초록 close

디바이스에서 얻을 수 있는 로그 데이타는 의미 있고 실속 있는 다양한 개인 정보를 담고 있다. 그러나 메모리 용량과 연산 능력의 제한, 분석의 어려움으로 인해 이러한 정보들은 무시되고 있는 것이 일반적이다. 모바일 환경의 이러한 어려움을 극복하기 위해 로그 데이타를 분산된 모듈에서 분석하여 사용자에게 의미 있는 정보인 특이성을 탐지하는 새로운 방법을 제안한다. 제안하는 방법은 불확실한 상황에서의 추론 정확도를 향상시키기 위해 베이지안 확률 접근 방법을 채택하고 있다. 새로운 협력적 모듈형 기술은 모바일 디바이스의 제한된 자원을 가지고 효율적으로 연산하기 위해 베이지안 네트워크를 모듈로 나눈다. 인공 데이타와 실제 데이타를 이용한 실험에서 인공 데이타의 경우 약 84%의 정확률과 약 76%의 재현률을 보였으며, 실제 데이타에서는 부분 일치를 포함하여 약 89%의 일치율을 보였다.


log data collected from mobile devices contains diverse meaningful and practical personal information. However, this information is usually ignored because of its limitation of memory capacity, computation power and analysis. We propose a novel method that detects landmarks of meaningful information for users by analyzing the log data in distributed modules to overcome the problems of mobile environment. The proposed method adopts Bayesian probabilistic approach to enhance the inference accuracy under the uncertain environments. The new cooperative modularization technique divides Bayesian network into modules to compute efficiently with limited resources. Experiments with artificial data and real data indicate that the result with artificial data is amount to about 84% precision rate and about 76% recall rate, and that including partial matching with real data is about 89% hitting rate.