Earticle

In software development process, software quality control is very important for successful project. In software quality management, development and quality organizations use issue tracking. Until the software comes out as a product, a lot of bugs are generated and the results are registered in the issue. The bug that occurred at this time includes the elements that can know the state. During the revision process, the bug is given priority to the development organization and revised through passive methods. In this paper, we manually overcome the problem of the order of resolution of issues in progress and limitations of process degradation by automating the priority manually measured during bug selection. After extracting the data collected through the Eclipse Project from 2007 to 2016, solve the data bias problem. We propose a model that predicts priority of 90% through comparison of classification algorithms of Decision Tree and Random Forest.

클라우드 산업의 발전으로 소프트웨어의 개발과 운영 방식에서 자원의 효율성 개선과 환경의 연속성을 위한 다양한 노력이 이루어지고 있다. 그러나 전통적인 구조 방식의 서비스 구축에서는 기능을 개선하고, 추가할 경우 수정된 소스에 대하여 전체 빌드로 인한 배포의 효율성이 저하되는 문제를 가지고 있다. 본 논문에서는 솔루션 서비스 기업에서 이슈가 발생할 경우 개발 부서와 운영 부서 사이의 의사소통을 원활하게 하여 신속하게 이슈에 대응할 수 있고, 이슈 처리 중 업데이트 되는 최신 소스들은 관리시스템과 CI 툴을 활용하여, 지속적으로 통합하여 배포할 수 있는 시스템을 제안한다. 제안 시스템을 통하여 의사소통이 원활해짐에 따라 불필요한 작업을 줄일 수 있고, 개발의 속도를 향상시킬 수 있을 것으로 기대된다.

With the development of the cloud industry, various efforts are being made to improve resource efficiency and environmental continuity in software development and operation methods. However, in constructing a conventional structure of structural scheme, if the functionality is improved and added, it has a problem that the efficiency of full build arrangement is reduced for the changed source. In this paper, if a problem occurs in a solution service company, communication between the development department and the operation department can be facilitated and responded quickly, and the latest source updated during processing of the problem is the management system, provided is a system that can take advantage of CI tools and continuously integrate them. As communication through the proposed system is smooth, it is expected that unnecessary work can be reduced and the speed of development can be improved.

Recently, the volume of unstructured text data generated by various social media has been increasing rapidly; consequently, the use of text mining to support decision-making has also been growing. In particular, academia and industry are paying significant attention to topic analysis in order to discover the main issues from a large volume of text documents. Topic analysis can be regarded as static analysis because it analyzes a snapshot of the distribution of various issues. In contrast, some recent studies have attempted to perform dynamic issue tracking, which analyzes and traces issue trends during a predefined period. However, most traditional issue tracking methods have a common limitation : when a new period is included, topic analysis must be repeated for all the documents of the entire period, rather than being conducted only on the new documents of the added period. Additionally, traditional issue tracking methods do not concentrate on the transition of individuals' interests from certain issues to others, although the methods can illustrate macro-level issue trends. In this paper, we propose an individual interests tracking methodology to overcome the two limitations of traditional issue tracking methods. Our main goal is not to track macro-level issue trends but to analyze trends of individual interests flow. Further, our methodology has extensible characteristics because it analyzes only newly added documents when the period of analysis is extended. In this paper, we also analyze the results of applying our methodology to news articles and their access logs.

현재 우리는 소셜 네트워크 서비스(Social Network Service, 이하 SNS) 상에서 수많은 데이터를 만들어 내고 있다. 특히, 모바일 기기와 SNS의 결합은 과거와는 비교할 수 없는 대량의 데이터를 생성하면서 사회적으로도 큰 영향을 미치고 있다. 이렇게 방대한 SNS 데이터 안에서 사람들이 많이 이야기하는 이슈를 찾아낼 수 있다면 이 정보는 사회 전반에 걸쳐 새로운 가치 창출을 위한 중요한 원천으로 활용될 수 있다. 본 연구는 이러한 SNS 빅데이터 분석에 대한 요구에 부응하기 위해, 트위터 데이터를 활용하여 트위터 상에서 어떤 이슈가 있었는지 추출하고 이를 웹 상에서 시각화 하는 트위터이슈 트래킹 시스템 TITS(Twitter Issue Tracking System)를 설계하고 구축 하였다. TITS는 1) 일별 순위에 따른 토픽 키워드 집합 제공 2) 토픽의 한달 간 일별 시계열 그래프 시각화 3) 토픽으로서의 중요도를 점수와 빈도수에 따라 Treemap으로 제공 4) 키워드 검색을 통한 키워드의 한달 간 일별 시계열 그래프 시각화의 기능을 갖는다. 본 연구는 SNS 상에서 실시간으로 발생하는 빅데이터를 Open Source인 Hadoop과 MongoDB를 활용하여 분석하였고, 이는 빅데이터의 실시간 처리가 점점 중요해지고 있는 현재 매우 주요한 방법론을 제시한다. 둘째, 문헌정보학 분야뿐만 아니라 다양한 연구 영역에서 사용하고 있는 토픽 모델링 기법을 실제 트위터 데이터에 적용하여 스토리텔링과 시계열 분석 측면에서 유용성을 확인할 수 있었다. 셋째, 연구 실험을 바탕으로 시각화와 웹 시스템 구축을 통해 실제 사용 가능한 시스템으로 구현하였다. 이를 통해 소셜미디어에서 생성되는 사회적 트렌드를 마이닝하여 데이터 분석을 통한 의미 있는 정보를 제공하는 실제적인 방법을 제시할 수 있었다는 점에서 주요한 의의를 갖는다. 본 연구는 JSON(JavaScript Object Notation) 파일 포맷의 1억 5천만개 가량의 2013년 3월 한국어 트위터 데이터를 실험 대상으로 한다.

People are nowadays creating a tremendous amount of data on Social Network Service (SNS). In particular, the incorporation of SNS into mobile devices has resulted in massive amounts of data generation, thereby greatly influencing society. This is an unmatched phenomenon in history, and now we live in the Age of Big Data. SNS Data is defined as a condition of Big Data where the amount of data (volume), data input and output speeds (velocity), and the variety of data types (variety) are satisfied. If someone intends to discover the trend of an issue in SNS Big Data, this information can be used as a new important source for the creation of new values because this information covers the whole of society. In this study, a Twitter Issue Tracking System (TITS) is designed and established to meet the needs of analyzing SNS Big Data. TITS extracts issues from Twitter texts and visualizes them on the web. The proposed system provides the following four functions: (1) Provide the topic keyword set that corresponds to daily ranking; (2) Visualize the daily time series graph of a topic for the duration of a month; (3) Provide the importance of a topic through a treemap based on the score system and frequency; (4) Visualize the daily time-series graph of keywords by searching the keyword; The present study analyzes the Big Data generated by SNS in real time. SNS Big Data analysis requires various natural language processing techniques, including the removal of stop words, and noun extraction for processing various unrefined forms of unstructured data. In addition, such analysis requires the latest big data technology to process rapidly a large amount of real-time data, such as the Hadoop distributed system or NoSQL, which is an alternative to relational database. We built TITS based on Hadoop to optimize the processing of big data because Hadoop is designed to scale up from single node computing to thousands of machines. Furthermore, we use MongoDB, which is classified as a NoSQL database. In addition, MongoDB is an open source platform, document-oriented database that provides high performance, high availability, and automatic scaling. Unlike existing relational database, there are no schema or tables with MongoDB, and its most important goal is that of data accessibility and data processing performance. In the Age of Big Data, the visualization of Big Data is more attractive to the Big Data community because it helps analysts to examine such data easily and clearly. Therefore, TITS uses the d3.js library as a visualization tool. This library is designed for the purpose of creating Data Driven Documents that bind document object model (DOM) and any data; the interaction between data is easy and useful for managing real-time data stream with smooth animation. In addition, TITS uses a bootstrap made of pre-configured plug-in style sheets and JavaScript libraries to build a web system. The TITS Graphical User Interface (GUI) is designed using these libraries, and it is capable of detecting issues on Twitter in an easy and intuitive manner. The proposed work demonstrates the superiority of our issue detection techniques by matching detected issues with corresponding online news articles. The contributions of the present study are threefold. First, we suggest an alternative approach to real-time big data analysis, which has become an extremely important issue. Second, we apply a topic modeling technique that is used in various research areas, including Library and Information Science (LIS). Based on this, we can confirm the utility of storytelling and time series analysis. Third, we develop a web-based system, and make the system available for the real-time discovery of topics. The present study conducted experiments with nearly 150 million tweets in Korea during March 2013.

본 논문은 국내 다문화 관련 분야의 연구동향을 규명하기 위하여 다문화와 관련한 국내 학술 문헌을 수집하여 LDA (Latent Dirichlet Allocation) 기반의 토픽 모델링을 통해 토픽을 분석하였다. 이를 통해 국내 다문화 관련 연구에서의 중심 연구 토픽을 시기별로 추적하여 그 변화의 양상을 관찰하였고, 그 결과 핫 토픽으로는 '다문화 사회통합'과 '학교 다문화 교육'이 관찰되었으며 콜드 토픽으로는 '문화정체성과 민족주의' 관련 토픽이 관찰되었다.

The goal of this study is to analyze topics discussed in academic papers on multiculture in Korea to figure out research trends in the field. In order to do topic analysis, LDA (Latent Dirichlet Allocation)-based topic modeling methods are employed. Through the analysis, it is possible to track topic changes in the field and it is found that topics related to 'social integration' and 'multicultural education in schools' are hot topics, and topics related to 'cultural identity and nationalism' are cold topics among top five topics in the field.

최근 반도체 개발 및 제조부문에서는 급속도로 성장한 Mobile 시장과 Digital Consumer Trend 에 주도적으로 대응하고자 빠른 속도의 기술적 변화를 추진하여 왔으며, 이에 따라 현장에서 발생하는 기술적 문제의 유형 또한 점점 복잡 다양해지고 있다. 기존 Commodity 제품의 경우, 세대 전환이 느리게 진행되어, 이에 수반되는 기술적 문제의 난이도와 그 발생 종류가 현재 대비 상대적으로 단순하였다. 그러나 최근 다품종 주문형 제품비중 확대로, 발생되는 문제점들이 Field Application 과 tight 한 연관성을 지니고 있어, 문제의 발생 경로, 원인 파악과 해결 대책 수립에 상당한 초기대응 시간을 필요하며, 관련 부서와의 실시간 협업 및 Cross-Checking을 통하지 않고서는 문제에 대한 최적 Solution 을 결정하기 힘든 현실이 되었다. 이러한 기술 이슈 해결 과정에 기 발생했던 유사 이슈 처리 과정 및 결과 자료가 문제 해결에 크게 기여할 수 있으나, 종래의 지식관리 시스템 체계로는 이러한 실무 형 지식을 획득하기 어려운 부분이 한계점으로 지적되고 있다. 본 논문에서는 이러한 문제점 개선이 가능한 실무형 지식 관리 (AKM: Actual Knowledge Management) 기반의 기술적 이슈 추적 관리 시스템(TITS: Technical Issue Tracking System) 구축 사례를 제시하고자 한다. TITS 는 1) 기술 이슈의 발의 및 전파 기능과 2) 이슈 해결을 위한 Action Item 부여 및 의견 교환 기능 3) 해결된 이슈의 처리 결과 등록 기능 4) 유사 이슈 사례 검색 기능 등의 크게 4 개 모듈오 구성 되어있다. 이 시스템을 통해 반도체 엔지니어들은 기술적 이슈의 발생 시점부터, 원안분석, 대책 협의 ; Action Item 수립 등 문제 해결 과정과 결과 등록 시점까지 Real time Tracking이 가능해 졌으며, 본 시스템을 통해 처리된 모든 기술적 이슈 정보는 Issue Case Database 에 분류 저장되어, 향후 유사 이슈 발생 시, 이를 활용함으로써, 빠른 초기 대응 및 문제 해결에 직접적인 도움을 받을 수 있게 되었다.

Today, restraints for crime prevention come in a variety of forms with the advancement of scientific technology. The electronic monitoring system is one of those restraints. This monitoring system is a program focused on the treatment of criminals in society, especially their return to society, and thus it has been adopted to support their successful return to society by providing proactive treatments for them. In Korea, it has been suggested that the electronic monitoring system needs to be introduced against sex offenders who are likely to commit their crimes again. The “Act on Putting GPS Tracking Devices on Special Sex Offenders” was enacted in this situation. The electronic monitoring system means that the whole detective regulation system will be reestablished beyond the introduction of new detective punishment methods. It is unknown whether this system will help prevent sex crimes and promote safety in society. Moreover, some concerns are raised about infringing on human rights and punishing offenders over again. In this context, the study reviews the details of and problems with the electronic system and proposes its future desirable directions based on the results.