• Proceedings of the ESK Conference
• /
• 1996.04a
• /
• pp.2-7
• /
• 1996

인간이 마우스를 사용하면서 느끼는 감성은 불확실하고 모호하여 정량화하고 모형화하는데 많은 어려 움이 있었다. 본 연구에서는 퍼지로직을 이용하여 기존의 통계적 분석방법의 한계를 극복하고 좀 더 실제적인 감성예측을 위한 모형화의 방법론을 제시하고자 한다. 즉 퍼지회구식을 이용하여 인간이 마 우스를 사용할 때의 감성을 모형화 하였으며 이를 통하여 새로운 모델에 대한 감성의 예측의 방법을 제 시하였다. 본 연구에서 제시된 방법을 적용하기 위해 시판되고 있는 볼마우스 9종, 대학원생 6명을 대상으로 실험을 실시한 결과, 퍼지회귀식에 의한 감성의 예측을 예측값의 중심뿐만이 아니라 개략적인 산포도 함께 제시함으로써 보다 현실적인 예측이 가능하였다.

• Science of Emotion and Sensibility
• /
• v.1 no.1
• /
• pp.123-133
• /
• 1998

시계열 예측은 효과적인 기업 경영에 반드시 필요한 활동이지만, 이와 관련 인간의 인지처리 과정에 대한 연구는 아직까지 미비하다. 본 연구는 인간 감성이 시계열 예측에 미치는 영향을 탐색하였다. 본 실혐에서는 반복을 통한 2(감성) x 2(횟수) 팩토리얼 설계를 채택하였다. 감성은 청각, 시각, 후각자극을 통해 환경을 조성하고 준비된 시나리오를 연상케하여 유발시켰다. 12명의 대학, 대학원생이 실험에 참여하였으며, 감성의 영향을 탐색하기 위해 뇌파(EEG)와 피부저항(GSR)이 후두엽(Oz)과 전두엽(Fz)에서 측정되었다. 그 결과 인간의 감성은 예측에 유의적인 영향을 보였다. 즉, 피험자가 부정적인 감성을 갖을 때 긍정적인 감성에 비해 예측의 정확성이 높은 경향이 있었다. 그 이유는 부정적 감성일 경우 전두엽에서 베타가 많이 출현하였고, 이는 시계열 예측의 정확도를 향상시키는 역할을 하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.10b
• /
• pp.459-463
• /
• 2006

사회가 개인화하고 사용자의 요구가 다양해짐에 따라, 사용자의 감성을 기반으로 하여 서비스를 제공하는 많은 연구와 응용 어플리케이션을 개발되고 있다. 그 중, 시각적인 정보에 대한 인간의 감성은 디자인, 패션, 상품개발과 같은 여러 분야에서 그 중요성이 부각되어 다각적인 측면으로 많은 연구가 진행되고 있다. 그러나, 그러한 연구들이 아직 괄목할 만한 성과를 내지 못하고 있다. 더욱이, 시각 정보로부터 유용한 요소를 추출하고, 감성을 예측하는 자동화된 시스템이 매우 미흡한 실정이다. 그러므로, 본 연구는 칼라와 텍스처를 자동으로 추출하고 그와 관련된 특정 감성에 대해 효율적으로 예측 가능한 직물감성 예측 신경망 시스템을 개발하였다. 또한 칼라와 텍스처와 같은 시각정보와 감성과의 관계를 규명하고자 각 시각 특징을 입력 값으로 하고, 감성 값을 출력 값으로 하는 신경망을 개발하였고 실험을 통해 각 감성에 따라 칼라와 텍스처 요소가 다르게 영향을 미친다는 사실을 증명할 수 있었다.

• Proceedings of the Korean Society for Emotion and Sensibility Conference
• /
• 2009.05a
• /
• pp.157-160
• /
• 2009

자동차는 지난 한 세기의 짧은 역사를 가지고 현재에 이르기까지 급속한 발전을 이루어왔다. 초기의 기능은 단순히 운송수단과 부의 상징이었지만 최근에는 소비자의 감성과 문화적인 흐름을 반영하는 모습이다. 그리하여 소비자의 감성 분석이 자동차 내장의 가장 중요한 부분으로 여기게 되었다. 자동차에 대한 새로운 감성요구를 실현하기 위해서는 인체와 오랜 시간 접촉해 있는 시트 표피재의 분석이 반드시 필요하다. 본 연구에서는 자동차 시트 표피재의 역학적 특성과 감성을 고려한 고급감을 예측하여 고감성 내장 표피재 개발에 기여하고자 한다. 감성용어는 Softness(유연한), Elasticity(탱글탱글한), Volume(풍성한), Stickiness(끈끈한)를 설정하였으며, 이와 대응하는 표피재의 역학적 특성 치를 측정하였다. 감성 평가에서는 현재까지 알려진 가장 확실하고 재현성 있는 측정법인 일대일 비교법을 통해 고급감에 대해 평가하였다. 이를 통하여 역학적 특성 치와 인간의 감성 평가 치와의 회귀 분석을 실시하여 평가 예측을 가능케 하였다. 즉, 자동차 표피재 중 피혁의 4 가지 물리량으로 인간의 감성인 표피재의 고급감을 예측하여 고감성 자동차 시트 표피재의 개발을 위한 평가 모델링을 구축하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2014.11a
• /
• pp.857-860
• /
• 2014

본 연구에서는 경제 뉴스로부터 서술어 중심의 감성 사전을 구축하고, 하루 동안에 배포된 뉴스를 이용해 전일 종가 대비 당일 종가의 등락을 예측하는 모델을 제안한다. 기존의 주식 도메인 관련 감성 사전을 구축하는 방식은 주가 등락에 관련된 명사를 중심으로 사전을 구축하는 방식이나 대부분의 명사는 극성 값이 중립인 경우가 많아 극성 값을 추정하기 힘들다는 문제점이 있다. 본 연구에서는 극성 값이 잘 표현되는 서술어 중심의 감성사전을 구축하고 극성 값을 자동 추출하여 주가의 등락을 예측한다. 실험 결과 기존 감성 사전을 통한 주가 예측 방법에 비하여 본 연구에서 제안하는 서술어 중심의 감성 사전을 통한 주가 예측 정확도가 높게 나타났다.

• Science of Emotion and Sensibility
• /
• v.10 no.1
• /
• pp.99-111
• /
• 2007

In order to identify tactile sensibility factors of traditional silk fabrics and to provide prediction models for the sensibility factors by mechanical properties, seventeen different traditional silk fabrics were evaluated in terms of both tactile sensation and sensibility by using a modified magnitude estimation line scale Gongdan and Newttong with lower values for surface roughness(SMD), bending rigidity(B), and compression resilience(RC) were rated as softer, smoother, fluffier, and more pliable in tactile sensation than any other traditional silk fabrics whereas Nobangju haying higher B, SMD, and tensile resilience(RT) was touched as crisper, more rustling, and springier. Three different tactile sensibility factors including 'Feminine', 'Natural', and 'Casual' were obtained significantly by grouping fifteen different tactile sensibility descriptors. In the prediction models sensibility 'Feminine' was explained positively by SMD, which was supported by the fact that both Gongdan and Newtton were perceived as more feminine. Sensibility 'Natural' that was felt stronger as for Myoungju and Sa was predicted negatively by both fabric thickness(T) and RT. Finally, RC, elongation at maximum load (EM), and T predicted sensibility 'Casual' negatively, which results in its higher factor scores for Myoungju and Shantung, respectively.

• Science of Emotion and Sensibility
• /
• v.3 no.2
• /
• pp.85-101
• /
• 2000

감성은 의사결정에 많은 영향을 미침에도 불구하고, 시계열예측에 있어서의 연구는 매우 적은 편이다. 본 연구는 감성이 시계열 예측에 미치는 영향을 시계열정보의 형태 (그래프, 계정성)와 더불어 살펴보았다. 감성은 피험자로 하여금 인터넷시험을 보게 하고 즉시 그 결과를 아려줌으로 유발하였다. 시험결과가 좋은 피험자에게는 상금을 주어서 그 효과를 극대화하도록 하였다. 본 연구는 팩토리얼로 설계되었으며, 86명의 학생이 인터넷에서 운용되는 실험프로그램을 직접 사용하였다. 그 결과 감성은 그 자체로는 효과가 없었지만, 정보가 주어진 형태와 관련되어 그 효과가 타나났다는 점이 매우 흥미롭다. 특히 좋은 감성이 유발된 경우, 계절성이 테이블형태로 (그래프에서 잘 표현될 수 있다는 점에도 불구하고) 더욱 정확하게 처리하는 경향이 있었다. 또한 피험자의 뇌파를 분석한 결과 전두엽 베타파가 정확성에 많은 기여를 하는 것으로 나타났다.

• The Korean Journal of Applied Statistics
• /
• v.33 no.4
• /
• pp.483-497
• /
• 2020

We used a deep neural network model for the prediction of the stock prices of Kia Motors and Shinsegae as listed in the KOSPI 100. We used an emotional variable derived from online news in addition to the various technical indicators most often used. The emotional variable used as a predictor variable was generated from the average of the emotional scores for companies in the industrial group after building an emotional dictionary specific to each industrial group classified in a social network analysis. The study was conducted with various combinations of predictors and confirmed that good predictive and profitable power could be expected when jointly using technical indicators and an emotional variable based on online news by industrial groups.

• The Transactions of the Korea Information Processing Society
• /
• v.13 no.5
• /
• pp.209-216
• /
• 2024

Real estate market prices are determined by various factors, including macroeconomic variables, as well as the influence of a variety of unstructured text data such as news articles and social media. News articles are a crucial factor in predicting real estate transaction prices as they reflect the economic sentiment of the public. This study utilizes sentiment analysis on news articles to generate a News Sentiment Index score, which is then seamlessly integrated into a real estate price prediction model. To calculate the sentiment index, the content of the articles is first summarized. Then, using AI, the summaries are categorized into positive, negative, and neutral sentiments, and a total score is calculated. This score is then applied to the real estate price prediction model. The models used for real estate price prediction include the Multi-head attention LSTM model and the Vector Auto Regression model. The LSTM prediction model, without applying the News Sentiment Index (NSI), showed Root Mean Square Error (RMSE) values of 0.60, 0.872, and 1.117 for the 1-month, 2-month, and 3-month forecasts, respectively. With the NSI applied, the RMSE values were reduced to 0.40, 0.724, and 1.03 for the same forecast periods. Similarly, the VAR prediction model without the NSI showed RMSE values of 1.6484, 0.6254, and 0.9220 for the 1-month, 2-month, and 3-month forecasts, respectively, while applying the NSI led to RMSE values of 1.1315, 0.3413, and 1.6227 for these periods. These results demonstrate the effectiveness of the proposed model in predicting apartment transaction price index and its ability to forecast real estate market price fluctuations that reflect socio-economic trends.

• Journal of Science Education
• /
• v.34 no.2
• /
• pp.185-192
• /
• 2010

The purpose of this study was to develope the negative-emotion prediction model by hormonal changes during the scientific inquiry. For this study, biological classification task was developed that are suitable for comprehensive scientific inquiry. Forty-seven 2nd grade secondary school students (boy 18, girl 29) were participated in this study. The students are healthy for measure hormonal changes. The students performed the feathers classification task individually. Before and after the task, the strength of negative emotion was measured using adjective emotion check lists and they extracted their saliva sample for salivary hormone analysis. The results of this study, student's change of negative emotion during the feathers classification process was significant positive correlation(R=0.39, P<0.001) with student's salivary cortisol concentration. According to this results, we developed the negative emotion prediction model by salivary cortisol changes.