KR101686338B1 - 이벤트 처리 시스템, 이벤트 처리 방법 및 컴퓨터 프로그램 - Google Patents

이벤트 처리 시스템, 이벤트 처리 방법 및 컴퓨터 프로그램 Download PDF

Info

Publication number
KR101686338B1
KR101686338B1 KR1020150099077A KR20150099077A KR101686338B1 KR 101686338 B1 KR101686338 B1 KR 101686338B1 KR 1020150099077 A KR1020150099077 A KR 1020150099077A KR 20150099077 A KR20150099077 A KR 20150099077A KR 101686338 B1 KR101686338 B1 KR 101686338B1
Authority
KR
South Korea
Prior art keywords
event
composite
main part
tendency
unit
Prior art date
Application number
KR1020150099077A
Other languages
English (en)
Inventor
정재은
이오준
Original Assignee
중앙대학교 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 중앙대학교 산학협력단 filed Critical 중앙대학교 산학협력단
Priority to KR1020150099077A priority Critical patent/KR101686338B1/ko
Application granted granted Critical
Publication of KR101686338B1 publication Critical patent/KR101686338B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/02—Banking, e.g. interest calculation or account maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

실시 예에 따른 이벤트 처리 시스템은, 복합 이벤트의 주요부를 추출하는 주요부 추출부; 객체의 경향을 추론하는 객체경향 추출부; 상기 주요부와 객체경향에 의해 규칙을 생성하는 규칙 생성부; 및 상기 규칙이 저장되는 저장부를 포함한다.

Description

이벤트 처리 시스템, 이벤트 처리 방법 및 컴퓨터 프로그램{Event processing system, Event processing method and Computer program}
실시 예는 이벤트 처리 시스템에 관한 것이다.
실시 예는 이벤트 처리 방법에 관한 것이다.
실시 예는 컴퓨터 프로그램에 관한 것이다.
여러 이벤트 소스로부터 발생한 이벤트를 대상으로 하여 실시간으로 의미 있는 데이터를 추출하여 대응되는 액션을 수행하는 이벤트 처리 시스템(CEP; Complex Event Processing)이 널리 사용되고 있다.
상기 이벤트 처리 시스템은 데이터 베이스 트랜잭션을 모니터링하거나 금융 시스템의 거래전문 모니터링을 수행할 때 사용되는데, 상기 이벤트 처리 시스템이 배치되고 운영됨에 있어서, 구성들에 대한 변경이 난해하다. 즉, 현존하는 대부분의 이벤트 처리 시스템은 규칙을 추가하거나 변경하는데 어려움을 갖는다.
또한, 상기 규칙은 전문가에 의해 만들어진 것으로 추가 및 변경이 난해하며, 전문가의 실수로 인해 발생하는 규칙의 오류에 대응할 수 없는 문제점이 있다.
실시 예는 이벤트 입력시 자동적으로 규칙을 생성하는 이벤트 처리 시스템에 관한 것이다.
실시 예는 이벤트가 입력될 때마다 규칙을 생성하여 업데이트하는 이벤트 처리방법에 관한 것이다.
실시 예에 따른 이벤트 처리 시스템은, 복합 이벤트의 주요부를 추출하는 주요부 추출부; 객체경향을 추론하는 객체경향 추출부; 상기 주요부와 상기 객체경향을 기초로 규칙을 생성하는 규칙 생성부; 및 상기 규칙이 저장되는 저장부;를 포함한다.
실시 예에 따른 이벤트 처리방법은, 복합 이벤트의 주요부를 추출하는 단계; 객체경향을 추론하는 단계; 상기 주요부와 상기 객체경향을 기초로 규칙을 생성하는 단계; 및 상기 규칙을 저장하는 단계;를 포함한다.
실시 예에 따른 컴퓨터-판독가능 매체에 저장되어, 컴퓨터로 하여금 이하의 단계들을 수행하도록 하기 위한 컴퓨터 프로그램으로서, 상기 단계들은 복합 이벤트의 주요부를 추출하는 단계; 객체경향을 추론하는 단계; 상기 주요부와 상기 객체경향을 기초로 규칙을 생성하는 단계; 및 상기 규칙을 저장하는 단계; 를 포함하는, 이벤트 처리 방법을 수행하기 위해, 컴퓨터-판독가능 매체에 저장된 컴퓨터 프로그램이다.
실시 예에 따른 이벤트 처리 시스템은 이벤트 입력시 자동적으로 규칙을 생성하여 이벤트 처리 시스템에 대한 접근성을 용이하게 하고, 규칙의 잘못된 산출을 방지할 수 있어 보다 적절한 액션을 출력할 수 있다.
실시 예에 따른 이벤트 처리방법은 이벤트가 입력될 때마다 규칙을 생성하여 생성된 규칙을 업데이트하여, 자료 축적에 따라 보다 적절한 액션을 출력할 수 있다.
도 1은 실시 예에 따른 이벤트 처리 시스템을 나타내는 블록도이다.
도 2는 실시 예에 따른 이벤트 처리 방법을 나타내는 순서도이다.
도 3은 실시 예에 따른 복합 이벤트의 주요부 추출과정을 나타내는 순서도이다.
도 4는 다수의 이벤트 사이에서 유사도를 산출하는 과정을 도시한 도면이다.
도 5는 실시 예에 따른 단순화 과정에서의 Markov 전이확률모델을 도시한 도면이다.
도 6은 실시 예에 따른 이벤트 처리 시스템을 이용하여 수행한 전문가 숫자대비 주식투자 결과를 나타내는 도면이다.
도 7은 실시 예에 따른 이벤트 처리 시스템을 이용하여 수행한 기간 대비 주식투자 결과를 나타내는 도면이다.
이하에서는 도면을 참조하여 본 발명의 구체적인 실시예를 상세하게 설명한다. 다만, 본 발명의 사상은 제시되는 실시예에 제한되지 아니하고, 본 발명의 사상을 이해하는 당업자는 동일한 사상의 범위 내에서 다른 구성요소를 추가, 변경, 삭제 등을 통하여, 퇴보적인 다른 발명이나 본 발명 사상의 범위 내에 포함되는 다른 실시예를 용이하게 제안할 수 있을 것이나, 이 또한 본원 발명 사상 범위 내에 포함된다고 할 것이다.
또한, 각 실시예의 도면에 나타나는 동일한 사상의 범위 내의 기능이 동일한 구성요소는 동일한 참조부호를 사용하여 설명한다.
실시 예에 따른 이벤트 처리 시스템은, 복합 이벤트의 주요부를 추출하는 주요부 추출부; 객체경향을 추론하는 객체경향 추출부; 상기 주요부와 상기 객체경향을 기초로 규칙을 생성하는 규칙 생성부; 및 상기 규칙이 저장되는 저장부;를 포함한다.
이벤트 입력시 상기 규칙에 기초하여 액션을 출력하는 출력부; 를 더 포함할 수 있다.
상기 복합 이벤트를 분류하여 상기 주요부 추출부로 전달하는 이벤트 입력부; 를 더 포함할 수 있다.
상기 주요부 추출부는, 상기 복합 이벤트를 군집화하여 복합 이벤트 군집화 모델을 생성하고, 상기 복합 이벤트 군집화 모델을 이용하여 복합 이벤트를 단순화하여 주요부를 추출할 수 있다.
상기 주요부 추출부는, 상기 복합 이벤트의 유사도를 산출하여 복합 이벤트 군집화 모델을 생성할 수 있다.
상기 주요부 추출부는, Markov 전이확률모델을 이용하여 상기 복합 이벤트를 단순화할 수 있다.
상기 주요부 추출부는, 상기 Markov 전이확률모델에서 각 노드의 중심성을 분석하여 복합 이벤트를 단순화할 수 있다.
상기 주요부 추출부는, 각 노드의 중심성이 낮은 순서대로 노드를 삭제하여 상기 복합 이벤트를 단순화할 수 있다.
상기 객체 경향 추출부는, 상기 객체 간의 경향성의 유사도를 이용하여 유사한 객체들간의 군집화를 수행할 수 있다.
상기 복합 이벤트가 입력될 때마다 상기 규칙 생성부에서 생성된 규칙을 상기 저장부에 업데이트하는 제어부;를 더 포함할 수 있다.
실시 예에 따른 이벤트 처리방법은, 복합 이벤트의 주요부를 추출하는 단계; 객체경향을 추론하는 단계; 상기 주요부와 상기 객체경향을 기초로 규칙을 생성하는 단계; 및 상기 규칙을 저장하는 단계;를 포함한다.
실시 예에 따른 컴퓨터-판독가능 매체에 저장되어, 컴퓨터로 하여금 이하의 단계들을 수행하도록 하기 위한 컴퓨터 프로그램으로서, 상기 단계들은 복합 이벤트의 주요부를 추출하는 단계; 객체경향을 추론하는 단계; 상기 주요부와 상기 객체경향을 기초로 규칙을 생성하는 단계; 및 상기 규칙을 저장하는 단계; 를 포함하는, 이벤트 처리 방법을 수행하기 위해, 컴퓨터-판독가능 매체에 저장된 컴퓨터 프로그램이다.
이하, 도면을 참조하여 이벤트 처리 시스템 및 이벤트 처리 방법을 설명한다.
도 1은 실시 예에 따른 이벤트 처리 시스템을 나타내는 블록도이다.
도 1을 참조하면, 실시 예에 따른 이벤트 처리 시스템(1)은 제어부(10), 이벤트 입력부(20), 주요부 추출부(30), 객체경향 추출부(40), 저장부(50), 규칙 생성부(60) 및 출력부(70)를 포함할 수 있다.
도 1의 실시 예에 따른 이벤트 처리 시스템(1)에 사용되는 용어는 다음과 같이 정의될 수 있다. 하기에서 정의되는 용어를 주식시장에서 적용되는 용어를 예로 들어 설명한다.
도메인 상에 존재하고 활동하는 모든 주체를 객체(object)로 정의할 수 있다. 상기 객체는 인격체가 될수도 있고, 단체나 기관, 법인 또는 다른 시스템이 될 수도 있다. 예를 들어, 상기 객체는 기관투자자, 개인투자자, 경제관련 정부부처 등이 될 수 있다.
상태(status)는 특정한 객체에 속한 요소로서 해당 도메인의 관점에서 객체의 전체적인 상황을 나타낸다. 예를 들어, 상기 상태는 각 객체의 주식 보유 현황, 손익현황 등일 수 있다.
도메인 상에 존재하는 대부분의 객체들에 전역적으로 영향을 미치는 이벤트를 환경 이벤트(environmental event)로 정의할 수 있다. 예를 들어, 상기 환경 이벤트는 주가지수, 경제지표, 기준금리변동 등일 수 있다.
원시 이벤트(primitive event)는 각 객체의 속성과 환경 이벤트간의 충돌이다. 상기 원시 이벤트는 의사결정에 직접적인 영향을 미치지는 않지만 거시적인 이벤트의 구성요소가 된다. 예를 들어, 상기 원시 이벤트는 객체의 자산가치 변화 등일 수 있다.
복합 이벤트(complex event)는 의사결정에 직접적인 영향을 미치는 거시적인 이벤트이다. 상기 복합 이벤트는 원시 이벤트의 특정한 시퀀스일 수 있다. 예를 들어, 상기 복합 이벤트는 매매 시점 출현, 기대 종목 출현 등의 이벤트일 수 있다.
액션(action)은 객체의 복합 이벤트에 대한 인식과 그에 따른 의사 결정의 결과물이다. 이는 객체가 해당 도메인에 대해 실제적인 행위를 수행하는 것으로 나타난다. 예를 들어 상기 액션은 주식 매매, 금리 변경 등일 수 있다.
경향(Propensity)은 객체가 복합 이벤트에 대해 어떤 액션을 취하는 경향이다. 객체는 자신의 경향에 따라 복합 이벤트에 대해 취할 액션을 선택한다. 예를 들어, 상기 경향은 각 객체의 투자전략이나 정책 또는 성향 등일 수 있다.
상기 객체, 상태, 환경 이벤트, 원시 이벤트, 복합 이벤트, 액션 및 경향은 시간에 따라 변화할 수 있다.
상기 이벤트 입력부(20)는 외부로부터 이벤트를 입력받는다. 상기 이벤트 입력부(20)는 입력받은 이벤트를 종류에 따라 분류할 수 있다. 상기 이벤트 입력부(20)는 분류한 이벤트를 상기 주요부 추출부(30)로 전달할 수 있다.
상기 주요부 추출부(30)는 분류된 이벤트 중 복합 이벤트로 추정되는 이벤트 들의 패턴을 주요부로 추출할 수 있다. 상기 주요부는 복합 필수 이벤트일 수 있다.
상기 주요부 추출부(30)는 복합 이벤트를 군집화하고, 이벤트 시퀀스 간의 유사도를 산출하고, 상기 유사도를 통해 복합 이벤트를 단순화할 수 있다. 상기 주요부 추출부(30)는 단순화된 복합 이벤트를 이용하여 복합 필수 이벤트를 추출할 수 있다.
자세히 검토하면, 상기 주요부 추출부(30)는 원시 이벤트와 액션을 군집화하여 각각의 군집화 모델을 생성한다. 이후 주요부 추출부(30)는 군집화 모델을 바탕으로 이벤트 간의 유사도를 추출한다. 상기 주요부 추출부(30)는 이벤트 간의 유사도에 기초하여 Markov 전이확률모델(Markov Transition Probability Model)을 이용하여 중심성이 낮은 순서대로 각 노드를 삭제하여 복합 이벤트를 단순화한다. 상기 주요부 추출부(30)는 중심성이 낮은 노드가 삭제된 단순화된 복합 이벤트를 복합 필수 이벤트로 산출할 수 있다.
상기 제어부(10)는 상기 주요부 추출부(30)에 의해 추출된 복합 필수 이벤트를 상기 저장부(50)에 저장할 수 있다.
상기 객체경향 추출부(40)는 객체의 경향을 추론할 수 있다. 상기 객체경향 추출부(40)는 각각의 객체의 복합 이벤트에 대한 반응의 경향을 추정하여 객체간 경향성의 유사도를 구하고, 이를 기반으로 유사한 객체들 간의 군집화를 수행한다.
상기 제어부(10)는 상기 객체경향 추출부(40)에서 추출된 객체의 경향을 상기 저장부(50)에 저장할 수 있다.
상기 규칙 생성부(60)는 규칙을 생성한다.
상기 규칙은 특정 이벤트 시퀀스에 대한 객체의 행동일 수 있다.
상기 규칙 생성부(60)는 상기 주요부 추출부(30)에서 추출된 복합 필수 이벤트와 상기 객체 경향 추출부(40)에서 추론된 객체의 경향성을 기준으로 특정 이벤트 시퀀스가 나타날 때의 객체의 행동 규칙을 생성할 수 있다.
상기 규칙 생성부(60)는 상기 저장부(50)에 저장된 복합 필수 이벤트와 상기 저장부(50)에 저장된 객체의 경향성을 기준으로 규칙을 생성할 수도 있다.
상기 제어부(10)는 상기 규칙 생성부(60)에서 생성된 규칙을 상기 저장부(50)에 저장할 수 있다.
상기 출력부(70)는 입력된 복합 이벤트에 대한 규칙을 참조하여 액션을 출력할 수 있다.
상기 출력부(70)는 상기 저장부(50)에 저장된 복합 필수 이벤트와 객체의 경향성을 기준으로 규칙을 참조하여 상기 입력된 복합 이벤트에 대한 액션을 출력할 수 있다.
상기 이벤트 처리 시스템(1)에서의 규칙 생성과정을 검토해 보면, 상기 이벤트 입력부(20)에 복합 이벤트가 입력되고, 주요부 추출부(30)에서는 복합 필수 이벤트를 추출하여 상기 저장부(50)에 저장한다. 상기 제어부(10)는 객체경향 추출부(40)를 통해 객체의 경향을 추출하고, 상기 제어부(10)는 규칙 생성부(60)를 통해 규칙을 생성하여 상기 저장부(50)로 저장한다. 이후 복합 이벤트가 입력될 때마다 상기 제어부(10)는 규칙을 생성하여 상기 저장부(50)에 업데이트 한다.
상기 이벤트 처리 시스템(1)에서의 이벤트 처리과정을 검토해보면, 상기 이벤트 입력부(20)에 복합 이벤트가 입력되면 상기 주요부 추출부(30)에서는 복합 필수 이벤트를 추출한다. 상기 제어부(10)는 복합 필수 이벤트와 객체의 경향을 기초로 생성된 규칙에 기초하여 액션을 출력한다.
도 2는 실시 예에 따른 이벤트 처리 방법을 나타내는 순서도이다.
도 2를 참조하면, 실시 예에 따른 이벤트 처리방법은 이벤트 입력부(20)를 통해 이벤트를 입력받는다. (S110)
상기 이벤트 입력부(20)는 입력받은 이벤트를 종류에 따라 분류한다. (S120)
상기 이벤트 입력부(20)는 입력받은 이벤트를 상호작용 모델(interaction model)에 따라 환경 이벤트, 상태, 원시 이벤트 또는 액션으로 분류할 수 있다. 상기 이벤트 입력부(20)의 이벤트 분류기준은 영향영역(influence area)와 지향성(directivity)일 수 있다.
상기 이벤트 입력부(20)는 1차적으로 상기 입력받은 이벤트가 글로벌 영향(global influence)을 가지면, 환경 이벤트로 분류하고, 지역적 영향(local influence)을 가지면 원시 이벤트로 분류한다.
상기 이벤트 입력부(20)는 2차적으로 입력받은 이벤트의 지향성에 따라 외부적인 요인이 객체(object)에 영향을 미친경우, 내향적 이벤트(introverted event)로 간주하고 객체의 상태에 반영한다. 또한, 객체가 어떠한 행동을 취하는 경우 이를 외향적 이벤트(extraverted event)로 간주하고, 객체의 액션으로 반영한다. 또한, 글로벌 영향을 가진 객체의 액션은 다른 객체의 환경 이벤트에 반영할 수 있다.
상기 주요부 추출부(30)는 분류된 이벤트 중 이벤트의 주요부를 추출한다. (S130)
상기 주요부 추출부(30)는 분류된 이벤트 중 복합 이벤트로 추정되는 이벤트들의 패턴을 주요부로 추출할 수 있다.
도 3은 실시 예에 따른 복합 이벤트의 주요부 추출과정을 나타내는 순서도이다.
도 3을 참조하면, 실시 예에 따른 복합 이벤트의 주요부 추출과정은 상기 주요부 추출부(30)에서 복합 이벤트를 군집화 한다. (S131)
상기 주요부 추출부(30)는 원시 이벤트와 액션을 군집화하여 각각의 군집화 모델을 생성한다. 상기 군집화 모델의 생성과정은 상기 원시 이벤트들과 액션들의 변수들을 이용하여 각각에 대한 군집화 모델을 생성한다. 이 과정에서 Gaussian-Bayesian Probabilistic Model을 기반으로 한 Expectation Maximization(EM) algorithm을 사용한다.
상기 주요부 추출부(30)는 원시 이벤트와 액션을 군집화하여 생성된 각각의 군집화 모델을 바탕으로 이벤트 간의 유사도를 구한다.
상기 유사도 추출과정은 이벤트 상에 포함되는 원시 이벤트 사이의 순서를 기반으로 하는 유사도로 추출될 수 있다.
도 4는 다수의 이벤트 사이에서 유사도를 산출하는 과정을 도시한 도면이다.
도 4를 참조하면, 이벤트는 다수의 이벤트가 시계열적으로 연속하여 배치된 이벤트 시퀀스 형태를 갖는다. 상기 시퀀스 형태의 다수의 이벤트 사이에서 유사도를 산출한다.
예를 들어 2개의 이벤트 사이에서 서로가 포함하는 원시 이벤트 중 가장 유사한 원시 이벤트 쌍들을 찾는다. 상기 이벤트 쌍은 이벤트를 시계열적으로 분석하는 기준이 될 수 있다. 상기 이벤트 쌍의 시계열적 이벤트에서 전후에 존재하는 이벤트들의 유사도를 바탕으로 상기 이벤트 시퀀스의 유사도를 산출한다.
상기 주요부 추출부(30)는 상기 과정에서 산출된 유사도를 기반으로 복합 이벤트 군집화 모델을 생성한다. 상기 복합 이벤트 군집화 모델은 유사도의 합이 최소가 되게 하는 요소를 군집화 모델의 중심으로 정하는 방식을 이용한다.
상기 주요부 추출부(30)는 복합 이벤트 군집화 모델을 이용하여 복합 이벤트를 단순화 한다. (S133)
상기 주요부 추출부(30)는 상기 복합 이벤트 군집화 모델에 기초하여 복합 필수 이벤트를 Markov 전이확률모델(Markov Transition Probability Model)을 활용하여 표현화는 과정이다.
상기 Markov 전이확률모델은 원시 이벤트 군집과 이들간의 추이확률과 시간간격의 평균 및 시간 간격의 표준편차로 구성된다. 상기 Markov 전이확률모델의 각 노드는 복합 이벤트 군집 내의 원시 이벤트 들이 속한 모든 원시 이벤트 군집이 되며, 이들 사이의 가중치벡터는 추이시간 사이의 평균 및 표준편차에 종속될 수 있다.
도 5는 실시 예에 따른 단순화 과정에서의 Markov 전이확률모델을 도시한 도면이다.
도 5에서 E는 각각의 원시 이벤트 군집을 나타내고, T는 각각의 원시 이벤트 군집 사이의 가중치 벡터를 나타낸다.
상기 주요부 추출부(30)는 상기 Markov 전이확률모델을 이용하여 각 노드의 중심성(centrality)을 분석하여 상기 중심성에 기초하여 복합이벤트를 단순화한다.
상기 주요부 추출부(30)는 상기 Markov 전이확률모델 상에 포함된 원시 이벤트의 숫자가 특정한 숫자 이하가 될 때까지 중심성이 낮은 순서대로 각 노드를 삭제한다. 상기 중심성은 각도 중심성, 접근 중심성 및 관계 중심성의 합으로 나타낼 수 있다. 상기 각도 중심성은 상기 노드의 각도를 이용해 산출하고, 상기 접근 중심성은 인접하는 노드까지의 최단거리를 이용해 산출하고, 상기 관계 중심성은 인접하는 노드까지의 최단 경로를 이용해 산출할 수 있다.
상기 주요부 추출부(30)는 단순화된 복합 이벤트를 이용하여 복합 필수 이벤트를 추출한다. (S134)
다시 도 2로 돌아가서, 상기 제어부(10)는 객체경향 추출부(40)를 제어하여 객체경향을 추론한다. (S140)
상기 객체경향 추출부(40)는 각각의 객체의 복합 이벤트에 대한 반응의 경향을 추정한다. 상기 복합 이벤트에 대한 반응의 경향은 유사한 복합 이벤트에 유사한 액션을 취하는 객체들은 유사한 경향성을 가지고 있다는 것을 전제로 한다.
상기 객체경향 추출부(40)는 각 객체들의 복합 이벤트에 대한 액션을 기준으로 객체간의 경향성의 유사도를 구하고, 이를 기반으로 유사한 객체들 간의 군집화를 수행한다.
상기 유사도는 코사인 유사도(consine similarity)를 이용해 구하며, 객체가 동일한 복합 이벤트 군집에 속한 이벤트 시퀀스에 유사한 액션을 취할수록 높은 값을 갖는다. 즉, 벡터값의 사이각이 작을수록 높은 유사도를 가지는 것으로 정의될 수 있다.
상기 제어부(10)는 규칙 생성부(60)를 제어하여, 규칙을 생성할 수 있다. (S150)
상기 제어부(10)는 상기 주요부 추출부(30)에서 추출된 복합 필수 이벤트와 상기 객체 경향 추출부(40)에서 추론된 객체의 경향성을 기준으로 특정 이벤트 시퀀스가 나타날 때의 객체의 행동 규칙을 생성할 수 있다.
상기 규칙 생성부(60)는 하기의 수학식 1 에 의해 규칙을 생성할 수 있다.
Figure 112015067492457-pat00001
상기 수학식 1에서 특정한 객체(Oi)에 특정한 복합 필수 이벤트(CEa)가 나타날 확률이 임계값(CVCEa)보다 커질 경우 특정한 객체(Oi)가 특정한 객체경향 군집(PCm)에 속해 있는 경우 특정한 액션(An)을 취할 것을 추천하라는 것을 의미한다. 여기서 액션(An)은 객체들이 복합 필수 이벤트에 대해 보인 액션들의 대표값으로 정해질 수 있다. 상기 대표값은 최빈 값 또는 평균 값으로 정해질 수 있다.
실시 예에서는 상기 규칙 생성부(60)를 통해 자동적으로 규칙을 생성하여 기존의 전문가들에 의해 생성된 규칙을 저장하는 방법보다 시스템에 대한 접근이 용이해지며, 유지비용을 줄일 수 있는 효과가 있다.
상기 규칙 생성부(60)에 의해 생성된 규칙은 상기 저장부(50)에 저장될 수 있다. 상기 저장부(50)는 컴퓨터-판독가능 매체일 수 있다.
도 2 내지 도 5의 이벤트 처리방법을 수행하기 위한 컴퓨터 프로그램이 상기 컴퓨터-판독가능 매체에 저장될 수 있다.
도 6은 실시 예에 따른 이벤트 처리 시스템을 이용하여 수행한 전문가 숫자대비 주식투자 결과를 나타내는 도면이다.
도 6에서의 주식투자 결과에서 종래기술은 전문가에 의해 규칙을 생성하고, 생성된 규칙에 따른 액션으로 주식투자를 수행한 결과를 나타내고, 실시 예에서는 상기의 이벤트 처리 시스템에 의해 생성된 규칙에 의한 투자 결과를 나타낸다.
도 6에서와 같이 전문가의 숫자가 증가하더라도 종래기술에서는 단조 증가세를 보이는데 반해, 실시 예에서는 전문가의 숫자가 증가함에 따라 투자 수익이 급격한 증가세를 보인다.
실시 예에서는 전문가의 숫자가 증가함에 따라 저장부(50)에 저장된 복합 필수 이벤트, 객체의 경향 및 액션의 데이터 량이 증가하고, 이에 따라 특정 복합 이벤트가 입력되는 경우 보다 효율적인 액션을 수행할 수 있어 전문가의 숫자가 증가함에 따라 투자수익이 급격한 증가세를 보일 수 있다.
도 7은 실시 예에 따른 이벤트 처리 시스템을 이용하여 수행한 기간 대비 주식투자 결과를 나타내는 도면이다.
도 7에서는 도 6에서 종래기술과 실시 예의 투자수익이 유사한 전문가 숫자인 25명의 전문가 집단을 기준으로 24개월의 투자를 수행하는 경우 투자수익을 검토하였다.
도 7에서와 같이 종래기술의 경우 투자기간이 진행되어도 안정적인 투자수익을 얻을 수 없고, 투자수익이 기간에 따라 크게 변화한다.
이에 반해, 실시 예에 따른 이벤트 처리 시스템을 이용하여 주식투자를 수행한 결과 초기에는 종래기술 대비 낮은 투자수익을 얻었으나, 기간이 지남에 따라 점진적으로 투자수익이 상승하여 24개월 경과 후에는 종래기술 대비 큰 투자수익을 얻을 수 있다.
기간이 지남에 따라 점진적으로 투자수익이 상승하는 것은 이벤트가 입력될 때마다, 제어부(10)가 규칙을 생성하여 저장부(50)에 업데이트하여 저장부(50)에 저장된 데이터량이 상승하고, 이에 따라 보다 적합한 액션을 수행할 수 있는 것에 기인한다.
상기에서는 본 발명에 따른 실시예를 기준으로 본 발명의 구성과 특징을 설명하였으나 본 발명은 이에 한정되지 않으며, 본 발명의 사상과 범위 내에서 다양하게 변경 또는 변형할 수 있음은 본 발명이 속하는 기술분야의 당업자에게 명백한 것이며, 따라서 이와 같은 변경 또는 변형은 첨부된 특허청구범위에 속함을 밝혀둔다.
1: 이벤트 처리 시스템
10: 제어부
20: 이벤트 입력부
30: 주요부 추출부
40: 객체경향 추출부
50: 저장부
60: 규칙 생성부
70: 출력부

Claims (12)

  1. 복합 이벤트의 주요부를 추출하는 주요부 추출부;
    각각의 객체의 복합 이벤트에 대한 반응의 경향을 통해 객체경향을 추론하는 객체경향 추출부;
    상기 주요부와 상기 객체경향을 기초로 특정 이벤트 시퀀스가 나타날 때의 객체의 행동 규칙을 생성하는 규칙 생성부; 및
    상기 객체의 행동 규칙이 저장되는 저장부;
    를 포함하고,
    상기 주요부 추출부는,
    상기 복합 이벤트를 군집화하여 복합 이벤트 군집화 모델을 생성하고,
    상기 복합 이벤트 군집화 모델을 이용하여 복합 이벤트를 중심성에 따라 단순화한 결과에 의해 주요부인 복합 필수 이벤트를 추출하고,
    상기 복합 이벤트의 단순화는 Markov 전이확률모델에서 각 노드의 중심성을 분석하여 복합 이벤트를 단순화하는 것인,
    이벤트 처리 시스템.

  2. 제1항에 있어서,
    이벤트 입력시 상기 행동 규칙에 기초하여 액션을 출력하는 출력부;
    를 더 포함하는,
    이벤트 처리 시스템.
  3. 제1항에 있어서,
    상기 복합 이벤트를 분류하여 상기 주요부 추출부로 전달하는 이벤트 입력부;
    를 더 포함하는,
    이벤트 처리 시스템.
  4. 삭제
  5. 제1항에 있어서,
    상기 주요부 추출부는,
    상기 복합 이벤트의 유사도를 산출하여 복합 이벤트 군집화 모델을 생성하는.
    이벤트 처리 시스템.
  6. 삭제
  7. 삭제
  8. 제1항에 있어서,
    상기 주요부 추출부는,
    각 노드의 중심성이 낮은 순서대로 노드를 삭제하여 상기 복합 이벤트를 단순화하는,
    이벤트 처리 시스템.
  9. 제1항에 있어서,
    상기 객체 경향 추출부는,
    상기 객체 간의 경향성의 유사도를 이용하여 유사한 객체들간의 군집화를 수행하는,
    이벤트 처리 시스템.
  10. 제1항에 있어서,
    상기 복합 이벤트가 입력될 때마다 상기 규칙 생성부에서 생성된 상기 객체의 행동 규칙을 상기 저장부에 업데이트하는 제어부;
    를 더 포함하는,
    이벤트 처리 시스템.
  11. 주요부 추출부가 복합 이벤트의 주요부를 추출하는 단계;
    객체 경향 추출부가 각각의 객체의 복합 이벤트에 대한 반응의 경향을 통해 객체경향을 추론하는 단계;
    규칙 생성부가 상기 주요부와 상기 객체경향을 기초로 특정 이벤트 시퀀스가 나타날 때의 객체의 행동 규칙을 생성하는 단계; 및
    상기 객체의 행동 규칙을 저장부에 저장하는 단계;
    를 포함하고,
    상기 주요부를 추출하는 단계는,
    상기 복합 이벤트를 군집화하여 복합 이벤트 군집화 모델을 생성하고,
    상기 복합 이벤트 군집화 모델을 이용하여 복합 이벤트를 중심성에 따라 단순화한 결과에 의해 주요부인 복합 필수 이벤트를 추출하고,
    상기 복합 이벤트의 단순화는 Markov 전이확률모델에서 각 노드의 중심성을 분석하여 복합 이벤트를 단순화하는 것인,
    이벤트 처리 방법.
  12. 제11항의 이벤트 처리 방법이 수행되도록 컴퓨터-판독 가능 매체에 저장된 컴퓨터 프로그램.
KR1020150099077A 2015-07-13 2015-07-13 이벤트 처리 시스템, 이벤트 처리 방법 및 컴퓨터 프로그램 KR101686338B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150099077A KR101686338B1 (ko) 2015-07-13 2015-07-13 이벤트 처리 시스템, 이벤트 처리 방법 및 컴퓨터 프로그램

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150099077A KR101686338B1 (ko) 2015-07-13 2015-07-13 이벤트 처리 시스템, 이벤트 처리 방법 및 컴퓨터 프로그램

Publications (1)

Publication Number Publication Date
KR101686338B1 true KR101686338B1 (ko) 2016-12-14

Family

ID=57575661

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150099077A KR101686338B1 (ko) 2015-07-13 2015-07-13 이벤트 처리 시스템, 이벤트 처리 방법 및 컴퓨터 프로그램

Country Status (1)

Country Link
KR (1) KR101686338B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190105979A (ko) * 2018-03-07 2019-09-18 경기대학교 산학협력단 에디터 추천 장치 및 방법
CN114116799A (zh) * 2021-11-23 2022-03-01 河北航天信息技术有限公司 异常交易环路的识别方法、装置、终端及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100660031B1 (ko) * 2005-12-23 2006-12-20 아주대학교산학협력단 유비쿼터스 환경에서의 자동 룰 생성 장치 및 방법
KR20070061260A (ko) * 2005-12-08 2007-06-13 한국전자통신연구원 학습엔진을 통한 지능형 멀티에이전트 시스템 및 이의운용방법
KR20140139715A (ko) * 2013-05-28 2014-12-08 서정권 온라인 기반의 금융 투자를 위한 복제 매매 시스템
KR101535813B1 (ko) * 2014-10-17 2015-07-10 한국과학기술정보연구원 복합 이벤트 처리를 위한 이벤트 구성 규칙의 동적 업데이트를 위한 시스템 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070061260A (ko) * 2005-12-08 2007-06-13 한국전자통신연구원 학습엔진을 통한 지능형 멀티에이전트 시스템 및 이의운용방법
KR100660031B1 (ko) * 2005-12-23 2006-12-20 아주대학교산학협력단 유비쿼터스 환경에서의 자동 룰 생성 장치 및 방법
KR20140139715A (ko) * 2013-05-28 2014-12-08 서정권 온라인 기반의 금융 투자를 위한 복제 매매 시스템
KR101535813B1 (ko) * 2014-10-17 2015-07-10 한국과학기술정보연구원 복합 이벤트 처리를 위한 이벤트 구성 규칙의 동적 업데이트를 위한 시스템 및 방법

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190105979A (ko) * 2018-03-07 2019-09-18 경기대학교 산학협력단 에디터 추천 장치 및 방법
KR102036507B1 (ko) * 2018-03-07 2019-10-25 경기대학교 산학협력단 에디터 추천 장치 및 방법
CN114116799A (zh) * 2021-11-23 2022-03-01 河北航天信息技术有限公司 异常交易环路的识别方法、装置、终端及存储介质

Similar Documents

Publication Publication Date Title
WO2019091177A1 (zh) 风险识别模型构建和风险识别方法、装置及设备
Boyen et al. Discovering the hidden structure of complex dynamic systems
US8660368B2 (en) Anomalous pattern discovery
Wang et al. Deep generative model for robust imbalance classification
US9159021B2 (en) Performing multistep prediction using spatial and temporal memory system
JP4254623B2 (ja) トピック分析方法及びその装置並びにプログラム
Wu Masked face recognition algorithm for a contactless distribution cabinet
US11928616B2 (en) Method and system for hierarchical forecasting
CN111612041A (zh) 异常用户识别方法及装置、存储介质、电子设备
CN112765477A (zh) 信息处理、信息推荐的方法和装置、电子设备和存储介质
de Faria et al. Evaluation of multiclass novelty detection algorithms for data streams
KR101686338B1 (ko) 이벤트 처리 시스템, 이벤트 처리 방법 및 컴퓨터 프로그램
CN115619245A (zh) 一种基于数据降维方法的画像构建和分类方法及系统
Massardi et al. Error-tolerant anytime approach to plan recognition using a particle filter
CN114036318A (zh) 面向泛感知数据的基于时序图的公共安全知识图谱生成方法
KR101857188B1 (ko) 기계학습기반 부동산 시장 분석 및 예측 장치, 방법 및 컴퓨터 프로그램
CN113111193A (zh) 知识图谱的数据处理方法及装置
WO2021059527A1 (ja) 学習装置、学習方法、及び、記録媒体
Lu et al. Determining the optimal number of clusters using a new evolutionary algorithm
JP5491430B2 (ja) クラス分類装置、クラス分類方法、及びクラス分類プログラム
Madi et al. Plmwsp: Probabilistic latent model for web service qos prediction
CN111984698A (zh) 一种信息预测方法、装置及存储介质
Maciel et al. Adaptive fuzzy C-regression modeling for time series forecasting
JP7309673B2 (ja) 情報処理装置、情報処理方法、及びプログラム
Mathai et al. Optimizing The Achieved Frequent Item Sets Using Genetic Algorithm

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
R401 Registration of restoration