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
- 발행연도
- 2024.4
- 수록면
- 76 - 89 (14page)
- DOI
- 10.5392/JKCA.2024.24.04.076
이용수
이 논문의 연구 히스토리 (5)
2023
스파크에서 내용 기반 이미지 검색을 위한 VA-File 기반의 고차원 데이터 색인 기법
이현병
,
송상호
,
김상혁
외 5명
한국정보과학회 학술발표논문집
2023.06
학술대회자료
스파크에서 벡터 근사를 활용한 효율적인 고차원 데이터 색인 기법
이현병
,
송상호
,
최도진
외 6명
한국콘텐츠학회논문지
2023.06
학술저널
스파크에서 고차원 데이터 처리를 위한 학습된 색인 기법
이현병
,
김상혁
,
성우제
외 5명
한국콘텐츠학회 종합학술대회 논문집
2023.05
학술대회자료
분산 환경에서 학습된 색인을 활용한 효율적인 고차원 색인 기법
이현병
정보통신공학과
2023.01
학위논문
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
학습된 색인은 컴퓨터 과학 분야의 전통적인 색인 방법인 트리 및 해시 구조를 기계 학습 모델로 대체할 수 있는 새로운 접근법으로 제시되었다. 이러한 접근은 데이터베이스 질의 처리의 효율성을 높이는 것이 연구의 주된 목적이다. 하지만, 기존 학습된 색인 연구는 대부분 고차원 데이터나 분산 환경을 충분히 고려하지 않는다. 이는 대부분의 학습된 색인 연구가 전통적인 데이터베이스 시스템의 효율성 개선에 초점을 맞추고 있기 때문이다. 이러한 접근 방법은 대체로 저차원의 데이터를 처리하는 데 최적화되어 있으며, 학습된 색인 기법 또한 저차원 데이터 처리에 초점을 맞추어 연구되었다. 그러나 최근 고차원 데이터를 효과적으로 처리하기 위한 색인 방법의 필요성이 요구되며 이에 대한 연구가 필요하다. 본 논문에서는, 이미지, 비디오, 오디오, 그래프와 같은 대용량 고차원 데이터를 효과적으로 처리하기 위해 분산 환경에서 작동하는 새로운 고차원 데이터 색인 기법을 제안한다. 제안하는 기법은 학습된 색인 및 VA 파일에 기반한다. VA 파일기법을 활용하여 고차원 데이터를 양자화하고 유사한 데이터를 인접하게 분할한 후, 스파크 기반의 분산 처리 프레임워크를 통해 각 부분에 학습된 색인을 적용한다. 특히, 기존 학습된 색인의 한계점인 저차원 데이터 위주의 적용을 VA 파일을 이용하여 극복한다. 성능평가를 통해 제안하는 기법이 KD-Tree, iDistance, LSH, FAISS 등 기존의 고차원 데이터 색인 방식에 비해 질의 처리 속도와 정확도 면에서 우수한 성능을 보인다.
목차
요약
Abstract
I. 서론
II. 관련연구
III. 제안하는 고차원 데이터 색인 기법
IV. 성능 평가
V. 결론
참고문헌
참고문헌 (0)
참고문헌 신청이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0