글로벌 시대에 들어서면서 수입식품 안전관리에 대한 중요성이 증가하고 있다. 해외 식품업체 주소정보는 수입식품 안전관리를 위한 핵심 정보로써 식품위해 발생시 신속한 대처와 사후관리를 위해 반드시 검증되어야 한다. 그러나 각국의 주소체계가 다른 관계로 하나의 검증시스템이 모든 국가의 주소를 검증할 수는 없다. 또한, 주소검증은 사용하는 분야에 따라 검정목적이 상이할 수 있다. 본 논문에서는 주어진 해외 식품업체 주소로부터 해당 국가의 행정구역 레벨로 분류하는 문제를 다룬다. 수입식품 안전관리를 정확하고 효율적으로 하기 위하여 수입식품제조업체 주소를 해당 국가의 행정구역 수준으로 정확하게 매칭하는 것이 필요하다. 수입식품이 생산·제조되는 위치와 식품제조에 영향을 줄 수 있는 환경정보, 재난재해 정보를 결합함으로써 선제적 수입식품 안전관리가 가능하다. 그러나, 일부 국가에서는 주소를 표기할 때 행정구역 레벨명을 생략하여 작성하고 있으며, 동일한 지명이 여러 행정구역 레벨에서 중복되는 경우가 있어 주소로부터 행정구역 레벨을 정확히 분류하는 일은 쉽지 않다. 본 연구에서는 이러한 경우에 적합한 딥러닝 기반 행정구역 레벨 분류 모델을 제안하고, 실제 해외 식품회사 주소 데이터에 대하여 검증한다. 구체적으로 다중 레이블 분류 모델에서 멱집합(Label Powerset)을 이용해 훈련하는 방식을 사용한다. 제안된 기법의 검증을 위해 식약처에 등록된 에콰도르 및 베트남에 있는 해외 제조업소 주소에 대하여 정확도를 검증하였으며, 기존의 분류 모델보다 정확도가 각각 28.1% 및 13% 정도 향상되었다.

사전학습 언어모델은 자연어 처리 작업에서 가장 중요하고 많이 활용되는 도구로, 대량의 말뭉치를 대상으로 사전학습이 되어있어 적은 수의 데이터를 이용한 미세조정학습으로도 높은 성능을 기대할 수 있으며, 사전학습된 토크나이저과 딥러닝 모형 등 구현에 필요한 요소들이 함께 배포되기 때문에 자연어 처리 작업에 소요되는 비용과 기간을 크게 단축시켰다. 트랜스포머 변형 모형은 이와 같은 장점을 제공하는 사전학습 언어모델 중에서 최근 가장 많이 사용되고 있는 모형으로, 번역을 비롯하여 문서 요약, 챗봇과 같은 질의 응답, 자연스러운 문장의 생성 및 문서의 분류 등 다양한 자연어 처리 작업에 활용되고 있으며 컴퓨터 비전 분야와 오디오 관련 분야 등 다른 분야에서도 활발하게 활용되고 있다. 본 논문은 연구자들이 보다 쉽게 사전학습 언어모델에 대해 이해하고 자연어 처리 작업에 활용할 수 있도록 하기 위해, 언어모델과 사전학습 언어모델의 정의로부터 시작하여 사전학습 언어모델의 발전과정과 다양한 트랜스포머 변형 모형에 대해 조사하고 정리하였다.

철강은 기계 산업의 가장 기본적인 구성 요소 중 하나이다. 그러나 철강의 표면 결함은 제품의 품질에 큰 영향을 미친다. 따라서 연구자들은 표면 결함 감지기의 필요성에 주목하고 딥 러닝을 이용한 방법은 객체 결함 감지를 하는데 많이 사용된다. 연구 개발용으로 학습 모델 개발에 초점을 맞추지만 실제 산업환경에 실질적인 영향을 미치는 실시간 적용은 아직 적용되지 않는 한계와 개선의 여지가 필요하다. 본 연구는 YOLOv4를 기반으로 한 철강 표면 결함 감지의 실시간 적용을 제안한다. 첫째, 본 연구는 실시간 응용 모델을 적용하는 것을 목적으로 하며 실시간 객체 검출기의 가장 유명한 알고리즘 중 하나인 one-stage Detector의 YOLO 알고리즘을 중심으로 연구를 진행하였다. 둘째, 사전 훈련된 YOLOv4-Darknet 플랫폼 모델과 전이학습을 사용하여 철강 표면 오픈 소스 데이터셋 NEU-DET을 이용하여 학습과 테스트를 진행하였다. 본 연구에서는 철강 표면의 패치, 구멍 난 표면, 불순물, 스크래치 4가지 유형의 결함을 이용하였다. 셋째, 87.1% mAP@0.5의 정확도와 60fps 이상의 시스템 구축을 위해 YOLOv4를 이용하여 훈련된 모델의 실시간 성능을 평가하였다.

디지털트랜스포메이션 추진 목표의 주요 내용중 하나인 생산성 향상 및 비용 절감, 의사결정 효율성 향상 등을 위하여 많은 기업들이 디지털 전환을 위한 다양한 IT도입을 추진중에 있다. 정보기술(IT : Information Technology)은 경쟁력을 결정하는 핵심수단이며, 전 세계적으로 IT도입은 매년 증가하고 있다. 금융산업도 수익창출, 업무 효율성 제고, 전략적 경쟁우위 확보 등을 위해 매년 막대한 IT도입이 활발히 이루어지고 있다. 공공⋅기업부문의 IT도입에 대한 연구는 어느 정도 진행된 것에 비하여 금융산업의 특성을 반영한 실증연구는 미흡한 실정이다. 본 연구에서는 디지털트랜스포메이션 촉진을 위한 금융산업의 IT도입 여부에 영향을 미치는 요인을 도출하고 가중치와 우선순위를 분석하는 것을 목표로 하였다. 금융 IT도입시 요인들의 상대적 우선순위가 각 그룹별로 차이가 존재한다는 점을 데이터 분석을 통하여 밝혀냄으로써 각 그룹별 관점에서 어떤 요인을 우선적으로 고려하여 IT도입을 하여야 하는지에 대한 준거모형으로 활용 할 수 있다는 점에서 그 의의가 있을 것이다.

코로나19 팬데믹에 따른 경제사회 환경 변화와 빅데이터 기술의 발달로 교통분석에 대한 요구가 다양화되고 있다. 특히 데이터 3법 개정에 따라 이종 데이터 간 가명정보 결합이 가능해져 다각적인 분석이 가능해졌다. 그러나 개인정보보호 강화로 모빌리티 빅데이터의 결합분석에는 데이터 협력, 비용대비 효과 등에 한계가 있어 새로운 분석방법론이 필요하다. 본 연구에서 제시하는 "모빌리티 빅데이터 가상결합 방법론"은 법제상의 제약 해소 및 다각적인 교통분석을 위한 것으로, 모바일 통신 기지국 데이터, 교통카드 데이터 등 다양한 모빌리티 관련 빅데이터를 간접적으로 결합하여 상세 분석을 수행하기 위한 방법론이다. 가상결합은 모바일 데이터를 바탕으로 특정 인원의 시간대별 위치를 파악할 수 있는 MCGM(Mobility Comprehensive Genetic Map)을 생성하여 패턴을 분석하고, 이를 교통카드데이터 등 교통관련 빅데이터와 결합시켜 분석하는 방법론으로 본 연구에서는 청주, 수도권 대상으로 가상결합 분석을 수행하여 활용가능성을 검증하였다.

인공지능이 발전하면서 AI 챗봇 시스템의 활용이 활발히 이루어지고 있다. 그 예로 공공기관에서는 민원, 행정 분야에서 업무 보조, 전문지식 서비스 등으로 챗봇 활용 분야가 확대되고 있으며 민간기업은 대화형 고객 응대 서비스 등으로 챗봇을 활용하고 있다. 본 연구에서는 시나리오 기반의 AI 음성 챗봇 시스템을 제안하여 박물관의 운영 비용을 절감하고 관람객에게 양방향성 안내 서비스를 제공하고자 한다. 구현한 음성 챗봇 시스템은 실시간으로 특정 디렉터리를 감시하여 사용자의 음성을 감지하는 감시자 객체와 음성 파일이 생성되면 순차적으로 모델별 추론을 수행하여 AI의 응대 음성을 출력하는 이벤트 핸들러 객체로 구성되며, 스레드와 데크를 활용한 중복 방지 기능을 포함하여 단일 GPU 환경에서 추론 중에 GPU의 연산이 중복되지 않도록 한다.

감염병 대응과 관련된 기관, 조직, 사이트 등의 다수 운영되고 있으나 코로나-19와 같은 팬더믹 상황이 수년간 지속됨에 따라 초기양상과 현재 양상의 수많은 변화가 있으며 이에 따른 정책과 대응체계도 진화하고 있다. 이에 따른 지역별 격차가 발생하고 정책에 대한 신뢰와 불신, 이행도에 따른 여러 가지 문제들이 산재해 있다. 따라서 본 연구에서는 정보전염이 포함된 소셜 데이터를 분석하는 과정에서 루머가 포함된 데이터를 수집하는 과정에서 팩트 체크가 되는 언론 매체와 다르게 정확한 출처를 알 수 없는 부정확한 정보들이 포함되는 주요 소셜 미디어 플랫폼 중의 하나인 트위터 데이터를 수집하여 사실과 무관한 내용을 사전 차단하는 시스템을 개발했다. 비정형데이터인 소셜데이터를 기반으로 감염병 위협을 자동 감지할 수 있는 알고리즘을 개발하여 감염병 위기 대응과 관련된 객관적인 근거를 창출함으로써 관련 분야 국제경쟁력을 공고히 하고자 한다.

코로나19 이후 '지속가능한 관광'에 대한 관심이 커지면서 '지속가능한 관광'을 하고자 하는 관광객 또한 증가하였다. 그러나, '지속가능한 관광'을 할 수 있는 프로그램과 방법 등이 구체적이지 않다는 문제점이 있다. 또한, 대부분의 '지속가능한 관광'의 관심사가 '환경' 및 '탄소중립' 등에 초점을 맞추고 있어 지역사회에 공헌할 수 있는 프로그램이나 정책들이 많지 않다. 따라서 본 연구에서는 '지속가능한 관광'을 활성화하기 위하여 뉴스 데이터와 리뷰 데이터를 분석하였다. 우선, 본 연구에서는 뉴스 빅데이터 분석을 통해 지속가능한 여행의 주요한 주제들을 도출하였다. 이를 통해 지속가능한 여행의 정책적 주제 및 사건들을 분석한다. 지속가능한 여행과 관련된 뉴스 빅데이터를 분석하여 아직까지 한국에서 지속가능한 여행이 활성화되지 못한 이유들을 분석하고 이를 해결할 수 있는 방안으로 지역사회가 직접 혜택을 볼 수 있는 방안을 도출하고자 한다. 최종적으로, 제주시의 지속가능한 여행 활성화를 위하여 제주 지역화폐인 '탐나는전' 가맹점의 이용자 리뷰 데이터를 분석하고 지역사회와 공생할 수 있는 방안을 제안한다.

4차 산업의 발전으로 물류 산업은 스마트 물류 시스템으로 진화되고 있다. 그러나 차량을 운송하는 선박 작업은 다양한 문제로 디지털화가 더디게 진행되고 있다. 본 논문에서는 선·하적 작업 시간을 단축하는 차량 운반선의 화물 적재에 사용 가능한 적재 자동화 알고리즘을 제안한다. 적재 자동화 알고리즘은 선박의 구조를 고려하여 선박 내의 적재 가능 공간 및 이동 가능 경로를 탐색하여 최단 거리를 반환한다. 알고리즘은 벽, 램프 그리고 이미 선적된 차량을 모두 인식하며, 무작위로 배치된 구조에서도 동작이 가능하다. 특히 선박의 항해 계획이 모두 담긴 마스터 플랜을 참조하여 항만별 차량 선·하적 공간 탐색과 최단 거리의 이동 가능 경로를 예측할 수 있어 차량 운반선의 스마트 물류 시스템 발전에 기여할 수 있을 것으로 전망한다.

플랜트를 대상으로 하는 엔지니어링의 업무영역은 플랜트의 기획, 설계, 시공, 운영 및 폐기에 이르는 생애주기에 걸친 생산성과 성능 및 품질에 직접적인 영향을 미치는 복합적인 기술분야이다. 이때 발생하는 다양한 유형의 데이터를 활용하여 의사결정을 활용하는 것은 후속 과정뿐만 아니라 생애주기 관점에서도 중요한 영향을 미치고 있다. 하지만 이러한 데이터를 통합적으로 관리하고 분석할 수 있는 시스템은 부족하다. 본 논문에서는 플랜트 생애주기에서 발생하는 데이터를 관리하고 활용할 수 있는 지식베이스 기반 플랜트 엔지니어링 분석 플랫폼을 개발하였다. 플랫폼에서는 기수집된 엔지니어링 데이터를 전처리한 지식베이스를 제공하고, 이를 레퍼런스 데이터로 AI 모델에 활용하도록 분석 기능과 시각화를 제공한다. 사용자는 플랫폼을 통한 선행기술과 축적된 지식의 활용을 통해 데이터 분석을 진행하고 시각화를 의사결정에 활용해 경험에만 의존하던 공사를 합리적이고 체계적으로 관리할 수 있다.

온라인 쇼핑은 디지털전환(Digital transformation) 수요 및 COVID-19 대유행에 따른 사회적 거리두기 이슈 등에 해결책으로 도소매 서비스 분야의 선두에서 전체 시장을 변화시키고 빠르게 성장해왔다. 온라인 쇼핑 산업의 중심에서 다수를 이루고 있는 소상공인도 이러한 문제를 극복하고 지속적인 성장을 위하여, 정책의 변화 및 시장 동향 정보를 수집하여 마케팅 등 영업 활동에 활용하고 있으나, 한정된 자원과 경쟁 여건에서 본연의 사업에 더욱 밀착된 객관적이고 정제된 정보를 또한 필요로 하고 있다. 이에 본 논문에서는 디지털 전환의 핵심 기술인 빅데이터 정보 수집 및 분석을 통하여 대표적인 온라인 쇼핑몰인 네이버 스마트스토어의 상품 분류, 판매 동향, 소비자 선호도 및 리뷰 정보에서 핵심 변수를 선정하여, 등급별 영향도 및 경쟁자 비교 분석 및 온라인 쇼핑몰 사업 지속성 평가에 활용하는 방안을 마련하여 제안하고자 한다. 빅데이터 기반으로 소상공인이 경쟁자 또는 우수사업자를 벤치마킹하고, 시장의 트렌드 및 소비자 성향을 확인할 수 있다면, 본인의 영업 수준 및 위치를 명확하게 인식하고, 더욱 높은 경쟁력을 확보하기 위하여 자발적으로 노력할 것이다. 아울러 온라인 쇼핑몰 사업자의 지속 가능한 성장을 지표로 확인할 수 있다면, 한 단계 향상된 측정 방안을 보유하게 되므로 더욱 효율적인 정책의 수립 및 리스크관리를 기대할 수 있을 것이다.

데이터 3법 개정에 따라 새롭게 금융분야 마이데이터 산업이 도입되었다. 마이데이터 서비스는 맞춤형 금융상품 비교/추천, 맞춤형 소비 조언 등 개인 맞춤형 서비스를 제공한다. 2022년부터 마이데이터 서비스가 시작되었지만 현재 서비스 이용은 크게 활성화되지 못하고 있다. 본 연구는 개인 맞춤형 금융상품 비교/추천 등 금융 소비자 관점에서 마이데이터 서비스 이용에 미치는 요인에 대해 가치기반수용모델을 통해 연구하고자 했다. 이익(Benefit)과 희생(Sacrifice) 변수를 이용하여 금융 소비자들이 갖는 마이데이터 서비스에 대한 지각된 가치와 이용 의도와 관련된 요인을 검증하였다. 조절변수로는 개인 혁신성을 이용하였다. 연구 결과, 맞춤형 상품 비교/추천 서비스는 금융 소비자의 마이데이터 서비스 이용 의도에 중요한 영향을 준다는 것을 알 수 있었고, 개인 혁신성이 조절변수로서 영향을 준다는 것을 알 수 있었다. 마이데이터 서비스 시행 후, 1년이 경과하지 않은 시점에서 소비자의 인지된 가치를 연구하였기에 시기적으로 선행 연구로서 의의가 있다고 할 수 있다. 또한 실무적으로는 마이데이터 서비스의 방향성과 마케팅 소구점을 확인할 수 있었다.

관광산업은 최근 코로나19 유행으로 인해 위기에 봉착해 있으며, 이를 극복하기 위해 무엇보다 수익성 개선이 매우 중요한 상황이다. 이 때 여행 수요 자체가 축소된 코로나19와 같은 상황에서는 수익 증대를 위해 객실 점유율을 높이기 위한 공격적인 영업전략보다 어려운 여건 속에서도 찾아온 고객에게 객실 외 추가상품을 판매하여 객단가를 높이는 방향이 더 효율적일 것이다. 국내 관광 연구 분야에서 머신러닝 기법은 수요예측을 중심으로 연구된 바 있으나 교차판매 예측에 대해서는 연구된 바가 거의 없다. 또한 넓은 의미로는 호텔과 같은 숙박업종 이지만 회원제 중심으로 운영하며 숙박과 취사에 적합한 시설을 갖추고 있는 리조트 업종에 특화된 연구는 더욱이 전무한 실정이다. 이에 본 연구에서는 실제 리조트 회사의 투숙 데이터로 다양한 머신러닝 기법을 활용하여 교차판매 예측 모형을 제안하고자 한다. 또한 설명가능한 인공지능(eXplainable AI) 기법을 적용해 교차판매에 영향을 미치는 요인이 무엇인지 해석하고 어떻게 영향을 미치는지 실증 분석을 통해 확인해 보고자 한다.

디지털 플랫폼 기반 온라인 유통 시장의 발전은 생활물류 영역에서 급격한 물동량 성장과 다양한 서비스 혁신을 촉진시키고 있다. 융복합 물류 기술개발에 대한 수요가 증가함에 따라 국가 차원에서 물류서비스 혁신을 위한 기술개발을 지원하고 있다. 디지털 플랫폼은 개별 단위의 표준을 개발하여 운영되고 있으며, 국가연구개발 사업에서도 자체 표준을 정의하고 있어 호환성 및 연계성 부족으로 인한 문제를 발생시킬 가능성이 높다. 이러한 문제해결을 위해 생활물류 전체에 걸쳐 개발된 표준 프로세스를 기반으로 시스템과 장비 사이의 데이터 연계를 위한 표준 데이터 흐름도를 정의하였다. 특히, 전체 프로세스에서 공통으로 유지 및 공유되어야 할 데이터, 업무 수행을 위해 연계가 필요한 데이터, 마지막으로 내부 운영 성과를 관리하기 위한 데이터로 구분하여 연계용 데이터를 중심으로 흐름을 정의하였다. 본 연구에서 제안하는 방법을 통해 연구개발 성과의 실제 현장 적용 가능성을 높일 수 있을 것이다.

온라인 쇼핑의 대중화로 인해 많은 의류 상품이 온라인 쇼핑을 통해 소비된다. 의류 상품은 다른 상품과 달리 판매량이 일정하지 않고 날씨의 변화에 따라 판매량이 변화하는 특징이 있다. 따라서 의류 상품의 머신 러닝을 적용한 효율적인 재고 관리 시스템에 대한 연구는 매우 중요하다. 본 논문에서는 의류 업체 'A'로부터 실제 의류 상품 판매량 데이터를 수집하고 판매량 데이터와 같은 시계열 데이터의 예측에 많이 활용되는 LSTM(Long Short-Term Memory)과 Bidirectional-LSTM(Bi-LSTM)의 학습에 사용하여 LSTM과 Bi-LSTM의 판매량 예측 효율을 비교 분석하였다. 시뮬레이션 결과를 통해 LSTM 기술 대비 Bi-LSTM은 시뮬레이션 시간은 더 많이 소요되지만 의류 상품 판매량 데이터와 같은 비주기성 시계열 데이터의 예측 정확도가 동일하다는 것을 확인하였다.

본 논문은 우리나라 국가 및 기업의 신용 리스크 네트워크를 추정하고 최근 거시경제 상황에 따른 국가-기업 및 기업-기업 간의 연결성 변화를 살펴본다. 2015년 11월부터 2022년 10월까지의 신용부도스왑(CDS) 스프레드 데이터를 이용하여 네트워크를 Graphical Lasso로 추정한 결과, 우리나라 국가 및 기업 신용리스크 간의 연결성이 유의미하게 존재한다. 특히, 수출입 및 외환 거래를 담당하는 은행 부문의 연결성이 전반적으로 높은 편이다. 통화정책 긴축 기조가 두드러진 2022년 들어서는 공통 익스포져가 확대되어 이러한 연결성이 커진 것으로 보인다.

코로나19와 같은 팬데믹 현상이 사람들의 이동성에 어떤 변화를 일으켰는지 살펴보기 위해 서울시 공공자전거 대여이력 데이터를 분석하였다. 2019년과 2021년 데이터를 코로나 이전과 이후로 구분해 비교·분석하였다. 공공데이터 포털사이트에서 데이터를 수집하였고, 심층적인 분석을 위해 데이터마트를 만들었다. 주행방향유형 차원과 대여소유형 차원을 추가하였고, 파생변수(대당 회전율과 이용속도)를 생성하여 두 기간의 변화를 비교하였다. 코로나 이전과 이후 평균 이용시간에는 큰 차이가 없지만, 평균 이용거리와 평균 이용속도는 감소하였다. 생활 리듬이 다소 느려진 현상이 따릉이 이동성에서도 나타나고 있다. 평일의 경우 코로나 이전에도 출·퇴근 시간대에 가장 많은 임대가 일어났으나, 코로나 이후에 급증하였다. 감염을 염려하기 시작한 사람들이 마이크로 모빌리티 수단으로 마을버스보다 따릉이를 선호한다고 해석할 수 있다. 본 연구에 제안된 데이터마트 기반 시각화 및 분석 결과는 공공자전거 운영과 정책 개발에 인사이트를 제공할 수 있을 것이다. 향후 연구에서는 트위터, 인스타그램과 같은 SNS 데이터와 공공자전거 데이터를 병합하여 살펴볼 필요가 있다. 자전거를 이용한 사람이 여러 장소에서 보인 행동 패턴 등을 다양하게 살펴본다면, 관련 연구의 가치가 향상될 수 있을 것으로 기대한다.