사물인터넷(IoT) 환경에서는 상호 연결된 장치들이 생성된 데이터를 지속적으로 실시간으로 공유하며, 일반적으로 특정 목적에 따라 수집된다. 효율성을 확보하기 위해 IoT 기술은 이러한 장치들로부터 가장 관련성 높은 통찰만을 제공해야 한다. 고유용도 패턴 마이닝은 중요한 지식을 추출하는 기법이며, 동적인 환경에서 이러한 패턴을 효율적으로 채굴하기 위한 성능 향상에 대한 연구가 수행되어 왔다. 데이터 삭제 환경에서 고유용도 패턴을 마이닝하기 위해 사전 large 개념(prelarge concept)을 도입한 접근법이 제시되었지만, 최신 기술은 비효율적인 데이터 구조에 의존하여 IoT 데이터와의 실시간 분석에는 적합하지 않다. 이러한 한계를 극복하기 위해, 본 논문은 센서 오류 또는 저장 제약 때문에 데이터가 삭제되는 동적 IoT 환경을 대상으로 사전 large 개념을 포함한 새로운 유용도 패턴 마이닝 접근법을 제안한다. 사전 large 패턴의 실제 유용도를 유지함으로써 검증을 생략하고 통신 지연을 개선한다. 실제 유용도에 기반하여 보다 적은 수의 large 또는 prelarge 패턴을 저장함으로써 처리 시간과 메모리 소비를 최적화할 수 있다. 제안된 방법은 효율적인 리스트 기반 방식으로 동작하여, 리스캔 조건이 충족될 때 검색 공간 가지치기(pruning)를 효과적으로 수행하고, 트랜잭션 병합을 통해 간결한 데이터 구조를 생성한다. 실험 결과, 본 알고리즘은 기존 방법과 비교하여 메모리 소비에 대한 최소한의 타협으로도 처리 시간과 확장성 측면에서 우수하며, 정확한 패턴을 추출하는 것으로 나타났다. 또한 실제 IoT 환경을 재현하는 분석을 통해, 제안된 방법이 현실 환경에서 충분히 적용 가능함을 확인하였다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.