-
公开(公告)号：KR1020090024347A
公开(公告)日：2009-03-09
申请号：KR1020070089311
申请日：2007-09-04
Applicant: 성균관대학교산학협력단
CPC classification number: G06F17/30539 , G06F17/30327 , G06F17/30353 , G06F2216/03
Abstract: A frequent behavior pattern sampling method of a mobile user according to a time for extracting a useful behavior pattern is provided to extract the useful behavior pattern by using a mining method and offer various application systems through the extracted behavior pattern information. A time stamp classifying the day into the regular time interval unit is defined(ST100). The integrated log data including the time slot behavior pattern about each mobile user is generated(ST110). An integrated log data is stored in the integrated data base. The integrated data base is scanned. Location information having the support rate of the critical over among the behavior pattern of integrated log data is extracted. And the header table is generated(ST120). The location information tree about the location information pattern included in the behavior pattern of integrated log data is comprised based on the header table(ST130). The service information tree about the service information pattern according to each location information pattern is comprised(ST140).
Abstract translation: 提供根据用于提取有用行为模式的时间的移动用户的频繁行为模式抽样方法，以通过使用挖掘方法提取有用行为模式，并通过提取的行为模式信息提供各种应用系统。 定义将日期分类为规则时间间隔单位的时间戳（ST100）。 生成包括关于每个移动用户的时隙行为模式的集成日志数据（ST110）。 集成的日志数据存储在集成数据库中。 扫描集成数据库。 提取具有集成日志数据的行为模式中的关键支持率的位置信息。 并生成标题表（ST120）。 关于包含在集成日志数据的行为模式中的位置信息模式的位置信息树是基于头表（ST130）而构成的。 包括关于根据每个位置信息模式的服务信息模式的服务信息树（ST140）。
-
公开(公告)号：KR100902485B1
公开(公告)日：2009-06-10
申请号：KR1020070089311
申请日：2007-09-04
Applicant: 성균관대학교산학협력단
Abstract: 본 발명은 모바일 유저의 시간대별 행동패턴을 트리 구조로 변환한 후 빈발한 트리 패스를 추출하는 시간에 따른 모바일 유저의 빈발한 행동패턴 추출방법으로서, 하루를 일정 시간 단위로 구분한 타임 스탬프를 정의하는 제 1 단계, 타임 스탬프에서 정의된 시간대별로 각 모바일 유저의 위치정보 및 서비스 정보를 통합하여, 모바일 유저의 유저 ID, 타임 스탬프, 그리고 위치정보 및 위치정보에 따른 서비스 정보로 구성되는 각 모바일 유저에 대한 시간대별 행동패턴을 포함하는 통합 로그 데이터를 생성하고 통합 데이터베이스에 저장하는 제 2 단계, 통합 데이터베이스를 스캔하여, 통합 로그 데이터의 행동패턴 중 임계치 이상의 지지도를 갖는 위치정보를 추출하여 헤더 테이블을 생성하는 제 3 단계, 헤더 테이블을 기반으로 하여, 통합 로그 데이터의 행동패턴에 포함된 위치정보 패턴에 대한 위치정보 트리를 구성하는 제 4 단계, 각 위치정보 패턴에 따른 서비스 정보 패턴에 대한 서비스 정보 트리를 구성하는 제 5 단계, 그리고 제 4 단계 및 제 5 단계에서 생성된 위치정보 트리 및 서비스 정보 트리 중 빈발한 트리 패스를 추출하는 제 6 단계를 포함하는 것을 특징으로 한다.
데이터 마이닝; 유비쿼터스; 행동패턴
-
Search Results
2
records
(took 0.016 seconds)
