Earticle

온·오프라인 상태 전환이 빈번하고 대용량 이미지 데이터를 실시간으로 처리해야 하는 드론 운영 환 경에서는, 데이터의 일관성과 충돌 없는 동기화를 보장하는 것이 중요한 과제이다. 본 논문은 소규모 드론 네트워크를 대상으로, Graph Database(그래프 데이터베이스)의 동기화를 위한 Change Data Capture(CDC) 기반 아키텍처를 제안한다. PostgreSQL 기반의 AgensGraph와 Debezium, Apache Kafka를 연동하여, 오프라인 상태에서 발생한 변경 사항을 안정적으로 캡처·버퍼링하고 온라인 복귀 시 정렬된 순서대로 전파함으로써 데이터의 무결성과 일관성을 확보한다. 본 연구의 핵심은 그래프 구조 메타데이터(노드 및 엣지 타입 등)와 운영 데이터(예: 이미지 태그, 객체 임베딩)를 분리하여 관 리함으로써, 충돌 상황에 유연하게 대응하고 구조 변경의 일관성을 유지할 수 있도록 설계한 것이다. 또한, 그래프 구조 변경은 마스터 노드를 통해서만 수행하도록 제한함으로써 분산 노드 간의 충돌을 사전에 방지한다. 각 이벤트에는 버전 정보와 WAL 기반 LSN(Log Sequence Number)을 포함시켜 중복 적용을 방지하고, 재처리 상황에서도 순차성이 보장되도록 하였다. 최대 200~300대 수준의 드론 노드를 대상으로 한 시뮬레이션을 통해 본 시스템의 확장성, 저지연 동기화, 충돌 회피 효과를 확인 하였으며, 제한된 연결 환경에서도 실시간 AI 학습, 협업 및 의사결정 지원이 가능한 유연한 그래프 기반 데이터 계층 모델임을 입증하였다.

데이터 수량이 빠르게 증가하고 데이터 유형이 더 확장됨에 따라 일부 연구에서는 비구조화 데이터가 연간 전체 데 이터 수량의 85%를 차지하는 비율로 빠르게 증가하고 있다고 지적하였다. 일반적으로 NoSQL 데이터베이스는 키- 밸류 데이터베이스, 열 데이터베이스, 문서 데이터베이스와 그래픽 데이터베이스 네 가지 유형으로 나뉜다. 그래프 데이터베이스는 그래프로 데이터를 저장하여 그래프가 고도 유연성과 고성능에 가가까운 데이터 구조로, 대용량 정 보를 저장하고 검색하는 데 전문적으로 활용되고 있는 스토리지 엔진이다. 본 논문에서는 시장 점유율이 가장 높은 Neo4j와 Nebula Graph 데이터베이스에 대한 성능 평가를 진행한다.

With the rapid growth of data volume and further expansion of data types, some studies point out that unstructured data is rapidly increasing at a rate of 85% of the total data volume per year. Basically, there are four types of NoSQL databases: key-value databases, columnar databases, document databases and graphical databases. Graph databases use graphs to store data, and graphs are one of the closest things to a flexible, high-performance data structure. In this paper, we conduct a performance evaluation of Neo4j and Nebula Graph databases, which have the highest market share.

기존의 네트워크 구조는 게이트웨이 보안을 경계로 사용하므로 내부자 간의 무단 액세스를 방지하고 내부자 공격을 완화하기가 어렵다. 또한 조직의 규모가 커지면서 네트워크 트래픽이 복잡해지면서 모니터링 및 위협 식 별이 어려운 작업이 되었다. 이러한 문제를 극복하기 위해 그래프 데이터베이스를 사용하여 네트워크 노드를 모 델링하고 네트워크 동작을 분석할 것을 제안한다. 네트워크 트래픽 데이터를 수집하고 전처리를 통한 데이터 확 보와 그래프 모델링을 통한 내부 네트워크의 구조, 운영 및 잠재적인 보안 위협에 대한 통찰력을 얻을 수 있다. 이를 통해 접근통제 테이블과 접근통제 정책을 수립함으로써 보안 위협을 가하는 잠재적인 노드를 식별하고 비정 상적인 활동을 감지할 수 있다. 또한 접속 패턴을 분류하고 정상 편차를 식별하며 악의적인 사용을 방지하기 위 한 노드 간 접근통제 조치를 구현함으로써 발생할 수 있는 잠재적 위협을 방지할 수 있다.

Existing network structures use gateway security as a boundary, making it difficult to prevent unauthorized access between insiders and mitigate insider attacks. Additionally, as organizations grow in size, network traffic becomes more complex, making monitoring and threat identification a difficult task. To overcome these problems, we propose to model network nodes and analyze network behavior using a graph database. You can collect network traffic data, obtain data through preprocessing, and gain insight into the structure, operation, and potential security threats of internal networks through graph modeling. Through this, it is possible to identify potential nodes that pose security threats and detect abnormal activities by establishing access control tables and access control policies. In addition, potential threats that may occur can be prevented by classifying access patterns, identifying normal deviations, and implementing access control measures between nodes to prevent malicious use.

최근 랜섬웨어(ransomware) 공격은 이메일, 피싱(phishing), 디바이스(Device) 해킹 등 다양한 경로를 통해 감염되어 피해 규모가 급증하는 추세이다. 그러나 기존 알려진 악성코드(정적/동적) 분석 엔진은 APT(Aadvanced Persistent Threat)공격처럼 발전된 신종 랜섬웨어에 대한 탐지/차단이 매우 어렵다. 본 연구 는 그래프 데이터베이스를 기반으로 랜섬웨어 악성 행위를 모델링(Modeling)하고 랜섬웨어에 대한 새로운 다중 복합 악성 행위를 탐지하는 방법을 제안한다. 연구 결과 기존 관계형 데이터베이스와 다른 새로운 그래프 데이터 베이스 환경에서 랜섬웨어의 패턴 탐지가 가능함을 확인하였다. 또한, 그래프 이론의 연관 관계 분석 기법이 랜섬 웨어 분석 성능에 크게 효율적임을 증명하였다.

Recently, ransomware attacks have been infected through various channels such as e-mail, phishing, and device hacking, and the extent of the damage is increasing rapidly. However, existing known malware (static/dynamic) analysis engines are very difficult to detect/block against novel ransomware that has evolved like Advanced Persistent Threat (APT) attacks. This work proposes a method for modeling ransomware malicious behavior based on graph databases and detecting novel multi-complex malicious behavior for ransomware. Studies confirm that pattern detection of ransomware is possible in novel graph database environments that differ from existing relational databases. Furthermore, we prove that the associative analysis technique of graph theory is significantly efficient for ransomware analysis performance.

최근 악성코드 발생률은 약 수만 건이 넘는 추세로, 전부 탐지/대응하는 것은 불가능에 가깝다고 알려졌다. 본 연구는 새로운 악성코드 대응방법으로 그래프 데이터베이스 기반 다중행위 패턴 탐지 기법을 제안한다. 기존 동적 분석 기법과는 다른 새로운 그래프 모델을 설계하고, 대표적인 악성코드 패턴(프로세스, PE, 레지스트리 등)의 그래프 연관 관계를 분석하는 방법을 적용했다. 패턴 검증 결과 기본 악성 패턴에 대한 행위 탐지와 기존 분석이 어려웠던 변종 공격 행위(5단계 이상)의 탐지를 확인했다. 또한, 성능 분석결과 5단계 이상의 복잡한 패턴에 대하여 관계형 데이터베이스 대비 약 9.84배 이상 성능이 향상되었음을 확인하였다.

Recently, the incidence rate of malicious codes is over tens of thousands of cases, and it is known that it is almost impossible to detect/respond all of them. This study proposes a method for detecting multiple behavior patterns based on a graph database as a new method for dealing with malicious codes. Traditional dynamic analysis techniques and has applied a method to design and analyze graphs of representative associations malware pattern(process, PE, registry, etc.), another new graph model. As a result of the pattern verification, it was confirmed that the behavior of the basic malicious pattern was detected and the variant attack behavior(at least 5 steps), which was difficult to analyze in the past. In addition, as a result of the performance analysis, it was confirmed that the performance was improved by about 9.84 times or more compared to the relational database for complex patterns of 5 or more steps.

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.

4차 산업 혁명과 데이터 환경의 급격한 변화는 기존 관계형 데이터베이스(RDB)는 기술적 한계를 드러내 고 있다. IDC/금융/보험 등 전 분야에서 비정형 데이터에 대한 새로운 분석방안으로 그래프 데이터베이스(GDB) 기술에 관심이 높아지고 있다. 그래프 데이터베이스는 상호 연동된 데이터를 표현하고 광범위한 네트워크에서 연관 관계 분석에 효율적인 기술이다. 본 연구는 기존 RDB를 GDB 모델로 확장하고, 새로운 이상징후 탐지를 위해 기계학습 알고리즘(패턴인식, 클러스터링, 경로거리, 핵심추출)을 적용하였다. 성능분석 결과 이상 행위 성능 (약 180배 이상)이 크게 향상되었고, RDB로 분석 불가능한 5단계 이후 이상징후 패턴을 추출할 수 있음을 확인 하였다.

The 4th industrial revolution and the rapid change in the data environment revealed technical limitations in the existing relational database(RDB). As a new analysis method for unstructured data in all fields such as IDC/finance/insurance, interest in graph database(GDB) technology is increasing. The graph database is an efficient technique for expressing interlocked data and analyzing associations in a wide range of networks. This study extended the existing RDB to the GDB model and applied machine learning algorithms (pattern recognition, clustering, path distance, core extraction) to detect new abnormal signs. As a result of the performance analysis, it was confirmed that the performance of abnormal behavior(about 180 times or more) was greatly improved, and that it was possible to extract an abnormal symptom pattern after 5 steps that could not be analyzed by RDB.

최근 전국 각 지역 AMI(Advanced Metering Infrastructure) 원격검침 시스템의 보급사업이 활성화되고 있으 며, 전력수요 관리를 위한 양방향 통신 및 보안 요금제 기능 등 다양한 계량 기능을 제공하고 있다. 현재 AMI 시스템은 새로운 내부 IoT 장비 및 네트워크 규모의 증가로 인해 기존 RDB(Relational Database) 기반 장애 분석이 어렵다. 본 연구는 기존 RDB 데이터를 활용하는 새로운 GDB(Graph Database)기반 장애 분석 방법을 제안한다. 내부 임계치 와 상태 값 등 누적된 데이터를 통해 새로운 장애 패턴의 상관관계를 분석한다. GDB 기반 시뮬레이션 결과 RDB에서 분석이 어려웠던 새로운 장애 패턴을 예측할 수 있음을 확인하였다.

Recently, the spreading business of AMI (Advanced Metering Infrastructure) remote metering systems in various regions of the country has been activated, and it provides various metering functions such as two-way communication and security plan functions for power demand management. Current AMI system is difficult to analyze based on the existing RDB(Relational Database) due to the increase in the size of new internal IoT devices and networks. This study proposes a new GDB(Graph Database) based failure analysis method that utilizes existing RDB data. It analyzes the correlation of new failure patterns through accumulated data such as internal thresholds and status values. As a result of GDB-based simulation, it was confirmed that RDB can predict to a new obstacle pattern that was difficult to analyze.

Due to the anonymity of cyrptocurrencies, a new method of money laundering that hides the source of illegal funds has emerged by utilizing cyrptocurrencies. In addition, there are cases such as exchange hacks or ICO frauds in which cryptocurrencies themselves are dirty money. These illegal actions are criticized as problems of cryptocurrencies, and these problems must be tackled for the sake of development and commercialization of cryptocurrencies. Although Ethereum is a public blockchain that is completely open anyone, it does not provide the necessary tools such as query language or client tools needed, therefore requiring further methods to process and utilize data efficiently. This paper aims to explore the money laundering that is happening in Ethereum. In addition, it suggests the ways to sort Ethereum accounts suspected of being used for money laundering and the strategy to implement them using Graph Database.

We have been developed the smart tourism app and the Instagram and YouTube contents to provide personalized tourism information and travel product information to individual tourists. In this paper, we develop a rule-based smart tourism chatbot with the khaiii (Kakao Hangul Analyzer III) morphological analyzer and Neo4J graph database. In the proposed chatbot system, we use a morpheme analyzer, a proper noun dictionary including tourist destination names, and a general noun dictionary including containing frequently used words in tourist information search to understand the intention of the user's question. The tourism knowledge base built using the Neo4J graph database provides adequate answers to tourists' questions. In this paper, the nodes of Neo4J are Area based on tourist destination address, Contents with property of tourist information, and Service including service attribute data frequently used for search. A Neo4J query is created based on the result of analyzing the intention of a tourist's question with the property of nodes and relationships in Neo4J database. An answer to the question is made by searching in the tourism knowledge base. In this paper, we create the tourism knowledge base using more than 1300 Jeju tourism information used in the smart tourism app. We plan to develop a multilingual smart tour chatbot using the named entity recognition (NER), intention classification using conditional random field(CRF), and transfer learning using the pretrained language models.

Animal image recognition, classification and retrieval from a database based on shape features are of research interest in image processing. This paper proposes a combined graph and texture based approach for recognition of animal contour images. The methodology uses texture features of the complete graph image obtained from the contour of an object. MPEG-7 database is used for testing. The recognition accuracy of 96% is achieved and is an improvement over the state-of-the-reported results. The work has potential applications in image retrieval from databases.

본 연구는 실감형 콘텐츠 기술(VR, AR, MR, 3D, 홀로그램)의 산업별 수요 동향을 분석하고, 머신러닝 회귀 모델(XGBoost)을 활용하여 향후 수요를 예측함으로써 실감기술 확산의 방향성을 정량적으로 제시하고자 하였다. 이 를 위해 2015년부터 2024년까지의 국내 뉴스 데이터를 수집·전처리하고, 산업별·기술별 키워드 분석 및 시계열 수요 예측을 수행하였다. 분석 결과, VR과 AR 기술은 교육과 의료 분야에서 강한 수요 증가세를 보였으며, 디지털 교육 정책, 메타버스 기반 교육 콘텐츠, 수술 시뮬레이션 기술의 확산이 주요 원인으로 작용하였다. MR 기술은 건설 및 제조 산업에서 활용도가 높아, 스마트 안전관리 및 원격 작업 관리 기술의 적용 확대와 함께 높은 성장률을 나타냈 다. 반면, 홀로그램 기술은 전 산업군에서 수요 감소가 두드러졌으며, 기술 구현의 복잡성 및 상용화 실패 사례가 수 요 위축에 영향을 준 것으로 분석된다. 3D 기술은 제조 및 건설 분야에서 안정적인 수요를 보였으며, BIM 및 3D 프 린팅 기술의 적용 확대가 그 원인이었다. 본 연구는 뉴스 기반 실감기술 수요 분석 및 예측의 실증적 사례를 제시하 였으며, 산업 전략 수립 및 기술 투자 의사결정에 유용한 기초자료로 활용될 수 있다. 향후에는 SNS, 특허, 논문 등 다양한 외부 데이터를 결합한 복합 분석을 통해 기술 생애주기 예측 및 기술 확산 모델로 확장할 수 있을 것이다.

This study aims to quantitatively present the direction of immersive technology diffusion by analyzing industry-specific demand trends for immersive content technologies (VR, AR, MR, 3D, and hologram) and forecasting future demand using a machine learning regression model (XGBoost). To this end, domestic news data from 2015 to 2024 were collected and preprocessed, followed by keyword analysis by industry and technology, and time-series demand forecasting. The analysis revealed that VR and AR technologies exhibited strong growth in demand particularly in the education and healthcare sectors, driven by the expansion of digital education policies, metaverse-based educational content, and surgical simulation technologies. MR technology showed high utilization in the construction and manufacturing industries, with notable growth attributed to the increasing application of smart safety management and remote operation management technologies. On the other hand, hologram technology showed a marked decline in demand across all industries, primarily due to the complexity of technological implementation and the negative impact of failed commercialization cases. 3D technology demonstrated stable demand in the manufacturing and construction sectors, supported by the expanding use of BIM (Building Information Modeling) and 3D printing technologies. This study provides an empirical case of demand analysis and forecasting for immersive technologies based on news data, and offers valuable foundational insights for industrial strategy formulation and investment decision-making. Future research may extend this model by incorporating diverse external data sources such as social media, patents, and academic publications, enabling more comprehensive predictions of technology life cycles and diffusion patterns.

Understanding complex relationships among heterogeneous biological data is one of the fundamental goals in biology. In most cases, diverse biological data are stored in relational databases, such as MySQL and Oracle, which store data in multiple tables and then infer relationships by multiple-join statements. Recently, a new type of database, called the graph-based database, was developed to natively represent various kinds of complex relationships, and it is widely used among computer science communities and IT industries. Here, we demonstrate the feasibility of using a graph-based database for complex biological relationships by comparing the performance between MySQL and Neo4j, one of the most widely used graph databases. We collected various biological data (protein-protein interaction, drug-target, gene-disease, etc.) from several existing sources, removed duplicate and redundant data, and finally constructed a graph database containing 114,550 nodes and 82,674,321 relationships. When we tested the query execution performance of MySQL versus Neo4j, we found that Neo4j outperformed MySQL in all cases. While Neo4j exhibited a very fast response for various queries, MySQL exhibited latent or unfinished responses for complex queries with multiple-join statements. These results show that using graph-based databases, such as Neo4j, is an efficient way to store complex biological relationships. Moreover, querying a graph database in diverse ways has the potential to reveal novel relationships among heterogeneous biological data.

그래프 데이터베이스에서 패턴질의는 관계 데이터베이스 SQL과 비교하여 질의의 쉬운 표현, 높은 질의 처리 성능을 기대할 수 있는 장점이 있다. 그러나 그래프 데이터베이스는 관계 데이터베이스와 달리 논리적 데이터 모델을 구축하는 방법론이 정의되어 있지 않아 모델링에 따라 패턴 질의의 장점을 활용하지 못할 수 있다. 본 연구는 그래프 모델링 과정 중 나타나는 is-a 노드 모델링 방법에서 일반화 모델로 설계할 경우와 특수화 모델로 설계할 경우 그래프 패턴질의의 성능 차이가 있음을 실험하였다. 실험 결과 is-a 노드 설계를 특수화 모델로 설계할 경우 더 우수한 성능을 얻을 수 있음을 보였다. 또 추가로 패턴질의를 작성할 때 변수를 노드나 간선에 바인딩시키는 경우 그렇지 않는 경우보다 성능이 우수할 수 있음을 보였다. 실험 결과들은 그래프 데이터베이스에서 패턴질의에 대한 is-a 노드 모델링 방법 및 그래프 질의 작성 방법으로 제시될 수 있다.

The pattern query in graph database has advantages of easy query expression and high query processing performance compared to relational database SQL. However, unlike the relational database, the graph database may not utilize the advantages of pattern query depending on modeling because the methodology for building the logical data model is not defined. In this study, in the is-a node modeling method that appears during the graph modeling process, we experiment that there is a difference in performance between graph pattern query when designing with a generalization model and designing with a specialization model. As a result of the experiment, it was shown that better performance can be obtained when the is-a node is designed as a specialization model. In addition, when writing a pattern query, we show that if a variable is bound to a node or edge, performance may be better than that of the variable of not bounded. The experimental results can be presented as an is-a node modeling method for pattern query and a graph query writing method in the graph database.

본 연구에서는 AI 진단 및 학습 추천을 하기 위한 학습 맵(지식그래프)의 매핑 기능과 관련하여, 효율적인 매핑 기능 개발을 위한 그래프 데이터베이스의 기능을 비교 분석하였다. Neo4j, Microsoft Azure Cosmos DB, Aerospike 등 주요 그래프 데이터베이스별 기능의 공통점과 차이점을 바탕으로 데이터 모델링, 쿼리 언어 및 API, 데이터 무결성 및 보안, 성능 및 수평적 확장성, 커뮤니티 및 지원이라는 5가지 비교 기준을 설정하였다. 이를 바탕으로, 학습 맵 매핑의 효과적인 개발을 위한 적합한 그래프 데이터베이스 선정 시 고려해야 할 사항을 도출하였다. 이러한 고려 사항은 학습 맵을 활용한 기능 개발 시 적합한 그래프 데이터베이스 선택의 기반이 될 수 있을 것이다. 본 연구는 향후 그래프 데이터베이스를 활용한 학습 맵 구축 시 실질적인 참고 자료로 활용될 것으로 기대된다.

In this study, the function of the graph database for efficient mapping function development was compared and analyzed in relation to the mapping function of the learning map (knowledge graph) for AI diagnosis and learning recommendation. Based on the commonalities and differences of functions by major graph database such as Neo4j, Microsoft Azure Cosmos DB, and Aerospike, five comparison criteria were set: data modeling, query language and API, data integrity and security, performance and horizontal scalability, community and support. Based on this, matters to be considered when selecting an appropriate graph database for the effective development of learning map mapping were derived. These considerations can be the basis for selecting an appropriate graph database when developing functions using a learning map. This study is expected to be used as a practical reference material when constructing a learning map using a graph database in the future.

유연한 planning system은 로봇이 다양한 임무를 수행하기 위해서 중요한 요소이다. 본 논문에서는 변화하는 환경에 대응할 수 있는 automated planning system architecture를 소개한다. 심볼릭 기반의 task planning을 위해 PDDL을 활용하였으며 실시간 환경 정보 업데이트를 위해 그래프 데이터베이스를 이용한다. 제안한 구조는 시나리오 기반 실험을 통해 검증하였다.

A flexible planning system is an important element for the robot to perform various tasks. In this paper, we introduce an automated planning system architecture that can deal with the changing environment. PDDL is used for symbolic-based task planning, and a graph database is used for real-time environment information updates for automated PDDL generation. The proposed framework was verified through scenario-based experiments.

최근 그래프데이터베이스가 널리 사용되기 시작했다. 그래프데이터베이스는 그래프구조를 활용하는 데이터베이스이다. 관계형 데이터베이스의 테이블 대신, 그래프데이터베이스는 정점과 간선 형태로 정보를 저장한다. 데이터 저장구조의 사전 정의 없이 데이터를 저장할 수 있으며 사람이 생각하는 방식과 유사하게 데이터를 저장하고 조회할 수 있다. 그래프 데이터베이스를 활용하면 복잡한 연결구조를 가진 대용량 데이터를 효율적으로 처리할 수 있다. 통신망은 다양한 형태의 통신설비가 복잡하게 상호연결된 그래프구조로 볼 수 있다. 기존의 통신망 관리 시스템(Network Operation Support System)은 통신설비와 설비간 연결관계를 관계형데이터베이스로 관리하고 있어 서비스 종단 간 연결관계를 조회하거나, 고장원인 지점을 추적 ·조회하는등 그래프 탐색쿼리를 수행함에 있어서 어려움이 있었다. 본 연구에서는 통신망 구성 정보를 그래프데이터베이스를 이용해 구축하는 방안에 대해 고찰하고자 한다. 그래프데이터베이스의 도입으로 그래프탐색이 필요한 조회인 경우 효율적인 질의처리가 가능할 것으로 기대한다.

Recently, Graph Database (GDB) is being used in wide range of industrial fields. GDB is a database system which adopts graph structure for storing the information. GDB handles the information in the form of a graph which consists of vertices and edges. In contrast to the relational database system which requires pre-defined table schema, GDB doesn't need a pre-defined structure for storing data, allowing a very flexible way of thinking about and using the data. With GDB, we can handle a large volume of heavily interconnected data. A network service provider provides its services based on the heavily interconnected communication network facilities. In many cases, their information is hosted in relational database, where it is not easy to process a query that requires recursive graph traversal operation. In this study, we suggest a way to store an example set of interconnected network facilities in GDB, then show how to graph-query them efficiently.

그래프 데이터베이스는 다양한 유형의 데이터와 그 관계를 그래프로 모델링하여 적재하기 때문에 복잡한 관계로 연결될 수 있는 부동산 데이터를 관리하고 분석하는데 효과적일 수 있으나, 현재 제공되는 그래프 데이터베이스의 제한적인 공간 기능으로 인해 활발히 활용되지 못하고 있다. 이러한 배경에서, 본 연구에서는 다양한 부동산 공간 관련 질문들에 대응할 수 있도록 그래프 데이터베이스를 활용한 Uniform Grid 기반 부동산 공간 데이터 관리 방안을 제안한다. 핵심 데이터를 선정하기 위하여 부동산 커뮤니티의 관련 질의를 분석하였으며, 국가지점번호를 단위 Grid로 설정하고 다양한 부동산 관련 데이터들을 연결한 그래프 스키마를 구성하여 테스트 데이터베이스를 구축하였다. 데이터베이스 검증을 위해, Jackpine 벤치마크를 활용하여 기본 위상관계 및 공간함수를 테스트하였고, 나아가 다양한 시나리오 기반 질의 테스트를 수행함으로써 제안한 방법의 적절성을 검증하고자 하였다. 그 결과, 제안한 방법은 총 29개의 공간 위상관계와 공간함수 중 25개의 기능을 성공적으로 수행하였고, 25개의 기능과 15개의 시나리오에 대해 약 97%의 정확도를 달성하였다. 본 연구는 그래프 데이터베이스의 제한적인 공간 기능을 고려하여, 부동산 관련 공간 질문에 대응할 수 있는 효율적인 데이터 통합방안을 제안하였다는 점에서 의의를 가진다. 그러나 그리드 기반 인덱스 사용으로 인한 잘못된 공간 위상관계 생성 문제 및 리스트 비교에 따른 질의의 비효율성에 대한 한계점이 존재하며, 이는 후속 연구에서 개선할 필요가 있다.

Graph databases, which store different types of data and their relationships modeled as a graph, can be effective in managing and analyzing real estate spatial data linked by complex relationships. However, they are not widely used due to the limited spatial functionalities of graph databases. In this study, we propose a uniform grid-based real estate spatial data management approach using a graph database to respond to various real estate-related spatial questions. By analyzing the real estate community to identify relevant data and utilizing national point numbers as unit grids, we construct a graph schema that linking diverse real estate data, and create a test database. After building a test database, we tested basic topological relationships and spatial functions using the Jackpine benchmark, and further conducted query tests based on various scenarios to verify the appropriateness of the proposed method. The results show that the proposed method successfully executed 25 out of 29 spatial topological relationships and spatial functions, and achieved about 97% accuracy for the 25 functions and 15 scenarios. The significance of this study lies in proposing an efficient data integration method that can respond to real estate-related spatial questions, considering the limited spatial operation capabilities of graph databases. However, there are limitations such as the creation of incorrect spatial topological relationships due to the use of grid-based indexes and inefficiency of queries due to list comparisons, which need to be improved in follow-up studies.

부동산 데이터는 경제, 법률, 군중심리 등 다양한 분야와 상호작용하고 복잡한 레이어의 데이터로 구성되어 있으며, 그 양 또한 방대하고 빠르게 변화하여 빅데이터로 볼 수 있다. 부동산 빅데이터를 관리하기 위한 기존의 관계형데이터베이스는 스키마가 고정되어 있고 수직적 확장성을 가지며 다양한 관계를 처리하기 어려운 한계가 있다. 이러한 한계를 극복하기 위하여 본 연구에서는 부동산 데이터를 그래프데이터베이스에 구축함으로써 그 유용성을 검증하였다. 연구방법은 가장 널리 사용되는 데이터베이스 중 하나인 관계형데이터베이스 방식인 MySQL과 그래프데이터베이스 방식인 Neo4j에 다양한 부동산 데이터를 모델링하고 실생활에서 사용되는 부동산 질문들을 수집하여 9개의 질문들에 대해 그래프데이터베이스와 관계형데이터베이스의 쿼리시간을 비교하였다. 실험결과로 Neo4j는 다양한 관계를 추론하는 다중 JOIN 문이 있는 쿼리에도 일정한 성능을 보였지만 MySQL은 JOIN문이 많아질수록 쿼리시간이 급격하게 증가하는 경향을 보였다. 이러한 결과를 통해 다양한 관계를 가진 부동산 빅데이터에 Neo4j 같은 그래프데이터베이스가 효율적일 수 있음을 알 수 있으며 부동산가격 요인예측, 부동산에 대한 AI스피커 질의 등의 분야에서 활용을 기대할 수 있다.

Real estate data can be big data. Because the amount of real estate data is growing rapidly and real estate data interacts with various fields such as the economy, law, and crowd psychology, yet is structured with complex data layers. The existing Relational Database tends to show difficulty in handling various relationships for managing real estate big data, because it has a fixed schema and is only vertically extendable. In order to improve such limitations, this study constructs the real estate data in a Graph Database and verifies its usefulness. For the research method, we modeled various real estate data on MySQL, one of the most widely used Relational Databases, and Neo4j, one of the most widely used Graph Databases. Then, we collected real estate questions used in real life and selected 9 different questions to compare the query times on each Database. As a result, Neo4j showed constant performance even in queries with multiple JOIN statements with inferences to various relationships, whereas MySQL showed a rapid increase in its performance. According to this result, we have found out that a Graph Database such as Neo4j is more efficient for real estate big data with various relationships. We expect to use the real estate Graph Database in predicting real estate price factors and inquiring AI speakers for real estate.

본 논문에서는 컬러 영상 데이터베이스에서의 효과적인 영상검색 및 비교를 위한 새로운 알고리듬을 제시한다. 이를 위하여 전처리 과정에서 조명의 영향을 배제하기 위한 새로운 컬러 균일성 보정 알고리듬을 제안하여 조명의 변화에 민감한 기존의 방법과는 달리 기준 영상의 조명조건을 입력 영상의 조명조건을 변화시킴으로써 히스토그램을 이용한 컬러 영상 검색에 있어서 적절하게 이용된다. 또한 제안하는 영상 정합 기법은 컬러 영상을 노드와 에지로 표현되는 그래프 형식으로 표현하여 그래프 정합방법을 통해 두 영상의 유사도를 측정한다. 제안하는 알고리듬은 기존의 방법에 의해 영역화 고정이 없고 기하하적 정보추출을 위한 시간이 필요하지 않으므로 빠르면서도 우수한 검색 성능을 나타낸다.

In this paper, an effective color image retrieval algorithm is proposed based on the graph representation. Also we propose a color constancy algorithm to remove the effect of illumination change. Illumination condition of an image can be transformed to that of reference image using the proposed color constancy algorithm, so that the effect of dirrerent lighting is significantly alleviated. Then, we represent a color image as a graph with several nodes and edges in the histogram space, and finally two images are matched by compared two graphs representing them. The simulation results show that the proposed 3-step algorithm performs well for various conditions, including different lighting, translation, rotation, and scaling of the object in the image. In addition, the proposed algorithm is very fast compared to the geometry-based matching technique.