| 1 |
1
기설정된 스마트 장비를 이용하여 사용자 데이터를 수집하고, 상기 수집된 사용자 데이터를 KML 형식으로 저장하는 데이터 수집부; 및 상기 사용자 데이터의 수집 시간과 사용자 위치의 위도 및 경도를 상기 사용자 데이터에서 추출하여 사용자 위치 및 사용자 이동패턴을 분석하는 데이터 분석부;를 포함하는 휴먼 데이터 마이닝을 위한 위치 기반 정보 분석 장치
|
| 2 |
2
삭제
|
| 3 |
3
제1항에 있어서, 상기 데이터 분석부는, 상기 KML 형식으로 저장된 사용자 데이터를 필터링하여 이용 불가능한 형태의 오류를 제거하는 것을 특징으로 하는 휴먼 데이터 마이닝을 위한 위치 기반 정보 분석 장치
|
| 4 |
4
제3항에 있어서,상기 데이터 분석부는 사용자가 출현한 위치에 관한 데이터에 기반하여 사용자가 위치할 가능성이 높은 위치를 찾기 위하여 상기 사용자 데이터를 분석하는 위치 분석기; 및사용자가 출현한 위치에 관한 데이터에 기반하여 사용자의 이동 패턴이 발생할 가능성이 높은 이동 패턴을 찾기 위하여 상기 사용자 데이터를 분석하는 이동패턴 분석기;를 포함하는 것을 특징으로 하는 휴먼 데이터 마이닝을 위한 위치 기반 정보 분석 장치
|
| 5 |
5
제4항에 있어서,상기 위치 분석기는 사용자 위치가 동일한 경우에는 상기 사용자 데이터의 수집 시간과 상기 사용자 위치의 위도 및 경도를 병합하고, 상기 사용자 위치에서 소요된 시간을 합산하는 것을 특징으로 하는 휴먼 데이터 마이닝을 위한 위치 기반 정보 분석 장치
|
| 6 |
6
제5항에 있어서,상기 위치 분석기는, 적어도 상기 사용자 위치에 대한 일자별 출현여부, 일자별 출현 시각 및 일자별 출현 횟수를 계산하여 각각을 합산하고, 그 각각의 합산된 값에 기초하여 출현날짜빈도, 출현시각빈도 및 출현회수빈도를 계산하는 것을 특징으로 하는 휴먼 데이터 마이닝을 위한 위치 기반 정보 분석 장치
|
| 7 |
7
제6항에 있어서,상기 위치 분석기는, 상기 계산된 출현날짜빈도, 출현시각빈도 및 출현회수빈도를 이용하여 상기 사용자 위치에 대한 평균과 표준편차를 계산하고, 상기 계산된 평균과 표준편차의 합이 기설정된 위치 기준보다 큰 경우에는 해당되는 사용자의 위치를 주요 위치로 설정하는 것을 특징으로 하는 휴먼 데이터 마이닝을 위한 위치 기반 정보 분석 장치
|
| 8 |
8
제4항에 있어서,상기 이동패턴 분석기는, 상기 수집 시간과 상기 위도 및 경도를 이용하여 사용자의 이동 속도를 계산하는 것을 특징으로 하는 휴먼 데이터 마이닝을 위한 위치 기반 정보 분석 장치
|
| 9 |
9
제8항에 있어서,상기 이동패턴 분석기는, 상기 이동 속도가 기설정된 이동 기준보다 큰 경우에 사용자에게 이동이 있는 것으로 판단하는 것을 특징으로 하는 휴먼 데이터 마이닝을 위한 위치 기반 정보 분석 장치
|
| 10 |
10
제9항에 있어서, 상기 이동패턴 분석기는, 상기 사용자의 이동 여부 판단을 반복적으로 수행하여, 상기 이동의 형태 및 속성이 유사하고, 기설정된 시간 내에 다시 이동이 발생하는 경우에는 상기 이동을 하나의 연속된 이동으로 설정하는 것을 특징으로 하는 휴먼 데이터 마이닝을 위한 위치 기반 정보 분석 장치
|
| 11 |
11
제9항에 있어서,상기 이동패턴 분석기는, 상기 이동의 각각에 대한 이동 형태의 유사도를 계산하고 이동 패턴을 분류하고, 분류된 이동 패턴들의 중요도를 기설정된 중요도 기준과 비교하여 기준 이상의 이동 패턴들을 주요 이동 패턴으로 설정하는 것을 특징으로 하는 휴먼 데이터 마이닝을 위한 위치 기반 정보 분석 장치
|
| 12 |
12
기설정된 스마트 장비를 이용하여 사용자 데이터를 수집하고, 상기 수집된 사용자 데이터를 KML 형식으로 저장하는 단계; 사용자 위치가 동일한 경우에는 상기 사용자 데이터의 수집 시간과 상기 사용자 위치의 위도 및 경도를 병합하고, 상기 사용자 위치에서 소요된 시간을 합산하는 단계; 상기 사용자 위치에 대한 일자별 출현여부, 일자별 출현 시각 및 일자별 출현 횟수를 계산하여 각각을 합산하고, 그 각각의 합산된 값에 기초하여 출현날짜빈도, 출현시각빈도 및 출현회수빈도를 계산하는 단계; 및 상기 계산된 출현날짜빈도, 출현시각빈도 및 출현회수빈도를 이용하여 상기 사용자 위치에 대한 평균과 표준편차를 계산하고, 상기 계산된 평균과 표준편차의 합이 기설정된 위치 기준보다 큰 경우에는 해당되는 사용자의 위치를 주요 위치로 설정하는 단계를 포함하는 휴먼 데이터 마이닝을 위한 위치 기반 정보 분석 방법
|
| 13 |
13
제12항에 있어서,상기 위치 기반 정보 분석 방법은, 상기 KML 형식으로 저장된 사용자 데이터를 필터링하여 이용 불가능한 형태의 오류를 제거하는 단계를 더 포함하는 것을 특징으로 하는 휴먼 데이터 마이닝을 위한 위치 기반 정보 분석 방법
|
| 14 |
14
기설정된 스마트 장비를 이용하여 사용자 데이터를 수집하고, 상기 수집된 사용자 데이터를 KML 형식으로 저장하는 단계; 수집 시간과 위도 및 경도를 이용하여 사용자의 이동 속도를 계산하여 상기 이동 속도가 기설정된 이동 기준보다 큰 경우에 사용자에게 이동이 있는 것으로 판단하는 단계; 상기 이동의 형태 및 속성이 유사하고, 기설정된 시간 내에 다시 이동이 발생하는 경우에는 상기 이동을 하나의 연속된 이동으로 설정하는 단계; 및 상기 이동의 각각에 대한 이동 형태의 유사도를 계산하고 이동 패턴을 분류하고, 분류된 이동 패턴들의 중요도를 기설정된 중요도 기준과 비교하여 기준 이상의 이동 패턴들을 주요 이동 패턴으로 설정하는 단계를 포함하는 휴먼 데이터 마이닝을 위한 위치 기반 정보 분석 방법
|
| 15 |
15
제14항에 있어서,상기 위치 기반 정보 분석 방법은, 상기 KML 형식으로 저장된 사용자 데이터를 필터링하여 이용 불가능한 형태의 오류를 제거하는 단계를 더 포함하는 것을 특징으로 하는 휴먼 데이터 마이닝을 위한 위치 기반 정보 분석 방법
|
| 16 |
16
제14항에 있어서, 상기 이동을 하나의 연속된 이동으로 설정하는 단계는, 상기 사용자의 이동이 연속적으로 일어날 경우에 이동이 멈추는 위치를 기점으로 반복적으로 상기 사용자의 이동여부를 판단하는 것을 특징으로 하는 휴먼 데이터 마이닝을 위한 위치 기반 정보 분석 방법
|
| 17 |
17
제14항에 있어서, 상기 주요 이동 패턴으로 설정하는 단계는, 상기 이동의 각 요소를 비교하여, 유사성이 있는 패턴을 추출하여 각 이동 패턴의 유사도를 계산하는 단계; 및 상기 수집된 사용자 데이터의 밀도를 고려한 적응적 유사판단 기준에 따라 유사하다고 판단되는 이동 형태를 같은 이동 패턴으로 분류하는 단계를 포함하는 것을 특징으로 하는 휴먼 데이터 마이닝을 위한 위치 기반 정보 분석 방법
|
