Earticle

질의 의미 해석에 대한 대표적인 시맨틱 검색은 논리적으로 표현된 지식 베이스를 사용하여 현재의 키워드 기반 검색보다 더 정확한 결과를 제공할 수 있다. 기존의 키워드 기반 검색 시스템은 사용자 키워드의 의미가 상호 연결이 되어 있지 않아서 사용자의 질의 의미 해석을 위한 선호도 검색을 할 수가 없다. 본 논문에서는 사용자의 검 색 의도에 부합하는 정확한 검색 결과를 제공할 수 있는 사용자 검색 선호도 기반으로 평가하여 랭킹하는 기법을 제 안한다. 제안한 기법은 온톨로지 기반으로 구축된 지식 베이스의 정형화된 구조에 의미 해석 과정이 통합된 온톨로지 지식 베이스 기반 검색 시스템이다.

Typical semantic search query for Semantic search promises to provide more accurate result than present-day keyword matching-based search by using the knowledge base represented logically. Existing keyword-based retrieval system is Preference for the semantic interpretation of a user's query is not the meaning of the user keywords of interconnect, you can not search. In this paper, we propose a method that can provide accurate results to meet the user's search intent to user preference based evaluation by ranking search. The proposed scheme is Integrated ontology-based knowledge base built on the formal structure of the semantic interpretation process based on ontology knowledge base system.

Information retrieval in the health field has several challenges. Health information terminology is difficult for consumers (laypeople) to understand. Formulating a query with professional terms is not easy for consumers because health-related terms are more familiar to health professionals. If health terms related to a query are automatically added, it would help consumers to find relevant information. The proposed query expansion (QE) models show how to expand a query using MeSH terms. The documents were represented by MeSH terms (i.e. Bag-of-MeSH), found in the full-text articles. And then the MeSH terms were used to generate LDA (Latent Dirichlet Analysis) topic models. A query and the top k retrieved documents were used to find MeSH terms as topic words related to the query. LDA topic words were filtered by threshold values of topic probability (TP) and word probability (WP). Threshold values were effective in an LDA model with a specific number of topics to increase IR performance in terms of infAP (inferred Average Precision) and infNDCG (inferred Normalized Discounted Cumulative Gain), which are common IR metrics for large data collections with incomplete judgments. The top k words were chosen by the word score based on (TP *WP) and retrieved document ranking in an LDA model with specific thresholds. The QE model with specific thresholds for TP and WP showed improved mean infAP and infNDCG scores in an LDA model, comparing with the baseline result.

Machine learning-based sentiment classification is the best-performing method to understand public sentiment. However, the method has some problems, such as noisy features and high-dimensional feature space which affect the sentiment classification performance. To address the problems, this paper proposes a new feature selection using hybrid Query Expansion Ranking and Binary Particle Swarm Optimization with Adaptive Inertia Weights. The proposed method was validated using five tweet datasets on different topics both in Indonesian and English, and compared with state-of-the-art of filter and wrapper-based feature selection methods. Experimental results show the proposed method significantly improves sentiment classification performance and decrease computational time.

본 연구에서는 기존 연구에서 도출된 프로그램 사용의 어려움이나 많은 매개변수 산정 및 적용 문제, 복잡한 전처리과정 등의 어려움이나 문제점을 좀 더 단순화하고 정밀도가 높은 범람해석 및 홍수범람도 작성 방법을 제시하여 위험요소를 줄이고 개선시킬 수 있는 기법을 제시하고자 하였다. 대상 하천으로는 안성천 유역을 선정하였으며 월류 및 제방 붕괴만을 고려하기 위하여 계획빈도를 초과하는 이상홍수개념으로 홍수범람 시나리오를 작성하여 범람모의를 실시하였다. 범람모의를 위한 모형 적용은 1차원 수치모형인 HEC-RAS의 Storage 기능을 이용하여 월류 및 제방 붕괴에 대한 분석을 실시하였으며, 일반적으로 사용되는 Area-Time-Depth 방법보다는 좀 더 정확한 범람모의를 위해 Elevation versus Volume Curve를 적용하였다. Arcview 3.2a의 Query기법과 SURFER의 Mathematical 기법을 이용하여 작성한 침수면적의 차이가 크지 않아 전처리과정이 복잡한 Arcview 3.2a보다 비교적 작성방법이 간단하고 정밀도가 높은 홍수범람도를 작성할 수 있는 방법을 제시하였다.

In this study, it has been intended to present the ways to improve some problems such as the difficulty of using the program which had got from the existing study, the computation and application of a lot of parameter and the complicated processing which need to be more simplified. Also It has been tried to bring up the ways to make a flood inundation map and a detailed inundation analysis which could reduce the risk factors. We selected an Anseong-Cheon basin, and wrote a flood inundation scenario based on extreme flood to exceed the planned frequency to consider only overflow and levee break and executed inundation simulation. Researchers conducted an analysis of overflow and levee break using function of HEC-RAS Storage with a One-Dimensional model. It applied Elevation versus Volume Curve for more correct inundation simulation than a method of Area-Time-Depth which used in popular. This study will suggest a mathematical method of SURFER with a little difference of inundation area more simplified and precise flood inundation than complicated Arcview 3.2a which used Query method of Arcview 3.2a.

본 논문은 무용 작품「Query」을 안무하는데 있어서 무용과 AI기술의 협업을 통해 어떻게 표현되었는지를 연구하였다. 안무의 구성 단계에서 설정된 ‘상생’의 주제를 생성형 AI와 협업을 통해 이뤄진 창작과 공연 과정을 바탕으로 연구하였다. 무용과 AI의 협업을 통해 새로운 창작 과정을 탐구하며, 전통적인 무용의 경계를 허물고 기술과 예술이 융합된 새로운 예술적 경험을 제시하고자 하였다 이에 본 연구는 다음과 같은 결과를 도출해 내었다. 첫째, 본 안무자는 작품 내용구성에서 생성된 AI 이미지를 인격화시켜 작품의 주제를 여러 관점으로 제시하였다. 둘째, 본 작품의 내용적 구성으로 만들어진 생성형 AI의 텍스트와 이미지는 새로운 차원의 시각적 확장성을 통해 환경의 진보를 가지고 왔다. 셋째, 무용 작품에서 무용수의 움직임과 생성형 AI 기술의 도입을 통한 내용적 구성은 새로운 형태의 예술적 경험을 제공하였다. 넷째, 무대 공간의 창의적 활용 방법을 통한 무대 디자인과 AI 기술을 결합하여 가상공간과 현실 공간의 경계를 허물어 무대 경계의 해체를 가지고 왔다. 본 연구는 상생의 철학적 의미와 AI와의 협업을 통한 새로운 무용창작의 가능성을 탐구한 하나의 사례로서, 이후의 예술 창작 과정에서 다양한 기술적, 철학적 확장을 위한 기초 자료로 활용될 수 있을 것이다. 다만 AI의 가상 기술과 무용 예술의 현실 사이에는 괴리가 존재하며, 이를 직접 작품에 적용하고 실행하는 데는 현실적인 한계를 지닌다. 이 연구가 무용창작 현장에서 무용 예술이 단순한 움직임을 넘어서 예술과 기술의 협업이라는 새로운 예술 방법론을 확장시켜 나가는데 기여하길 바라며 본 연구는 무용과 기술의 협업이 어떻게 이뤄져야 하는지 방향성에 생각하고 다양한 표현 방법을 통해 작품으로 어떻게 구현되어야 하는지를 연구하고자 한다. 무용 작품에서 하나의 도구가 아닌 인간과 기술 사이의 소통과 상호작용으로 하나가 되어 작품으로 어떻게 나타났는지의 과정을 연구함으로써 하나의 사례가 될 것으로 생각한다.

This study examines how the collaboration between dance and AI technology was expressed in the choreography of the dance piece ｢Query｣. The research is based on the creative and performance process achieved through collaboration with generative AI, focusing on the theme of "coexistence” set in the choreography development stage. By exploring a new creative process through the collaboration of dance and AI, this study aims to break the boundaries of traditional dance and present a new artistic experience that integrates technology and art. The findings of this study are as follows. First, the choreographer personified AI-generated images in the composition of the work, presenting the theme from multiple perspectives. Second, the AI-generated texts and images based on the work’s narrative structure contributed to the advancement of the creative environment by offering a new dimension of visual expansion. Third, the integration of dancers’ movements and generative AI technology in the composition of the dance piece provided a novel artistic experience. Fourth, the creative use of stage space, combined with AI technology in stage design, blurred the boundaries between virtual and real spaces, leading to the dissolution of conventional stage boundaries. This research serves as a case study exploring the philosophical concept of coexistence and the potential for new dance creation through collaboration with AI. It can be used as foundational material for further technological and philosophical expansion in future artistic creation processes. However, there remains a gap between AI's virtual technology and the reality of dance art, posing practical limitations when directly applying and implementing such collaborations in actual performances. It is hoped that this study contributes to the expansion of dance creation beyond mere movement, fostering a new artistic methodology that embraces the collaboration between art and technology. In addition, this study intends to think about the direction of how dance and technology collaboration should be carried out and study how it should be implemented as a work through various expression methods. I think it will be an example by studying the process of becoming one through communication and interaction between humans and technology rather than a tool in a dance work.

기존 SQL 쿼리 최적화 프로그램은 규칙 기반 또는 비용 추정 모델에 크게 의존하는데, 이는 복잡한 다중 조인 또는 중첩 쿼리 시나리오에서 종종 최적이 아닌 실행 계획을 생성한다. 이러한 한계를 해결하기 위해, 실행 계획을 그래프 구조로 변환하고 GCN과 GAT를 활용하여 연산자 종속성과 의미 관계를 모델링하 는 그래프 신경망 기반 쿼리 최적화 프로그램인 GQO를 제안한다. GQO는 정확한 실행 시간 예측을 위한 쿼리 임베딩을 생성하고, PostgreSQL에 삽입하여 실제 성능 향상을 위해 사용할 수 있는 최적화 힌트를 생 성한다. TPC-H 쿼리에 대한 실험 결과는 GQO가 기존 비용 모델, MLP 베이스라인, 그리고 Tree-LSTM 모 델보다 훨씬 뛰어난 성능을 보이며 평균 26% 이상의 성능이 향상되었다.

Traditional SQL query optimizers rely heavily on rule-based or cost-estimation models, which often produce suboptimal execution plans under complex multi-join or nested query scenarios. To address these limitations, we propose GQO, a Graph Neural Network-based Query Optimizer that transforms execution plans into graph structures and leverages both GCN and GAT to model operator dependencies and semantic relationships. GQO generates query embeddings for accurate execution time prediction and produces optimization hints that can be injected into PostgreSQL for real-world performance gains. Experimental results on TPC-H queries demonstrate that GQO significantly outperforms traditional Cost Models, MLP baselines, and Tree-LSTM models, achieving over 26% average performance improvement.

테이블에 의한 탐색 (Query-By-Table)은 사용자 질의로 입력되는 특정 테이블과 비교, 식별 대상이 되는 테이블 데이터를 검색하여 연관도에 따라 내림차순으로 정렬된 테이블 데이터 리스트를 반환하는 서비스이다. 이를 위해 방대한 테이블 데이터에 내재된 컬럼명, 컬럼 값, 메타데이터 등의 유용한 정보를 활용하여 각 테이블 데이터를 하나의 의미적 벡터로 변환하는 임베딩 (embedding) 기술을 활용할 수 있다. 본 연구는 사용자 질의로서 자연어 또는 키워드 수준이 아닌, 테이블 데이터 자체를 사용하여 그 질의와 연관된 순서대로 융합 가능한 테이블 데이터들을 탐색하는 기술을 제안한다. 또한, 질의 테이블과 비교되는 검색 대상 테이블 내부의 컬럼 간 상대적 중요도를 고려한 가중치를 적용하여 탐색 결과의 성능을 높이고자 한다. 사용자는 탐색된 테이블 데이터들에 대한 조인 융합을 수행하여 원천 테이블 데이터에서는 존재하지 않았던 유의미한 새로운 정보를 추출할 수 있다.

병원 간 전자의무기록 (EHR) 시스템은 중앙 집중식 학습 최적화를 제한하는 개인정보 보호 및 업무량 다양성 문제에 직면해 있다. 본 논문에서는 기관의 자율성을 유지하면서 비용 예측 및 쿼리 실행 효율성을 향상시키는 연합 쿼리 최적화 프레임워크를 구축하고자 한다. 계획 그래프 표현, GNN 기반 비용 학습, 그리고 병원 간 연합 집계 기능을 결합한 연합 그래프 기반 쿼리 최적화 모델인 FedGQO를 제안한다. FedGQO는 원시 EHR 데이터나 상세한 로컬 쿼리 로그를 공유하지 않고도 협업 학습을 가능하게 하며, 비독립 동일분포(non-IID) 워크로드 하에서도 견고함을 유지한다. 실험 결과, FedGQO는 MSE 8.98, 평균 q-오차 1.21, 평균 실행 시간 8.40을 달성하여, 중앙 집중식 상한선에 근접하면서도 기본 최적화기 및 Local-GNN을 능가하는 성능을 보였다. 이러한 결과는 FedGQO가 병원 간 전자의무기록 쿼리 최적화를 위한 효과적이고 개인정보를 보호하는 솔루션임을 입증한다.

Cross-hospital EHR systems face privacy and workload diversity challenges that limit centralized learned optimization. We aim to build a federated query optimization framework that improves cost prediction and query execution efficiency while preserving institutional autonomy. We propose FedGQO, a federated graph-based query optimization model that combines plan-graph representation, GNN-based cost learning, and federated aggregation across hospitals. FedGQO enables collaborative training without sharing raw EHR data or detailed local query logs, while remaining robust under non-IID workloads. In experiments, it achieved an MSE of 8.98, a mean q-error of 1.21, and an average runtime of 8.40, outperforming the native optimizer and Local-GNN while remaining close to the centralized upper bound. These results show that FedGQO is an effective and privacy-preserving solution for cross-hospital EHR query optimization.

This paper proposes a hash index for spatiotemporal continuous query processing rules for filtering, classifying, analyzing, and responding to consecutively collected target objects. The Rete technique for improving the performance of rule-based complex event processing shows better performance than the rule interpretation method as it creates a compiled data structure for the rule. This paper proposes a performance improvement method that eliminates the rule search overhead by creating a spatiotemporal index for the Rete nodes expressing spatiotemporal continuity query rules and stabbing the Rete node of the rule by employing hash indexing on the stream data.

Any malicious attack on the database systems performed by an entrusted group of people having authorized access is called database insider attack. Even though the insider attack has been lively researched, it is still far from the practical application. We propose a new approach to improve the limitations in the previous researches. This approach has four objectives: (1) Multi-Preprocessing Algorithms to observe a query in multiple perspectives (2) Query Probabilities Based Database Insider Monitoring Methodology based upon Markov Mathematical Model to record insider’s behavioral patterns with query and query transition probabilities (3) Query Probabilities Time Series Graph to create metrics to monitor the insider’s behavior in order to predict insider attack, and (4) Multi-Criteria Query Probabilities Based Insider Attack Monitoring System containing the (1)–(3). The results from the evaluation show that the proposed system overcomes the limitations and is also capable to monitor insider’s behavioral data while the database is being updated.

In this paper, recognizing the importance of the database query optimization design methods, we implemented mobile database with mobile program (J2ME) which is a useful database procedures. In doing so, we emphasize the logical query optimization which brings mobile database to performance improvement. The research implies that the suggested mobile program (J2ME) would contribute to the realization of the efficient mobile database as the related technology develops in the future.

검색광고는 매년 급격하게 성장하고 있는 광고 시장에서 주요한 영역이라고 할 수 있다. 소비자가 직접 입력하는 검색어의 중요성에 대해 다뤄지고 있음에도, 실제 소비자 데이터를 기반으로 검색어의 영향을 살펴본 연구는 많지 않다. 본 연구는 실제 소비자가 입력한 검색어를 특성에 따라 크게 세 가지로 분류하고, 각 분류 유형의 세부 수준에 따른 유입수, 결제수, 및 유입당 결제율(구매 전환)의 차이를 비교하였다. 분석 결과, 검색어에 타겟 브랜드명이 포함된 브랜드 검색어의 경우, 검색어가 구체적일수록 유입수 및 결제수는 감소하였으나 유입당 결제율이 증가하는 경향을 보였다. 반면, 검색어에 타겟 브랜드명이 포함되지 않고 제품 카테고리 내에서 검색이 이루어진 카테고리 검색어의 경우, 검색어가 구체적일수록 유입수와 결제수, 유입당 결제율이 모두 감소하는 것으로 나타났다. 마지막으로 소비자 의사결정 여정을 반영하는 검색어의 경우, 여정 후기로 갈수록 유입당 결제율이 증가하는 것으로 확인되었다. 이러한 연구 결과는 새로운 검색어 분류 체계와 검색어 유형별 구체성 수준의 영향이 다르게 나타남을 보임으로써 의사결정 여정 및 검색어 연구를 확장하고 있으며, 나아가 효과적인 검색 광고 전략을 제언하고 있다.

Search advertising is a major area of the online advertising market that is growing rapidly every year. Despite the importance of search queries entered by consumer, few studies have examined the influence of search queries based on real consumer data. In this study, we categorize search queries entered by real consumers into three main categories based on their characteristics (brand-query, category-query, search journey), and we compare the differences in the number of clicks, payments, and pay-per-click (conversion) rates for specific level of the search query categories. The results show that for brand-queries that include the target brand name in the query, the more specific the queries, the lower the number of clicks and payments, but the higher the conversion rates. However, for category-queries, which are searches within a product category without a target brand name in the query, we found that the more specific the queries, the lower the number of clicks, payments, and conversion rates. Finally, for search terms that reflect the consumer decision journey (i.e., search journey), we found that the later in the journey, the higher the conversion rates. These findings extend the decision journey and query research by showing the differential impact of the new search query taxonomy and each level of concreteness of different query characteristic, and suggest effective search advertising strategies.

본 연구의 목적은 이용자 지향적인 정보검색을 수행하기 위한 질의확장용 지식베이스를 구축하는 것이다. 이를 위해 개념기반 정보검색방법과 통계적 기반 정보검색방법을 이용한 지식베이스 구축에 관련된 다양한 이론 연구를 수행하였다. 이들 지식베이스 구축방법에 있어서 공통된 가설은 연관용어의 출현은 문헌집합내의 동시출현 빈도임을 재확인하였고, 이 가설을 근거로 색인파일 알고리즘과 부울 논리의 And 연산자를 이용하여 질의확장용 지식베이스를 구축하였다. 본 지식베이스의 실험 주제는 교육학이며, 교육학개론이란 단행본을 이용하여 색인어들의 연관용어를 자동으로 제시해줄 수 있는 실험용 지식베이스를 구축하였다. 실험용 지식베이스는 자연어색인방법과 통제어색인방법을 이용하여 두 개의 지식베이스를 구축해 각 지식베이스 시스템의 질의확장 성능에 대한 평가 작업을 수행하였다.

This study is to develop knowledge base system for query extension to the user oriented information retrieval. This study has survey the theories of the concept-based information retrieval method and statistic based information retrieval method. In the construction method of knowledge base, the common hypothesis is that the emergence of related term is the frequency of simultaneous emergence of a set of documents. Using the subject index file algorithms and the ‘and’ operator of boolean logic based on this hypothesis, this study builds the knowledge base. In this research experiment, a subject of knowledge base is education. Using the book of the Introduction to Education, two experimental knowledge base systems is constructed by the different indexing method. One system has constructed by controlled language indexing method, and another system has constructed by natural language indexing method. The performance of two knowledge base system is evaluated.

조직 내에 축적되는 데이터의 증가와 함께 이를 분석하여 과학적인 의사결정에 활용하려는 시 도가 급속도로 이루어지고 있다. 이러한 요구에 부합하여 조직 내 데이터 웨어하우스를 구축하고, OLAP 분석을 통한 의사결정에의 활용이 보편화되고 있지만, 대용량 데이터를 고차원으로 분석 처리 하는 경우에 적절한 성능을 보장하는 문제가 중요한 이슈로 부각되고 있다. 본 논문에서는 이러한 성 능 향상 문제를 개선하기 위해 개발된 고성능 데이터베이스 클러스터 시스템인 HyperDB에서, 중첩 질의를 분할 처리 하기 위한 효과적인 질의 처리 방안을 제시하고자 한다.

There is growing need for efficient data analysis to support decision making as the amount of data increases rapidly in most areas of business. For this reason, implementing data warehouse and utilize OLAP analysis are becoming common. However performance of OLAP queries becomes a critical issue, since OLAP queries are usually complex and they include sophisticated analytical tasks. We propose an OLAP queries decomposition and processing technique for a high performance database cluster system called HyperDB.

최근 페이스북, 트위터 등의 SNS(Social Networking Service)가 발전함에 따라, 사용자가 생성하는 데이터가 급격히 증가하고 있다. 사용자 데이터는 민감한 개인정보를 포함하기 때문에, 원본 데이터를 공격자로부터 보호하기 위해서는 데이터를 암호화하는 것이 필요하다. 따라서 암호화된 데이터의 복호화 없이 질의를 처리하는 암호화 질의 처리 기법이 제안되었다. 그러나 기존의 질의처리 기법은 암호화 데이터에 대한 색인 구조를 구축하고 이를 순차적 으로 탐색하기 때문에, 데이터의 크기가 증가함에 따라 질의탐색 비용이 증가하는 문제점이 존재한다. 이를 위해, P.B.Volk, et al.은 prefix 트리 기반 병렬 질의처리 알고리즘을 제안하였다. 제안하는 알고리즘은 암호화된 데이 터를 위해 prefix 트리 구조를 구축하고, 트리를 부분 트리로 분할하여 생성된 모든 부분 트리를 병렬적으로 탐색한 다. 그러나 이 알고리즘은 모든 부분 트리를 탐색하기 때문에, 트리 깊이에 따라 연산 비용이 급격히 증가하는 문제 점이 존재한다. 아울러, 이 알고리즘은 범위 질의나 부분 매칭 등의 다양한 질의를 지원하지 못하는 문제점이 존재 한다. 이러한 문제를 해결하기 위해, 본 논문에서는 prefix 트리 및 해시 테이블을 사용하는 GPU 기반 병렬 질의처 리 알고리즘을 제안한다. 제안하는 알고리즘은 prefix 트리 loop-up 테이블을 사용하여 범위 질의 및 부분매칭 질 의를 지원한다. 아울러 제안하는 알고리즘이 기존 P.B.Volk, et al. 의 알고리즘보다 검색 시간 측면에서 약 30% 우수한 성능을 나타냄을 보인다.

Recently, social networking services, such as Facebook and Twitter, have been widely used, so the amount of the data created by users has been dramatically increased. Because the user-created data can contain privacy information, it is required to encrypt the data for protecting the original data from adversaries. Thus, an encrypted query processing scheme has been proposed to process the query without the decryption of the encrypted data. The existing schemes construct an index for the encrypted data, so they can process the query by sequentially accessing the index. As a result, the query processing cost increases as the amount of the data is increased. For this, P.B.Volk, et al. proposed a prefix-tree based parallel query processing algorithm. The algorithm constructs a prefix-tree structure for the encrypted data and searches all sub-trees on GPU in parallel by dividing the tree into sub-trees. However, the algorithm has a problem that its computational cost is highly increased according to the depth of the tree because it searches all sub-trees. In addition, the algorithm does not support the various types of queries, such as a range query and a partial matching query. To solve these problems, we, in this paper, propose a GPU-based parallel query processing algorithm using both a prefix-tree and a hash table. By using the prefix-tree look-up table, the proposed algorithm can support both a range query and a partial matching query. In addition, we show that the proposed algorithm is about 30% better on retrieval performance than the existing algorithm by P.B.Volk, et al.

대규모 문서 집합에서 사용자가 찾고자 하는 정보를 효과적으로 탐색하고 문서 집합의 구성을 이해하는 것은 중요한 과제이다. 기존 문서 임베딩 모델은 고정된 의미 표현만을 생성해 다양한 탐색 의도나 관점을 반영하는 데 한계가 있다. 본 연구는 이를 해결하기 위해 사용자 질의(Query)에 따라 문서 의미 공간을 동적으로 재구성하는 새로운 프 레임워크를 제안한다. 사전 학습 언어 모델(SciBERT)을 활용해 질의와 문서의 관계를 모델링하는 질의 인식 동적 임베딩(Query-Aware Dynamic Embedding)을 생성하며, 이를 UMAP 기반 차원 축소와 HDBSCAN 군집화 에 적용하여 다각적이고 심층적인 문서 탐색을 지원한다. 이 파이프라인은 사용자가 질의를 통해 분석 범위(Scope) 를 능동적으로 조절하며 문서 집합에 대한 통찰력을 얻는 효과적인 탐색 환경을 제공한다.

Effectively exploring user-desired information and understanding the structure of large document collections remain significant challenges. Conventional document embedding models generate static semantic representations, which limit their ability to reflect diverse user intents and perspectives. To address this limitation, this study proposes a novel framework that dynamically reconstructs the semantic space of documents according to a user's query. Leveraging the pre-trained language model SciBERT, the framework generates Query-Aware Dynamic Embeddings that explicitly model the relationship between a query and each document. These embeddings are then projected into a lower-dimensional space using UMAP and clustered with HDBSCAN, enabling multi-faceted and in-depth exploration of document collections. The proposed pipeline provides an effective exploratory environment in which users can actively control the scope of analysis through queries, thereby gaining deeper insights into the semantic organization of large-scale document collections.

최근 논리적으로 표현된 지식 베이스를 사용하는 키워드 기반 검색에서 보다 더 정확한 결과를 제공하기 위해 시맨틱 검색 방법에 대한 연구가 진행되고 있다. 대부분의 사용자는 정형화된 질의어와 스키마를 사용하는 것 보다 사용자 키워드의 의미를 해석해서 사용한다. 본 논문에서는 시맨틱 검색을 위한 사용자 질의 확장을 제안한다. 제안 시스템에서는 지식 베이스와 연관 검색어를 활용한 사용자 질의 확장 콤포넌트와 사용자 질의 해석 결과를 조정하기 위한 콤포넌트를 제공한다. 마지막으로 논문에서 제안한 사용자 질의 의미 해석 기법의 검증을 위해 프로토타입 시스템의 실험 결과를 설명한다.

For semantic search methods to provide more accurate results than keyword-based search in a logical representation that uses a knowledge base are being studied. Than most of the user to use formal query language and schema used to interpret the meaning of a user keyword. In this paper, we propose to expand the user query for semantic search. In the proposed system, user query expansion component and a component to adjust the results to interpret user queries to take advantage of the knowledge base associated with a search term. Finally, a user query semantic interpretation, the proposed scheme to verify the experimental results of the prototype system is described.

OLAP(On-Line Analytical Processing)은 데이터 큐브 또는 큐브라고 불리는 다차원 데이터 구조를 이용하여 복잡한 질의를 고속으로 처리하는 데이터 분석 기술이다. 전통적 방식의 OLAP은 디스크 기반 DBMS 환경으로 데 이터를 선 저장한 후 사용자의 질의에 응답하는 일회성 질의(One-Time Query) 수행 방식이었다. 하지만 지속적 으로 방대한 양의 데이터가 생성되는 데이터 스트림 환경에서 기존 처리 방식은 질의를 반복적으로 수행해야 하기 때문에 우수한 성능을 기대하기 어려우며, 동시적으로 다차원 계층 데이터에 질의를 수행하는데 한계가 존재한다. 본 연구에서는 이러한 문제점을 극복하기 위해 연속질의 기반 다차원 계층 큐브 처리 기법을 제안한다. 본 연구 모 델은 계층 데이터를 처리하는 하이퍼 데이터 큐브를 구축한다. 각 큐보이드들은 이전 집계된 데이터 큐보이드 중 가 장 작은 계산 비용 큐보이드를 집계하는 최소 비용 트리를 형성하여 성능적 향상을 기대한다. 본 연구 모델의 성능 을 검증하기 위해서 다양한 실험을 진행하였다.

OLAP(On-Line Analytical Processing) is one of the data analysis techniques that processes a complex query in a fast time using multi-dimensional data structure called the‘data cube’ or simply‘cube’. However, conventional OLAP system is not applicable to data streams because of these reasons: low performance; limitation of execution of a number of queries simultaneously. This paper proposes continuous query based evaluation of multi-dimensional hierarchical data cube. Minimal cost cube tree that computing a cuboid from the smallest cost, previously computed cuboid is constructed. Finally, the proposed method is verified by a series of experiments.

본 연구에서는 객체지향 데이터베이스 모델링과 추론적 기법을 사용하여 체육 우수선수 조기 발굴을 위한 객체 지향 데이터베이스 시스템의 지능적 질의 처리 기법에 대하여 논의한다. 먼저 우수선수 조기 발굴 데이터베이스 시스템 을 객체지향 기법을 사용하여 분석 대상을 계층 구조적으로 분류한다. 이런 분류 후 질의의 내포적 답을 구하기 위하여 규칙 생성, 선 분석, 분석의 세 단계로 구성된 알고리즘을 제안한다. 우수선수를 조기에 발굴하기 위한 알고리즘은 우수 선수 발굴과 육성에 활용할 수 있으며 운동종목, 학년, 성별 등 우수선수 선발 목적에 따라 기준 점수를 다르게 적용할 수 있을 뿐 아니라 다른 체육 영역으로 확대 적용할 수 있다. 더 나아가 경기력 진단 및 훈련에도 이용될 수 있다. 기존 종목별 우수선수 중에서 국가대표선수를 선발 할 때도 지능적 질의 처리 알고리즘을 사용하면 빠르고 객관적으로 선수 들을 선발 할 수 있다. 본 연구는 융합 연구가 아니면 할 수 없는 영역으로 융합 연구의 필요성이 절실한 스포츠영역의 발전에도 크게 기여할 것이다.

In this paper, we present an intelligent query processing in object-oriented databases systems for early search of gifted athletics using object-oriented databases modeling and deductive approach. We first classify the analysis target as hierarchical databases systems for early search of gifted athletics using object-oriented techniques. After such a classification, we present an algorithm to obtain implicit answers which consists of three phases: rule representation and reformation, pre-resolution, and resolution. The algorithm for early search of gifted athletes can be utilized for cultivating outstanding athletes, can be modified depending on the selection criteria of athletes, grades, and gender, and can be applied to other sports areas. Furthermore, it can be used for athletic diagnoses and training. Even for selection of national athletes among the outstanding athletes, the intelligent question processing algorithm can be used for fast and objective process. It can also be applied for evaluation of athletic performance and training. This research will make an important contribution to the development of interdisciplinary research on various areas of sports, where integrated research is essential.