KR101595057B1 - 웨어러블 디바이스 기반의 개인화된 빅 데이터 분석 장치 - Google Patents

웨어러블 디바이스 기반의 개인화된 빅 데이터 분석 장치 Download PDF

Info

Publication number
KR101595057B1
KR101595057B1 KR1020140120469A KR20140120469A KR101595057B1 KR 101595057 B1 KR101595057 B1 KR 101595057B1 KR 1020140120469 A KR1020140120469 A KR 1020140120469A KR 20140120469 A KR20140120469 A KR 20140120469A KR 101595057 B1 KR101595057 B1 KR 101595057B1
Authority
KR
South Korea
Prior art keywords
unit
data
personalized
personalization
knowledge base
Prior art date
Application number
KR1020140120469A
Other languages
English (en)
Inventor
이승룡
후사인 쿠잘 수자트
Original Assignee
경희대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 경희대학교 산학협력단 filed Critical 경희대학교 산학협력단
Priority to KR1020140120469A priority Critical patent/KR101595057B1/ko
Application granted granted Critical
Publication of KR101595057B1 publication Critical patent/KR101595057B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2219—Large Object storage; Management thereof

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명에 따른 빅 데이터 분석 장치는 하나 이상의 웨어러블 디바이스(Wearable Device)로부터 수신된 웨어러블 데이터를 구조화하여 구조화된 데이터를 생성하는 데이터 처리부, 기 저장된 설정 파일 및 상기 HDFS부에 저장된 구조화된 데이터로부터 사용자 선호(User Preference)를 추출하여 사용자 속성(User Attribute) 정보를 생성하며, 생성된 사용자 속성 정보를 구조화된 스키마(Scheme) 형태로 개인화 중간 데이터 저장부에 전달하고, 하둡(Hadoop) 기반의 맵리듀스(MapReduce) 업무를 통해 사용자 속성 정보를 분석하여 의사 결정을 지원하는 개인화된 지식 베이스를 생성하는 개인화 적응 분석부, 개인화 지식 베이스부로부터 수신된 개인화된 지식 베이스에 기초하여 개인화된 권고안을 생성하는 개인화 적응 서비스부를 포함한다.

Description

웨어러블 디바이스 기반의 개인화된 빅 데이터 분석 장치{APPARATUS FOR BIG DATA ANALYSIS BASED ON WEARABLE DEVICE}
본 발명은 빅 데이터 처리에 관한 기술로서, 보다 상세하게는 웨어러블 디바이스(Wearable Device)의 빅 데이터 처리에 관한 기술이다.
최근 개발되는 웨어러블 디바이스는 스마트 클래스, 스마트 워치, 스마트폰 및 심박 모니터 장치와 같이 인간 상호작용(Human Interaction)과 연관된다. 그리고, 최근 개발되는 웨어러블 디바이스는 IT 및 미디어 개발을 위해 연구원과 관련 응용프로그램에 새로운 방향을 제시하고 있다. 이에 따라, 여러 기업들이 스마트폰, 블루투스 페어링 및 응용프로그램과 연계하여 다양한 각도에서 시장에 진입하고 있다. 이와 같은 웨어러블 디바이스의 발전에 따라 웨어러블 디바이스는 기존의 흥미 및 취미 위주의 단순한 기능을 넘어, 착용자의 다양한 상태를 추론하고, 부합되는 정보를 제공하는 방향으로 발전하고 있다.
웨어러블 디바이스는 착용한 사용자와 관련하여 방대한 데이터를 생성한다. 이와 같이, 웨어러블 디바이스에 의해 방대한 데이터가 생성되고 있으나, 이와 같은 데이터가 효과적으로 처리되어 활용되고 있지 않다. 웨어러블 디바이스에 의해 생성되는 데이터는 디바이스의 개인적인 속성 때문에 일반적인 데이터와는 차이가 있다. 현재 웨어러블 디바이스 시장은 기하급수적으로 성장하고 있으며, 이와 같은 웨어러블 디바이스는 종래의 기술로 처리할 수 없는 많은 데이터를 수집한다.
대한민국 공개특허 제10-2010-0099881호는 웨어러블 형태의 생체신호 측정 수단을 이용하여 만성질환자의 상태를 파악하고, 의료 서비스를 지원하는 시스템에 대해 기재되어 있다. 하지만, 상기 특허와 같이 종래의 웨어러블 디바이스 관련 기술은 웨어러블 디바이스를 다양한 분야에 적용하는 내용만을 포함하고 있을 뿐, 웨어러블 디바이스로부터 수집된 데이터를 보다 효과적으로 처리할 수 있는 구체적인 기술을 포함하고 있지 않다.
대한민국 공개특허 제10-2010-0099881호
본 발명이 해결하고자 하는 과제는 웨어러블 디바이스에 의해 수집되는 개인화된 빅 데이터를 분석 및 처리하여 사용자에게 개인화된 권고안을 제공할 수 있는 웨어러블 디바이스 기반의 개인화된 빅 데이터 분석 장치를 제공하는 것이다.
본 발명에 따른 빅 데이터 분석 장치는 하둡 분산 파일 시스템(Hadoop Distributed File System) 기반으로, 수신된 구조화된 데이터 및 수신된 사용자 속성 정보를 분산 저장하는 HDFS부, 하나 이상의 웨어러블 디바이스(Wearable Device)로부터 수신된 웨어러블 데이터를 구조화하여 구조화된 데이터를 생성하는 데이터 처리부, 기 저장된 설정 파일 및 상기 HDFS부에 저장된 구조화된 데이터로부터 사용자 선호(User Preference)를 추출하여 사용자 속성(User Attribute) 정보를 생성하며, 생성된 사용자 속성 정보를 구조화된 스키마(Scheme) 형태로 개인화 중간 데이터 저장부에 전달하고, 하둡(Hadoop) 기반의 맵리듀스(MapReduce) 업무를 통해 사용자 속성 정보를 분석하여 의사 결정을 지원하는 개인화된 지식 베이스를 생성하는 개인화 적응 분석부, 개인화 적응 분석부로부터 수신된 개인화된 지식 베이스를 저장하는 개인화 지식 베이스부, 개인화 지식 베이스부로부터 수신된 개인화된 지식 베이스에 기초하여 개인화된 권고안을 생성하는 개인화 적응 서비스부 및 개인화 적응 분석부로부터 수신된 사용자 속성 정보를 저장하는 스키마 형태로 저장하는 개인화 중간 데이터 저장부를 포함한다.
데이터 처리부는 구조화된 데이터의 연속된 데이터 타임스탬프에서 연속되지 않은 빈 홀을 검색하여, 구조화된 데이터에 포함된 리던던시(Redundancy)를 제거한다. 설정 파일은 사용자로부터 사전에 입력 받는 정보이다. 개인화 적응 분석부는 쿼리(Queries) 및 SQL(Structured Query Language)를 이용하여 상기 HDFS부를 검색할 수 있다. 그리고, 개인화 적응 분석부는 네이브 베이지안(Naive Bayesian) 알고리즘 및 디시전 트리(Decision Tree)를 포함하는 두 머신 러닝 기술을 사용하여 상기 개인화된 지식 베이스를 생성할 수 있다. 또한, 개인화 적응 서비스부는 구조화된 스키마 형태의 사용자 속성 정보를 사용하여 사용자 인포그래픽(Onforgraphic)을 사용자에게 제공할 수 있다.
본 발명에 따른 웨어러블 디바이스 기반의 개인화된 빅 데이터 분석 장치는 웨어러블 디바이스에 의해 수집된 빅 데이터를 하둡 기반의 빅 데이터 처리 기술로 분석하고 사용자 속성 정보를 적용하여 사용자의 행동 및 웨어러블 디바이스의 종류에 따라 개인화된 권고안을 제공한다. 이를 통해, 종래에는 효과적으로 처리하지 못한 웨어러블 디바이스의 수집 정보로부터 개인에 최적화된 권고안을 제공하여 사용자의 의사 결정을 지원할 수 있다.
도 1은 본 발명에 따른 웨어러블 디바이스 기반의 개인화된 빅 데이터 분석 장치의 일 실시예를 나타내는 구성도이다.
도 2는 본 발명의 일 실시예에 따른 웨어러블 디바이스 기반의 개인화된 빅 데이터 분석 장치의 데이터 처리부를 나타내는 구성도이다.
도 3은 본 발명의 일 실시예에 따른 웨어러블 디바이스 기반의 개인화된 빅 데이터 분석 장치의 개인화 적응 분석부를 나타내는 구성도이다.
도 4는 본 발명의 일 실시예에 따른 웨어러블 디바이스 기반의 개인화된 빅 데이터 분석 장치의 개인화 적응 서비스부를 나타내는 구성도이다.
이하, 본 발명의 실시예를 첨부된 도면들을 참조하여 상세하게 설명한다. 본 명세서에서 사용되는 용어 및 단어들은 실시예에서의 기능을 고려하여 선택된 용어들로서, 그 용어의 의미는 발명의 의도 또는 관례 등에 따라 달라질 수 있다. 따라서 후술하는 실시예에서 사용된 용어는, 본 명세서에 구체적으로 정의된 경우에는 그 정의에 따르며, 구체적인 정의가 없는 경우는 당업자들이 일반적으로 인식하는 의미로 해석되어야 할 것이다.
본 발명에 따른 웨어러블 디바이스 기반의 개인화된 빅 데이터 분석 장치에서, 웨어러블 디바이스에 적용되는 웨어러블 관련 기술은 자동으로 자동으로 감지, 수집, 분류 및 분석을 수행하여 센서 데이터를 생성하는 센서를 활용한다. 센서 데이터는 환경으로부터 학습하는 새로운 데이터와 연결될 수 있다. 헬스케어(Healthcare) 분야에서, 웨어러블 기기로부터 수집된 센서 데이터는 사용자를 위한 권고안 생성, 물리적 신체 활동 모니터링, 실시간 경보 생성 및 사용자 동기 부여 등에 활용될 수 있다. 웨어러블 디바이스에 의해 수집되는 데이터는 다른 장치에 의해 수집된 데이터에 비해서, 사용자와 디바이스 사이에 더 긴밀한 연결 관계를 가지기 때문에, 특별한 기회를 제공한다. 이처럼 웨어러블 디바이스를 통해 더 긴밀하고 맥락과 관련된(Contextual) 정보를 얻을 수 있다.
도 1은 본 발명에 따른 웨어러블 디바이스 기반의 개인화된 빅 데이터 분석 장치의 일 실시예를 나타내는 구성도이다.
도 1을 참조하면, 본 발명에 따른 웨어러블 디바이스 기반의 개인화된 빅 데이터 분석 장치(100)는 데이터 처리부(110), 개인화 적응 분석부(120), 개인화 적응 서비스부(130), 개인화 지식베이스부(140), 개인화 중간 데이터 저장부(150) 및 HDFS부(160)를 포함한다.
데이터 처리부(110)는 하나 이상의 웨어러블 디바이스(10)로부터 원자료(Raw Data) 형태인 웨어러블 데이터를 수신하여 데이터 처리부(110)로 전달한다. 데이터 처리부(110)는 웨어러블 디바이스(10)로부터 직접 웨어러블 데이터를 수신하거나, 웨어러블 디바이스(10)에 설치된 응용프로그램을 통해 또는, 웨어러블 디바이스(10)와 연결된 클라우드 서버를 통해 수신될 수 있다. 데이터 처리부(110)는 웨어러블 디바이스(10)에 구비된 가속도계, GPS 및 광센서와 같은 물리 센서에 의해 수집된 데이터를 웨어러블 데이터로서 수신한다.
데이터 처리부(110)는 수신된 웨어러블 데이터를 센서 범주에 대하여 부분적으로 구조화한다. 웨어러블 디바이스(10)는 하나 이상이 존재할 수 있으며, 각각의 웨어러블 디바이스(10)가 수집하는 데이터의 종류 또한 서로 다를 수 있다. 따라서, 데이터 처리부(110)는 수신된 웨어러블 데이터를 센서 범주에 따라 구조화한다. 예를 들어, 데이터 처리부(110)는 수신된 웨어러블 데이터를 웨어러블 디바이스(10)의 종류에 따라 csv 또는 텍스트 파일 형태로 구조화하여 저장할 수 있다.
데이터 처리부(110)는 구조화된 데이터를 대조 검토(Cross Check)하여, 구조화된 데이터에 포함된 리던던시(Redundancy)를 제거하는 리던던시 체크(Redundancy Check) 과정을 수행한다. 리던던시는 통신에서 불필요하고 중복적인 정보, 제거할 수 있는 부분, 과잉된 부분 및 중복 전송된 정보를 나타낼 수 있다. 이를 위해, 데이터 처리부(110)는 구조화된 데이터의 연속된 데이터 타임스탬프에서 연속되지 않은 빈 홀을 검색하는 방법을 사용할 수 있다. 이 과정에서, 데이터는 트레이닝을 위해 정렬(Alignment)된다. 데이터 처리부(110)는 상기 과정을 통해 구조화된 데이터를 검증하여 검증된 구조화된 데이터를 HDFS부(160)로 전달한다. HDFS부(160)는 하둡 분산 파일 시스템(Hadoop Distributed File System)으로서, 수신된 빅 데이터를 분산 저장하는 시스템이다. HDFS부(160)는 빅 데이터인 수신된 검증된 구조화된 데이터를 하둡 기반으로 분산저장한다.
개인화 적응 분석부(120)는 기 저장된 설정 파일(Configuration File) 및 HDFS부(160)로부터 수신된 구조화된 데이터로부터 사용자 선호(User Preference)를 추출하여 사용자 속성(User Attribute) 정보를 선택한다. 설정 파일은 정보 활용 API를 통해 사용자로부터 입력되는 정보로서, 의사결정 과정을 지원할 수 있는 사용자의 개인 정보를 포함한다.
개인화 적응 분석부(120)는 사용자 속성 정보의 값을 확인하고, 확인된 사용자 속성 정보를 개인화 중간 데이터 저장부(150)에 스키마(Scheme)를 구조화하여 저장한다. 개인화 중간 데이터 저장부(150)는 정보 활용 API를 위한 실시간 응답을 제공한다. 일반적으로 HDFS 큐잉 및 연관 데이터 가져오기는 많은 시간을 소요하기 때문에, 실시간 처리에는 바람직하지 않다. 따라서, 본 발명에서는 개인화 중간 데이터 저장부(150)를 별도로 이용하여, 구조화된 스키마 형태로 사용자 속성 정보를 저장하여 실시간 데이터 처리를 가능하게 한다.
개인화 적응 분석부(120)는 맵리듀스 업무(MapReduce Job)의 세 페이즈인 맵(Map), 복사(Copy) 및 리듀스(Reduce)를 통해 HDFS부(160)에 저장된 구조화된 스키마 형태의 사용자 속성 정보로부터 의사 결정을 위한 트레이닝 데이터를 생성한다. HDFS부(160)는 저장된 로 로그(Raw Log)와 함께 구조화된 스키마를 개인화 적응 분석부(120)로 전달한다. 개인화 적응 분석부(120)는 일반적인 하둡(Hadoop)을 통해 맵 리듀스 업무를 수행하여 HDFS부(160)에 구조화된 스키마 형태로 저장된 사용자 속성 정보를 분석함으로써, 효과적으로 빅 데이터를 처리할 수 있다. 여기에서 하둡은 일반적으로 사용되는 빅 데이터 처리를 위해 개발된 오픈소스 모델이다.
개인화 적응 분석부(120)의 출력은 사용자 속성의 히스토리컬 벨류(Historical Value)로서, 의사 결정을 위한 트레이닝 데이터를 생성한다. 맵리듀스 분석부(123)의 맵리듀스 분석 과정은 개인화 지식 베이스부(140)로 이전시키는 중간 단계이다.
개인화 적응 분석부(120)는 트레이닝 데이터의 파라미터를 통해 개인화된 지식 베이스(Personalized Knowledge Base)를 생성하여 개인화 지식 베이스부(140)에 저장한다. 개인화 적응 분석부(120)는 트레이닝 데이터에 기초하여 의사결정 과정에서 사용자를 도울 수 있는 개인화된 지식 베이스를 생성한다. 의사 결정에서 사용자를 도울 수 있는 트레이닝된 파라미터를 통해 개인된화 지식 베이스를 이전한다.
개인화 적응 서비스부(130)는 중간 데이터(Intermediate Data)로서 개인화 중간 데이터 저장부(150)로부터 구조화된 스키마 형태의 사용자 속성 정보를 사용하여 사용자 인포그래픽(Onforgraphic)을 사용자에게 제공한다. 이는 사용자가 유효 방식(Efficient Manner) 내에서 사용자의 행동을 모니터링 하는 것을 도울 수 있다. 개인화 적응 서비스부(130)에서 생성된 사용자 인포그래픽은 원자료 형태인 웨어러블 데이터로부터 구조화되고, 다른 시각화 큐(Visualized Cue)에서의 통계를 보여준다.
개인화 적응 서비스부(130)는 개인화 지식 베이스부(140)에 저장된 개인화된 지식 베이스에 기초하여 개인화된 권고안을 생성한다. 개인화 적응 서비스부(130)는 개인화 지식 베이스부(140)로 이전된 개인화된 지식 베이스의 요인을 개인화 지식 베이스부(140)로부터 전달받는다. 그리고, 개인화 적응 서비스부(130)는 개인화 지식 베이스에 기초하여 사용자에게 최적화된 개인화된 권고안을 제공한다. 개인화된 권고안은 사용자의 활동 내용 및 웨어러블 디바이스(10) 기반에 따라 사용자에게 다르게 전달될 수 있다.
본 발명에 따른 웨어러블 디바이스 기반의 개인화된 빅 데이터 분석 장치(100)에서, 개인화된 빅 데이터 분석은 빅 데이터 기술을 활용하여 데이터를 가공하여 사용자를 도울 수 있는 의미있는 시점을 제공할 수 있다. 데이터 처리부(110)는 하나 이상의 웨어러블 디바이스(10)에 구비된 다수의 센서로부터 데이터를 수집하고, 수집된 데이터를 변환 및 구조화하여 개인화 적응 분석부(120)로 전달한다. 웨어러블 디바이스(10)로부터 수신된 웨어러블 데이터는 데이터 처리부(110)에서 변환되고, 불필요한 데이터를 제거하여 HDFS부(160)에 저장한다.
개인화 적응 분석부(120)는 사용자의 필요(Needs) 및 사용자의 설정 파일에 의존하여 동적으로 적응한다. 그리고, 개인화 적응 분석부(120)는 설정 파일로부터 사용자 선호를 추출한다. 그리고 나서, 개인화 적응 분석부(120)는 데이터를 개인하 중간 데이터 저장부(150)로 전달한다.
개인화 적응 분석부(120)는 개인화된 지식 베이스를 위해 트레이닝 데이터를 생성한다. 이는, 개인화된 지식 베이스를 개인화 지식 베이스부(140)로 이전하기 위한 과도 단계이다. 그리고, 개인화 적응 분석부(120)의 지식기반 의사결정부(124)는 사용자를 위한 개인화된 권고안을 가능하게 하는 키 요소로서, 개인적 단계에서 사용자를 위한 권고안을 생성할 수 있도록 지원한다.
개인화 적응 서비스부(130)는 정보 공유 API 정보를 드러내기 위해 중간 데이터를 사용한다. 그리고, 이는 사용자 설정 및 필요에 따르는 데모그래픽(Demographic)을 보여줄 수 있다. 또한, 개인화 적응 서비스부(130)는 사용자 활동 및 웨어러블 기기에 따르는 개인화된 권고안을 제공한다.
도 2는 본 발명의 일 실시예에 따른 웨어러블 디바이스 기반의 개인화된 빅 데이터 분석 장치의 데이터 처리부를 나타내는 구성도이다.
도 2를 참조하면, 본 발명에 따른 웨어러블 디바이스 기반의 개인화된 빅 데이터 분석 장치(100)의 데이터 처리부(110)는 데이터 수집부(111), 데이터 변환부(112) 및 데이터 검증부(113)를 포함한다.
데이터 수집부(111)는 하나 이상의 웨어러블 디바이스(10)로부터 원자료(Raw Data) 형태인 웨어러블 데이터를 수신하여 데이터 변화부(112)로 전달한다. 데이터 수집부(111)는 웨어러블 디바이스(10)로부터 직접 웨어러블 데이터를 수신하거나, 웨어러블 디바이스(10)에 설치된 응용프로그램을 통해 또는, 웨어러블 디바이스(10)와 연결된 클라우드 서버를 통해 수신될 수 있다. 데이터 수집부(111)는 웨어러블 디바이스(10)에 구비된 가속도계, GPS 및 광센서와 같은 물리 센서에 의해 수집된 데이터를 웨어러블 데이터로서 수신한다.
데이터 변환부(112)는 데이터 수집부(111)로부터 웨어러블 데이터를 수신하고, 수신된 웨어러블 데이터를 센서 범주에 대하여 부분적으로 구조화한다. 웨어러블 디바이스(10)는 하나 이상이 존재할 수 있으며, 각각의 웨어러블 디바이스(10)가 수집하는 데이터의 종류 또한 서로 다를 수 있다. 따라서, 데이터 변환부(112)는 수신된 웨어러블 데이터를 센서 범주에 따라 구조화한다. 예를 들어, 데이터 변환부(112)는 수신된 웨어러블 데이터를 웨어러블 디바이스(10)의 종류에 따라 csv 또는 텍스트 파일 형태로 구조화하여 저장할 수 있다.데이터 변환부(112)에 의해 구조화된 데이터는 스트리밍 데이터로 사용이 가능하도록 고속 통신 및 광통신이 클라우드 및 웨어러블 디바이스(10)의 응용프로그램 사이에서 수행될 수 있도록 저장된다. 그리고, 데이터 변환부(112)는 구조화된 데이터를 데이터 검증부(113)로 전달한다.
데이터 검증부(113)는 데이터 변환부(112)로부터 수신된 구조화된 데이터를 대조 검토(Cross Check)하여, 구조화된 데이터에 포함된 리던던시(Redundancy)를 제거하는 리던던시 체크(Redundancy Check) 과정을 수행한다. 리던던시는 통신에서 불필요하고 중복적인 정보, 제거할 수 있는 부분, 과잉된 부분 및 중복 전송된 정보를 나타낼 수 있다. 이를 위해, 데이터 검증부(113)는 구조화된 데이터의 연속된 데이터 타임스탬프에서 연속되지 않은 빈 홀을 검색하는 방법을 사용할 수 있다. 이 과정에서, 데이터는 트레이닝을 위해 정렬(Alignment)된다. 데이터 검증부(113)는 상기 과정을 통해 구조화된 데이터를 검증하여 검증된 구조화된 데이터를 HDFS부(160)로 전달한다. HDFS부(160)는 하둡 분산 파일 시스템(Hadoop Distributed File System)으로서, 수신된 빅 데이터를 분산 저장하는 시스템이다. HDFS부(160)는 빅 데이터인 수신된 검증된 구조화된 데이터를 하둡 기반으로 분산저장한다.
도 3은 본 발명의 일 실시예에 따른 웨어러블 디바이스 기반의 개인화된 빅 데이터 분석 장치의 개인화 적응 분석부를 나타내는 구성도이다.
도 3을 참조하면, 본 발명의 일 실시예에 따른 웨어러블 디바이스 기반의 개인화된 빅 데이터 분석 장치의 개인화 적응 분석부(120)는 데이터 추상화부(121), 데이터 정화부(122), 맵리듀스 분석부(123) 및 지식기반 의사결정부(124)를 포함한다.
데이터 추상화부(121)는 기 저장된 설정 파일(Configuration File) 및 HDFS부(160)로부터 수신된 구조화된 데이터로부터 사용자 선호(User Preference)를 추출하여 사용자 속성(User Attribute) 정보를 선택한다. 설정 파일은 정보 활용 API를 통해 사용자로부터 입력되는 정보로서, 의사결정 과정을 지원할 수 있는 사용자의 개인 정보를 포함한다.
데이터 정화부(122)는 사용자 속성 정보의 값을 확인하고, 확인된 사용자 속성 정보를 개인화 중간 데이터 저장부(150)에 스키마(Scheme)를 구조화하여 저장한다. 개인화 중간 데이터 저장부(150)는 정보 활용 API를 위한 실시간 응답을 제공한다. 구조화된 스키마 형태의 사용자 속성 정보는 HDFS부(160)에도 동일하게 저장된다.
맵리듀스 분석부(123)는 맵리듀스 업무(MapReduce Job)의 세 페이즈인 맵(Map), 복사(Copy) 및 리듀스(Reduce)를 통해 HDFS부(160)에 저장된 구조화된 스키마 형태의 사용자 속성 정보로부터 의사 결정을 위한 트레이닝 데이터를 생성한다. HDFS부(160)는 저장된 로 로그(Raw Log)와 함께 구조화된 스키마 형태의 사용자 속성 정보를 맵리듀스 분석부(123)로 전달한다. 맵리듀스 분석부(123)는 일반적인 하둡(Hadoop)을 통해 맵 리듀스 업무를 수행하여 HDFS부(160)에 구조화된 스키마 형태로 저장된 사용자 속성 정보를 분석함으로써, 효과적으로 빅 데이터를 처리할 수 있다. 여기에서 하둡은 일반적으로 사용되는 빅 데이터 처리를 위해 개발된 오픈소스 모델이다.
맵리듀스 분석부(123)의 출력은 사용자 속성의 히스토리컬 벨류(Historical Value)로서, 의사 결정을 위한 트레이닝 데이터를 생성한다. 맵리듀스 분석부(123)의 맵리듀스 분석 과정은 개인화 지식 베이스부(140)로 이전시키는 중간 단계이다. 쿼리(Queries) 및 SQL(Structured Query Language)는 아파치 피그(Apache PIG)를 통해 맵리듀스 분석부(123)가 HDFS부(160)에서 데이터를 검색하기 위해 사용될 수 있다. 맵리듀스 분석주(123)는 생성된 트레이닝 데이터를 지식기반 의사결정부(124)로 전달한다.
지식기반 의사결정부(124)는 수신된 트레이닝 데이터의 파라미터를 통해 개인화된 지식 베이스(Personalized Knowledge Base)를 생성하여 개인화 지식 베이스부(140)에 저장한다. 지식기반 의사결정부(124)는 트레이닝 데이터에 기초하여 의사결정 과정에서 사용자를 도울 수 있는 개인화된 지식 베이스를 생성한다. 의사 결정에서 사용자를 도울 수 있는 트레이닝된 파라미터를 통해 개인된화 지식 베이스를 이전한다. 이 과정에서, 지식기반 의사결정부(124)는 네이브 베이지안(Naive Bayesian) 알고리즘 및 디시전 트리(Decision Tree)를 포함하는 두 머신 러닝 기술을 사용할 수 있다.
도 4는 본 발명의 일 실시예에 따른 웨어러블 디바이스 기반의 개인화된 빅 데이터 분석 장치의 개인화 적응 서비스부를 나타내는 구성도이다.
도 4를 참조하면, 본 발명의 일 실시예에 따른 웨어러블 디바이스 기반의 개인화된 빅 데이터 분석 장치의 개인화 적응 서비스부(130)는 적응 정보 서비스부(131) 및 개인화 추론 서비스부(132)를 포함한다.
적응 정보 서비스부(131)는 중간 데이터(Intermediate Data)로서 개인화 중간 데이터 저장부(150)로부터 구조화된 스키마 형태의 사용자 속성 정보를 사용하여 사용자 인포그래픽(Onforgraphic)을 사용자에게 제공한다. 이는 사용자가 유효 방식(Efficient Manner) 내에서 사용자의 행동을 모니터링 하는 것을 도울 수 있다. 적응 정보 서비스부(131)에서 생성된 사용자 인포그래픽은 원자료 형태인 웨어러블 데이터로부터 구조화되고, 다른 시각화 큐(Visualized Cue)에서의 통계를 보여준다.
개인화 추론 서비스부(132)는 개인화 지식 베이스부(140)에 저장된 개인화된 지식 베이스에 기초하여 개인화된 권고안을 생성한다. 개인화 추론 서비스부(132)는 지식기반 의사 결정부(124)에서 생성되어 개인화 지식 베이스부(140)로 이전된 개인화된 지식 베이스의 요인을 개인화 지식 베이스부(140)로부터 전달받는다. 그리고, 개인화 추론 서비스부(132)는 개인화 지식 베이스에 기초하여 사용자에게 최적화된 개인화된 권고안을 제공한다. 개인화된 권고안은 사용자의 활동 내용 및 웨어러블 디바이스(10) 기반에 따라 사용자에게 다르게 전달될 수 있다.
상술한 내용을 포함하는 본 발명은 컴퓨터 프로그램으로 작성이 가능하다. 그리고 상기 프로그램을 구성하는 코드 및 코드 세그먼트는 당분야의 컴퓨터 프로그래머에 의하여 용이하게 추론될 수 있다. 또한, 상기 작성된 프로그램은 컴퓨터가 읽을 수 있는 기록매체 또는 정보저장매체에 저장되고, 컴퓨터에 의하여 판독되고 실행함으로써 본 발명의 방법을 구현할 수 있다. 그리고 상기 기록매체는 컴퓨터가 판독할 수 있는 모든 형태의 기록매체를 포함한다.
이상 바람직한 실시예를 들어 본 발명을 상세하게 설명하였으나, 본 발명은 전술한 실시예에 한정되지 않고, 본 발명의 기술적 사상의 범위 내에서 당분야에서 통상의 지식을 가진자에 의하여 여러 가지 변형이 가능하다.
100: 웨어러블 디바이스 기반의 개인화된 빅 데이터 분석 장치
110: 데이터 처리부 111: 데이터 수집부
112: 데이터 변환부 113: 데이터 검증부
120: 개인화 적응 분석부 121: 데이터 추상화부
122: 데이터 정화부 123: 맵리듀스 분석부
124: 지식기반 의사결정부 130: 개인화 적응 서비스부
131: 적응 정보 서비스부 132: 개인화 추론 서비스부
140: 개인화 지식 베이스부 150: 개인화 중간 데이터 저장부
160: HDFS부

Claims (6)

  1. 하둡 분산 파일 시스템(Hadoop Distributed File System) 기반으로, 수신된 구조화된 데이터 및 수신된 사용자 속성 정보를 분산 저장하는 HDFS부;
    하나 이상의 웨어러블 디바이스(Wearable Device)로부터 수신된 웨어러블 데이터를 구조화하여 구조화된 데이터를 생성하는 데이터 처리부;
    기 저장된 설정 파일 및 상기 HDFS부에 저장된 구조화된 데이터로부터 사용자 선호(User Preference)를 추출하여 사용자 속성(User Attribute) 정보를 생성하며, 상기 생성된 사용자 속성 정보를 구조화된 스키마(Scheme) 형태로 개인화 중간 데이터 저장부에 전달하고, 하둡(Hadoop) 기반의 맵리듀스(MapReduce) 업무를 통해 상기 사용자 속성 정보를 분석하여 의사 결정을 지원하는 개인화된 지식 베이스를 생성하는 개인화 적응 분석부;
    상기 개인화 적응 분석부로부터 수신된 개인화된 지식 베이스를 저장하는 개인화 지식 베이스부;
    상기 개인화 지식 베이스부로부터 수신된 개인화된 지식 베이스에 기초하여 개인화된 권고안을 생성하는 개인화 적응 서비스부; 및
    상기 개인화 적응 분석부로부터 수신된 사용자 속성 정보를 저장하는 스키마 형태로 저장하는 개인화 중간 데이터 저장부;
    를 포함하며,
    상기 데이터 처리부는 상기 구조화된 데이터의 연속된 데이터 타임스탬프에서 연속되지 않은 빈 홀을 검색하여, 상기 구조화된 데이터에 포함된 리던던시(Redundancy)를 제거하는 것을 특징으로 하는 웨어러블 디바이스 기반의 개인화된 빅 데이터 분석 장치.
  2. 삭제
  3. 제1항에 있어서,
    상기 설정 파일은 사용자로부터 사전에 입력 받는 것을 특징으로 하는 웨어러블 디바이스 기반의 개인화된 빅 데이터 분석 장치.
  4. 제1항에 있어서,
    상기 개인화 적응 분석부는 쿼리(Queries) 및 SQL(Structured Query Language)를 이용하여 상기 HDFS부를 검색하는 것을 특징으로 하는 웨어러블 디바이스 기반의 개인화된 빅 데이터 분석 장치.
  5. 제1항에 있어서,
    상기 개인화 적응 분석부는 네이브 베이지안(Naive Bayesian) 알고리즘 및 디시전 트리(Decision Tree)를 포함하는 두 머신 러닝 기술을 사용하여 상기 개인화된 지식 베이스를 생성하는 것을 특징으로 하는 웨어러블 디바이스 기반의 개인화된 빅 데이터 분석 장치.
  6. 제1항에 있어서,
    상기 개인화 적응 서비스부는 상기 구조화된 스키마 형태의 사용자 속성 정보를 사용하여 사용자 인포그래픽(Onforgraphic)을 사용자에게 제공하는 것을 특징으로 하는 웨어러블 디바이스 기반의 개인화된 빅 데이터 분석 장치.
KR1020140120469A 2014-09-11 2014-09-11 웨어러블 디바이스 기반의 개인화된 빅 데이터 분석 장치 KR101595057B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140120469A KR101595057B1 (ko) 2014-09-11 2014-09-11 웨어러블 디바이스 기반의 개인화된 빅 데이터 분석 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140120469A KR101595057B1 (ko) 2014-09-11 2014-09-11 웨어러블 디바이스 기반의 개인화된 빅 데이터 분석 장치

Publications (1)

Publication Number Publication Date
KR101595057B1 true KR101595057B1 (ko) 2016-02-17

Family

ID=55457817

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140120469A KR101595057B1 (ko) 2014-09-11 2014-09-11 웨어러블 디바이스 기반의 개인화된 빅 데이터 분석 장치

Country Status (1)

Country Link
KR (1) KR101595057B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110533501A (zh) * 2019-08-06 2019-12-03 尚尚珍宝(北京)网络科技有限公司 基于大数据的可穿戴产品个性化定制方法及装置
KR102407101B1 (ko) * 2022-02-25 2022-06-10 주식회사 에이직스 모바일 디바이스와 블루투스를 기반으로 하는 웨어러블 장치의 데이터 처리시스템

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20010093987A (ko) * 2000-04-03 2001-10-31 김진태 원격 의료 장치 및 방법
KR20100099881A (ko) 2009-03-04 2010-09-15 연세대학교 산학협력단 만성질환자를 위한 재택 원격 가정 간호 서비스 시스템 및 방법
KR20140039361A (ko) * 2012-09-20 2014-04-02 동국대학교 경주캠퍼스 산학협력단 스마트 단말기를 통한 건강 상태 체크 방법 및 이를 이용한 건강 상태 체크 시스템
KR20140055288A (ko) * 2012-10-31 2014-05-09 삼성에스디에스 주식회사 클라우드 환경 내의 데이터 분석 서비스 제공 시스템 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20010093987A (ko) * 2000-04-03 2001-10-31 김진태 원격 의료 장치 및 방법
KR20100099881A (ko) 2009-03-04 2010-09-15 연세대학교 산학협력단 만성질환자를 위한 재택 원격 가정 간호 서비스 시스템 및 방법
KR20140039361A (ko) * 2012-09-20 2014-04-02 동국대학교 경주캠퍼스 산학협력단 스마트 단말기를 통한 건강 상태 체크 방법 및 이를 이용한 건강 상태 체크 시스템
KR20140055288A (ko) * 2012-10-31 2014-05-09 삼성에스디에스 주식회사 클라우드 환경 내의 데이터 분석 서비스 제공 시스템 및 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110533501A (zh) * 2019-08-06 2019-12-03 尚尚珍宝(北京)网络科技有限公司 基于大数据的可穿戴产品个性化定制方法及装置
KR102407101B1 (ko) * 2022-02-25 2022-06-10 주식회사 에이직스 모바일 디바이스와 블루투스를 기반으로 하는 웨어러블 장치의 데이터 처리시스템

Similar Documents

Publication Publication Date Title
US9436719B2 (en) Updating an inverted index in a real time fashion
US8005692B2 (en) Information access to self-describing data framework
CN111316273A (zh) 认知数据匿名化
US20080313162A1 (en) Methods and systems for context based query formulation and information retrieval
CN104838414A (zh) 用于电子书的自定义字典
CN111666477A (zh) 一种数据处理方法、装置、智能设备及介质
KR20150092586A (ko) 데이터 플로 기반 대규모 데이터 스트림 처리 방법 및 장치
US11816584B2 (en) Method, apparatus and computer program products for hierarchical model feature analysis and decision support
WO2015113306A1 (en) Entity page generation and entity related searching
US11057673B2 (en) Personalized content aggregation and delivery
Mohan Big data analytics: recent achievements and new challenges
WO2018038746A1 (en) Systems and methods employing merge technology for the clinical domain
US20210064812A1 (en) Adaptive processing and content control system
KR20160125543A (ko) 사용자 중심의 헬스케어 빅데이터 서비스 방법, 그 방법을 수행하는 컴퓨터프로그램 및 시스템
US20180067986A1 (en) Database model with improved storage and search string generation techniques
US20210390956A1 (en) Platform selection for performing requested actions in audio-based computing environments
Preuveneers et al. SAMURAI: A batch and streaming context architecture for large-scale intelligent applications and environments
Hussain et al. A wearable device-based personalized big data analysis model
KR101595057B1 (ko) 웨어러블 디바이스 기반의 개인화된 빅 데이터 분석 장치
Shaikh et al. Big data for better Indian healthcare
US11257100B2 (en) Product optimization crawler and monitor
CN113450796B (zh) 语音报表生成方法、装置、设备及存储介质
Vyas et al. Fog data processing and analytics for health care-based IoT applications
WO2023205204A1 (en) Classification process systems and methods
US20160371457A1 (en) System and Method for Data Analyzing of Health-Related Data

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20200128

Year of fee payment: 5