基本情報

所属
知的データ分析学講座
職位
教授
E-Mail
paikic@u-aizu.ac.jp
Webサイト
http://ebiz.u-aizu.ac.jp

教育

担当科目 - 大学
Java プログラミング 2Software 工学演習課外プロジェクトベンチャー体験工房4 「ビックダータと状況認識」
担当科目 - 大学院
インターネット技術特論セマンティックウェブ技術ビックデータ科学紹介

研究

研究分野
セマンティックウェブサービスと構成データマイニング認識コンピューティングビックダータ科学とインフラウェブセキューリティとe-Business
略歴
高校 大田高校 学士、韓国 高麗大学 修士、韓国高麗大学大学院 コンピュータ専攻 博士、韓国高麗大学大学院 半導体と通信専攻
現在の研究課題
セマンティックウェブサービスビックデータインフラの上認知コンピューティングビックデータインフラの上サービスの構成
研究内容キーワード
Automatic Service Composition Framework自動サービス構成フレームワーク全域ソシャルサービスネットワークと応用ビックデータマイニングと解釈地域認知最適ビックデータインフラビックデータの上、サービス構成フレームワーク
所属学会
ACM, IEEE, IEICE, ISPJ, IEIE

パーソナルデータ

趣味
ジョギング、バスケット 聖書読みとお祈り 真面目な話しと討議
子供時代の夢
科学者
これからの目標
イエス・キリストの人格に似た者となること。
座右の銘
全ての心を持って神を愛し、隣人を自分のように愛する
愛読書
聖書
学生へのメッセージ
貴方の命は唯一であり、何よりもっとも大切なこと。 貴方の出来る限り一番価値がある高い所で目標を立てて、それに向かって最善を尽くし、成し遂げるまで決して投げないこと。
その他

主な研究

ディープラーニングサービスの自動生成

この研究ではAI技術をAI技術者ではない領域へ広がれるように自動生成器を開発する。なぜなら、AIを良く知らない多い人々が自分のビジネスでディープラーニングなどAIを利用したいと思うから。この研究では、既存のAI専門家の知識をオントロジーやルールで集まって、自動サービス構築技術を基づいて、自動的にでシステムを構築するシステムを開発する。

この研究を見る

機械学習(特にディープラーニング)の応用 - コンテキストを考えるニューラル言語翻訳機

ディープラーニング技術の大きい寄与は言語翻訳機である。Sequence to Sequence モデルやTransformer モデル用いて翻訳機を構築して来て、良い結果を見せた。今は、lexical ambiguity を減るためにBERTとTransformerの翻訳機を利用して新たな翻訳機を研究している。

この研究を見る

ビックデータに基づくサービスコンピューティング

The data explosion in recent years has led to a great rising demand for Big Data processing, and new intelligent approaches as a science are strongly required for discovering more competitive knowledge from the large data. Service Computing is a cross-disciplinary science that encompasses the science and technology of bridging the gap between business and IT services. In my research, key issues for intelligent services based on Big Data Science are studied.

この研究を見る

ビックデータ処理とインフラストラクチャー

ビックデータの処理は大きいコンピューティング資源を求める。 HadoopやApache Sparkなど分散ビックデータインフラストラクチャーがその例である。ビックデータを早く処理する並列計算アルゴリズムの開発は一つのあ大事な研究。また、ビックデータを解析する全プロセスを自動サービス構成技術を利用して自動化する研究をする。

この研究を見る

機械学習とサービスコンピューティングを用いたビックデータサイエンス(全体タイトル)

最近データの量が増えながら、そのデータから価値が高い情報や知識の発見の可能性が高くなり、そのためにビックデータ処理について大きい要求が出来た。そのために色々な知的な手法が使っている。機械学習は解釈のために大事な技術であり、その発展はとても速い。ディープラーニングは大事な技術の一つであり、今多い所で応用されている。サービスコンピューティングは様々な分野から応用されてビジネスとITサービスの橋の役割をしている。サービスコンピューティングは機械学習をもって知的に使うようにする。知的なビックデータ解釈のためのサービスや機械学習のための核心技術と応用を下のように研究している。

この研究を見る

悪意を持った攻撃からウェブサイトを守るセキュリティ新技術

〇技術の概要
正規のID、パスワードなしでも悪性ウェブコードを入力することでウェブサイトに侵入し、個人情報の盗難などの攻撃が可能です。このような攻撃に対し、悪性ウェブコードを自動判別して、アクセスの遮断などの対策を可能にする技術です。

〇従来技術・競合技術との比較
既存の手法ではウェブ管理者の予測範囲を超えた攻撃を防ぐことはできませんが、本技術では機械学習を採用することで未知の攻撃を防ぐことが可能になりました。さらに、学習データを用意することにより、瞬時に悪意のある攻撃を動的に識別できます。

〇技術の特徴

    |TAB|
  • ウェブ管理者の予測範囲を超えた、未知の攻撃を防げます。
  • |TAB|
  • 教師データを用意するだけで、各々のウェブサイトに適した分類器を作成できます。
  • |TAB|
  • 単に攻撃を防ぐだけではなく、悪性ウェブコードとそれ以外のコードを判別できます。

この研究を見る

機械学習(特にディープラーニング)の応用 - 自動オントロジーの生成

文書のコーパスから上位、下位関係、即ちタクソノミーをRNN,VAE,またBERTを利用して取る研究。

この研究を見る

機械学習(特にディープラーニング)の応用 - その他の応用―サービスコンピューティング、メディカルなど

ディープラーニングに基づいた様々な応用の研究―TransfomerとBERTを利用してサービスの情報と知識の発見、メディカル応用(ディープラーニングを利用した性肺炎解析、鬱病患者のEEG信号分類)、文書分類、他の解釈など。

この研究を見る

自動ウェブサービスコンポジションエンジンの開発 ~ウェブサーフィンを変える~

〇サービスコンポジションとは、ウェブ上の種々のサービスを組み合わせてより有用な新しいサービスを生成することである。
この研究では、利用者の複雑な要求に自動的に回答するサービスコンポジションエンジンを開発する。
現状では、ウェブにアクセスして必要な情報を得て、その情報を基に人間が判断し、別のウェブにアクセスする・・・これを繰り返し行うことにより要求を満たす結果を得ているが、本エンジンはこれを自動的に行う。

〇自動サービスコンポジションの要点は、
  ・論理的コンポジション (Logical Composition : LC)、
  ・物理的コンポジション (Physical Composition : PC)、
およびLCからPCへの移行である。

〇この移行部分が上に述べた「人間が判断し、別のウェブにアクセスする」部分で、現在は自動化の方法が開発されてない状態である。LC、PCは単独に研究されているのが現状で、LC、PCの結合、すなわち完全なコンポジションの自動化が出来ていない。本研究では LCとPCとを結合するアルゴリズムと全体的コンポーネントのフレームワークを開発しコンポジションの自動化を実現する。

この研究を見る

主な著書・論文

- W. Chen, I. Paik, Toward Better Quality of Service Composition Based on Global Social Service Network, IEEE Transactions on Parallel and Distributed Systems, (DOI: https://authorgateway.ieee.org/ArticleCompleted?doi=10.1109/TPDS.2014.2320748), Accepted,I. Refereed Journal Papers (Selected 10 Papers)
1. T. H. Akila S. Siriweera, Incheon Paik, QoS-aware Rule-based Traffic-efficient Multi-objective Service Selection in Big Data Space, IEEE Access, Accepted on Aug. 24, 2018.
2. WuhuiChen, IncheonPaik, Zhenni Li, Neil Y.Yen, A cost minimization data allocation algorithm for dynamic data center resizing, Journal of Parallel and Distributed Computing Volume 118, Part 2, August 2018, pp. 280-295.
3. Wuhui Chen, Incheon Paik, Zhenni Li, "Cost-Aware Streaming Workflow Allocation on Geo-Distributed Data Centers", IEEE Transactions on Computers, doi:10.1109/TC.2016.2595579, Vol. 66, No. 2, Feb. 2017. pp. 256-271
4. Wuhui Chen, Incheon Paik, Patrick C.K. Hung, Transformation-based Streaming Workflow Allocation on Geo-Distributed Data centers for Streaming Big Data Processing, IEEE Transactions on Service Computing, Accepted on September 2016.
5. Wuhui Chen, Incheon Paik, Zhenni Li, Topology-Aware Optimal Data Placement Algorithm for Network Traffic Optimization, IEEE Transactions on Computers, Pre-Printed Version (DOI: 10.1109/TC.2015.24852), http://ieeexplore.ieee.org/xpl/articleDetails.jsp?arnumber=7286787, Vol. 65, No. 8, Aug. 2016. Ppp. 2603-2617.
6. T. H. Akila S. Siriweera, Incheon Paik, Banage T. G. S. Kumara, C. K. Koswatta, "Architecture for Intelligent Big Data Analysis based on Automatic Service Composition", International Journal of Big Data (IJBD), 2(2), 2015, pp. 1-14.
7. W. Chen, I. Paik, Toward Better Quality of Service Composition Based on Global Social Service Network, IEEE Transactions on Parallel and Distributed Systems, Vol. 26, Issue 5, April, 2014. pp. 1466-1476.
8. W. Chen, I. Paik, P. C.K Hung, Constructing a Global Social Service Network for Better Quality of Web Service Discovery, IEEE Transactions on Service Computing, Volume:8 , Issue: 2, March-April, 2015, pp284 - 298.
9. Banage Thenna Gedara Samantha Kumara,Incheon Paik,Hiroki Ohashi,Yuichi Yaguchi,Wuhui Chen, Context-Aware Web Service Clustering and Visualization, International Journal of Web Services Research (JWSR), Accepted on December, 2014.
10. Incheon Paik, Wuhui Chen, Michael M. Huhns, Scalable Architecture for Automatic Service Composition, IEEE Transactions on Service Computing, VOL. 7, NO. 1, JANUARY-MARCH, 2014, pp. 82-95.

II. Refereed International Conference Papers (Selected 10 Papers)
1. Incheon Paik, Ryo Ataka, Adaptable Deep Learning Generation by Automatic Service Composition, IEEE International Conference on Web Service 2019, Milan, Italy, July, 2019.
2. Kazuki Omine, Incheon Paik, Atsushi Oba, Incheon Paik, Extraction of Taxonomic Relation of Complex Terms by Recurrent Neural Network, IEEE International Conference on Cognitive Computing 2018, Milan, Italy, July, 2019.
3. Takeyuki Miyagi, Incheon Paik and Rupasingha Arachchilage Hiruni Madhusha Rupasingha,Analysis of Web Service Using Word Embedding by Deep Learning, Proceedings of IEEE International Conference on Awareness Science and Technology 2018 (iCAST 2018), Kyushu, Japan, September 2018.
4. Yuji Ishizuka , Quang-Minh Do , Wuhui Chen , Incheon Paik, On-line Cost-aware Workflow Allocation in Heterogeneous Computing Environments, Proceedings of IEEE 12th International Symposium on Embedded Multicore/Many-core Systems-on-Chip (MCSOC 2018), Hanoi, Vietnam, Sep. 2018.
5. Rupasingha A. H. M. Rupasingha, Incheon Paik, Improving Service Recommendation by Alleviating the Sparsity with a Novel Ontology-based Clustering, Proceedings on IEEE International Conference on Web Service 2018, San Francisco, USA, July, 2018.
6. Kazuki Omine, Incheon Paik, Classification of Taxonomical Relationship by Word Embedding and Wedge Product, Proceedings on IEEE International Conference on Cognitive Computing 2018, San Francisco, USA, July, 2018.
7. T. H. Akila S. Siriweera, Incheon Paik, Constraint­Driven Dynamic Workflow for Automation of Big Data Analytics based on Graph Plan,Proceedings on IEEE International Conference on Web Service 2017,Hawaii, U.S.A, June-July, 2017.
8. T. H. Akila S. Siriweera, Incheon Paik, QoS and Customizable Transaction­aware Selection for Big Data Analytics, Proceedings on IEEE International Conference on Service Computing 2017,Hawaii, U.S.A, June-July, 2017.
9. Yutaka Koshiba, Incheon Paik, Wuhui Chen, Fast Social Service Network Construction using Map-Reduce for Efficient Service Discovery, Proceedings on IEEE International Conference on Service Computing 2016, San Francisco, U.S.A, June-July, 2016.
10. Yuji Ishizuka, Wuhui Chen, Incheon Paik, Workflow Transformation for Real-Time Big Data Processing, Proceedings on IEEE International Conference on Big Data Congress 2016, San Francisco, U.S.A, June-July, 2016.