KCI등재
학습 데이터 구축에 필요한 공공 데이터 정제 사례 = Cases of Public Data Purification Needed to Build Learning Data
저자
발행기관
학술지명
아시아태평양융합연구교류논문지(Asia-pacific Journal or Convergent Recearch Interchange)
권호사항
발행연도
2023
작성언어
Korean
주제어
등재정보
KCI등재
자료형태
학술저널
수록면
117-128(12쪽)
DOI식별코드
제공처
Although the quality of AI learning data portal data portal is important, in the case of public data, it cannot guarantee the quality of data portal since the purpose of the public data provide portal was not planned for AI learning .There were many fields that do not exist, and there were many cases that the scope of values allowed to data items that allow data items that allow data items are not clear.Also, there was cases where logical error exists in storage value.In the case of public data portal, it is conducted in a way to register the same institution, rather than upload it.Therefore, there is no unifiedity of data.In this paper, consistency properties of public data was defined as accuracy, consistency, general, publicability, publicability, publicability, publicity, and reliability. Generic functions that can simply exclude missing value errors or solve the case of general-purpose data have been developed, and functions suitable for the domain-specific can be defined and called. When different values are stored, a standard glossary is defined and an algorithm that can be changed to a representative terminology is provided. In this paper, it proposed several general processing algorithms to solve the errors that shows frequently appear in public data. If these algorithms are applied, it is expected to efficiently performing processing processing processing process of public data.
더보기인공지능 학습용 데이터의 품질이 중요하다는 인식을 갖고 있지만, 공공데이터 포털에서 제공하는 데이타의 경우는 인공지능 학습용 데이터 활용을 목적으로 만들어지지 않았기 때문에 데이터의 품질을 보장할 수 없다. 데이터가 존재하지 않는 필드들이 다수 존재함을 발견할 수 있었으며, 데이터 항목에 허용하는 값의 범위가 명확하지 않아서 동일한 값을 서로 다르게 표현하는 경우가 많았다. 또한, 저장 값이 논리적 오류를 갖는 경우도 존재한다. 공공데이터 포털의 경우 한 기관에서 취합하여 업로드하는 것이 아닌 여러 기관에서 보낸 것을 그대로 등록하는 방식으로 진행된다. 따라서 데이터의 통일성이 존재하지 않았다. 본 논문에서는 공공데이터의 품질 속성을 정확성, 완전성, 일관성, 공공성, 활용성, 신뢰성 6가지로 정의하였다. 또한, 본 논문에서는 공공데이터에서 빈번하게 나타나는 오류를 분석하여 이를 처리하는 전처리 알고리즘을 제안하였다. 결측치 오류를 단순하게 배제하거나, 범용적 데이터의 경우를 해결할 수 있는 기본 함수를 개발하였고, 분석 영역에 적합한 함수를 정의하고 호출할 수 있게 하였다. 서로 다른 값이 저장된 경우는 표준 용어집을 정의하여 대표어로 변경할 수 있는 알고리즘을 제공하였다. 본 논문 제공한 일반적 처리 알고리즘을 적용한다면 공공데이터 오류수정을 위한 전 처리 과정을 효율적으로 수행할 수 있을 것으로 기대한다.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)