메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이현조 (전북대학교) 김태훈 (전북대학교) 장재우 (전북대학교)
저널정보
Korean Institute of Information Scientists and Engineers Journal of KIISE Journal of KIISE Vol.42 No.4
발행연도
2015.4
수록면
504 - 511 (8page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
최근 모바일 기술의 발달 및 소셜 네트워크 서비스의 활성화를 통해 사용자 데이터가 급격히 증대되고 있다. 이에 따라 대용량 데이터에 대한 효율적인 데이터 분석 기법에 대한 연구가 활발히 이루어지고 있다. 대표적인 대용량 데이터 분석 기법으로는 맵리듀스 환경에서 보로노이 다이어그램을 이용한 k 최근접점 조인(VkNN-join) 알고리즘이 존재한다. 데이터집합 R, S에 대해, VkNN-join 알고리즘은 부분집합 Ri에 연관된 부분집합 Sj만을 후보탐색 영역으로 선정하여 질의처리를 수행하기 때문에, 대용량 데이터에 대한 join 질의처리 시간을 감소시키는 장점이 존재한다. 그러나 VkNN-join은 보로노이 다이어그램을 사용하기 때문에, 색인 구축 비용이 높은 단점이 존재한다. 아울러 kNN 질의처리를 위한 후보 영역선정 시 k값에 비례하여 후보영역의 크기가 증가하기 때문에, kNN 연산 오버헤드가 증가하는 문제점이 존재한다. 이를 해결하기 위해 본 논문에서는 대용량 데이터 분석을 위한 맵리듀스 기반 kNN join 질의처리 알고리즘을 제안한다. 제안하는 질의처리 알고리즘은 시드 기반의 동적 분할을 통해 색인구조 구축비용을 절감한다. 또한 시드 간 평균 거리를 기반으로 질의 처리 후보 영역을 선정함으로써, kNN-join 질의를 위한 연산 오버헤드를 감소시킨다. 아울러, 성능 평가를 통해 제안하는 기법이 질의처리 시간 측면에서 기존 기법에 비해 우수함을 보인다.
#빅데이터 분석 #k최근접점 조인 질의처리 #동적 데이터 분할 #맵리듀스 #하둡 #bigdata analysis #kNN join query processing #seed-based dynamic partitioning #mapreduce #Hadoop

목차

요약
Abstract
1. 서론
2. 관련 연구 및 배경지식
3. 대용량 데이터 분석을 위한 맵리듀스 기반 kNN join 질의처리 알고리즘
4. 성능평가
5. 결론 및 향후 연구
References

참고문헌 (9)

참고문헌 신청
J. Dean / 2008 / MapReduce: Simplified data processing on large clusters / Communications of the ACM 51(1):107~113 google schola D. Jiang / 2010 / The performance of MapReduce : An in-depth study / Proc. of the VLDB Endowment 3(1-2):472~483 google schola JA. Hartigan / 1979 / Algorithm AS 136 : A k-means Clustering Algorithm / Applied Statistics 100(10):100~110 google schola X. Jin / 2010 / Encyclopedia of Machine Learning / Springer US :564~565 google schola C. Bohm / 2001 / A cost model and index architecture for the similarity join / ICDE 2001 :411~420 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

빅데이터 로그를 이용한 실시간 예측분석시스템 설계 및 구현
이상준 ,  이동훈 정보보호학회논문지 2015 .12
통계적 텍스트 마이닝을 이용한 빅 데이터 전처리
전성해 한국지능시스템학회 논문지 2015 .10
하둡 에코시스템기반 소셜 빅데이터 분석 시스템
최운 ,  서승현 ,  이한구 외 1명 한국통신학회 학술대회논문집 2016 .06
Grid-based Index Generation and k-nearest-neighbor Join Query-processing Algorithm using MapReduce
장미영 ,  장재우 Journal of KIISE 2015 .11
빅데이터 환경에서 연속 질의 처리를 위한 리버스 k-최근접 질의 처리 기법
임종태 ,  박선용 ,  서기원 외 3명 한국콘텐츠학회논문지 2014 .10

최근 본 자료

전체보기

댓글(0)

0