데이터베이스 연구회지(SIGDB)
Current Result Document :
| 한글제목(Korean Title) |
Multiple Exponential Histogram을 사용한 개념 변화 검출 기법 |
| 영문제목(English Title) |
A Method for Detecting Concept Drift by Using Multiple Exponential Histogram |
| 저자(Author) |
김만수
임효상
ManSoo Kim
Hyo-Sang Lim
|
| 원문수록처(Citation) |
VOL 34 NO. 01 PP. 0039 ~ 0058 (2018. 04) |
한글내용
(Korean Abstract) |
본 논문은 데이터스트림 환경에서 개념 변화를 검출하는 방법을 제안한다. 먼저 데이터스트림에서의 개념을 통계적 특징인 입력 데이터의 분포로 모델링하고, 다음과 같은 방법을 사용하여 개념 변화를 탐지한다: 1) 데이터스트림에 슬라이딩 윈도우를 사용하여 실시간 삽입 데이터를 모델링 한다. 2) 각 윈도우에 대한 히스토그램을 구축하고, 3) 구축 된 히스토그램의 변화를 측정하여 개념변화 여부를 판단한다. 이때, 데이터스트림의 실시간성을 고려하여 히스토그램을 구축하기 위해서 0과 1로 이루어진 데이터를 타임스탬프와 함께 근사화 하여 저장하는 데이터 구조인 Exponential Histogram(EH)을 사용한다. 또한 근사화 구조인 EH의 오차를 고려하여 보다 정확하게 분포를 비교할 수 있는 방법을 제안한다.
|
영문내용
(English Abstract) |
In this paper, we propose a method for detecting concept drifts in data streams. We first model the concept as statistical characteristics, specifically as distributions of input data, and then, use the following method to detect concept drifts (i.e., changes of the data distribution) in data stream: 1) we model real-time data streams as sliding windows, 2) build a histogram for each window, and 3) detect concept drifts by detecting changes in the histograms. In order to solve the real-time feature of data streams, we exploit Exponential Histogram (EH) which is a data structure that approximately stores data consisting of 0s and 1s with their timestamps. We also provide a distribution comparison method that considers the error of EH in order to improve the accuracy of the concept drift detection.
|
| 키워드(Keyword) |
데이터스트림
개념 변화
Exponential Histogram
Data Stream
Concept Drift
Exponential Histogram
|
| 파일첨부 |
PDF 다운로드
|
