신효섭 연구실
컴퓨터공학부 신효섭
신효섭 연구실은 소프트웨어학과를 기반으로 데이터베이스 시스템, XML 데이터 관리, 추천 시스템, 소셜미디어 데이터 분석 등 다양한 데이터 중심 연구를 선도하고 있습니다. 본 연구실은 데이터베이스 이론과 실제 시스템 구현을 아우르며, 대용량 데이터의 효율적인 저장, 검색, 질의 처리 기술을 개발하는 데 중점을 두고 있습니다. 특히, XML 데이터베이스의 구조적 특성을 활용한 경량형 구조적 조인, 세미조인, 경로 질의 최적화 등 고성능 데이터 처리 알고리즘을 다수 제안하였습니다.
또한, 연구실은 추천 시스템 및 소셜미디어 데이터 분석 분야에서도 두각을 나타내고 있습니다. 사용자 행동 기반 프로파일링, 멀티모달 콘텐츠 평가, 신뢰 및 평판 기반 추천 알고리즘 등 첨단 기술을 개발하여, 사용자 맞춤형 정보 제공과 온라인 커뮤니티 내 신뢰성 있는 정보 유통을 지원합니다. 최근에는 신뢰 공격 탐지, 쿼리 추천 및 평가, 전문가 사용자 탐색 등 최신 이슈에 대응하는 연구도 활발히 진행되고 있습니다.
고차원 데이터 공간에서의 효율적인 유사 조인 및 거리 조인 알고리즘 개발 역시 연구실의 주요 연구 분야입니다. 분할 기반 유사 조인, R-트리 기반 거리 조인, 적응적 다단계 거리 조인 등 다양한 접근법을 통해, 빅데이터 환경에서의 데이터 분석 및 검색 효율성을 극대화하고 있습니다. 이러한 연구는 데이터 마이닝, 정보 검색, 추천 시스템 등 다양한 응용 분야에 적용되고 있습니다.
연구실은 이론적 연구와 실용적 응용의 균형을 중시하며, 실제 산업 현장과 학계에서 그 효용성이 입증된 다양한 시스템과 알고리즘을 개발해왔습니다. 실험 및 시제품 개발을 통해 제안된 기술의 성능을 검증하고, 데이터베이스 및 소프트웨어 분야의 최신 이슈에 대응하는 혁신적인 솔루션을 지속적으로 제시하고 있습니다.
앞으로도 신효섭 연구실은 데이터 중심의 소프트웨어 기술 발전을 선도하며, 데이터베이스, 추천 시스템, 소셜미디어 분석, 고차원 데이터 처리 등 다양한 분야에서 학문적·산업적 가치를 창출하는 연구를 이어갈 것입니다.
Networked Home Appliances
Recommender Systems
Federated Learning
데이터베이스 시스템 및 XML 데이터 관리
신효섭 연구실은 데이터베이스 시스템의 이론과 실제를 아우르는 다양한 연구를 수행하고 있습니다. 특히, XML 데이터베이스의 효율적인 저장, 검색, 질의 처리에 대한 연구가 두드러집니다. XML 데이터의 구조적 특성을 활용한 경량형 구조적 조인, 세미조인, 경로 질의 최적화 등 다양한 알고리즘을 개발하여 대용량 데이터의 빠르고 정확한 처리를 목표로 하고 있습니다.
이 연구실은 XML 스키마 기반의 시맨틱 데이터 통합, 동적 부분 갱신을 지원하는 경량 XML 저장소, 스트림 데이터의 실시간 필터링 등 실질적인 데이터 관리 문제를 해결하기 위한 시스템을 설계하고 구현해왔습니다. 또한, 다양한 도메인에서 발생하는 이질적인 데이터 소스를 통합하고, RDF 및 온톨로지 기반의 스키마 매핑을 통해 의미적 데이터 통합을 실현하는 방법론도 제안하였습니다.
이러한 연구는 디지털 라이브러리, 방송 콘텐츠 관리, 임베디드 시스템 등 다양한 응용 분야에 적용되고 있으며, 실제 산업 현장과 학계에서 그 효용성이 입증되고 있습니다. 실험 및 시제품 개발을 통해 제안된 알고리즘과 시스템의 성능을 검증하고, 데이터베이스 분야의 최신 이슈에 대응하는 혁신적인 솔루션을 지속적으로 제시하고 있습니다.
추천 시스템 및 소셜미디어 데이터 분석
연구실은 추천 시스템과 소셜미디어 데이터 분석 분야에서도 활발한 연구를 진행하고 있습니다. 사용자 행동 기반의 프로파일링, 멀티모달 콘텐츠 평가, 신뢰 및 평판 기반 추천 알고리즘 등 다양한 기술을 개발하여, 사용자 맞춤형 정보 제공과 온라인 커뮤니티 내 신뢰성 있는 정보 유통을 지원합니다. 최근에는 신뢰 공격(Trust Shilling Attack) 탐지, 사용자 쿼리 추천 및 평가, 온라인 커뮤니티 내 전문가 사용자 탐색 등 최신 이슈에 대응하는 연구도 수행하고 있습니다.
특히, 대규모 웹 커뮤니티에서의 사회적 관계 분석을 통해 전문가 사용자를 발견하고, 클러스터 브라우징을 통한 효율적인 정보 탐색 방법을 제안하였습니다. 또한, 사용자 피드백과 행동 데이터를 통합적으로 분석하여, 콘텐츠 유사도 측정 및 추천의 정확도를 높이는 다양한 특허 기술도 보유하고 있습니다. 이러한 연구는 실제 상용 서비스(예: 다이닝코드)와 연계되어, 실질적인 사회적 영향력을 발휘하고 있습니다.
연구실의 추천 시스템 연구는 머신러닝, 데이터 마이닝, 네트워크 분석 등 다양한 첨단 기술을 융합하여, 사용자 경험을 극대화하고 정보의 신뢰성과 효율성을 동시에 추구합니다. 실험적 검증과 실제 서비스 적용을 통해, 이론적 연구와 실용적 응용의 균형을 이루고 있습니다.
고차원 데이터 및 유사 조인 알고리즘
신효섭 연구실은 고차원 데이터 공간에서의 효율적인 유사 조인(Similarity Join) 및 거리 조인(Distance Join) 알고리즘 개발에도 많은 기여를 하고 있습니다. 대용량, 고차원 데이터의 특성을 고려한 분할 기반(partition-based) 유사 조인, R-트리 기반 거리 조인, 적응적 다단계 거리 조인 등 다양한 접근법을 통해, 데이터 분석 및 검색의 효율성을 극대화하고 있습니다.
이러한 연구는 빅데이터 환경에서의 데이터 마이닝, 정보 검색, 추천 시스템 등 다양한 응용 분야에 적용될 수 있습니다. 특히, 고차원 데이터의 차원의 저주(Curse of Dimensionality) 문제를 극복하기 위한 새로운 파티셔닝 전략, 인덱싱 및 최적화 기법을 제안하여, 기존 방식 대비 월등한 성능 향상을 이끌어냈습니다. 실험적 평가를 통해 제안된 알고리즘의 우수성을 입증하였으며, 관련 특허도 다수 출원하였습니다.
연구실의 고차원 데이터 처리 연구는 이론적 모델링과 실용적 시스템 구현을 동시에 추구하며, 데이터 과학 및 인공지능 분야의 핵심 기반 기술로 자리매김하고 있습니다. 앞으로도 대규모 데이터 환경에서의 효율적인 데이터 처리와 분석을 위한 혁신적인 연구를 지속적으로 추진할 예정입니다.
1
Detection of Trust Shilling Attacks in Recommender Systems
신효섭, Xian Chen, Chensen Huang, Xi Deng
IEICE TRANSACTIONS ON INFORMATION AND SYSTEMS, 202206
2
Cooperative Recording to Increase Storage Efficiency in Networked Home Appliances
신효섭, 김은삼, 김진성
IEICE TRANSACTIONS ON INFORMATION AND SYSTEMS, 202203
3
Cooperative Buffering Schemes for Time-Shifted Live Streaming of Distributed Appliances
Kim, E (Kim, Eunsam), Cho, Y (Cho, Yunho), Shin, H (Shin, Hyoseop)
APPLIED SCIENCES-BASEL, 202112
1
컨텐츠에 적응적인 멀티모달 기반 소셜미디어 검색 기술
2
대규모 웹커뮤니티에서 사회적 관계성 분석을 통한 전문가 사용자의 발견 및 클러스터 브라우징