• AI글쓰기 2.1 업데이트
  • AI글쓰기 2.1 업데이트
  • AI글쓰기 2.1 업데이트
  • AI글쓰기 2.1 업데이트
PARTNER
검증된 파트너 제휴사 자료

샘플링 데이터를 이용한 혼합 밀도 네트워크 모델기반 근사 질의 처리 (Mixture Density Network Model-Based Approximate Query Processing Using Sampling Data)

8 페이지
기타파일
최초등록일 2025.07.04 최종저작일 2022.09
8P 미리보기
샘플링 데이터를 이용한 혼합 밀도 네트워크 모델기반 근사 질의 처리
  • 미리보기

    서지정보

    · 발행기관 : 한국정보과학회
    · 수록지 정보 : 정보과학회 컴퓨팅의 실제 논문지 / 28권 / 9호 / 450 ~ 457페이지
    · 저자명 : 김성수, 박춘서, 남택용, 이태휘

    초록

    소셜 네트워크와 사물 인터넷이 활성화 되면서, 대규모 데이터에 대한 탐사적 분석은 빅데이터 분석에서 중요한 프로세스 중 하나로 자리 잡고 있다. 그러나, 데이터 분석가는 초기 빅데이터 분석을 수행하는 데 상당한 처리 시간과 비용을 지불해야 한다. 본 논문에서는 대규모 데이터에 대한 탐사적 분석을 효율적으로 지원하기 위해 시놉시스 기반의 근사 질의 처리 기법과 머신러닝을 이용한 근사 질의 처리 기법을 제안한다. 또한, 제안하는 시놉시스 기반의 기법은 전통적인 통계적 샘플링 기법 뿐만 아니라, 딥러닝 기반 생성 모델을 이용하여 시놉시스 데이터를 구축하는 기법을 제안한다. 특히, DBMS 외부 인터페이스를 통한 질의 처리 방식을 적용함으로써, 다양한 DBMS에 적용 가능하다는 장점을 제공한다. 학습 데이터 구축을 위한 이력 질의 수행에 많은 비용이 소요되는 워크로드기반 근사 질의 처리 모델의 단점을 극복하기 위해, 시놉시스 데이터의 분포를 혼합 밀도 네트워크를 통해 학습하는 ML 기반 근사 질의 처리 모델을 제안한다. 제안 기법은 인스타카트 데이터 셋 실험에서 기존 MySQL 대비 380배, PostgreSQL 대비 58배 빠른 질의 처리 성능을 제공하고, 근사 질의 정확도 측면에서 워크로드 기반 근사 질의 처리 엔진인 ML-AQP보다 정확한 결과를 제공한다.

    영어초록

    As social networks and the Internet of Things become active, exploratory analysis of large-scale data has been positioned as one of the essential processes in Big Data analytics. However, data analysts should spend significant processing time and cost to perform initial Big Data analytics.
    We present a novel synopsis-based approximate query processing method and a machine learning (ML)-based approximate query processing method to support efficient exploratory analysis of large-scale data. In addition, we exploit a synopsis-based approach for constructing synopsis data using a deep learning-based generative model as well as a traditional statistical sampling. In particular, we apply the query processing method through the DBMS external interface to support various DBMSs. We propose an ML-based approximation query processing model that learns the distribution of synopsis data through a mixed density network. This model overcomes the disadvantage of the workload-based approximation query processing model, which requires a lot of costs to perform historical queries for building training data. The proposed method provides query processing performance that is 380 times faster than MySQL and 58 times faster than PostgreSQL in the Instacart data set for our experiments. In addition, it gives more accurate results than ML-AQP, a workload-based approximate query processing engine, in terms of approximate query accuracy.

    참고자료

    · 없음
  • 자주묻는질문의 답변을 확인해 주세요

    해피캠퍼스 FAQ 더보기

    꼭 알아주세요

    • 자료의 정보 및 내용의 진실성에 대하여 해피캠퍼스는 보증하지 않으며, 해당 정보 및 게시물 저작권과 기타 법적 책임은 자료 등록자에게 있습니다.
      자료 및 게시물 내용의 불법적 이용, 무단 전재∙배포는 금지되어 있습니다.
      저작권침해, 명예훼손 등 분쟁 요소 발견 시 고객센터의 저작권침해 신고센터를 이용해 주시기 바랍니다.
    • 해피캠퍼스는 구매자와 판매자 모두가 만족하는 서비스가 되도록 노력하고 있으며, 아래의 4가지 자료환불 조건을 꼭 확인해주시기 바랍니다.
      파일오류 중복자료 저작권 없음 설명과 실제 내용 불일치
      파일의 다운로드가 제대로 되지 않거나 파일형식에 맞는 프로그램으로 정상 작동하지 않는 경우 다른 자료와 70% 이상 내용이 일치하는 경우 (중복임을 확인할 수 있는 근거 필요함) 인터넷의 다른 사이트, 연구기관, 학교, 서적 등의 자료를 도용한 경우 자료의 설명과 실제 자료의 내용이 일치하지 않는 경우
문서 초안을 생성해주는 EasyAI
안녕하세요 해피캠퍼스의 20년의 운영 노하우를 이용하여 당신만의 초안을 만들어주는 EasyAI 입니다.
저는 아래와 같이 작업을 도와드립니다.
- 주제만 입력하면 AI가 방대한 정보를 재가공하여, 최적의 목차와 내용을 자동으로 만들어 드립니다.
- 장문의 콘텐츠를 쉽고 빠르게 작성해 드립니다.
- 스토어에서 무료 이용권를 계정별로 1회 발급 받을 수 있습니다. 지금 바로 체험해 보세요!
이런 주제들을 입력해 보세요.
- 유아에게 적합한 문학작품의 기준과 특성
- 한국인의 가치관 중에서 정신적 가치관을 이루는 것들을 문화적 문법으로 정리하고, 현대한국사회에서 일어나는 사건과 사고를 비교하여 자신의 의견으로 기술하세요
- 작별인사 독후감
  • 프레시홍 - 추석
해캠 AI 챗봇과 대화하기
챗봇으로 간편하게 상담해보세요.
2025년 09월 23일 화요일
AI 챗봇
안녕하세요. 해피캠퍼스 AI 챗봇입니다. 무엇이 궁금하신가요?
5:09 오후