RnDCircle Logo
arrow left icon

이원석 연구실

연세대학교 컴퓨터과학과 (인공지능학과)

이원석 교수

Association Rule Mining

Data Stream Processing

Sensor Networks

이원석 연구실

컴퓨터과학과 (인공지능학과) 이원석

이원석 연구실은 컴퓨터과학과를 기반으로 데이터베이스 시스템, 데이터 스트림 처리, 데이터 마이닝, OLAP, 실시간 데이터 분석 등 데이터 중심의 첨단 연구를 선도하고 있습니다. 본 연구실은 데이터 스트림 환경에서 발생하는 방대한 양의 데이터를 효과적으로 저장, 처리, 분석하는 다양한 알고리즘과 시스템 구조를 개발해왔으며, 실시간 데이터 처리의 이론적·실용적 한계를 극복하는 데 중점을 두고 있습니다. 특히, 실시간 데이터 스트림 관리 시스템(DSMS), 슬라이딩 윈도우, 패인 윈도우, 다중 조인 연속 질의 최적화, 동적 데이터 큐브 등 실시간 데이터 처리에 특화된 다양한 기술을 연구하고 있습니다. 이러한 기술들은 센서 네트워크, IoT, 웹 로그, 네트워크 패킷 등 다양한 응용 분야에서 실시간 데이터의 신속한 처리와 분석을 가능하게 하며, 실제 산업 현장에서도 널리 활용되고 있습니다. 또한, 데이터 마이닝 및 연관 규칙 분석 분야에서도 뛰어난 연구 성과를 보이고 있습니다. 빈발 항목 집합 탐색, 연관 규칙 생성, 순차 패턴 마이닝 등 실시간 데이터 환경에 최적화된 데이터 마이닝 기법을 개발하여, 고객 행동 분석, 추천 시스템, 이상 탐지, 문서 자동 분류 등 다양한 분야에 적용하고 있습니다. 본 연구실의 연구는 다수의 특허와 논문, 그리고 다양한 산학협력 프로젝트를 통해 그 우수성이 입증되고 있습니다. OLAP 및 다차원 데이터 분석 분야에서도 본 연구실은 동적 데이터 큐브, 계층적 데이터 처리, 사용자 관심 영역 분석 등 혁신적인 방법론을 제시하고 있습니다. 실시간 데이터 스트림 환경에서의 OLAP 적용을 위한 메모리 최적화와 신속한 질의 처리 기술은 대규모 데이터 환경에서의 의사결정과 인사이트 도출에 큰 기여를 하고 있습니다. 이원석 연구실은 앞으로도 데이터 중심의 첨단 연구를 지속적으로 수행하여, 데이터 기반 사회의 다양한 문제를 해결하고, 실질적인 산업적·학문적 발전에 기여할 것입니다.

Association Rule Mining
Data Stream Processing
Sensor Networks
데이터 스트림 관리 및 실시간 데이터 처리
데이터 스트림 관리 및 실시간 데이터 처리는 최근 빅데이터 시대에 매우 중요한 연구 분야로 부상하고 있습니다. 이 연구실에서는 무한히 생성되는 데이터 스트림을 효과적으로 저장, 처리, 분석하는 다양한 알고리즘과 시스템 구조를 개발하고 있습니다. 특히, 센서 네트워크, IoT, 웹 로그, 네트워크 패킷 등 다양한 응용 분야에서 발생하는 대규모 실시간 데이터를 신속하게 처리하기 위한 기술적 도전과제를 해결하고 있습니다. 실시간 데이터 스트림 환경에서는 제한된 메모리와 컴퓨팅 자원 내에서 데이터의 연속적 유입을 효율적으로 관리해야 하므로, 기존의 정적 데이터베이스와는 다른 접근법이 필요합니다. 본 연구실은 슬라이딩 윈도우, 패인 윈도우, 다중 조인 연속 질의 최적화, 데이터 큐브 등 다양한 실시간 집계 및 질의 처리 기법을 제안하였으며, 메모리 사용량과 처리 시간을 최소화하는 혁신적인 알고리즘을 다수 개발하였습니다. 또한, 실시간 이슈 탐지, 상황 인지, 이상 탐지 등 실시간 분석이 요구되는 다양한 문제에 대한 솔루션도 연구하고 있습니다. 이러한 연구는 실제 산업 현장에서의 데이터 기반 의사결정, 스마트 시티, 스마트 팩토리, 교통 모니터링, 에너지 관리 등 다양한 분야에 적용되고 있습니다. 실시간 데이터 처리 기술은 앞으로도 데이터 기반 사회에서 핵심적인 역할을 할 것으로 기대되며, 본 연구실은 이 분야의 선도적 연구를 지속적으로 수행하고 있습니다.
데이터 마이닝 및 연관 규칙 분석
데이터 마이닝 및 연관 규칙 분석은 대용량 데이터에서 숨겨진 패턴과 유의미한 정보를 추출하는 핵심 기술입니다. 본 연구실은 데이터 스트림 환경에서의 빈발 항목 집합 탐색, 연관 규칙 생성, 순차 패턴 마이닝 등 다양한 데이터 마이닝 기법을 연구하고 있습니다. 특히, 온라인 트랜잭션 데이터, 로그 데이터, 센서 데이터 등 실시간으로 유입되는 데이터에서 신속하게 패턴을 발견하는 알고리즘 개발에 중점을 두고 있습니다. 연관 규칙 분석은 고객 행동 분석, 추천 시스템, 이상 탐지, 문서 자동 분류 등 다양한 응용 분야에서 활용되고 있습니다. 본 연구실은 기존의 오프라인 데이터 마이닝 기법을 실시간 데이터 스트림 환경에 맞게 확장하여, 메모리 효율성과 정확도를 동시에 높이는 새로운 방법론을 제시하였습니다. 예를 들어, 전위트리 기반의 빈발 항목 집합 탐색, 다중 해시함수 기반의 의사 주기 탐사, 실시간 연관 규칙 기반 이슈 탐지 등 다양한 특허와 논문을 통해 그 성과를 입증하고 있습니다. 이러한 연구는 실제 산업 현장에서의 실시간 마케팅, 보안 침입 탐지, 사용자 맞춤형 서비스 제공 등 다양한 분야에 적용되고 있습니다. 앞으로도 데이터 마이닝 및 연관 규칙 분석 기술은 데이터 기반 혁신의 핵심 동력으로 자리매김할 것이며, 본 연구실은 이 분야의 이론적·실용적 발전을 선도하고 있습니다.
OLAP 및 다차원 데이터 분석
OLAP(Online Analytical Processing) 및 다차원 데이터 분석은 복잡한 데이터 구조를 다양한 관점에서 신속하게 분석할 수 있도록 지원하는 기술입니다. 본 연구실은 데이터 큐브, 다차원 계층 데이터 처리, 동적 데이터 큐브 등 OLAP 관련 핵심 기술을 연구하고 있습니다. 특히, 실시간 데이터 스트림 환경에서의 OLAP 적용을 위한 동적 데이터 큐브 관리, 메모리 최적화, 사용자 관심 영역 분석 등 다양한 혁신적 방법론을 개발하였습니다. 전통적인 OLAP 시스템은 정적 데이터베이스에 기반하지만, 본 연구실은 실시간으로 변화하는 데이터 스트림에 OLAP을 적용하는 데 중점을 두고 있습니다. 이를 위해 속성 값의 지지율에 따라 동적으로 그룹을 형성하고, 메모리와 처리 시간을 절약하면서도 사용자의 분석 요구에 신속하게 대응할 수 있는 시스템 구조를 제안하였습니다. 또한, 다차원 데이터의 계층적 구조를 활용하여 복잡한 질의도 효율적으로 처리할 수 있도록 다양한 알고리즘을 개발하였습니다. 이러한 연구는 웹 로그 분석, 비즈니스 인텔리전스, 스마트 시티 데이터 분석, 의료 데이터 분석 등 다양한 분야에 적용되고 있습니다. OLAP 및 다차원 데이터 분석 기술은 대규모 데이터 환경에서의 신속한 의사결정과 인사이트 도출에 필수적이며, 본 연구실은 이 분야의 실질적 발전에 크게 기여하고 있습니다.
1
Matrix-based continuous query evaluation for multisensor data streams in IOT environments
HYUN-HO LEE, HONG-KYU PARK, KIL-HONG JOO, 이원석
ASIA LIFE SCIENCES, 201507
2
Finding context association rules instantly over data streams of sensor networks for human life
HO-JIN WOO, SE-JUNG SHIN, KIL-HONG JOO, 이원석
ASIA LIFE SCIENCES, 201507
3
CP-tree: An adaptive synopsis structure for compressing frequent itemsets over online data streams
신세정, 이대수, 이원석
INFORMATION SCIENCES, 201409
1
[한국지능정보사회진흥원] 에너지 수급 예측을 위한 익명 재현데이터 활용 서비스 기획 검증
한국지능정보사회진흥원
2023년 06월 ~ 2023년 11월
2
[용역/한국데이터산업진흥원] 산업형 빅데이터 시각화 및 고급분석
한국데이터산업진흥원
2022년 04월 ~ 2022년 10월
3
[용역/한국데이터산업진흥원] 빅데이터 분석처리 과정
한국데이터산업진흥원
2021년 04월 ~ 2021년 10월