인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 저자정보
피인용 0
초록·키워드
데이터를 구성하는 객체의 속성은 크게 수치형 속성과 범주형 속성, 그리고 혼합형 속성으로 나뉜다. 거리 계산법이 다른 두 속성을 가진 혼합형 데이터에 대하여는 범주형 속성을 수치형 속성으로 변화시켜 유사도를 계산하거나, 각 유형의 속성별 유사도를 이용해 통합거리를 계산하여 군집화시키는 방식을 사용하고 있다. 다만 두 방법 모두 원본 유형 속성의 변화하는 과정에서 생겨나는 원본 특징의 손실이라는 단점이 있다. 해당 문제에 착안하여 본 논문에서는 혼합 유형의 데이터들을 그래프로 변환하여 생성하는 효과적인 방법과, 이렇게 생성한 그래프에 GAE(Graph Auto Encoder)를 적용하여 구한 노드 임베빙 벡터를 사용하여 K-평균 군집화를 시행하는 새로운 혼합형 데이터의 임베딩 기법을 제시한다. 제안된 방식은 실험된 데이터셋 내에서 purity의 경우 최대 4%, inverse purity의 경우 최대 16%의 성능 향상을 이루어냈다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-091260006
