Earticle

초록

영어

POI search for multidimensional large data is an important topic in data analysis and data mining fields. A good POI search method should provide stable performance regardless of the number of data dimensions and data size. In this paper, we propose a segmentation-based POI search method for real-time data. The existing POI search method rapidly increases execution time and memory space usage as the data dimension increases. We propose a POI list to find the POI of multidimensional data based on the one-dimensional POI in the data space. The accuracy of the identified multidimensional POI may be less accurate, but it can perform more efficiently than existing methods for the number of dimensions. This is because the one-dimensional search method has better memory usage and performance than the multi-dimensional search method. Through experiments, it can be confirmed that the proposed method utilizes memory resources more effectively.

한국어

다차원 대용량 데이터에 대한 POI탐색은 데이터 분석, 데이터 마이닝 분야에서 중요한 주제이다. 좋은 POI 탐색 방법은 데이터 차 원의 수와 데이터 크기에 무관하게 안정적인 성능을 제공해야 한다. 본 논문에서는 실시간 데이터를 대상으로 분할기반의 POI 탐색 방법을 제안한다. 기존 POI 탐색 방법은 데이터 차원이 증가함에 따라 수행시간 및 메모리 공간 사용량이 급격히 증가한다. 본 논 문에서는 데이터 공간에서 1차원 POI를 기반으로 다차원 데이터의 POI를 찾기 위한 POI 리스트를 제안한다. 식별된 다차원 POI의 정확도는 덜 정확할 수 있지만 차원 수에 대해 기존 방법들보다 효율적으로 수행할 수 있다. 1차원 탐색 방식은 다차원 탐색 방식 보다 메모리 사용량과 수행성능이 뛰어나기 때문이다. 실험을 통해 제안하는 방법이 메모리 자원을 보다 효과적으로 활용하는 것을 확인할 수 있다.

목차

요약
ABSTRACT
I. 서론
II. POI 영역 분할 기법
III. 실험
IV. 결론
References

키워드

저자

• 박남훈 [ Nam Hun Park | 안양대학교 융합소프트웨어학과 ]
• 주길홍 [ Kil Hong Joo | 경인교육대학교 컴퓨터교육과 ] Corresponding Author

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  인공지능연구 논문지 [Journal of The Korean Association of Artificial Intelligence Education]

• 간기

  연3회

• pISSN

  2733-404X

• 수록기간

  2020~2025

• 등재여부

  KCI 등재후보

• 십진분류

  KDC 000 DDC 006