Earticle

In the recent years, non-preemptive job shop scheduling problems have been applied to a wide variety of academic and industrial fields. In comparison, preemptive job shop scheduling problems have received almost no attention in the both fields. Motivated by the needs of a specific application, we presented an algorithm for dealing with preemptive job shop scheduling problem. First, we considered constraint programming techniques to preemptive scheduling problems. Second, we applied genetic algorithm to these problems. In proposed genetic algorithm, we developed a new concept for representing of genetic algorithm. In case study, we applied the proposed algorithm to several job shop problems. Experiment results show that the proposed algorithm considered by preemptive problems outperforms non-preemptive case and other conventional algorithms.

This paper uses the real‐coding genetic algorithm to solve the 8‐queen problem that is the constraint problem of classic AI, and the good simulated result is given by MATLAB.

The genetic algorithm (GA), one of the artificial intelligence (AI), is developed based on Darwin's theory of evolution, i.e., the mating of randomly selected objects. If more optimal solution is generated, then it is better to repeat the process of setting the optimum value. In this paper, the method of background music using the genetic algorithm is exploited when the computer game is executed each time. As a result, it has created several music that can be used in the actual game, and it could be confirmed that the other music that is created is different music when performed each time.

As a new entertainment and social way, online games now have a huge and increasing user group, so it is of great significance to identify the data stream of online games. Using the excellent nonlinear fitting ability of BP neural network and the advantages of global search of genetic algorithm, the initial weights and thresholds of BP neural network are optimized, and the BP neural network model optimized by genetic algorithm is established. The muti-dimensional input information is proposed to identify online game data streams. Through the experimental simulation, it shows that the selected muti-dimensional information and the established model can be well applied to online game stream recognition.

맞춤형 교육을 위해 학습자에 맞는 학습 경로를 탐색하는 것은 필수적이다. 유전 알고리즘은 해공간이 매우 커서 결정적 방법으로 해를 구하기 어려울 때 타당한 시간 내에 최적해를 찾게 해준다. 본 연구는 유전 알고리즘을 이용하여 200 개 코드를 가진 악보 27개를 대상으로 학습자 부담을 최소화하고 단계별 학습량을 균등하게 분산함으로써 학습 효과를 최대 화 할 수 있도록 학습 경로를 최적화하였다. 학습 컨텐츠가 27개만 되어도 학습 경로의 순열 크기는 10 28을 넘지만, 본 연구 에서 구현한 도구로 평균 20분 이내에 최적해를 구할 수 있었다. 실험 결과는 유전 알고리즘이 다양한 목적의 맞춤형 교육을 위한 복잡한 학습 경로 설계에 효과적임을 보여주었다. 제안한 방법은 다른 교육 도메인에도 활용할 수 있을 것으로 기대된다.

For customized education, it is essential to search the learning path for the learner. The genetic algorithm makes it possible to find optimal solutions within a practical time when they are difficult to be obtained with deterministic approaches because of the problem’s very large search space. In this research, based on genetic algorithm, the learning paths to learn 200 chords in 27 music sheets were optimized to maximize the learning effect by balancing and minimizing learner’s burden and learning size for each step in the learning paths. Although the permutation size of the possible learning path for 27 learning contents is more than 10 28, the optimal solution could be obtained within 20 minutes in average by an implemented tool in this research. Experimental results showed that genetic algorithm can be effectively used to design complex learning path for customized education with various purposes. The proposed method is expected to be applied in other educational domains as well.

자율주행시대에 맞춰 다양한 연구에서 미시교통시뮬레이션(VISSIM)을 활용하여 자율주행 차 도입시 교통류 안전성 분석을 수행중이다. 그러나, 일반자동차의 주행행태를 VISSIM 내 파 라미터로 반영하여 혼재시의 교통류 안전성을 분석한 연구는 미비하였다. 따라서 본 연구에서 는 실제 주행행태와 유사한 주행행태를 구현하기 위하여 일반자동차의 VISSIM 입력변수를 유 전알고리즘을 통해 최적화 한 후, 자율주행차 도입률에 따른 교통류 안전성 분석을 수행하는 것을 목적으로 한다. US I-101 고속도로의 640m 구간을 대상으로 후행차량이 일반자동차인 경 우에 대해서 상충횟수 분석을 수행한 결과, 전체 상충횟수는 자율주행차 도입률 20%까지 증가 하였으며 20%를 초과한 이후부터는 지속적으로 감소하였다. 일반자동차와 자율주행차 사이의 상충횟수는 자율주행차 도입률 60%까지 증가하는 것으로 분석되었다. 그러나, 자율주행차의 주행행태를 기존 문헌결과를 바탕으로 하여 실제 주행행태를 표현하지 못했다는 한계가 존재 한다. 그러므로 보다 정확한 분석을 위해 향후 연구에서는 자율주행차의 실제 주행행태를 반 영하여 연구를 수행할 필요가 있다.

Various studies have been conducted using microtraffic simulation (VISSIM) to analyze the safety of traffic flow when introducing autonomous vehicles. However, no studies have analyzed traffic safety in mixed traffic while considering the driving behavior of general vehicles as a parameter in VISSIM. Therefore, the aim of this study was to optimize the input variables of VISSIM for non-autonomous vehicles through genetic algorithms to obtain realistic behavior. A traffic safety analysis was then performed according to the penetration rate of autonomous vehicles. In a 640 meter section of US highway I-101, the number of conflicts was analyzed when the trailing vehicle was a non-autonomous vehicle. The total number of conflicts increased until the proportion of autonomous vehicles exceeded 20%, and the number of conflicts decreased continuously after exceeding 20%. The number of conflicts between non-autonomous vehicles and autonomous vehicles increased with proportions of autonomous vehicles of up to 60%. However, there was a limitation in that the driving behavior of autonomous vehicles was based on the results of the literature and did not represent actual driving behavior. Therefore, for a more accurate analysis, future studies should reflect the actual driving behavior of autonomous vehicles.

본 연구에서는 유전알고리즘을 활용하여 웹페이지 클러스터링을 효과적으로 수행하는 방법을 제안했다. 기존에는 여러 가지 클러스터링 환경에서 대개 K-means클러스터링 방식을 사용해왔다. 여 기서는 이 둘을 비교함에 있어서, 거리함수를 제안하고 유전알고리즘의 적합도 함수를 사용하였다. 데 이터를 클러스터링하기 위하여는 데이터 사이의 유사도를 구해야 하며, 여기서는 웹페이지들을 전처 리하는 기법 중에서 정보검색에서 전형적으로 사용하는 벡터공간모형(vector space model)을 적용하 였다. 그 효용성을 수행도 실험을 통해 입증하였으며, 기존의 방식에 비해 탁월하다는 것을 보였다.

In this paper a clustering method based on genetic algorithm is applied to web page clustering problem. We applied the distance metric of k-means clustering algorithm to the fitness function of genetic algorithm. To cluster data, we have to establish a standard evaluation about the similarity of data, so as pre-process to evaluate web pages. We presented a web page using vector space model as one of the standard information retrieval methods. In many clustering environment, there have typically been used k-means clustering algorithm. In this paper, the web page clustering problem is solved by using genetic algorithm, and outperformed to the conventional kmeans clustering algorithm.

동적 적응 스트리밍 (Dynamic Adaptive Streaming over HTTP (DASH)) 서버는 트랜스코딩된 다양한 비트 율의 비디오 세그먼트를 저장해야 하기 때문에, 스토리지 요구량을 줄이는 것이 매우 중요하다. 본 논문에서는 비디 오 스트리밍 서버에서의 유전 알고리즘을 활용한 사용자 인기도 기반 데이터 배치 기법을 제안한다. 우리는 트랜스 코딩된 다양한 버전의 비디오 세그먼트들 중에서 어떤 버전을 저장하고, 어떻게 세그먼트를 디스크들에 분산시킬 지 에 대한 문제를 정의하고, 유전 알고리즘을 이용한 시뮬레이션 모델을 개발하였다. 이를 위해서 유전 알고리즘의 개 체군의 크기, 선택 비율, 교배 비율, 돌연변이 비율을 설정하기 위한 실험을 진행하였으며, 유전 알고리즘의 결과와 최적값을 비교하여 본 기법의 신뢰성을 확인했다.

It is important to reduce the growing storage requirements of dynamic adaptive streaming over HTTP(DASH) servers that need to store transcoded video segments of various bit rates. In this paper, we propose a new genetic algorithm techniques for popularity-aware data placement in video streaming servers. We defined the popularity-aware data placement problem that chooses and places video segments on each disk. We designed and implemented a simulation model to solve this problem using a genetic algorithm. Experiments were carried out to set the population size, selection rate, crossover rate and mutation rate. We compared the results of the genetic algorithm with the optimum value to confirm the reliability of this technique.

최근에는 데이터베이스의 발달로 금융, 보안, 네트워크 등에서 생성된 많은 데이터가 저장 가능하며, 기계학습 기반 분류기를 통해 분석이 이루어지고 있다. 이 때 주로 야기되는 문제는 데이터 불균형으로, 학습 시 다수 범주의 데이터들로 과적합이 되어 분류 정확도가 떨어지는 경우가 발생한다. 이를 해결하기 위해 소수 범주의 데이터 수를 증가 시키는 오버샘플링 전략이 주로 사용되며, 데이터 분포에 적합한 기법과 인자들을 다양하게 조절하는 과정이 필요하다. 이러한 과정의 개선을 위해 본 연구에서는 스모트와 생성적 적대 신경망 등 다양한 기법 기반의 오버샘플링 조합과 비율을 유전알고리즘을 통해 탐색하고 최적화 하는 전략을 제안한다. 제안된 전략과 단일 오버샘플링 기법으로 신용카 드 사기 탐지 데이터를 샘플링 한 뒤, 각각의 데이터들로 학습한 분류기의 성능을 비교한다. 그 결과 유전알고리즘으로 기법별 비율을 탐색하여 최적화 한 전략의 성능이 기존 전략들 보다 우수했다.

Recently, with the development of database, it is possible to store a lot of data generated in finance, security, and networks. These data are being analyzed through classifiers based on machine learning. The main problem at this time is data imbalance. When we train imbalanced data, it may happen that classification accuracy is degraded due to over-fitting with majority class data. To overcome the problem of data imbalance, oversampling strategy that increases the quantity of data of minority class data is widely used. It requires to tuning process about suitable method and parameters for data distribution. To improve the process, In this study, we propose a strategy to explore and optimize oversampling combinations and ratio based on various methods such as synthetic minority oversampling technique and generative adversarial networks through genetic algorithms. After sampling credit card fraud detection which is a representative case of data imbalance, with the proposed strategy and single oversampling strategies, we compare the performance of trained classifiers with each data. As a result, a strategy that is optimized by exploring for ratio of each method with genetic algorithms was superior to previous strategies.

해양 오염사고를 대비한 계획으로, 최적화된 배치안들을 수집하여 분석하는 연구가 필수적이지만, 해양 오염사 고 대응을 위한 최적을 배치안을 다양화하고 분석한 연구는 아직 선행되지 않았다. 이러한 필요성에 따라, 우리는 방제 자원 배치 최적화를 위한 유전알고리즘을 고안하고 이를 통해 최적의 방제 자원 배치안을 10,000 개 도출하였다. k -평 균 알고리즘으로 군집화한 결과, 예상 최대 유출지역인 여수, 대산, 울산에 대하여 두 개의 군집으로 확연히 구분되었다. 우리는 이러한 군집을 새몬 맵핑을 통해 이차원으로 사영하여 배치안의 분포도를 분석하였고, 군집에 포함되는 배치안 들이 그렇지 않은 배치안보다 시뮬레이션의 결과가 우수함을 확인했다. 향후, 본 연구를 기반으로 성능이 우수한 근사 모델을 구현하는 것이 가능할 것으로 보인다.

As a plan for oil spill accidents, research to collect and analyze optimal equipment assignments is essential. However, studies that have diversified and analyzed the optimal equipment assignments for responding to oil spill accidents have not been preceded. In response to the need for analyzing optimal equipment assignments study, we devised a genetic algorithm for optimal equipment assignments. The designed genetic algorithm yielded 10,000 optimal equipment assignments. We clustered using the k -means algorithm. As a result, the two clusters of Yeosu, Daesan, and Ulsan, which are expected to be the largest spills, were clearly identified. We also projected 16-dimensional data in two dimensions via Sammon’s mapping. The projected data were analyzed for distribution. We confirmed that results of the simulation were better than those of optimal equipment assignments included in the cluster.In the future, it will be possible to implement an approximate model with excellent performance based on this study.

미시적 교통류 모형의 정산은 시뮬레이션 분석에 있어 매우 중요한 요소이다. 유전자 알고리즘은 교통류 모형의 정산에 널리 활용되어 왔으며, 일반적으로 이러한 최적화 문제에 있어높은 효율성을 보이는 것으로 알려져 있다. 하지만 제한된 시간내에 신속한 의사결정을 위한시뮬레이션 분석에 있어 유전자알고리즘의 모형 정산속도는 여전히 느리다. 이에 본 연구에서는 정산 효율 향상을 위해 중심합성계획법 기반의 이중유전자알고리즘을 활용한 차량추종모형 정산방법론을 개발하였다. 개발된 정산 방법론에서는 실험계획법 중 하나인 중심합성계획법과 유전자알고리즘을 결합하여 준최적해를 찾고, 이를 다시 유전자알고리즘의 초기 값으로하여 모형 파라미터의 최적해를 찾는다. 개발된 방법을 활용하여 Gipps의 차량추종모형을 정산하였다. 선행연구에서 사용된 단일 유전자알고리즘을 활용한 방법과 비교한 결과, 본 연구에서 개발한 방법이 더 짧은 시간내에 최적해를 찾는 것으로 확인되었다. 개발된 방법론은 유전자알고리즘을 사용하는 다양한 교통분석에 활용될 수 있을 것으로 기대된다.

The calibration of microscopic traffic simulation models has received much attention in the simulation field. Although no standard has been established for it, a genetic algorithm (GA) has been widely employed in recent literature because of its high efficiency to find solutions in such optimization problems. However, the performance still falls short in simulation analyses to support fast decision making. This paper proposes a new calibration procedure using a dual GA and central composite design (CCD) in order to improve the efficiency. The calibration exercise goes through three major sequential steps: (1) experimental design using CCD for a quadratic response surface model (RSM) estimation, (2) 1st GA procedure using the RSM with CCD to find a near-optimal initial population for a next step, and (3) 2nd GA procedure to find a final solution. The proposed method was applied in calibrating the Gipps car-following model with respect to maximizing the likelihood of a spacing distribution between a lead and following vehicle. In order to evaluate the performance of the proposed method, a conventional calibration approach using a single GA was compared under both simulated and real vehicle trajectory data. It was found that the proposed approach enhances the optimization speed by starting to search from an initial population that is closer to the optimum than that of the other approach. This result implies the proposed approach has benefits for a large-scale traffic network simulation analysis. This method can be extended to other optimization tasks using GA in transportation studies.

Robot manipulators are highly nonlinear system with multi-inputs multi-outputs, and various control methods for the robot manipulators have been developed to acquire good trajectory tracking performance and improve the system stability lately. The computed torque controller has nonlinear feedforward control elements and so it is very effective to control robot manipulators. If the control gains of the computed torque controller is adjusted according the payload, then more precise control performance is attained. This paper extends the conventional computed torque controller in the joint space to the Cartesian space, and optimize the control gains for some specified payloads in both joint and Cartesian spaces using genetic algorithms. Also a neural network is employed to have proper control gains for arbitrary payloads using generalization properties of the neural network. Computer simulation results show that the proposed control system for robot manipulators has excellent performance in various conditions.

전력은 모든 나라에서 사회 발전과 경제 성장에 가장 기본적인 자원이다. 산업이 고도화 되고 경제의 규모가 발전하면서 전력의 소비량은 점점 증가하고 있다. 전력을 공급하는 쪽에서는 전력을 생산할 때 자원의 낭비 를 줄이기 위해 전력 사용량을 예측하는 것은 중요한 일이다. 또한 전력 수요 예측을 통해 여름과 겨울의 피크 타임 에서의 전력 수요를 분산하는 것이 가능하다. 그리고 소비 전력의 예측은 국내에서 수요자원 거래시장(Negawatt market)이 본격화되면서 더욱 중요하게 되었다. 더구나 전력 소비량 예측은 소비자가 전력 시장에 직간접적으로 참여하는 수요관리 방법을 제공해준다. 본 연구에서는 1999년부터 2011년까지의 국내총생산, 1인당 국민총소득, 부 가세, 국내전력소비량을 이용하여 제주도의 어업 전력 사용량을 예측하는데 유전자 알고리즘을 사용하고 있다. 유전 자 알고리즘은 다양한 조합 최적화 분야에서 최적해를 찾는데 유용하게 사용되는 알고리즘이다. 본 논문에서 유전 자 알고리즘에서 최적의 동작을 위한 파라미터들을 찾는다. 그리고 실제 전력 소비량 예측을 위해 사용되는 계수 (coefficient)들의 최적값을 찾아 예측값과 실제 전력 소비량의 오차를 최소화하는데 목적이 있다.

Energy is a vital resource for the economic growth and the social development for any country. As the industry becomes more sophisticated and the economy more grows, the electricity demand is increasing. So forecasting electricity demand is an important for electricity suppliers. Forecasting electricity demand makes it possible to distribute electricity demand. As the market for Negawatt market began to grow in Korea from 2014, the prediction of electricity consumption demand becomes more important. Moreover, power consumption forecasting provides a way for demand management to be directly or indirectly participated by consumers in the electricity market. We use Genetic Algorithms to predict the energy demand of the fishing industry in Jeju Island by using GDP, per capita gross national income, value add, and domestic electricity consumption from 1999 to 2011. Genetic Algorithm is useful for finding optimal solutions in various fields. In this paper, genetic algorithm finds optimal parameters. The objective is to find the optimal value of the coefficients used to predict the electricity demand and to minimize the error rate between the predicted value and the actual power consumption values.

본 연구는 정수장 운영 간에 사용되는 중계펌프의 전력량 감소 및 전력 분산을 목표로 연구하였다. 먼저, 본 연구 대상 지는 G 정수장으로 취수량과 송수량의 차를 시계열 그래프로 나타냄으로서 운영 간에 과잉 취수되는 부분을 확인하였다. 여기서 과잉 취수되는 구간을 취수량을 줄이는 구간(A)과 정수지 수위가 하락하는 것을 방지하기 위해 취수량을 소폭 늘리는 구간(B)으로 나누어 펌프의 부담을 줄이는 동시에 정수장을 안정적으로 가동할 수 있는 방법을 사용하였다. 여기서, 뚜렷한 주기성을 보이는 송수량을 예측하기 위해 시계열 예측 모델인 SARIMA(Seasonal Autoregressive Integrated Moving Average)를 사용하였다. 예측한 송수량은 1월 5일부터 일주일 동안의 데이터를 이용하여 12일부터 다음 3일을 예측하였고 동절기 뿐만 아니라 하절기에도 본 최적화 모델이 적합한지를 판단하기 위해 8월 10일부터 일주일 동안의 데이터를 이용하여 동일한 방법으로 예측하였다. 신뢰도는 R2, MAE, MAPE로 측정하였고 각각 0.9408, 744.06 m3, 9.52%로 높은 신뢰성을 보였다. 본 연구에서는 최적화 방법으로 유전 알고리즘을 채택하였으며 최적화 결과로 취수조절량과 펌프 우선순위가 산정되었다. 본 최적화 방안을 검증하기 위해 엑셀을 이용하여 중계펌프 시뮬레이션을 제작하였으며 전력량과 전기요금 및 정수장 수위를 시뮬레이션했다. 검증 결과, 전력량은 평균적으로 약 1.67% 감소하는 결과를 보였으나 전기 요금은 1.54% 증가하였다. 안정성의 측면에서 정수지 수위를 검증하였으며 정수지 수위가 일정 이상으로 유지되는 것을 확인하였다. 본 연구는 향후 정수장 에너지 절감 연구의 기반으로 활용될 수 있을 것으로 기대된다.

This study aims to reduce and distribute the electricity consumption of booster pumps in water treatment plant operations. The G Water Treatment Plant was selected as the study site, where excessive raw water intake was identified through time-series analysis of intake and supply volumes. To mitigate pump loading while maintaining stable operation, excessive intake periods were divided into two operational intervals: A period, during which intake was reduced, and B period, during which intake was slightly increased to prevent a decline in the clear water reservoir level. Water supply volumes exhibiting clear seasonality were predicted using a Seasonal Autoregressive Integrated Moving Average (SARIMA) model. The model was trained on one week of data and applied to both winter and summer periods to evaluate seasonal applicability. Model performance showed high reliability, with R², MAE, and MAPE values of 0.9408, 744.06 m³, and 9.52%, respectively. A genetic algorithm was employed as the optimization method to determine optimal intake adjustment volumes and pump operation priorities. The proposed optimization strategy was validated using a spreadsheetbased simulation of booster pump operation, evaluating electricity consumption, electricity costs, and clear water reservoir levels. The results indicated an average reduction in electricity consumption of approximately 1.67%, while electricity costs increased by 1.54%. The reservoir water level was evaluated from the perspective of operational stability, and it was confirmed that the water level was maintained above a predetermined threshold. This study is expected to serve as a basis for future research on energy reduction in water treatment plants.

본 연구는 정주기식 교통신호 운영을 개선하기 위해 스마트 교차로에서 수집된 자료를 활 용하여 시간제(time-of-day, TOD) 분할 방법을 구체화하고 그 성능을 평가하는 데 목적이 있다. 이를 위해 클러스터링 기반 방법을 제안하고, 부천시에 있는 교차로 군에서 수집된 영상 검지 기 데이터를 바탕으로 교통량 기반의 TOD를 분류하였다. 또한, 그 결과를 기존 TOD 및 유전 자 알고리즘을 이용하여 최적화한 TOD와 비교하여 클러스터링을 통한 TOD 분할 방법의 제어 지체 감소 효과를 평가하였다. 연구 결과, 클러스터링 기법을 이용한 TOD 분할은 제어 지체 감소 효과를 보이는 것을 확인하였으나, 일부 시간에서 유전자 알고리즘으로 최적화한 것보다 성능이 낮아 최적화 기법 적용 등의 보완 방안의 필요성이 제기되었다.

This study aims to improve fixed-time traffic signal operations by utilizing data collected from smart intersections to refine the time-of-day (TOD) segmentation method and evaluate its performance. To this end, a clustering-based approach is proposed, and traffic volume-based TOD classification was performed using video detector data collected from a group of intersections located in Bucheon City. Furthermore, the results were compared with existing TOD segmentation and TOD optimized using a genetic algorithm to evaluate the effect of clustering-based TOD segmentation on reducing control delay. The study results confirmed that the clustering-based TOD segmentation demonstrated a reduction in control delay; however, in certain time periods, its performance was lower than that of the genetic algorithm-based optimization, highlighting the need for complementary measures such as optimization techniques.

Recently, Car weight reduction has become an important development goal to improve fuel efficiency. Car seat frame is a key part of the weight reduction. Existing steel seat frames have the advantages of high rigidity and durability, but have the disadvantage of heavy weight. Recently, Almag material, which are alloy of aluminum and magnesium, is attracting attention because of excellence in strength and weight reduction. At first, the core stiffness members of the seat frame are selected to optimize the weight of the seat frame. And then strength analysis and natural frequency analysis are performed for the existing steel seat frame and Almag seat frame. Based on these analysis results, optimal thickness of the Almag seat frame are determined by an automation program using a genetic algorithm.

본 연구는 추천 시스템을 위해 코퍼스와 유전 알고리즘을 적용하는 방법에 관한 연구이다. 세부적으로 추천 시스템 등에서 연관 단어나 문장 추천 시 기존의 추천 방법에 비해 보다 많은 가능성을 포함한 연관 단어나 혹은 문장을 추천하는 방법을 제안한다. 단어 추천 방식은 3단계로 수행된다. 1단계는 협업필터링을 통한 연관 단어 추출 단계이다. 2단계는 1단계에서 추출된 연관 단어를 대상으로 새로운 연관 단어를 추가적으로 추출한다. 이 과정에서 다양한 연관 단어를 추출하기 위해 코퍼스, 품사 태깅 및 개체명 인식 기능을 활용한다. 3단계에서는 2단계에서 새 롭게 추출된 단어 및 문장을 대상으로 최종 추천 단어의 후보 집합을 구성되고 이 후보 집합에 유전 알고리즘을 적 용해 최적의 연관 단어를 추출한다. 제안 내용에 대한 프로토타입 구현 및 실험 결과 기존 방법에 비해 추천 연관 단어의 개수가 증가됨을 확인했다. 또한 사용자 만족도 조사 결과 기존의 방법과 유의한 차이를 확인했다.

This study is about use corpus and genetic algorithms for a recommendation system. In detail, when recommending related words or sentences in a recommendation system, propose a method of recommend words or sentences include more possibilities compared to existing recommendation methods. The word recommendation method is performed in three steps. The first step is the extraction of associate words through collaborative filtering. In the second step, new association words are additionally extracted from the associate words extracted in the first step. In this process, use corpus, part-of-speech tagging, and named entity recognition for extract various associate words. In step 3, a candidate set of final recommended words is constructed from the words and sentences newly extracted in step 2, and a genetic algorithm is applied to this candidate set to extract optimal related words. As a result of prototype implementation and experimentation with the proposed content, it was confirmed that the number of recommended related words increased compared to the existing method. In addition, the results of the user satisfaction survey confirmed differences from the existing method.

Purpose: In this study, we investigated state-of-the-art lifelog analysis methods and describe a modeling process for analysis of acceleration data. These data can be easily obtained from smart devices and is useful for patients with visual display terminal (VDT) syndrome, who show specific lifestyle patterns. Methods and Results: We reviewed 23 recent lifelog articles focused on preprocessing, feature extraction, and classification to design a model for analysis of lifestyle patterns associated with VDT syndrome. Based on our review of articles, we recommend using relatively simple statistical indices, including min, max, median variance, and standard deviation, or frequency indices, such as power spectrum analysis for feature extraction. Based on favorable results with large datasets reported by several previous studies, we suggest using a genetic algorithm (GA) for classification. Notably, establishment of an organized human resource system for systematic data collection and management can improve data quality and also learning efficiency. Conclusion: We recommend the use of simple statistical indices and a GA for feature extraction and classification, respectively, to design a model for analysis of lifestyle patterns in patients with VDT syndrome. We also emphasize the importance of establishing an organized human resource system for systematic data collection and management to improve data quality and learning efficiency.