• 생태와환경
• /
• 제57권1호
• /
• pp.1-16
• /
• 2024

습지는 생태적 중요성과 경제적 가치에도 불구하고 인간의 과도한 이용으로 인하여 교란받고 있을 뿐만 아니라 유수생태계인 하천에 비하여 습지 연구는 상대적으로 적다. 본 연구는 아열대 기후의 제주도에 분포하는 중·소형 습지 50개소를 대상으로 저서성 대형무척추동물 군집 특성과 주요 종의 분포 특성을 알아보기 위하여 2021년 현장조사를 실시하였다, 현장조사는 국립생태원의 "내륙습지 조사지침(2020)"에 따라 수행되었다. 조사기간 동안 출현한 저서성 대형무척추동물은 총 3문 5강 19목 53과 133종이었다. 습지별 출현종수는 4~31종의 범위였으며 평균 17.5종이 출현하였다. 포식성 곤충인 잠자리목과 노린재목, 딱정벌레목의 세 분류군은 출현종수와 개체밀도가 각각 전체의 67.7%와 68.2%를 차지하였는데, 특히 딱정벌레목의 구성비가 가장 높았다. 한편, 국가습지 유형분류체계에 따른 습지 유형별 출현종수와 개체밀도는 통계적으로 유의미한 차이가 없었다. 본 연구를 통하여 멸종위기 야생생물은 기수갈고둥과 물장군, 물방개의 총 3종이 확인되었으며 큰무늬왕잠자리를 비롯하여 제주도 내에만 국지적으로 분포하는 다수의 종이 기록되었다. 전체 대상 습지는 저서성 대형무척추동물 군집의 유사성에 따라 5개의 그룹으로 세분되었으며 각 그룹은 습지면적과 세립질 입자의 구성비, 습지 장축 길이, 수생식물 구성비의 항목에서 통계적으로 유의미한 차이를 보였다. 지표종분석(ISA) 결과에서 총 19종의 지표종이 선정되었는데, 노란실잠자리는 지표값이 63%로 가장 높았으며 그 다음으로 자색물방개와 깔따구류의 순이었다. 습지 환경과 생물 자료를 지속적으로 축적한다면 지표종의 환경변화에 따른 반응을 보다 객관적으로 제시할 수 있으며 습지생태계의 현재 상태를 평가하고 관리하기 위한 생물학적 지표 개발에 적용이 가능할 것이다. 본 연구 결과는 중·소형 습지에 대한 저서성 대형무척추동물의 생물다양성과 서식환경에 대한 정보를 제공하고 향후 습지 보전과 복원을 위한 기초자료로 활용되기를 기대한다.

• 한국산림과학회지
• /
• 제113권1호
• /
• pp.40-50
• /
• 2024

소나무림 산림생태계의 자연적 임분 동태 변화 과정에 따라 참나무류 등 활엽수와의 경쟁에 밀려 분포 면적이 지속적으로 감소하고 있다. 소나무림의 자연적 쇠퇴가 가시화되면서 소나무가 우리 국민들에게 제공해왔던 다양한 가치들이 함께 소멸될 위험에 처해 있으며, 지역별 소나무 쇠퇴 진행 상황에 따라 미래 산림관리 방향을 마련하는 것이 중요한 과제로 제기되고 있다. 따라서, 본 연구는 자연적 임분 동태 변화에 따른 소나무림 변화 특성을 이해하고, 미래 소나무림의 지역별 변화를 전망하는 것을 목적으로 하였다. 이를 위해, 시계열 국가산림자원조사 자료 기반 전국 소나무림 변화 정보를 이용하여 소나무림의 변화 경향을 분석하고 변화에 영향을 줄 수 있는 변수(지형, 임분, 교란, 기후)들을 평가하였다. 또한 유효변수들을 이용하여 모형을 구축하고 미래의 소나무림의 미래 변화 모습을 예측했다. 그 결과, 과거 10년 동안 전국 산림에서 소나무류의 중요치는 전반적으로 감소하였으며 소나무류가 대표수종인 표본점이 10년 후에도 대표수종이 유지된 비율은 75%, 나머지 25%는 혼효림으로 전환된 것으로 나타났다. 이러한 변화는 수분 조건이 좋으며 임분 내·외부의 교란 요인이 많은 지역에서 발생한 것으로 분석되었다. 향후 10년 후의 소나무림 변화를 전망한 결과, 전국적으로 현재 기준 소나무림 순림의 약 14.2%가 자연적인 임분 동태 변화에 따라 혼효림으로 전환될 가능성이 높을 것으로 추정되었다. 지역적으로 보면 소나무림 변화율은 제주와 경기가 42.8%, 26.9%로 가장 높았고 경북과 강원이 8.8%, 13.8%로 가장 낮았다. 경기, 충청, 전남 지역 등 한반도 서쪽 지역에 있는 소나무림의 감소 위험이 높을 것으로 예측되었다. 본 연구에서 제시한 자연적 임분동태 변화에 따른 소나무림 변화 민감도 평가 결과는 전국 소나무림의 종합적 관리 방안을 마련하는데 활용할 수 있다.

• 지능정보연구
• /
• 제26권1호
• /
• pp.97-117
• /
• 2020

상품 평가 기준은 상품에 대한 속성, 가치 등을 표현한 지표로써 사용자나 기업이 상품을 측정하고 파악할 수 있게 한다. 기업이 자사 제품에 대한 객관적인 평가와 비교를 수행하기 위해서는 적절한 기준을 선정하는 것이 필수적이다. 이때, 평가 기준은 소비자들이 제품을 실제로 구매 및 사용 후 평가할 때 고려하는 제품의 특징을 반영하여야 한다. 그러나 기존에 사용되던 평가 기준은 제품마다 상이한 소비자의 의견을 반영하지 못하고 있다. 기존 연구에서는 소비자 의견이 반영된 온라인 리뷰를 통해 상품의 특징, 주제를 추출하고 이를 평가기준으로 사용했다. 하지만 여전히 상품과 연관성이 낮은 평가 기준이 추출되거나 부적절한 단어가 정제되지 않는 한계가 있다. 본 연구에서는 이를 극복하기 위해 잠재 디리클레 할당(Latent Dirichlet Allocation, LDA) 기법으로 리뷰로부터 평가 기준 후보군을 추출하고 이를 k-최근접 이웃 접근법(k-Nearest Neighbor Approach, k-NN)을 이용해 정제하는 모델을 개발하고 검증했다. 제시하는 방법은 준비 단계와 추출 단계로 이루어진다. 준비 단계에서는 워드임베딩(Word Embedding) 모델과 평가 기준 후보군을 정제하기 위한 k-NN 분류기를 생성한다. 추출 단계에서는 k-NN 분류기와 언급 비율을 이용해 평가 기준 후보군을 정제하고 최종 결과를 도출한다. 제안 모델의 성능 평가를 위해 명사 빈도 추출 모델, LDA 빈도 추출 모델, 실제 전자상거래 사이트가 제공하는 평가 기준을 세 비교 모델로 선정했다. 세 모델과의 비교를 위해 설문을 진행하고 점수화하여 결과를 검정했다. 30번의 검정 결과 26번의 결과에서 제안 모델이 우수함을 확인했다. 본 연구의 제안 모델은 전자상거래 사이트에서 리뷰 특성을 반영한 상품군 별 차원을 도출하는데 활용될 수 있고 이를 기초로 인사이트 발굴을 위한 리뷰 분석 및 활용에 크게 기여할 것이다.

• 한국유통학회지:유통연구
• /
• 제16권1호
• /
• pp.141-177
• /
• 2011

기존의 확산관련 연구들은 대부분이 구전 커뮤니케이션의 효용성에 치중하여 개인단위의 변수를 사용하는 경향이 많았다 (Iacobucci 1996; Midgley 외 1992). 반면 구전의 선행 변수로써 네트워크의 구조적 특성을 소비자의 집단문화적 성향에 기초하여 조사한 연구는 찾아보기 어렵다. 본 연구는 이같은 연구배경 하에서 네트워크의 구조적 특성과 소비자의 구전간의 관계를 연관시켜 비교문화적으로 접근하려고 하였다. 본 연구에서 추구하는 주요 목적은 한국과 중국 소비자를 대상으로 사회적 네트워크 형태에 따른 구전효과를 규명하려는 것이며, 네트워크와 구전 효과와의 관계에 영향을 미치는 조절변수로써 문화적 가치관의 역할을 검증하려고 하였다. 구체적인 연구목적은 다음과 같다. 첫째, 사회적 네트워크 관련 이론들을 바탕으로 한국과 중국 소비자들을 대상으로 네트워크의 구조적 특성들 (예: 유대강도, 중심성, 범위)이 구전의 효과 (구전 의향 및 구전 정보의 질)에 어떠한 영향을 미치는지를 규명한다. 둘째, 사회적 네트워크 특성이 구전효과에 미치는 영향에 있어서 문화적 가치 (불확실성 회피 성향, 개인주의성향)가 조절 역할을 하는지를 규명한다. 셋째, 사회적 네트워크 특성과 구전효과의 선행변수로써 소비자 개인의 혁신 성향의 역할을 규명한다. 분석 결과, 한국과 중국 소비자들은 공통적으로 네트워크 유대강도와 중심성은 구전의향에 유의한 영향을 보였으나 네트워크 범위는 두집단 모두 유의하게 나타나지 않았다. 반면, 한, 중 소비자 공통적으로 불확실성회피 성향은 네트워크범위와 상호작용을 함으로써 구전의향에 조절역할을 하는 것으로 나타났다. 마지막으로 소비자의 혁신성향은 한중 두 소비자 집단에서 공통적으로 네트워크 특성 (중심성)과 구전효과(구전정보의 질) 에 유의하게 긍정적 영향을 미치는 것으로 나타났다. 한중 양국의 네트워크 특성을 비교한 결과 한국이 중국보다 유대강도, 중심성, 범위에서 모두 유의하게 더 높은 점수를 보였으며, 불확실성회피 성향 또한 한국 소비자가 중국보다 유의하게 높은 것으로 나타났다.

• 지능정보연구
• /
• 제20권3호
• /
• pp.19-43
• /
• 2014

전체 결과의 80%가 전체 원인의 20%에 의해 일어난다는 파레토 법칙(Pareto principle)은 상위 20%의 핵심 고객에 대한 우선적인 마케팅을 비롯하여 기업 경영의 많은 부분에서 적용되어 왔다. 파레토 법칙과는 대조적으로, 80%의 사소한 다수가 20%의 핵심적인 소수보다 우월한 가치를 창출한다는 롱테일 법칙(Long Tail theory)은 ICT(Information and Communication Technology)의 발전과 함께 새로운 경영 패러다임으로 주목 받아오고 있다. 본 연구의 목적은 경영 현장에서 양대 흐름을 형성해온 이러한 법칙들이 변화무쌍한 글로벌 가상화 환경에서 기업의 핵심적인 성공 요인이라고 할 수 있는 가상 지식 협업에는 어떻게 관련되는지를 규명하는 것이다. 이를 위해, 대표적인 가상 지식 협업 커뮤니티인 위키피디아에서 품질 최상위 등급인 피쳐드 아티클(Featured Article) 레벨로 승급된 2,978개의 아티클에 대한 협업 행위를 분석하였다. 즉, 각 아티클 그룹에서 편집 횟수 기준 상위 20%에 속하는 참여자들의 총 편집 횟수가 전체 편집 횟수에서 차지하는 비율인 파레토 비율(Pareto ratio)이 지식 협업 효율성과 어떤 관계를 가지고 있는지를 도출하였다. 그리고, 이러한 연구를 편집 참여를 통한 지식 공유에 대한 전체적인 불평등 정도를 나타내는 지니 계수(Gini coefficient)의 영향 및 그룹의 작업 특성을 반영하도록 확장하였다. 결과적으로, 지식 공유의 파레토 비율과 지니 계수가 증가하면 지식 협업 효율성도 높아지지만, 이러한 변수들이 일정 수준 이상으로 증가하면 오히려 지식 협업 효율성이 낮아지는 역 U자(inverted U-shaped) 관계가 있음을 확인하였다. 그리고, 이러한 관계는 인지적 노력을 상대적으로 더 많이 요구하는 학문적인 특성의 작업에서 더 민감하게 작용하는 것으로 보인다.

• 지능정보연구
• /
• 제26권3호
• /
• pp.171-191
• /
• 2020

본 연구는 현대 사회에서 가장 가치 있는 문화자산이자 한류의 흐름에서 특히 중요한 위치를 차지하는 디지털 음악에 초점을 두었다. 디지털 음악에 대하여 공신력 있는 음원 차트인 '가온 차트'에 진입한 음원들의 73주간 순위 변화를 수집하였으며 유사한 특징을 가지는 패턴들로 분류하였다. 이후 각 순위 변화 패턴으로부터 주목할 만한 특징에 대한 설명적 분석을 수행하였다. 구체적으로 음원에 대한 신뢰도 이슈가 발생하기 이전 기간의 국내 발매된 디지털 음원들로 한정하여 시점을 일치시킨 후 시계열 군집분석을 통해 패턴을 도출하고자 하였다. 데이터 수집과 전처리를 통하여 742건의 중복되지 않는 음원들을 확보하였고, 시계열 순위 변화에 대한 시계열 군집분석 결과 16개의 패턴들이 도출되었다. 이후 도출된 패턴들을 기반으로 '스테디셀러'와 '원 히트 원더'의 두 가지 유형의 대표적인 패턴을 확인하였다. 나아가 두 패턴에 대하여 차트 내에서 음원의 생존 기간과 음원 순위에 관점에서 다섯 가지의 세분화된 패턴으로 분류하였다. 각 패턴들이 가지는 중요한 특징들은 다음과 같다. 원 히트 원더형 패턴에서 아티스트의 슈퍼스타 효과와 편승효과가 강하게 나타났으며, 소비자들의 디지털 음원 선택에 강한 영향을 미친다는 것을 확인하였다. 나아가 스테디셀러형 패턴을 통해서 매우 오랜시간 소비자들의 선택을 받는 음원들을 확인하였고, 소비자의 니즈를 관통하며 가장 많은 선택을 받는 음원들이 오히려 원 히트 원더형 패턴이 아니라 스테디셀러: 중기 패턴에 포진하고 있음을 확인하였다. 특히 주목할 만한 점은 스테디셀러형 패턴을 통해 기존의 패턴과는 상반되는 '차트 역주행' 현상을 확인했다는 것이다. 본 연구는 디지털 음원을 중심으로 상대적으로 소외되었던 분야인 시간의 흐름에 따른 음원의 순위 변화에 초점을 두었고, 음원의 흥행과 순위를 예측하는 것이 아니라 순위 변화의 패턴을 세분화함으로써 음원 연구에 대한 새로운 접근을 시도하였다는 점에서 의의가 있다.

• 지능정보연구
• /
• 제18권2호
• /
• pp.29-45
• /
• 2012

회사채 신용등급은 투자자의 입장에서는 수익률 결정의 중요한 요소이며 기업의 입장에서는 자본비용 및 기업 가치와 관련된 중요한 재무의사결정사항으로 정교한 신용등급 예측 모형의 개발은 재무 및 회계 분야에서 오랫동안 전통적인 연구 주제가 되어왔다. 그러나, 회사채 신용등급 예측 모형의 성과와 관련된 가장 중요한 문제는 등급별 데이터의 불균형 문제이다. 예측 문제에 있어서 데이터 불균형(Data imbalance) 은 사용되는 표본이 특정 범주에 편중되었을 때 나타난다. 데이터 불균형이 심화됨에 따라 범주 사이의 분류경계영역이 왜곡되므로 분류자의 학습성과가 저하되게 된다. 본 연구에서는 데이터 불균형 문제가 존재하는 다분류 문제를 효과적으로 해결하기 위한 다분류 기하평균 부스팅 기법 (Multiclass Geometric Mean-based Boosting MGM-Boost)을 제안하고자 한다. MGM-Boost 알고리즘은 부스팅 알고리즘에 기하평균 개념을 도입한 것으로 오분류된 표본에 대한 학습을 강화할 수 있으며 불균형 분포를 보이는 각 범주의 예측정확도를 동시에 고려한 학습이 가능하다는 장점이 있다. 회사채 신용등급 예측문제를 활용하여 MGM-Boost의 성과를 검증한 결과 SVM 및 AdaBoost 기법과 비교하여 통계적으로 유의적인 성과개선 효과를 보여주었으며 데이터 불균형 하에서도 벤치마킹 모형과 비교하여 견고한 학습성과를 나타냈다.

• 지능정보연구
• /
• 제16권3호
• /
• pp.77-97
• /
• 2010

매매시점결정은 금융시장에서 초과수익을 얻기 위해 사용되는 투자전략이다. 일반적으로, 매매시점 결정은 거래를 통한 초과수익을 얻기 위해 언제 매매할 것인지를 결정하는 것을 의미한다. 몇몇 연구자들은 러프집합분석이 매매시점결정에 적합한 도구라고 주장하였는데, 그 이유는 이 분석방법이 통제함수를 이용하여 시장의 패턴이 불확실할 때에는 거래를 위한 신호를 생성하지 않는다는 점 때문이었다. 러프집합은 분석을 위해 범주형 데이터만을 이용하므로, 분석에 사용되는 데이터는 연속형의 수치값을 이산화하여야 한다. 이산화란 연속형 수치값의 범주화 구간을 결정하기 위한 적절한 "경계값"을 찾는 것이다. 각각의 구간 내에서의 모든 값은 같은 값으로 변환된다. 일반적으로, 러프집합 분석에서의 데이터 이산화 방법은 등분위 이산화, 전문가 지식에 의한 이산화, 최소 엔트로피 기준 이산화, Na$\ddot{i}$ve and Boolean reasoning 이산화 등의 네 가지로 구분된다. 등분위 이산화는 구간의 수를 고정하고 각 변수의 히스토그램을 확인한 후, 각각의 구간에 같은 숫자의 표본이 배정되도록 경계값을 결정한다. 전문가 지식에 의한 이산화는 전문가와의 인터뷰 또는 선행연구 조사를 통해 얻어진 해당 분야 전문가의 지식에 따라 경계값을 정한다. 최소 엔트로피 기준 이산화는 각 범주의 엔트로피 측정값이 최적화 되도록 각 변수의 값을 재귀분할 하는 방식으로 알고리즘을 진행한다. Na$\ddot{i}$ve and Boolean reasoning 이산화는 Na$\ddot{i}$ve scaling 후에 그로 인해 분할된 범주값을 Boolean reasoning 방법으로 종속변수 값에 대해 최적화된 이산화 경계값을 구하는 방법이다. 비록 러프집합분석이 매매시점결정에 유망할 것으로 판단되지만, 러프집합분석을 이용한 거래를 통한 성과에 미치는 여러 이산화 방법의 효과에 대한 연구는 거의 이루어지지 않았다. 본 연구에서는 러프집합분석을 이용한 주식시장 매매시점결정 모형을 구성함에 있어서 다양한 이산화 방법론을 비교할 것이다. 연구에 사용된 데이터는 1996년 5월부터 1998년 10월까지의 KOSPI 200데이터이다. KOSPI 200은 한국 주식시장에서 최초의 파생상품인 KOSPI 200 선물의 기저 지수이다. KOSPI 200은 제조업, 건설업, 통신업, 전기와 가스업, 유통과 서비스업, 금융업 등에서 유동성과 해당 산업 내의 위상 등을 기준으로 선택된 200개 주식으로 구성된 시장가치 가중지수이다. 표본의 총 개수는 660거래일이다. 또한, 본 연구에서는 유명한 기술적 지표를 독립변수로 사용한다. 실험 결과, 학습용 표본에서는 Na$\ddot{i}$ve and Boolean reasoning 이산화 방법이 가장 수익성이 높았으나, 검증용 표본에서는 전문가 지식에 의한 이산화가 가장 수익성이 높은 방법이었다. 또한, 전문가 지식에 의한 이산화가 학습용과 검증용 데이터 모두에서 안정적인 성과를 나타내었다. 본 연구에서는 러프집합분석과 의사결정 나무분석의 비교도 수행하였으며, 의사결정나무분석은 C4.5를 이용하였다. 실험결과, 전문가 지식에 의한 이산화를 이용한 러프집합분석이 C4.5보다 수익성이 높은 매매규칙을 생성하는 것으로 나타났다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.63-83
• /
• 2019

투자자들은 기업의 내재가치 분석, 기술적 보조지표 분석 등 복잡한 분석보다 차트(chart)에 나타난 그래프(graph)의 모양으로 매매 시점을 찾는 직관적인 방법을 더 선호하는 편이다. 하지만 패턴(pattern) 분석 기법은 IT 구현의 난이도 때문에 사용자들의 요구에 비해 전산화가 덜 된 분야로 여겨진다. 최근에는 인공지능(artificial intelligence, AI) 분야에서 신경망을 비롯한 다양한 기계학습(machine learning) 기법을 사용하여 주가의 패턴을 연구하는 사례가 많아졌다. 특히 IT 기술의 발전으로 방대한 차트 데이터를 분석하여 주가 예측력이 높은 패턴을 발굴하는 것이 예전보다 쉬워졌다. 지금까지의 성과로 볼 때 가격의 단기 예측력은 높아졌지만, 장기 예측력은 한계가 있어서 장기 투자보다 단타 매매에서 활용되는 수준이다. 이외에 과거 기술력으로 인식하지 못했던 패턴을 기계적으로 정확하게 찾아내는 데 초점을 맞춘 연구도 있지만 찾아진 패턴이 매매에 적합한지 아닌지는 별개의 문제이기 때문에 실용적인 부분에서 취약할 수 있다. 본 연구는 주가 예측력이 있는 패턴을 찾으려는 기존 연구 방법과 달리 패턴들을 먼저 정의해 놓고 확률기반으로 선택해서 매매하는 방법을 제안한다. 5개의 전환점으로 정의한 Merrill(1980)의 M&W 파동 패턴은 32가지의 패턴으로 시장 국면 대부분을 설명할 수 있다. 전환점만으로 패턴을 분류하기 때문에 패턴 인식의 정확도를 높이기 위해 드는 비용을 줄일 수 있다. 32개 패턴으로 만들 수 있는 조합의 수는 전수 테스트가 불가능한 수준이다. 그래서 최적화 문제와 관련한 연구들에서 가장 많이 사용되고 있는 인공지능 알고리즘(algorithm) 중 하나인 유전자 알고리즘(genetic algorithm, GA)을 이용하였다. 그리고 미래의 주가가 과거를 반영한다 해도 같게 움직이지 않기 때문에 전진 분석(walk-forward analysis, WFA)방법을 적용하여 과최적화(overfitting)의 실수를 줄이도록 하였다. 20종목씩 6개의 포트폴리오(portfolio)를 구성하여 테스트해 본 결과에 따르면 패턴 매매에서 가격 변동성이 어느 정도 수반되어야 하며 패턴이 진행 중일 때보다 패턴이 완성된 후에 진입, 청산하는 것이 효과적임을 확인하였다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.1-25
• /
• 2020

대규모 텍스트에서 관심 대상이 가지고 있는 속성들에 대한 감성을 세부적으로 분석하는 속성기반 감성분석(Aspect-Based Sentiment Analysis)은 상당한 비즈니스 가치를 제공한다. 특히, 텍스트에 속성어가 존재하는 명시적 속성뿐만 아니라 속성어가 없는 암시적 속성까지 분석 대상으로 하는 속성카테고리 감성분류(ACSC, Aspect Category Sentiment Classification)는 속성기반 감성분석에서 중요한 의미를 지니고 있다. 본 연구는 속성카테고리 감성분류에 BERT 사전훈련 언어 모델을 적용할 때 기존 연구에서 다루지 않은 다음과 같은 주요 이슈들에 대한 답을 찾고, 이를 통해 우수한 ACSC 모델 구조를 도출하고자 한다. 첫째, [CLS] 토큰의 출력 벡터만 분류벡터로 사용하기보다는 속성카테고리에 대한 토큰들의 출력 벡터를 분류벡터에 반영하면 더 나은 성능을 달성할 수 있지 않을까? 둘째, 입력 데이터의 문장-쌍(sentence-pair) 구성에서 QA(Question Answering)와 NLI(Natural Language Inference) 타입 간 성능 차이가 존재할까? 셋째, 입력 데이터의 QA 또는 NLI 타입 문장-쌍 구성에서 속성카테고리를 포함한 문장의 순서에 따른 성능 차이가 존재할까? 이러한 연구 목적을 달성하기 위해 입력 및 출력 옵션들의 조합에 따라 12가지 ACSC 모델들을 구현하고 4종 영어 벤치마크 데이터셋에 대한 실험을 통해 기존 모델 이상의 성능을 제공하는 ACSC 모델들을 도출하였다. 그리고 [CLS] 토큰에 대한 출력 벡터를 분류벡터로 사용하기 보다는 속성카테고리 토큰의 출력 벡터를 사용하거나 두 가지를 함께 사용하는 것이 더욱 효과적이고, NLI 보다는 QA 타입의 입력이 대체적으로 더 나은 성능을 제공하며, QA 타입 안에서 속성이 포함된 문장의 순서는 성능과 무관한 점 등의 유용한 시사점들을 발견하였다. 본 연구에서 사용한 ACSC 모델 디자인을 위한 방법론은 다른 연구에도 비슷하게 응용될 수 있을 것으로 기대된다.