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
- 자료유형
- 학술저널
- 저자정보
- 저널정보
- Korean Institute of Information Scientists and Engineers Journal of KIISE Journal of KIISE Vol.49 No.1
- 발행연도
- 2022.1
- 수록면
- 78 - 88 (11page)
- DOI
- 10.5626/JOK.2022.49.1.78
이용수
초록· 키워드
오류제보하기
블룸 필터는 집합을 표현하는 자료구조로 데이터의 포함 여부에 대해서 반환하는 역할을 수행한다. 단, 공간을 적게 사용하는 대가로 거짓 양성을 반환하는 경우가 존재한다. 학습 블룸 필터는 기존의 블룸 필터에 추가적으로 기계학습 모델을 전처리 과정에 사용하여 거짓 양성 비율을 개선하는 방법이다. 즉, 학습 블룸 필터는 기계학습 모델로 일부의 데이터를 저장하고, 모델이 저장하지 못하는 데이터는 보조 필터에 저장한다. 보조 필터는 블룸 필터를 그대로 사용하는 방법도 존재하지만, 본 논문에서의 보조 필터는 블룸 필터와 학습 해시 함수를 같이 사용하는 학습 블룸 필터에 대해서 살펴보고 이를 확장 학습 블룸 필터라고 부른다. 학습 해시 함수는 전처리 과정에서 사용하던 기계학습 모델의 출력값을 해시 함수로 사용하는 방법이다. 본 논문에서는 격자 탐색을 통해서 확장 학습 블룸 필터의 거짓 양성 비율을 개선하는 방법을 제안한다. 이는 학습 해시 함수의 비율을 나타내는 초매게변수의 값을 늘려나가며 가장 낮은 거짓 양성 비율을 가지는 확장 학습 블룸 필터를 탐색하는 방법이다. 결과적으로, 100,000개 이상의 데이터를 저장해야하는 실험 환경에서는 격자 탐색을 통해서 선택된 확장 학습 블룸 필터가 기존의 학습 블룸 필터 보다 20% 개선된 거짓 양성 비율을 가질 수 있음을 실험적으로 보인다. 추가적으로, 학습 해시 함수에 사용되는 인공신경망 모델의 출력값이 32비트 부동소수점인 경우에 거짓 음성 오류 문제가 발생할 수 있음을 보이고, 이를 64비트 부동소수점으로 변경하면 해결됨을 보인다. 마지막으로, 10,000개의 데이터를 질의하는 실험 환경에서 인공신경망 모델의 구조를 조정하여 20KB의 공간을 절약하고 동일한 거짓 양성 비율을 갖는 확장 학습 블룸 필터를 만들 수 있음을 보인다. 단, 20KB의 공간을 절약하는 대가로 질의 시간이 2% 늘어난 것을 실험적으로 보인다.
목차
요약
Abstract
1. 서론
2. 관련 연구
3. 확장 학습 블룸 필터
4. 구현 사항
5. 실험
6. 결론
References
참고문헌 (11)
참고문헌 신청
T. Kraska, A. Beutel, E. H. Chi, J. Dean, and N. Polyzotis, "The case for learned index structures," International Conference on Management of Data (ACM SIGMOD), pp. 489-504, Jun. 2018.
B. Fan, D. G. Andersen, M. Kaminsky, and M. D. Mitzenmacher, "Cuckoo filter: Practically better than bloom," CoNEXT, pp. 75-88, Dec. 2014.
T. M. Graf and D. Lemire, "Xor Filters: Faster and Samller Than Bloom and Cuckoo Filters," Journal of Experimental Algorithmics (JEA), Vol. 25, No. 1, pp. 1-16, Dec. 2019.
B. H. Bloom, "Space/time trade-offs in hash coding with allowable errors," Communications of the ACM, Vol. 13, No. 7, pp. 422-426, Jul. 1970.
N. Dayan, M. Athanassoulis, and S. Idreos. Monkey: Optimal Navigable Key-Value Store, Proc. of the ACM SIGMOD International Conference on Management of Data, pp. 79-94, May. 2017.
B. Fan, D. G. Andersen, M. Kaminsky, and M. D. Mitzenmacher, "Cuckoo filter: Practically better than bloom," CoNEXT, pp. 75-88, Dec. 2014.
T. M. Graf and D. Lemire, "Xor Filters: Faster and Samller Than Bloom and Cuckoo Filters," Journal of Experimental Algorithmics (JEA), Vol. 25, No. 1, pp. 1-16, Dec. 2019.
B. H. Bloom, "Space/time trade-offs in hash coding with allowable errors," Communications of the ACM, Vol. 13, No. 7, pp. 422-426, Jul. 1970.
N. Dayan, M. Athanassoulis, and S. Idreos. Monkey: Optimal Navigable Key-Value Store, Proc. of the ACM SIGMOD International Conference on Management of Data, pp. 79-94, May. 2017.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
함수 블룸필터를 개선하는 분할된 학습 블룸필터 구조
대한전자공학회 학술대회
2023 .06
-
딥러닝 기반의 학습된 함수 블룸필터 구조
대한전자공학회 학술대회
2020 .08
-
분할된 학습 카운팅 블룸필터
대한전자공학회 학술대회
2022 .06
-
병렬 구조의 블룸필터 설계
한국정보통신학회논문지
2017 .06
-
다중 집합의 처리 속도를 향상시킨 새로운 블룸 필터 구조
전자공학회논문지
2021 .08
-
함수 블룸필터와 해싱 기반 데이터 구조의 성능 분석 및 비교
대한전자공학회 학술대회
2018 .06
-
블룸 필터를 사용한 네트워크 기반의 분산 이동성 관리에 관한 연구
한국통신학회 학술대회논문집
2017 .01
-
카운팅 블룸필터를 개선하는 터너리 블룸필터
전자공학회논문지
2017 .01
-
Probabilistic Bloom Filter for Online Learning in Personalized Recommender Systems
디지털콘텐츠학회논문지
2019 .07
-
블룸 필터를 활용한 NDN 라우팅 방법
대한전자공학회 학술대회
2017 .11
-
해시테이블 접근 없이 참 양성 여부를 판단할 수 있는 새로운 블룸 필터 구조
대한전자공학회 학술대회
2015 .06
-
업데이트 가능한 보조 블룸 필터 구조
대한전자공학회 학술대회
2017 .06
-
보안 향상을 위해 블룸 필터를 적용한 퍼프 구조
대한전자공학회 학술대회
2020 .08
-
시그니처 기반의 새로운 블룸 필터 구조
대한전자공학회 학술대회
2019 .06
-
플래시 메모리 스토리지를 위한 다중 블룸 필터와 다중 해시 기반의 핫 데이터 구분
정보과학회지
2019 .06
-
블룸 필터 설정에 따른 RocksDB의 Get/Seek 연산 성능 분석
한국정보과학회 학술발표논문집
2021 .06
-
블룸 필터의 참양성을 판별하는 새로운 블룸 필터 구조
대한전자공학회 학술대회
2016 .06
-
블룸 필터를 이용한 로우 해머링 방지 방법
한국통신학회 학술대회논문집
2020 .02
-
개인 의료 서비스에서 불필요한 질의 감소와 개인 정보 보호를 위한 블룸 필터 기반의 그룹화 기법
한국정보과학회 학술발표논문집
2015 .12
-
멀티-비트 벡터 블룸 필터를 사용한 IP 주소 검색 알고리즘
대한전자공학회 학술대회
2015 .06
이 논문의 저자 정보
최근 본 자료
댓글(0)
0