검수요청.png검수요청.png

"티앤원타오"의 두 판 사이의 차이

위키원
이동: 둘러보기, 검색
10번째 줄: 10번째 줄:
 
*2014년 10월 - 2015년 12월 : 1년 3개월 동안 홍콩중문대학 연구 조수(Research Assistant)
 
*2014년 10월 - 2015년 12월 : 1년 3개월 동안 홍콩중문대학 연구 조수(Research Assistant)
 
*2015년 12월 - 현재 : 홍콩에 있는 부동산 거래 회사(a prop trading firm)에서 콴티테이티브 트레이더(Quantitative Trader)로 활동
 
*2015년 12월 - 현재 : 홍콩에 있는 부동산 거래 회사(a prop trading firm)에서 콴티테이티브 트레이더(Quantitative Trader)로 활동
*현재 : 코르텍스(Cortex) 인공지능 및 블록체인 엔지니어
+
*현재 : [[코르텍스]](Cortex) [[인공지능]] [[블록체인]] 엔지니어
  
 
==주요 활동==
 
==주요 활동==
 
;2013년 초대형 데이터베이스에 관한 국제 회의 논문 - 큰 그래프에서 최상위 키워드 검색
 
;2013년 초대형 데이터베이스에 관한 국제 회의 논문 - 큰 그래프에서 최상위 키워드 검색
요즘 등장하는 네트워크는 노드에 레이블 또는 텍스트 내용을 갖는 것이 일반적이다. 이러한 네트워크에서 최상위 k 개의 키워드 (k-NK) 검색 문제를 연구한다. 무방향 그래프로 모델링 된 네트워크 G에서 각 노드에는 0 개 이상의 키워드가 연결되고 각 모서리에는 길이를 측정하는 가중치가 할당된다. G의 쿼리 노드 q와 키워드 λ가 주어지면, k-NK 쿼리는 λ를 포함하고 q에 가장 가까운 k 개의 노드를 찾는다. k-NK는 독립형 쿼리뿐만 아니라 복잡한 그래프 패턴 일치 문제를 해결하기위한 구성 요소로도 유용하다. 정확한 k-NK 결과의 핵심은 그래프에서 정확한 최단 거리 추정이다. 최신 거리 오라클 기술을 기반으로 거리 오라클에 대한 최단 경로 트리를 구축하고 트리 거리를 보다 정확한 추정값으로 사용할 수 있다.
+
요즘 등장하는 [[네트워크]]는 노드에 레이블 또는 텍스트 내용을 갖는 것이 일반적이다. 이러한 네트워크에서 최상위 k 개의 키워드 (k-NK) 검색 문제를 연구한다. 무방향 그래프로 모델링 된 네트워크 G에서 각 노드에는 0 개 이상의 키워드가 연결되고 각 모서리에는 길이를 측정하는 가중치가 할당된다. G의 쿼리 노드 q와 키워드 λ가 주어지면, k-NK 쿼리는 λ를 포함하고 q에 가장 가까운 k 개의 노드를 찾는다. k-NK는 독립형 쿼리뿐만 아니라 복잡한 그래프 패턴 일치 문제를 해결하기위한 구성 요소로도 유용하다. 정확한 k-NK 결과의 핵심은 그래프에서 정확한 최단 거리 추정이다. 최신 거리 오라클 기술을 기반으로 거리 오라클에 대한 최단 경로 트리를 구축하고 트리 거리를 보다 정확한 추정값으로 사용할 수 있다.
  
 
;2014년 논문 - 이중 희소 주제 모델, 채굴 중심 주제 및 단문 텍스트의 중심 용어
 
;2014년 논문 - 이중 희소 주제 모델, 채굴 중심 주제 및 단문 텍스트의 중심 용어
주제 모델링은 탐색 텍스트 마이닝에 효과적인 방법으로 입증되었다. 문서가 여러 주제로 생성되는 것이 대부분의 주제 모델에 대한 일반적인 가정이다. 실제 시나리오에서 개별 문서는 일반적으로 다양한 주제를 다루지 않고 몇 가지 중요한 주제에 집중한다. 실제 주제는 어휘를 광범위하게 다루지 않고 좁은 범위의 용어를 채택한다. 이처럼 희박한 정보를 이해하는 것은 사용자가 생성 한 웹 컨텐츠 및 소셜 미디어를 분석하는 데 특히 중요하며, 이는 매우 짧은 게시물 및 요약된 토론이라는 특징이 있다. 본 논문에서는 주제 혼합과 단어 사용법의 희소성을 다루는 이중 희소 주제 모델을 제안한다. "스파이크 및 슬래브(Spike and Slab)"를 적용하여 문서 주제와 주제 단어 분포의 희소성과 부드러움을 분리하기 전에 개별 문서에서 몇 가지 중점 주제를 선택하고 주제를 중심으로 용어를 선택할 수 있다. 다른 장르에 대한 실험은 이중 희소 주제 모델이 고전적 주제 모델과 기존 희소성 향상 주제 모델보다 성능이 우수함을 보여준다. 이 개선 사항은 특히 짧은 문서 모음에서 두드러질 수 있다.
+
주제 모델링은 탐색 [[텍스트 마이닝]]에 효과적인 방법으로 입증되었다. 문서가 여러 주제로 생성되는 것이 대부분의 주제 모델에 대한 일반적인 가정이다. 실제 시나리오에서 개별 문서는 일반적으로 다양한 주제를 다루지 않고 몇 가지 중요한 주제에 집중한다. 실제 주제는 어휘를 광범위하게 다루지 않고 좁은 범위의 용어를 채택한다. 이처럼 희박한 정보를 이해하는 것은 사용자가 생성 한 웹 컨텐츠 및 소셜 미디어를 분석하는 데 특히 중요하며, 이는 매우 짧은 게시물 및 요약된 토론이라는 특징이 있다. 본 논문에서는 주제 혼합과 단어 사용법의 희소성을 다루는 이중 희소 주제 모델을 제안한다. "스파이크 및 슬래브(Spike and Slab)"를 적용하여 문서 주제와 주제 단어 분포의 희소성과 부드러움을 분리하기 전에 개별 문서에서 몇 가지 중점 주제를 선택하고 주제를 중심으로 용어를 선택할 수 있다. 다른 장르에 대한 실험은 이중 희소 주제 모델이 고전적 주제 모델과 기존 희소성 향상 주제 모델보다 성능이 우수함을 보여준다. 이 개선 사항은 특히 짧은 문서 모음에서 두드러질 수 있다.
  
 
;2014년 국제 데이터 관리 컨퍼런스 논문 - 대형 및 동적 그래프에서 케이 트러스 커뮤니티 쿼리
 
;2014년 국제 데이터 관리 컨퍼런스 논문 - 대형 및 동적 그래프에서 케이 트러스 커뮤니티 쿼리
국제 데이터 관리 컨퍼런스(ACM SIGMOD)에 대형 및 동적 그래프에서 케이 트러스 커뮤니티 쿼리(Querying k-truss community in large and dynamic graphs) 논문을 발표했다. 밀집된 구조물을 발견하는 커뮤니티 탐지는 네트워크상에서 많이 연구되어 왔다. 이 논문에서, 실질적으로 유용하지만 덜 연구된 온라인 커뮤니티 검색을 연구하였다. 문헌상 그래프에서 쿼리 정점을 고려할 때 문제는 정점이 온라인에 속한다는 의미 있는 커뮤니티를 찾는것이다. 케이 트러스(K-truss)에 기반한 새로운 커뮤니티 모델을 제안하였다. 개념은 멋진 구조와 계산적 특성을 가져온다. 컴팩트하고 우아한 인덱스 구조를 설계하여 선형 비용의 k-truss 커뮤니티의 효율적인 검색과 공동체 규모에 대한 존중 또한 다음과 같은 동적 그래프 설정으로 k-truss 커뮤니티 검색 문제를 조사한다. 그래프 정점 및 가장자리의 빈번한 삽입 및 삭제 대규모 실제 네트워크에서 광범위한 실험을 통해 커뮤니티 모델 및 검색의 효과와 효율성 있는 알고리즘을 제시하였다.  
+
국제 [[데이터]] 관리 컨퍼런스(ACM SIGMOD)에 대형 및 동적 그래프에서 케이 트러스 커뮤니티 쿼리(Querying k-truss community in large and dynamic graphs) 논문을 발표했다. 밀집된 구조물을 발견하는 커뮤니티 탐지는 네트워크상에서 많이 연구되어 왔다. 이 논문에서, 실질적으로 유용하지만 덜 연구된 온라인 커뮤니티 검색을 연구하였다. 문헌상 그래프에서 쿼리 정점을 고려할 때 문제는 정점이 온라인에 속한다는 의미 있는 커뮤니티를 찾는것이다. 케이 트러스(K-truss)에 기반한 새로운 커뮤니티 모델을 제안하였다. 개념은 멋진 구조와 계산적 특성을 가져온다. 컴팩트하고 우아한 인덱스 구조를 설계하여 선형 비용의 k-truss 커뮤니티의 효율적인 검색과 공동체 규모에 대한 존중 또한 다음과 같은 동적 그래프 설정으로 k-truss 커뮤니티 검색 문제를 조사한다. 그래프 정점 및 가장자리의 빈번한 삽입 및 삭제 대규모 실제 네트워크에서 광범위한 실험을 통해 커뮤니티 모델 및 검색의 효과와 효율성 있는 알고리즘을 제시하였다.  
  
 
;2015년 4월 17일  인공 지능에 관한 국제 공동 회의 논문 - 텍스트 일반성을 통합한 감시되지 않는 의견 스팸 탐지 통합 모델
 
;2015년 4월 17일  인공 지능에 관한 국제 공동 회의 논문 - 텍스트 일반성을 통합한 감시되지 않는 의견 스팸 탐지 통합 모델
텍스트 내용을 고려한 스팸 탐지 검토에 관한 기존의 많은 방법들은 내용 유사성과 같은 단순한 텍스트 기능만을 활용하기 때문에 스팸 탐지 개선을 위해 텍스트 일반성을 이용하는 새로운 아이디어를 탐구한다. 게다가 스팸 탐지 검토의 과제 외에, 검토 스팸 발송자(사용자)와 조작된 제공물(항목)을 식별하는 작업도 일부 있었지만, 통일된 모델에서 이 세 가지 과제를 해결하려고 시도한 이전 작품은 없다. 의심스러운 검토 스팸을 탐지하고, 스팸 발송자 및 조작된 오퍼링을 감독되지 않은 방식으로 검토하기 위한 통일 확률론적 그래픽 모델을 제안했다. 아마존(Amazon), 트립어드바이저(TripAdvisor), 옐프(Yelp) 등 3개 검토 기업에 대한 실험 결과 최신 모델과 비교해서 제안된 모델의 우수성이 입증되었다.
+
텍스트 내용을 고려한 스팸 탐지 검토에 관한 기존의 많은 방법들은 내용 유사성과 같은 단순한 텍스트 기능만을 활용하기 때문에 스팸 탐지 개선을 위해 텍스트 일반성을 이용하는 새로운 아이디어를 탐구한다. 게다가 스팸 탐지 검토의 과제 외에, 검토 스팸 발송자(사용자)와 조작된 제공물(항목)을 식별하는 작업도 일부 있었지만, 통일된 모델에서 이 세 가지 과제를 해결하려고 시도한 이전 작품은 없다. 의심스러운 검토 스팸을 탐지하고, 스팸 발송자 및 조작된 오퍼링을 감독되지 않은 방식으로 검토하기 위한 통일 확률론적 그래픽 모델을 제안했다. [[아마존]](Amazon), 트립어드바이저(TripAdvisor), 옐프(Yelp) 등 3개 검토 기업에 대한 실험 결과 최신 모델과 비교해서 제안된 모델의 우수성이 입증되었다.
  
 
{{각주}}
 
{{각주}}

2019년 9월 23일 (월) 16:23 판

코르텍스(Cortex)

티앤원타오(Tian Wentao)는 인공지능 기반의 블록체인 서비스를 위한 암호화폐 코르텍스(Cortex)의 인공지능(AI) 및 블록체인 엔지니어이다. 프로그래밍, 머신러닝, 분산 알고리즘에 관심이 많으며, C++과 파이썬(python)에 대한 프로그래밍 기술을 가지고 있다. 티앤원타오는 국제 싸이랩(SCILAB)[1] 오픈소스 소프트웨어(open source software) 콘테스트 수상자로 제34회 ACM/ICPC 아시아 지역 금메달을 수상하였다.

약력

  • 2008년 - 2012년 : 샤먼대학( Xiamen University) 컴퓨터공학 전공
  • 2010년 6월 : 1개월 동안 샤먼대학에서 코디네이터(Coordinator) 봉사활동
  • 2012년 2월 - 2012년 4월 : 3개월 동안 홍콩중문대학 연구 조수(Research Assistant)
  • 2012년 - 2015년 : 홍콩중문대학(The Chinese University of Hong Kong) 시스템공학 및 시스템 경영학 석사학위 취득
  • 2014년 10월 - 2015년 12월 : 1년 3개월 동안 홍콩중문대학 연구 조수(Research Assistant)
  • 2015년 12월 - 현재 : 홍콩에 있는 부동산 거래 회사(a prop trading firm)에서 콴티테이티브 트레이더(Quantitative Trader)로 활동
  • 현재 : 코르텍스(Cortex) 인공지능블록체인 엔지니어

주요 활동

2013년 초대형 데이터베이스에 관한 국제 회의 논문 - 큰 그래프에서 최상위 키워드 검색

요즘 등장하는 네트워크는 노드에 레이블 또는 텍스트 내용을 갖는 것이 일반적이다. 이러한 네트워크에서 최상위 k 개의 키워드 (k-NK) 검색 문제를 연구한다. 무방향 그래프로 모델링 된 네트워크 G에서 각 노드에는 0 개 이상의 키워드가 연결되고 각 모서리에는 길이를 측정하는 가중치가 할당된다. G의 쿼리 노드 q와 키워드 λ가 주어지면, k-NK 쿼리는 λ를 포함하고 q에 가장 가까운 k 개의 노드를 찾는다. k-NK는 독립형 쿼리뿐만 아니라 복잡한 그래프 패턴 일치 문제를 해결하기위한 구성 요소로도 유용하다. 정확한 k-NK 결과의 핵심은 그래프에서 정확한 최단 거리 추정이다. 최신 거리 오라클 기술을 기반으로 거리 오라클에 대한 최단 경로 트리를 구축하고 트리 거리를 보다 정확한 추정값으로 사용할 수 있다.

2014년 논문 - 이중 희소 주제 모델, 채굴 중심 주제 및 단문 텍스트의 중심 용어

주제 모델링은 탐색 텍스트 마이닝에 효과적인 방법으로 입증되었다. 문서가 여러 주제로 생성되는 것이 대부분의 주제 모델에 대한 일반적인 가정이다. 실제 시나리오에서 개별 문서는 일반적으로 다양한 주제를 다루지 않고 몇 가지 중요한 주제에 집중한다. 실제 주제는 어휘를 광범위하게 다루지 않고 좁은 범위의 용어를 채택한다. 이처럼 희박한 정보를 이해하는 것은 사용자가 생성 한 웹 컨텐츠 및 소셜 미디어를 분석하는 데 특히 중요하며, 이는 매우 짧은 게시물 및 요약된 토론이라는 특징이 있다. 본 논문에서는 주제 혼합과 단어 사용법의 희소성을 다루는 이중 희소 주제 모델을 제안한다. "스파이크 및 슬래브(Spike and Slab)"를 적용하여 문서 주제와 주제 단어 분포의 희소성과 부드러움을 분리하기 전에 개별 문서에서 몇 가지 중점 주제를 선택하고 주제를 중심으로 용어를 선택할 수 있다. 다른 장르에 대한 실험은 이중 희소 주제 모델이 고전적 주제 모델과 기존 희소성 향상 주제 모델보다 성능이 우수함을 보여준다. 이 개선 사항은 특히 짧은 문서 모음에서 두드러질 수 있다.

2014년 국제 데이터 관리 컨퍼런스 논문 - 대형 및 동적 그래프에서 케이 트러스 커뮤니티 쿼리

국제 데이터 관리 컨퍼런스(ACM SIGMOD)에 대형 및 동적 그래프에서 케이 트러스 커뮤니티 쿼리(Querying k-truss community in large and dynamic graphs) 논문을 발표했다. 밀집된 구조물을 발견하는 커뮤니티 탐지는 네트워크상에서 많이 연구되어 왔다. 이 논문에서, 실질적으로 유용하지만 덜 연구된 온라인 커뮤니티 검색을 연구하였다. 문헌상 그래프에서 쿼리 정점을 고려할 때 문제는 정점이 온라인에 속한다는 의미 있는 커뮤니티를 찾는것이다. 케이 트러스(K-truss)에 기반한 새로운 커뮤니티 모델을 제안하였다. 개념은 멋진 구조와 계산적 특성을 가져온다. 컴팩트하고 우아한 인덱스 구조를 설계하여 선형 비용의 k-truss 커뮤니티의 효율적인 검색과 공동체 규모에 대한 존중 또한 다음과 같은 동적 그래프 설정으로 k-truss 커뮤니티 검색 문제를 조사한다. 그래프 정점 및 가장자리의 빈번한 삽입 및 삭제 대규모 실제 네트워크에서 광범위한 실험을 통해 커뮤니티 모델 및 검색의 효과와 효율성 있는 알고리즘을 제시하였다.

2015년 4월 17일 인공 지능에 관한 국제 공동 회의 논문 - 텍스트 일반성을 통합한 감시되지 않는 의견 스팸 탐지 통합 모델

텍스트 내용을 고려한 스팸 탐지 검토에 관한 기존의 많은 방법들은 내용 유사성과 같은 단순한 텍스트 기능만을 활용하기 때문에 스팸 탐지 개선을 위해 텍스트 일반성을 이용하는 새로운 아이디어를 탐구한다. 게다가 스팸 탐지 검토의 과제 외에, 검토 스팸 발송자(사용자)와 조작된 제공물(항목)을 식별하는 작업도 일부 있었지만, 통일된 모델에서 이 세 가지 과제를 해결하려고 시도한 이전 작품은 없다. 의심스러운 검토 스팸을 탐지하고, 스팸 발송자 및 조작된 오퍼링을 감독되지 않은 방식으로 검토하기 위한 통일 확률론적 그래픽 모델을 제안했다. 아마존(Amazon), 트립어드바이저(TripAdvisor), 옐프(Yelp) 등 3개 검토 기업에 대한 실험 결과 최신 모델과 비교해서 제안된 모델의 우수성이 입증되었다.

각주

  1. 싸이랩(SCILAB)〉, 《위키백과》

참고자료

같이 보기


  검수요청.png검수요청.png 이 티앤원타오 문서는 블록체인 개발업체 경영자에 관한 글로서 검토가 필요합니다. 위키 문서는 누구든지 자유롭게 편집할 수 있습니다. [편집]을 눌러 문서 내용을 검토·수정해 주세요.