| 1 |
1
식품의 위해인자 지표들을 수집하는 위해인자 지표 수집부;상기 수집된 위해인자 지표들을 전처리하여 분석 가능한 형태인 위해인자 정보를 생성하는 전처리부;상기 위해인자 정보에 포함된 변수별 상관관계에 기초하여, 유사 거점들이 그룹화된 유사도 그룹을 생성하는 하둡 기반의 분산 클러스터를 포함하는, 위해인자 예측 시스템
|
| 2 |
2
제 1 항에 있어서, 상기 하둡 기반의 분산 클러스터는,상기 위해인자 정보의 포함된 상기 변수별 상관관계에 기초하여 변수별 유사도 매트릭스를 생성하는 변수별 유사도 측정부;상기 변수별 유사도 매트릭스에 기초하여 최종 유사도 매트릭스를 생성하는 최종 유사도 측정부; 및상기 최종 유사도 매트릭스에 기초하여 유사 거점들이 그룹화된 유사도 그룹을 생성하는 유사도 그룹 산출부를 포함하는, 위해인자 예측 시스템
|
| 3 |
3
제 1 항에 있어서, 상기 위해인자 지표들은 휴먼 빅데이터, 시스템 빅데이터 및 소셜 빅데이터 중 적어도 하나를 포함하고,상기 위해인자 지표 수집부는, 스쿱(Sqoop)에 기반하여 상기 휴먼 빅데이터를 수집하고, 플럼(Flume)에 기반하여 상기 시스템 빅데이터를 수집하며, 크롤러(Crawler)에 기반하여 상기 소셜 빅데이터를 수집하는 것을 특징으로 하는, 위해인자 예측 시스템
|
| 4 |
4
제 3 항에 있어서, 상기 휴먼 빅데이터는 기관생성데이터를 포함하고, 시스템 빅데이터는 검출장비로부터 생성되는 데이터를 포함하며, 소셜 빅데이터는 소셜 미디어를 통해 생성되는 텍스트 데이터를 포함하는 것을 특징으로 하는, 위해인자 예측 시스템
|
| 5 |
5
제 1 항에 있어서,상기 하둡 기반의 분산 클러스터는, 상기 위해인자 정보를 저장하는 복수의 저장부를 포함하는 것을 특징으로 하는, 위해인자 예측 시스템
|
| 6 |
6
식품의 위해인자 지표들을 수집하는 단계;상기 수집된 위해인자 지표들을 전처리(preprocessing)하여, 분석 가능한 형태의 위해인자 정보를 생성하는 단계; 및하둡 기반의 분산 클러스터에 의해, 상기 위해인자 정보에 포함된 변수별 상관관계에 기초하여 유사 거점들이 그룹화된 유사도 그룹을 생성하는 단계를 포함하는, 위해인자 예측 방법
|
| 7 |
7
제 6 항에 있어서, 상기 위해인자 정보에 포함된 변수별 상관관계에 기초하여 유사 거점들이 그룹화된 유사도 그룹을 생성하는 단계는:상기 위해인자 정보를 하둡 기반의 분산 클러스터에 저장하는 단계;상기 하둡 기반의 분산 클러스터에 의해, 상기 위해인자 정보에 포함된 변수별 상관관계를 분석하여 변수별 유사도 매트릭스를 생성하는 단계;상기 하둡 기반의 분산 클러스터에 의해, 상기 변수별 유사도 매트릭스에 기초하여 최종 유사도 매트릭스를 생성하는 단계; 및상기 최종 유사도 매트릭스에 기초하여 유사 거점들이 그룹화된 유사도 그룹을 생성하는 단계를 포함하는, 위해인자 예측 방법
|
| 8 |
8
제 6 항에 있어서, 상기 위해인자 정보를 하둡 기반의 분산 클러스터에 저장하는 단계에서는,상기 하둡 기반의 분산 클러스터에 포함된 적어도 두 개 이상의 슬레이브 노드에 상기 위해인자 정보가 반복하여 저장되는 것을 특징으로 하는, 위해인자 예측 방법
|
| 9 |
9
제 6 항에 있어서,상기 생성된 유사도 그룹을 시각화하여 디스플레이하는 단계를 더 포함하는 것을 특징으로 하는, 위해인자 예측 방법
|
| 10 |
10
제 6 항에 있어서, 상기 위해인자 지표들은 휴먼 빅데이터, 시스템 빅데이터 및 소셜 빅데이터 중 적어도 하나를 포함하고,상기 식품의 위해인자 지표들을 수집하는 단계에서는, 상기 휴먼 빅데이터는 스쿱(Sqoop)에 기반하여 수집되고, 상기 시스템 빅데이터는 플럼(Flume)에 기반하여 수집되며, 상기 소셜 빅데이터는 크롤러(Crawler)에 기반하여 수집되는 것을 특징으로 하는, 위해인자 예측 방법
|
