivers use their mobile devices to provide traffic information. If it is used for traffic event detection through crowdsourcing, the task of collecting related data is reduced, which lowers time cost and increases accuracy. In this paper, we propose a scheme to collect traffic-related data using crowdsourcing and to detect events affecting traffic through this. The proposed scheme uses machine learning algorithms for processing large amounts of data to determine the event type of the collected data. In addition, to find out the location where the event occurs, a keyword indicating the location is extracted from the collected data, and the administrative area of the keyword is returned. In this way, it is possible to resolve a location that is broadly defined in the existing location information or incorrect location information. Various performance evaluations are performed to prove the superiority and feasibility of the proposed scheme.

기존 각 기관에서 수행하는 연수는 출결 관리 시스템의 미비로 인해 신청자들의 출결유무를 현장에서 수기로 작성 후 문서로 관리하고 있었다. 각 기관에서 수기로 작성된 문서를 관리자들이 2차 가공 후 취합하여 보관/관리를 하다 보니 업무의 효율성이 떨어지고 연수신청자들도 수강한 연수의 출결유무와 연수정보를 확인하려면 직접 방문 또는 유선연결을 통해 직접 알아봐야 하는 불편함이 있었다. 더불어 이러한 데이터 수집/저장 방식은 저장 및 검색에 많은 인력과 시간이 소요될 뿐만 아니라 보존과 관리에 많은 어려움이 있다. 본 논문은 바코드를 이용한 스마트 출결 통합 관리 시스템을 설계하고 구현한다. 이를 통해 교육신청자의 출석체계가 구축되고, 출석관련 보안이 강화되며, 교육 참석 자료의 전산화로 데이터를 관리한다. 또한 각 기관이 교육정보 데이터를 효율적으로 관리·활용할 수 있도록 필요한 자료의 기준을 선정한다. 제안하는 시스템은 한 번의 구축으로 다양한 기관을 추가할 수 있어 기관관리 확장성이 용이하며 추가로 비용절감 효과를 기대 할 수 있다. 또한 제공하는 관리시스템을 사용하는 연수담당자들의 업무편의성 증대와 사용자들의 출결데이터 통제/관리를 통해 교육의 질적 향상을 기대한다.

Due to the lack of attendance management system, the training conducted by each existing institution was handwritten at the site and managed in writing about the attendance of participants. It not only takes a lot of manpower and time to store and search, but also has a lot of difficulty in storing. In this paper, we design and implement an integrated smart attendance management system using barcodes. Through this, the attendance system of training applicants is developed, security related to attendance is strengthened, and training attendance data is computerized and collected. In addition, standards for necessary data are selected so that each institution can efficiently manage and utilize training information data. The proposed system can add various institutions in a single construction, making it easy to expand institutional management and can expect additional cost reduction effects. In addition, it is expected that the quality of education will be improved by increasing the convenience of training managers who use the management system provided and controlling/managing attendance data of users.

최근 네트워크 기술 발전과 함께 IoT 및 소셜 네트워크 서비스의 활성화로 인해 많은 그래프 스트림 데이터가 생성되고 있다. 본 논문에서는 압축률 및 압축 시간에 대해 중점적으로 연구되던 기존의 압축 기법에 그래프 마이닝을 적용하여 스트림 그래프 환경을 함께 고려한 그래프 압축 기술을 제안한다. 또한, 최신 패턴을 유지하여 실시간으로 변화하는 스트림 그래프에서 압축 효율 및 처리속도를 향상시킨다. 본 논문에서는 그래프 스트림 처리를 위한 점진적 빈발 패턴 기반 압축 기법을 제안하였다. 제안하는 기법의 우수성을 보이기 위해 압축률과 처리시간을 기존기법과 비교하여 성능평가를 수행한다. 제안하는 기법은 그래프 데이터의 크기가 커질 때 중복되는 데이터가 많아져 기존 기법보다 빠른 처리속도를 보인다. 따라서, 빠른 처리가 요구되는 스트림 환경에서 제안하는 기법을 활용할 수 있다.

Recently, with the development of network technologies, as IoT and social network service applications have been actively used, a lot of graph stream data is being generated. In this paper, we propose a graph compression scheme that considers the stream graph environment by applying graph mining to the existing compression technique, which has been focused on compression rate and runtime. In this paper, we proposed Incremental frequent pattern based compression technique for graph streams. Since the proposed scheme keeps only the latest reference patterns, it increases the storage utilization and improves the query processing time. In order to show the superiority of the proposed scheme, various performance evaluations are performed in terms of compression rate and processing time compared to the existing method. The proposed scheme is faster than existing similar scheme when the number of duplicated data is large.

최근 운전자의 안전과 원활한 교통을 위하여 VANET 환경에서 차량들을 클러스터로 구축하고 안전 메시지를 배포하는 연구들이 진행되고 있다. 본 논문에서 제안하는 기법은 차량의 밀도와 이동성이 높은 VANET 환경에서 V2V 통신과 V2I 통신을 통해 안전 메시지 배포를 배포하기 위한 클러스터 관리 기법을 제안한다. 제안하는 기법은 메시지 수 감소와 수신율을 높이기 위해 수신 품질, 차량이 보유한 전체 데이터 수, 이동속도, 연결된 차량 수 등을 고려한 클러스터 헤드(CH) 선출과 기존 클러스터 안전 메시지 배포 환경에서 고려하지 못했던 클러스터의 잦은 이탈과 가입을 고려하여 메시지 배포의 주체인 클러스터 헤드 후보를 유지함으로써 패킷 손실을 감소시킨다. 또한, 제안하는 기법은 RSU(Road Side Unit)와 협업하여 동작함으로써 클러스터를 활용하여 중복 메시지를 추가적으로 감소시킨다. 제안한 기법의 우수성을 입증하기 위해 메시지 패킷 손실과 RSU 처리 요청 수 관점에서 다양한 성능평가를 수행한다. 성능평가 결과 본 논문에서 제안한 클러스터 관리 기법이 기존 기법보다 우수한 성능을 보인다.

Recently, studies have been conducted to cluster vehicles and disseminate safety messages in a VANET environment for driver safety and smoothy traffic. This paper proposes cluster management scheme for safety message dissemination through V2V communication and V2I communication in a VANET environment with high vehicle density and mobility. The proposed scheme reduces packet loss by selecting CH considering reception quality, total data owned by vehicles, moving speed, and connected vehicles, and maintaining cluster head candidates, which are the main agents of message dissemination, considering frequent cluster departures and subscriptions. In addition, the proposed scheme reduces duplicate messages by utilizing clusters by collaborating with a Road side unit(RSU). To prove the excellence of the proposed scheme, various performance evaluations are performed in terms of message packet loss and the number of RSU processing requests. As a result of performance evaluation, the cluster management scheme proposed in this paper shows better performance than the existing scheme.

소셜 네트워크에서 영향력을 판별하기 위한 기존 기법들은 소셜 네트워크에서 활동하지 않는 사용자의 수가 증가되는 상황에서 활동을 중단하기 전에 기존 관계를 삭제하거나 갱신하지 않기 때문에 정확하게 사용자의 영향력을 판별하지 못한다. 본 논문에서는 소셜 네트워크의 사용자 생성 일자를 기반으로 한 시간적 k-쉘 분해 방법을 사용하여 영향력 있는 사용자들을 판별하는 기법을 제안한다. 소셜 네트워크에서 오래된 사용자들의 영향력이 높아지는 문제점을 해결하기 위해 주변 이웃의 노화에 따른 감쇠 계수를 k-쉘 분해와 연령 별 차수 중심성을 적용한다. 연령-감쇠 k-쉘 분해와 연령 별 차수 중심성에 감쇠 계수 및 연령에 따른 가중치들을 적용해 현 시점에서 영향력 있는 사용자들을 판별한다. 제안하는 기법의 우수성을 입증하기 위해 다양한 성능 평가를 수행한다.

The existing methods for determining influence in social networks do not accurately determine the influence of users because they do not delete or update existing relationships before they stop in the face of an increasing number of inactive users on social networks. In this paper, we propose a user influence detremination method using the temporal k-shell decomposition technique based on the creation date of users of social networks. To solve the problem of increasing influence of old users in social networks, we apply k-shell decomposition and age-specific order centrality as attenuation coefficients due to aging in neighbors. The age-decaying k-shell decomposition and age-specific order centrality are searched for influential users at the present time by applying the attenuation coefficient and age-dependent weights. Various performance evaluations are performed to show the superiority of the proposed method.

최근 4차 산업혁명이 이슈가 되며 빅데이터를 이용한 많은 서비스들이 개발됐다. 이에 따라 빅데이터 중에서도 가장 가치 있는 데이터로 여겨지는 공공 데이터를 활용하기 위한 연구들이 진행되고 있다. 본 논문에서는 공공 빅데이터 기반의 식품 가격 정보 분석 시스템을 설계하고 구현한다. 제안하는 시스템은 다양한 출처로부터 다양한 형태로 수집되는 식품 가격 관련 데이터를 분석하여 특징에 따라 분류한다. 또한 제안하는 시스템은 빅데이터 분석 기법을 통해 식품의 가격에 영향을 미치는 요인을 분석하여 가까운 미래의 식품 가격을 예측하기 위한 자료로 활용한다. 마지막으로 제안하는 시스템은 데이터 시각화를 통해 분석된 결과를 사용자에게 제공한다.

Recently, with the issue of the 4th Industrial Revolution, many services using big data have been developed. Accordingly, studies have been conducting to utilize public data, which is considered as the most valuable data among big data. In this paper, we design and implement a food price information analysis system based on public big data. The proposed system analyzes the collected food price-related data in various forms from various sources and classifies them according to characteristics. In addition, the proposed system analyzes the factors affecting the price of food through big data analysis techniques and uses them as data to predict the price of food in the near future. Finally, the proposed system provides the user with the analyzed results through data visualization.

지식 그래프 및 단백질 상호 작용과 같은 실제 데이터에서 개체들과 개체들의 관계 및 구조를 나타내기 위해 레이블 그래프를 사용한다. IT의 급속한 발전과 데이터의 폭발적인 증가로 사용자에게 관심 있는 정보를 제공하기 위한 서브 그래프 매칭 기술이 필요하다. 본 논문은 레이블의 의미적 유사성과 그래프 구조 차이를 고려한 근사 Top-k 서브 그래프 매칭 기법을 제안한다. 제안하는 기법은 레이블 의미적 유사도를 고려하기 위하여 FastText을 활용한 학습 모델을 이용한다. 레이블 간 의미적 유사도를 미리 계산한 LSG(Label Similarity Graph)를 통해 처리 속도의 효율을 높인다. LSG를 통해 레이블이 정확하게 일치해야 확장이 가능한 기존 연구의 한계를 해결한다. 2-hop까지 탐색을 수행함으로써 질의 그래프에 대한 구조적 유사성을 지원한다. 매칭된 서브 그래프는 유사도 값 기반으로 Top-k 결과를 제공한다. 제안하는 기법의 우수성을 보이기 위하여 다양한 성능평가를 수행한다.

Labeled graphs are used to represent entities, their relationships, and their structures in real data such as knowledge graphs and protein interactions. With the rapid development of IT and the explosive increase in data, there has been a need for a subgraph matching technology to provide information that the user is interested in. In this paper, we propose an approximate Top-k labeled subgraph matching scheme that considers the semantic similarity of labels and the difference in graph structure. The proposed scheme utilizes a learning model using FastText in order to consider the semantic similarity of a label. In addition, the label similarity graph(LSG) is used for approximate subgraph matching by calculating similarity values between labels in advance. Through the LSG, we can resolve the limitations of the existing schemes that subgraph expansion is possible only if the labels match exactly. It supports structural similarity for a query graph by performing searches up to 2-hop. Based on the similarity value, we provide k subgraph matching results. We conduct various performance evaluations in order to show the superiority of the proposed scheme.

실시간 교통 상황을 제공하기 위해 사용자가 직접 교통 상황을 직접 제보하고 이를 공유하는 크라우드 소싱 기반의 교통 정보 서비스들이 개발되고 있다. 그러나 기존 교통 정보 서비스는 특정 서비스 참여자들이 제보한 정보만을 공유하기 때문에 제한된 교통 상황을 제공한다. 본 논문에서는 사용자의 직접적인 제보와 공개 교통상황을 수집하여 실시간 교통 상황을 제공하는 크라우드 소싱 기반의 교통 정보 서비스를 설계하고 개발한다. 제안하는 서비스는 사용자가 직접적인 교통 상황을 음성 및 텍스트로 제보할 수 있으며 외부 기관에서 공개한 교통 상황을 수집하고 통합한다. 수집된 교통 상황은 푸시 서비스를 통해 실시간 제공하며 사용자의 위치가 변경될 경우 새로운 교통 상황을 전송한다. 제안하는 서비스는 안드로이드 앱을 통해 교통 상황을 제보하고 실시간 교통 상황을 공유할 수 있다.

To provide real-time traffic conditions, crowd sourcing based traffic information services in which users directly report and share traffic conditions are being developed. However, the existing traffic information service provides limited traffic conditions because it only shares information reported by specific service participants. In this paper, we design and develop a crowd sourcing based traffic information service that provides real-time traffic conditions by collecting direct reports from users and public traffic conditions. The proposed service allows users to directly report traffic conditions by voice and text, and collects and integrates traffic conditions published by external organizations. The collected traffic conditions are provided in real time through a push service, and new traffic conditions are transmitted when the user's location changes. The proposed service can report traffic conditions and share real-time traffic conditions through an Android app.

최근 실시간 처리의 요구가 증가하면서 시간에 따라서 변화하는 동적 그래프에 관한 연구가 활발하게 진행되고 있다. 동적 그래프를 분석하기 위한 알고리즘의 하나로 연결 요소가 있다. GPU는 높은 메모리 대역폭, 연산 성능으로 대규모의 그래프 계산에 적합하다. 그러나 동적 그래프의 연결 요소를 GPU를 이용하여 처리할 때, GPU의 제한된 메모리로 인해 실제 그래프 처리 시 CPU와 GPU 간에 잦은 데이터 교환이 발생한다. 본 논문에서는 동적 그래프에서 GPU 기반의 효율적인 점진적 연결 요소 처리 기법을 제안한다. 제안하는 기법은 Weighted-Quick-Union 알고리즘을 기반으로 연결 요소 레이블에 구성 요소의 개수를 이용하여 연결 요소를 빠르게 계산한다. 또한, 재계산할 부분을 판별하여 GPU로 전송할 데이터를 최소화하여 대규모 그래프에 대하여 CPU와 GPU 간의 데이터 교환 횟수를 감소시킨다. 뿐만 아니라 GPU와 CPU 간에 데이터 전송 시간 낭비를 줄이기 위해 GPU와 CPU가 비동기로 실행하는 처리 구조를 제안한다. 실제 데이터 집합을 사용한 성능 평가를 통해 제안하는 기법의 우수성을 입증한다.

Recently, as the demand for real-time processing increases, studies on a dynamic graph that changes over time has been actively done. There is a connected components processing algorithm as one of the algorithms for analyzing dynamic graphs. GPUs are suitable for large-scale graph calculations due to their high memory bandwidth and computational performance. However, when computing the connected components of a dynamic graph using the GPU, frequent data exchange occurs between the CPU and the GPU during real graph processing due to the limited memory of the GPU. The proposed scheme utilizes the Weighted-Quick-Union algorithm to process large-scale graphs on the GPU. It supports fast connected components computation by applying the size to the connected component label. It computes the connected component by determining the parts to be recalculated and minimizing the data to be transmitted to the GPU. In addition, we propose a processing structure in which the GPU and the CPU execute asynchronously to reduce the data transfer time between GPU and CPU. We show the excellence of the proposed scheme through performance evaluation using real dataset.

최근 대용량 그래프의 반복 처리를 위하여 GPU를 이용하는 연구가 진행되고 있다. 메모리가 제한된 GPU를 이용하여 대용량 그래프를 처리하기 위해서는 그래프를 서브 그래프로 분할한 후 서브 그래프들을 스케줄링해서 처리해야 한다. 그러나 활성 정점에 따라 서브 그래프가 처리되기 때문에 그래프 처리 과정 속에서 불필요한 데이터 전송이 반복된다. 본 논문에서는 메모리가 제한된 GPU 환경에서 효율적인 그래프 알고리즘 처리 기법을 제안하고 성능 평가를 수행한다. 제안하는 기법은 그래프 차등 서브 그래프 스케줄링 방법과 그래프 분할 방법으로 구성된다. 대용량 그래프 분할 방법은 GPU에서 효율적으로 처리할 수 있도록 대용량 그래프를 서브 그래프로 분할할 수 있는 방법을 결정한다. 차등 서브그래프 스케줄링 방법은 GPU에서 처리하는 서브그래프를 스케줄링하여 반복적으로 사용되는 HOST-GPU 간의 데이터 중복 전송을 줄인다. 다양한 그래프 처리 알고리즘들의 성능 평가를 수행함으로써 제안하는 기법은 기존 분할 기법 대비 170%, 기존 처리 기법 대비 268% 향상되었다.

Recently, research on processing a large-capacity graph using GPUs has been conducting. In order to process a large-capacity graph in a GPU with limited memory, the graph must be divided into subgraphs and then processed by scheduling subgraphs. In this paper, we propose an efficient graph algorithm processing scheme in GPU environments with limited memory and performance evaluation. The proposed scheme consists of a graph differential subgraph scheduling method and a graph segmentation method. The bulk graph segmentation method determines how a large-capacity graph can be segmented into subgraphs so that it can be processed efficiently by the GPU. The differential subgraph scheduling method schedule subgraphs processed by GPUs to reduce redundant transmission of the repeatedly used data between HOST-GPUs. It shows the superiority of the proposed scheme by performing various performance evaluations.

대한민국 교육과정과 입시제도는 수많은 변화들을 통해 진화해 왔다. 현재 우리나라 대학진학률이 약 70%에 육박하고 있고, OECD회원국 중 가장 높다. 이러한 환경 속에 대학진학에 관심이 높고 또한 우리나라 교육제도에서 가장 비율이 높은 수시전형 중 학생부종합전형에 필요한 학교생활기록부의 중요성을 높아져가고 있다. 행복은 성적순이 아니지만 적극적인 학교생활을 통해 나의 미래와 행복을 동시에 찾을 수 있다. 학교생활기록부 분석시스템을 통해 자신에게 맞는 흥미와 진로를 찾을 수 있고, 가고자하는 대학, 학과에 맞는 요소들을 분석하고 보완하여 성공적인 진학에 한발 더 나아갈 수 있다. 학교생활기록부의 각 항목을 3가지로 분리시켜 필요 단어와 불필요한 단어들을 구분해 분석한다. 분석한 데이터를 시각화&수치화 하여 학교생활에서 보완할 수 있는 분석시스템을 구축한다. 기존 선행연구로 단어빈도와 유사도 분석을 이용한 다중주제 회의록 요약시스템을 응용하여 다른 요소의 문장을 간결하게 요약하고 단어를 추출함으로써 데이터 마이닝을 통한 분석시스템을 활용할 수 있다.

The Korean curriculum and admission system have evolved through numerous changes. Currently, the nation's college entrance rate stands at nearly 70 percent, and it is the highest among OECD members. Amid this environment, the importance of school life records is increasing among students who are interested in going to college and who have the highest percentage in the nation's education system. Happiness is not the order of grades, but I can find my future and happiness at the same time through active school life. Through the analysis system of school life records, you can find interests and career paths suitable for yourself, and analyze and supplement factors suitable for the university and department you want to go to, so that you can take a step further in successful advancement. Each item in the school records is divided into three categories to analyze the necessary and unnecessary words. By visualizing and numericalizing the analyzed data, an analysis system is established that can be supplemented in school life. An analysis system through data mining can be utilized by concisely summarizing sentences of different elements and extracting words by applying the multi-topic minutes summary system using word frequency and similarity analysis as an existing prior study.

최근 모바일 기기 및 소셜 미디어 서비스의 발전으로 인해, 콘텐츠 추천 기법에 대한 연구들이 진행되고 있다. 그러한 콘텐츠 추천 기법들은 일반적으로 취업 큐레이션 시스템에 적용된다. 대부분의 기존 대학 교육 콘텐츠 추천 기법은 해당 학생의 학교, 전공 등을 바탕으로 가장 많이 수강한 과목만을 추천하기 때문에 각 학생이 원하는 취업의 형태나 분야 등이 고려되지 않는다. 본 논문에서는 취업 큐레이션 시스템 기반의 개인 맞춤형 교육 콘텐츠 추천 기법을 제안한다. 제안하는 기법은 사용자가 취업 큐레이션 시스템에서 활동한 내용을 바탕으로 사용자가 원하는 취업 형태와 취업 분야를 분석하여 관심 기업을 도출한다. 제안하는 기법은 도출된 관심 기업을 바탕으로 관심 기업에 취업한 졸업생들의 신뢰도와 유사도를 측정하여 참고할만한 졸업생을 선정하고 협업 필터링을 통해 사용자에게 맞춤형 교과목, 비교과목, 자율 활동 목록을 추천한다.

Recently, with the development of mobile devices and social media services, contents recommendation schemes have been studied. They are typically applied to the job curation systems. Most existing university education content recommendation schemes only recommend the most frequently taken subjects based on the student's school and major. Therefore, they do not consider the type or field of employment that each student wants. In this paper, we propose a university educational contents recommendation scheme for job curation services. The proposed scheme extracts companies that a user is interested in by analyzing his/her activities in the job curation system. The proposed scheme selects graduates or mentors based on the reliability and similarity of graduates who have been employed at the companies of interest. The proposed scheme recommends customized subjects, comparative subjects, and autonomous activity lists to users through collaborative filtering.

장비마다 내구연수가 존재한다. 장비의 도입, 운영 그리고 폐기까지 상태가 변하기도 하고 장애가 발생할 수도 있다. 이러한 장비들을 기관마다 상당 양을 보유하고 있으며 장비마다 일일이 이슈를 파악하고 있는 일은 어려운 일이다. 그렇기 때문에 단순 재고 파악 목적만이 아닌 장비의 체계적인 Life Cycle 관리가 더욱 필요하다. 본 논문에서는 정보자원을 대상으로 통합 관리 시스템을 설계하고 구현한다. 제안하는 시스템은 인터넷을 사용할 수 있는 환경이라면 PC, 태블릿, 스마트폰 등을 통해 전산화된 정보 자원 데이터에 쉽고 간편하게 접근할 수 있도록 구현한다. 또한 중앙 집중식 관리와 사용자 레벨별 권한 부여 방식을 통해 상위 기관과 하위기관에서의 기능을 제한하고, 전체적인 자원의 현황을 파악할 수 있도록 통합 관리 체계를 구현한다.

Each equipment has a durable life. The state of the equipment may change or fail until it is introduced, operated and disposed of. It is difficult for each organization to have a significant amount of these equipment and to understand each issue. Therefore, systematic life cycle management of equipment is more necessary than just for inventory purposes. In this paper, we design and implement an integrated management system for information assets. If it is an environment that can use the Internet based on the web, it can easily and easily access computerized information resource data through PCs, tablets, and smartphones. In addition, an integrated management system was established to limit the functions of higher and lower institutions through centralized management and user-level empowerment methods and to understand the overall status of resources.

오늘날 우리는 인터넷을 통하여 웹사이트에서 다양한 활동과 많은 정보를 얻고 있다. 이러한 웹사이트들은 개인 또는 웹사이트 전문업체에 의해 유지보수되며, 기본적인 방법은 운영되고 있는 웹사이트를 구성하고 있는 파일들을 변경하는 것이다. 이 과정에서 전체 파일을 변경하는 것은 시간이 오래 걸리고, 변경하지 않아도 되는 파일들까지 변경하므로 효율성이 많이 떨어진다. 반대로 변경해야 하는 파일들만 변경하게 될 경우, 사람이 직접 각 경로를 탐색하여 파일들을 확인하고 하나씩 파일을 변경해야 하므로 손이 많이 간다. 이를 해결하고자 자동 배포 시스템들이 개발되었으나, 추가적인 자원과 학습이 필요하며 비용과 시간, 노동력이 추가로 발생한다. 이에 본 논문에서는 기존 웹사이트의 자원과 기술을 사용하여, 자원 소모를 최소화하고, 새로운 기술의 학습이 필요 없는 자동 업데이트 시스템을 제안하고자 한다. 이를 통해 사람의 작업 대비 신뢰성과 시간을 향상하는 것을 목적으로 한다.

Today we are getting a lot of information and various activities on our website through the internet. These websites are maintained by individuals or by website specialists. The basic method is to change the files that make up the running website. Changing the entire file in this process takes a long time and changes the files that do not need to be changed, so the efficiency is greatly reduced. When only the files that need to be changed are changed, it takes a lot of effort as a person must manually search each path to check the files and change the files one by one. To solve this problem, automatic distribution systems were developed. Additional resources and learning are required, resulting in additional cost, time and labor. Therefore, in this paper, we propose an automatic update system to minimize resource consumption by using the resources and technologies of the existing website. The proposed system does not require learning new skills. This aims to improve reliability and reduce time compared to human work.

객체 간의 관계를 표현하기 위해 정점과 간선으로 구성된 그래프 데이터를 효율적으로 저장하고 질의 처리하기 위한 그래프 데이터베이스가 개발되었다. 그래프 데이터베이스는 질의 유형이 기존 NoSQL 데이터베이스와 매우 다른 특성을 보이기 때문에 그래프 데이터베이스의 성능을 검증하기 위해서는 그래프 데이터베이스에 알맞은 벤치마킹 도구가 필요하다. 본 논문에서는 그래프 입력과 질의에 대한 다양성을 지원하는 효율적인 그래프 데이터베이스 벤치마킹 시스템을 제안한다. 제안하는 시스템은 그래프 데이터베이스에 대한 벤치마킹을 테스트하기 위해서 OrientDB를 활용한다. 입력 그래프와 질의 그래프의 다양성을 지원하기 위해서 기존 그래프 데이터 생성 도구인 LDBC를 이용한다. 벤치마킹 결과 분석을 통해 제안하는 기법의 타당성 및 실효성을 입증한다. 성능 평가 결과 제안하는 시스템은 사용자 정의 가능한 가상 그래프 데이터가 생성이 가능하며, 생성된 그래프 데이터를 기반으로 벤치마킹이 가능함을 보였다.

Graph databases have been developed to efficiently store and query graph data composed of vertices and edges to express relationships between objects. Since the query types of graph database show very different characteristics from traditional NoSQL databases, benchmarking tools suitable for graph databases to verify the performance of the graph database are needed. In this paper, we propose an efficient graph database benchmarking system that supports diversity in graph inputs and queries. The proposed system utilizes OrientDB to conduct benchmarking for graph databases. In order to support the diversity of input graphs and query graphs, we use LDBC that is an existing graph data generation tool. We demonstrate the feasibility and effectiveness of the proposed scheme through analysis of benchmarking results. As a result of performance evaluation, it has been shown that the proposed system can generate customizable synthetic graph data, and benchmarking can be performed based on the generated graph data.