• 한국산업정보학회:학술대회논문집
• /
• 한국산업정보학회 2008년도 추계 공동 국제학술대회
• /
• pp.292-297
• /
• 2008

복잡한 시맨틱을 포함한 웹 문서를 정확히 범주화하고 이 과정을 자동화하기 위해서는 인간의 지식체계를 수용할 수 있는 표준화, 지능화, 자동화된 문서표현 및 분류기술이 필요하다. 이를 위해 키워드 빈도수, 문서내 키워드들의 관련성, 시소러스의 활용, 확률기법 적용 등에 사용자의도(intention) 정보를 활용한 범주화와 조정 프로세스를 도입하였다. 웹 문서 분류과정에서 시소러스 등을 사용하는 지식베이스 문서분류와 비 감독 학습을 하는 사전 지식체계(a priori)가 없는 유사성 문서분류 방법에 의도정보를 사용할 수 있도록 기반체계를 설계하였고 다시 이 두 방법의 차이는 Hybrid조정프로세스에서 조정하였다. 본 연구에서 설계된 HDCI(Hybrid Document Classification with Intention) 모델은 위의 웹 문서 분류과정과 이를 제어 및 보조하는 사용자 의도 분석과정으로 구성되어 있다. 의도분석과정에 키워드와 함께 제공된 사용자 의도는 도메인 지식(domain Knowledge)을 이용하여 의도간 계층트리(intention hierarchy tree)를 구성하고 이는 문서 분류시 제약(constraint) 또는 가이드의 역할로 사용자 의도 프로파일(profile) 또는 문서 특성 대표 키워드를 추출하게 된다. HDCI는 문서간 유사성에 근거한 상향식(bottom-up)의 확률적인 접근에서 통제 및 안내의 역할을 수행하고 지식베이스(시소러스) 접근 방식에서 다양성에 한계가 있는 키워들 간 관계설정의 정확도를 높인다.

• 한국산업정보학회논문지
• /
• 제4권2호
• /
• pp.73-80
• /
• 1999

동시공학적 설계의 특징은 활동의 동시성과 정보의 계층적 모델링이다. 중첩, 병행화, 순환 등 다양한 유형의 프로세스 동시성은 특정기간에 업무부하가 집중되는 문제를 발생시킨다. 따라서 자원제한이 있는 상황에서의 업무부하 관리는 대단히 유용하여, 설계 프로세스 분석을 위한 효과적인 방법이 필요하다. 본 연구는 계층적인 정보 모델링으로 더욱 복잡화된 프로세스의 효율적인 분석을 위하여 동시공학적 설계의 IDEF3 프로세스 모델을 기존의 순차적 네트웍모델로 변환하는 절차를 제안한 것이다. 이 절차는 동시공학환경에서의 자원제한 문제를 보다 체계적으로 해결하는 방법이 될 수 있을 것이다.

• 경영정보학연구
• /
• 제24권1호
• /
• pp.21-37
• /
• 2022

신약을 개발하는 한 가지 방법의 하나인 신약 재창출(Drug Repositioning)은 이미 사람들에게 사용할 수 있도록 승인된 약물들이 다른 용도로 사용되도록 하여 새로운 적응증을 발견하는 유용한 방법이다. 최근에는 머신러닝 기술의 발달로 방대한 생물학적 정보를 분석하여 신약 개발에 활용하는 경우가 증가하고 있다. 신약 재창출에 머신러닝 기술을 활용하면 효과적인 치료법을 신속하게 찾아내는 데 도움을 줄 것이다. 현재 심각한 급성 호흡기 증후군인 코로나바이러스(COVID-19)에 의한 신종 질병으로 전 세계가 힘든 시간을 보내고 있다. 이미 임상적으로 승인된 약물의 용도를 변경하는 신약 재창출은 COVID-19 환자를 치료하기 위한 치료제의 대안이 될 수 있다. 본 연구는 머신러닝 기법을 활용하여 신약 재창출 분야에 대한 연구 동향을 살펴보고자 한다. Pub Med에서 웹 스크래핑 기법을 사용하여 'Drug Repositioning'이라는 키워드로 총 4,821건의 논문을 수집하였다. 데이터 전처리 후, 4,419건의 논문을 대상으로 빈도분석, LDA 기반 토픽모델링, Random Forest 분류 분석 및 예측 성능평가를 수행하였다. Word2vec 모델을 기반으로 연관어를 분석하였고, PCA 차원 축소 후 K-Means 군집화하여 레이블을 생성한 후, t-SNE 알고리즘을 이용하여 논문이 형성하고 있는 그룹을 시각화하고, LDA 결과에 계층적 군집화를 적용하여 히트맵으로 시각화하였다. 본 연구는 신약 재창출과 관련된 연구 주제가 무엇인지를 파악하고, 머신러닝 알고리즘을 사용하여 대량의 문헌에서 의미 있는 주제를 도출하고 시각화하는 방법을 제시하였다. 향후 신약 재창출 분야의 연구나 개발 전략을 수립하기 위한 기초자료로 활용되는 데 도움을 줄 것이라고 기대한다.

• 한국산학기술학회논문지
• /
• 제21권12호
• /
• pp.346-353
• /
• 2020

본 연구에서는 유아기와 초등학령기(초2까지) 4년 동안의 모-자녀 상호작용의 변화 궤적은 어떻게 유형화될 수 있는지 확인하고, 확인된 잠재계층에 따라 초등학교 3학년 시기의 자녀의 미디어 기기 중독 수준에 차이가 있는지 확인하였다. 이를 위해 한국아동패널 6차(2013년)~9차(2016년), 10차(2017) 자료를 사용하였으며, 분석 방법은 잠재계층 성장분석, 3단계 접근법(three-step approach) 중 BCH 방법을 사용하였다. 분석 결과, 첫째, 유아기와 초등학령기(초2까지) 4년 동안의 모-자녀 상호작용의 변화 궤적은 무변화, 이차곡선변화의 형태보다는 선형으로 감소하는 특징이 있는 것으로 확인되었다. 그리고 선형으로 감소하는 변화 궤적은 3개의 이질적인 특징을 갖는 잠재계층(상수준 감소형, 중수준 감소형, 저수준 감소형) 집단으로 구분될 수 있는 것으로 확인되었다. 둘째, 저수준 감소형 집단이 상수준 감소형, 중수준 감소형 집단보다 초3 시점의 미디어 기기 중독의 하위 요인인 일상생활장애, 금단, 내성 모두 평균 점수가 더 높은 것으로 확인되었다. 본 연구는 유아기와 초등학령기(초2까지) 동안 모-자녀 간 상호작용을 많이 하는 것이 초3 시점의 미디어 기기 중독을 낮출 수 있음을 시사한다.

• 산학경영연구
• /
• 제12권
• /
• pp.239-254
• /
• 1999

무형의 서비스상품이 거래되는 항공운송시장은 일반 제조산업과 달리 이미 1980년초부터 글로벌 시장을 형성해 오고 있는 동질적 단일경쟁시장의 특성을 지니고 있다. 특히 우리나라는 1988년 여행자유화 조치와 이후 지속된 복수 민항체제와 시장개발조치 등으로 인해 수요증가와 함께 소비자 선택의 폭이 매우 다양해 졌다. 본 연구에서는 항공여객의 서비스상품 선택시 중요한 요소로 간주되어 온 평가기준을 실증적으로 분석하였다. 분석방법으로는 최근 사회과학 연구에서 폭넓게 이용되고 있는 계층화 의사결정(AHP)기법을 이용하였으며, 실증결과 상용여객들의 항공사 선택시 우선적으로 고려되는 평가요소들이 기대했던대로 유의적인 것으로 확인되었다. 본 연구의 결과는 다음과 같이 요약된다. 첫째, 항공사 선택의 평가 상위 기준으로 스케줄 관련사항과 기내서비스가 매우 높은 평가를 받았는데 항공사는 자사의 상품구성에 있어서 이 부분을 심도있게 고려해야 할 것이다. 둘째, 하위기준 중에서는 기내승무원의 태도와 외모, 기내식, 기내음악 및 영화의 다양성 및 품질수준, 좌석확보 가능성, 항공사의 명성, 과거의 탑승경험의 순으로 중요도가 평가되었다. 셋째, 대안에 대한 평가에 있어서는 각 노선에서 모두 K항공사가 가장 높은 중요도를 기록하고 있다. 특히 스케줄 관련사항과 상용고객 우대프로그램에서 매우 높은 선호도를 가지고 있는 것으로 나타났다.

• 한국건설관리학회논문집
• /
• 제11권1호
• /
• pp.3-15
• /
• 2010

빠르게 변화하는 경영 환경 속에서 기업들은 변화에 대응하며 기업의 지속적인 성장을 위해서 프로세스 경영, ERP 등 기업의 업무 프로세스 혁신기법과 업무를 지원할 수 있는 IT시스템들을 도입하여 왔다. 하지만 통합적 관리 체계의 부재로 업무 프로세스와 IT간의 분리 현상이 발생하여 기업 경영의 효율이 저하되는 문제가 나타났다. 이러한 문제의 해결을 위해 BPM(Business Process Management) 개념이 대두되었고, 많은 기업들이 도입을 시도하고 있는 상황이다. 본 연구는 BPM 도입을 시도하고 있는 국내 건설기업을 대상으로 단위업무에 대한 IT시스템 지원도 평가를 통해서 BPM 도입의 주요 배경이 되는 업무 프로세스와 IT간의 분리현상에 대한 정량적 평가를 목적으로 하였다. 이를 위해 문헌 고찰과 사례 분석을 통해 평가의 필요성을 제시하고, 평가를 위해 건설기업의 본사업무를 중심으로 단위 업무를 계층화 하였으며, 업무지원 IT시스템을 분석하였다. 이를 토대로 평가 방법을 설계 하고, 평가 결과 분석을 통해서 건설기업의 BPM구현에 있어서의 시사점을 제시하였다.

• 한국측량학회지
• /
• 제23권2호
• /
• pp.117-128
• /
• 2005

본 연구에서는 계층분석과정에 대한 노선 선정에 요구되는 자료들을 추출 및 이용하여 합리적인 노선 선정의 방법을 제시하였다. 선정된 노선의 결과를 GIS를 이용하여 시각화 및 분석하였으며, 종단선형을 고려한 선형 프로그램을 개발 및 구축하였다. 이러한 연구를 요약하면 GIS 기반의 계층분석과정을 응용하여 생성된 노선을 기준으로 기존 노선의 적정성에 대한 평가를 정량적으로 할 수 있었으며, 신설될 노선에 적용하면 도로 계획 및 기본 설계에 객관적이고 신뢰성 있는 노선의 평가를 할 수 있었다. 기존의 2차원적 정보에 의한 의사결정시스템에서 종단계획까지 고려한 3차원 정보에 의한 의사결정시스템을 적용함으로서 노선 선정기법을 향상시켰고 종단경사, 토공량, 구조물 규모와 위치, 공사비 등의 정보를 독립 변수로 할 수 있으므로 더욱 과학적이고 합리적으로 도로 설계를 할 수 있었다.

• 대한공간정보학회지
• /
• 제19권4호
• /
• pp.139-144
• /
• 2011

본 연구는 지상라이다 자료에서 얻어진 색상정보(R, G, B)와 반사강도정보(I)를 동시에 이용하여 이를 통계학적 분류기법으로 서로의 연관성을 분석하여 라이다 자료에 대한 분류방법을 제시하였다. 이를 위하여 우선 변수 R,G,B 및 I를 사용하여 분산 을 극대화하는 요인을 추출하여 주요인과 각 변수들 간의 요인행렬을 산출하였다. 그러나 요인행렬은 기초자료를 축소시켜 보여주기는 하지만, 이로부터 어떤 변수들이 어떤 요인에 의해 높게 관계되는지 명확하게 알기 어렵기 때문에 직각회전방식 중에서 Varimax방법을 이용하여 회전된 요인행렬을 구하여 요인점수를 산출하였다. 그리고 비 계층적 군집화 방법인 K-평균법을 이용하여 요인분석으로 산출된 요인점수에 대하여 군집분석을 실시한 후, 지상라이다 자료의 분류 정확도를 평가하였다.

• 한국건설관리학회논문집
• /
• 제14권3호
• /
• pp.176-186
• /
• 2013

대규모로 진행되는 도시환경정비사업의 경우, 다수의 참여주체의 요구 및 내/외부적인 요인에 의하여 사업의 환경, 주체, 법규, 계획 등이 빈번히 변화되는 특성을 지닌다. 이처럼 대규모로 진행되는 도시환경정비사업에서는 다수의 변화의 가능성을 가지고 있는 만큼, 전체 사업의 업무프로세를 기반으로 변화요인을 정의하여 사업추진단계별로 발생 가능한 변화요인을 사전에 인지하고 체계적으로 관리할 수 있는 방안이 필요한 실정이다. 따라서 본 연구에서는 도시환경정비사업과 같이 다수의 변화 가능성이 내재된 사업의 체계적인 변화관리를 위하여, 업무프로세스를 기반으로 주요 변화관리 요인을 도출하였다. 또한 ANP방법론을 활용하여 도출된 변화요인들에 대한 외적, 내적 특성을 반영함으로써 사업 추진단계별 특성화된 주요 변화요인들의 중요도를 정량적으로 제시하였다.

• 스마트미디어저널
• /
• 제7권4호
• /
• pp.17-23
• /
• 2018

자동 띄어쓰기 특성을 효과적으로 처리할 수 있는 LSTM(Long Short-Term Memory Neural Networks) 기반의 RNN 모델을 제시하고 적용한 결과를 분석하였다. 문장이 길거나 일부 노이즈가 포함된 경우에 신경망 학습이 쉽지 않은 문제를 해결하기 위하여 입력 데이터 형식과 디코딩 데이터 형식을 정의하고, 신경망 학습에서 드롭아웃, 양방향 다층 LSTM 셀, 계층 정규화 기법, 주목 기법(attention mechanism)을 적용하여 성능을 향상시키는 방법을 제안하였다. 학습 데이터로는 세종 말뭉치 자료를 사용하였으며, 학습 데이터가 부분적으로 불완전한 띄어쓰기가 포함되어 있었음에도 불구하고, 대량의 학습 데이터를 통해 한글 띄어쓰기에 대한 패턴이 의미 있게 학습되었다. 이것은 신경망에서 드롭아웃 기법을 통해 학습 모델의 오버피팅이 되지 않도록 함으로써 노이즈에 강한 모델을 만들었기 때문이다. 실험결과로 LSTM sequence-to-sequence 모델이 재현율과 정확도를 함께 고려한 평가 점수인 F1 값이 0.94로 규칙 기반 방식과 딥러닝 GRU-CRF보다 더 높은 성능을 보였다.