국가농림기상센터(NCAM)에서는 수요자 맞춤형 영농 영림을 지원하기 위하여 전용 수치모델링시스템인 지면대기모델링패키지(LAMP) 버전 1을 구축하였다. 이 패키지는 두 가지의 큰 축으로 구성되어 있다. 하나는 WRF 기상모델과 Noah-MP 지면모델의 결합시스템인 WRF/Noah-MP 시스템이고, 다른 하나는 Noah-MP 지면 모델의 오프라인 독립구동형 1차원 버전이다. 전자는 7일 이상의 중기 기상예측 자료를 1km 내외의 고해상도로 생산하는 일을 담당하고, 후자는 대표적인 농림생태계에 대하여 1년 지면모의 자료를 15분 간격으로 생산하는 일을 담당한다. 본 연구의 목적은 NCAM-LAMP의 두 구성 요소를 간단히 설명하고, 초기의 수치모의 성능을 평가하는데 있다. WRF/Noah-MP 결합시스템은 동아시아를 포함하는 어미격자 도메인에 최고 810m의 수평 해상도를 갖는 3개의 둥지격자로 구축되었으며, 가장 안쪽 도메인은 광릉 활엽수림 관측지와 침엽수림 관측지(GDK 및 GCK)를 포함한다. 이 결합시스템은 현재 미국 환경예측센터의 FNL 자료를 초기 및 경계자료로 이용하여 구동되며, 여러 개의 약 8일 모의 결과를 연결시켜 장기간에 대한 모의 자료를 생산하였다. 정량적 검증 변수는 WRF/Noah-MP 결합시스템의 2m 기온, 10m 바람, 2m 습도, 강수이며, 기상청 ASOS 관측 자료와 WRF/Noah-MP 결합시스템 모의 자료 사이의 차이를 이용하여 각 도메인에서 동적 식생 포함 유무에 따른 모의 오차를 계산하였다. 강수 모의의 정확도는 탐지확률(POD)과 공평위협점수(ETS)로 구성된 표를 이용하여 조사하였다. 오프라인 독립구동형 지면모델은 1년 기간에 대해 모의 결과를 생산하였으며, KoFlux 관측자료와 비교하여, 순복사 플럭스, 현열 플럭스, 잠열 플럭스 및 토양 수분 함량을 평가하였다. WRF/Noah-MP 결합시스템의 모의 결과에 따르면, 모든 도메인 중에서 도메인 4(810m 해상도)에서 2m 기온, 10m 바람 및 2m 습도에 대하여 가장 작은 RMSE를 보였다. 동적 식생을 포함시키면 모든 도메인에서 10m 바람의 모의 오차가 감소하게 되는 경향을 보였다. 도메인 2(7,290m 해상도)에서는 강수 모의 점수가 가장 높았으나, 동적 식생을 포함시킴에 따른 효과는 별로 없었다. 독립구동형 1차원 Noah-MP의 지면모의 결과는 복사 플럭스와 토양 수분의 패턴 및 크기를 포착하였으며, 엽면적지수의 모델 입력 부분을 보충하고, 모델 물리과정의 적절한 조합을 찾아내는 노력을 통해 개선될 수 있는 여지를 남겼다.
개인에게 맞춤형 서비스를 제공하는 것이 중요해지면서 개인화 추천 시스템 관련 연구들이 끊임없이 이루어지고 있다. 추천 시스템 중 협업 필터링은 학계 및 산업계에서 가장 많이 사용되고 있다. 다만 사용자들의 평점 혹은 사용 여부와 같은 정량적인 정보에 국한하여 추천이 이루어져 정확도가 떨어진다는 문제가 제기되고 있다. 이와 같은 문제를 해결하기 위해 현재까지 많은 연구에서 정량적 정보 외에 다른 정보들을 활용하여 추천 시스템의 성능을 개선하려는 시도가 활발하게 이루어지고 있다. 리뷰를 이용한 감성 분석이 대표적이지만, 기존의 연구에서는 감성 분석의 결과를 추천 시스템에 직접적으로 반영하지 못한다는 한계가 있다. 이에 본 연구는 리뷰에 나타난 감성을 수치화하여 평점에 반영하는 것을 목표로 한다. 즉, 사용자가 직접 작성한 리뷰를 감성 수치화하여 정량적인 정보로 변환해 추천 시스템에 직접 반영할 수 있는 새로운 알고리즘을 제안한다. 이를 위해서는 정성적인 정보인 사용자들의 리뷰를 정량화 시켜야 하므로, 본 연구에서는 텍스트 마이닝의 감성 분석 기법을 통해 감성 수치를 산출하였다. 데이터는 영화 리뷰를 대상으로 하여 도메인 맞춤형 감성 사전을 구축하고, 이를 기반으로 리뷰의 감성점수를 산출한다. 본 논문에서 사용자 리뷰의 감성 수치를 반영한 협업 필터링이 평점만을 고려하는 전통적인 방식의 협업 필터링과 비교하여 우수한 정확도를 나타내는 것을 확인하였다. 이후 제안된 모델이 더 개선된 방식이라고 할 근거를 확보하기 위해 paired t-test 검증을 시도했고, 제안된 모델이 더 우수하다는 결론을 도출하였다. 본 연구에서는 평점만으로 사용자의 감성을 판단한 기존의 선행연구들이 가지는 한계를 극복하고자 리뷰를 수치화하여 기존의 평점 시스템보다 사용자의 의견을 더 정교하게 추천 시스템에 반영시켜 정확도를 향상시켰다. 이를 기반으로 추가적으로 다양한 분석을 시행한다면 추천의 정확도가 더 높아질 것으로 기대된다.
최근 지식정보 사회는 IT가 핵심 구성요소인 스마트 사회로 변모하고 있으며, 인간과 사물 간 의사소통에서 사물과 사물 간 의사소통까지 확장하고, IT간 융합에서 나아가 타 산업과 융합하는 지능형 사회로 나아가고 있다. '공간'에 대한 정보는 '시간'과 함께 인간이 생활하는데 있어 반드시 알아야 하는 가장 근본적인 정보로써, 공간에서 발생하는 정보를 기반으로 다른 사람들과 소통을 하고 목적을 충족함으로써 삶의 질을 향상시킨다. 현대 사회에서 공간정보는 중요한 인프라 가치를 증대시키므로 새로운 사회 패러다임 전환을 위한 필수적인 요소라 할 수 있다. 따라서 본 연구에서는 수재해 정보 플랫폼 구현에 앞서 사용자의 니즈를 만족시키고 효용가치 증대가 가능하도록 공간정보서비스 활용 방안 연구를 하고자 한다. 공간정보는 시대의 흐름에 따라 형태 및 생산?활용방법이 달라졌으나 항상 중요한 정보로 인식되어 왔으며, 미래 공간정보는 단순 콘텐츠 영역을 뛰어넘어 상황(Context)정보까지 범위를 확장하였다. (1)미국의 공간정보는 시설, 기록관리 및 지도와 같은 공공분야에서 현재는 업무통합관리, 의사결정지원 등에서 데이터 웨어하우스(Data Warehouse)로서의 역할 담당한다. (2)일본은 아시아 최고의 원천기술력을 보유하고 있으며, 높은 수준의 GIS, RS(위성항측), ITS(지능형 교통 시스템) 기술을 기반으로 하고 있다. (3)영국은 지리정보시스템과 공공서비스를 접목하여 시민의 요구에 부응하는 고객맞춤형서비스 제공을 국가정보화의 우선과제로 선정하고 있다. (4)우리나라는 초고속통신망과 모바일 기술 등 세계 최고 수준의 인프라를 확보하고 있어, 이러한 인프라 기반융 복합 공간정보서비스를 이용하는데 안정적인 기반을 확보하고 있다. 본 연구는 국내외 공간정보서비스의 패러다임 변화 및 추진 동향 등을 제시하였으며, 수재해정보 플랫폼 활용에 능동적 적극적으로 접근할 수 있는 기반을 마련하였다. 공간정보서비스를 활용하여 커뮤니케이션 강화, 수재해 정보 서비스의 효율성 증진, 재해부문 선진화 측면에서 발전적 영향을 미칠 수 있으며, 특히 각종 현안에 대한 미래 예측 및 대응에 기여할 것으로 판단된다.
만성질환 관리 서비스가 활성화되기 위해서는 유헬스 플랫폼을 중심으로 서비스 콘텐츠 개발자, 서비스 제공자, 디바이스 공급자 등이 긴밀하게 협력하여 가치사슬을 형성하는 생태계가 구축되어야 한다, 그러나 기존 유헬스 플랫폼은 안전하고 효율적인 개인건강기록 (PHR) 관리, 맞춤형 지능형 서비스 지원, N 스크린 서비스 지원 등의 부족으로 효과적인 생태계 구축이 어렵다. 이 논문에서는 이러한 유헬스 플랫폼의 문제점을 개선하기 위해 새로운 '만성질환 관리 플랫폼(CDMP: Chronic Disease Management Platform)'을 제안한다. CDMP는 만성질환 건강관리 증진 서비스를 개발 실행 공유하기 위한 공통 기능을 컴포넌트로 제공하고 다양한 서비스 및 시스템 간의 연결.통합을 위한 허브 기능을 수행하는 소프트웨어 플랫폼이다 CDMP는 SOA 기반으로 설계되어 높은 재사용성 확장성을 제공하며 정보 콘텐츠 서비스를 누구나 쉽게 이용할 수 있도록 Open API를 제공하는 개방형 플랫폼, N스크린 서비스를 위한 멀티플랫폼, SNS와의 연동을 통한 자가관리 기능을 지원한다. 이 논문에서는 CDMP 개발을 위한 요구사항 분석, 구조 설계, 설계 검증을 위한 프로토타입 구현을 수행하고, 특히 PHR 정보 관리를 위한 '하이브리드 데이터 모델'의 구현과 성능 평가를 통해 CDMP의 우수성을 검증하였다.
1990년대 이후 방송 기술의 눈부신 발전은 고선명 방송 서비스의 도입으로 가정에서의 고화질 방송 서비스 제공을 가능하게 하였을 뿐만 아니라, 이동 방송 서비스의 등장으로 고속으로 이동하는 차량에서도 방송 서비스를 즐길 수 있도록 하였다. Terrestrial Digital Multimedia Broadcasting (T-DMB) 기술은 이동 방송 서비스 제공을 위해 개발된 기술 중 성공적으로 상용화된 기술 중 하나이다. 고속 이동체에서의 안정적인 방송 수신 기능 외에 T-DMB의 기술적 혁신 중 주목할 만한 것으로는 MPEG-4 표준에 기반 한 시스템 프레임워크를 들 수 있다. 이는 장면 기술(Scene Description) 및 그래픽 객체 표현 언어인 Binary Format for Scene (BIFS)와 객체(object) 개념의 멀티미디어 구성 요소 표현 방식인 Object Descriptor (OD) 프레임워크를 통해 대화형 데이터 서비스를 제공할 수 있다. 그런데, T-DMB 대화형 데이터 서비스에는 두 가지 근본적인 제약 사항이 존재한다. 첫 번째 제약 사항은 대화형 서비스를 위한 그래픽 데이터는 비디오 화면을 벗어날 수 없어 항상 비디오 화면 위에 중첩되어 표현되어야 한다는 것이다. 두 번째 제약 사항은 양방향 서비스를 위한 데이터는 항상 방송망을 통해서만 전송되어야 한다는 것이다. 이러한 제약 사항은 단말의 위치 정보나 사용자의 특성 정보를 반영한 개인 맞춤형 서비스 제공의 제약조건이 되고 있다. 본 논문에서는 이러한 제약 사항을 극복하기 위해 기존방송망 및 무선 인터넷 망을 통해 각각 전송되는 장면 기술 정보 뿐만 아니라, 단말의 저장 장치에 저장된 장면 기술 정보를 활용하는 T-DMB 하이브리드 데이터 서비스 방식을 제안하고 기존 T-DMB 데이터 서비스와의 역호환성을 보장하는 하이브리드 BIFS 기술을 제안한다.
E-business 경제사회가 성장하고 문화, 창조산업은 물론 컨텐츠와 지식산업의 성장이 가시화되면서 기존 기업경영 환경에서 논의되어오던 비즈니스 유형은 더욱 다양하게 확장되고, 이에 대한 새로운 해석과 논의가 이어지고 있다. 이러한 환경변화는 디자인 분야에서도 디자인경영의 확산과 그 동안 영세하고, 비전문적으로 이루어졌던 디자인비즈니스의 새로운 기회를 제공하고 있다. 지금까지 디자인비즈니스는 디자인산업, 디자인서비스의 개념과 동일시되어 독립적으로 논의되어 오던 개념이 아니었다. 특히 디자인비즈니스는 암묵적인 프로세스 내에서 이루어져 왔고, 이는 다시 개념적 불확실성과 체계적인 시스템 부족으로 이어졌다. 때문에 이러한 문제는 독립적인 사업을 통한 자본적, 사회적 성공과 발전기반을 형성하고자 하는 디자인 전문 회사들이나 디자인경영을 활성화하고자 하는 기업들에게 시대적 변화에 적합한 디자인비즈니스 모델개발이나 발전전략 마련에 한계점으로 작용하고 있다. 이에 본 연구는 디자인비즈니스에 대한 명확한 개념정립을 이루고, 디자인비즈니스의 유형을 그 활동 형태에 따라 맞춤형, 기성형, 제공형, 계약형로 정립하고, 비즈니스 대상을 제품, 보조서비스, 지식, 프로모션으로 확대하여 활동형태와 대상에 따른 디자인비즈니스 유형의 구조 틀을 구축하였다. 이는 디자인 비즈니스 유형에 대한 보다 확장된 개념을 제공함으로써 디자인비즈니스 활동의 확산과 다양한 비즈니스 모델 개발을 도울 것이다.
최근 사물인터넷의 발전으로 사용자 주변 상황을 인지하여 맞춤형 서비스를 제공하는 상황인지 시스템에 대한 관심이 증가되고 있다. 기존의 상황인지 시스템은 사용자 주위에서 생성되는 데이터를 분석하여 사용자 주변 상황을 표현하는 상황 정보로 추상화하는 기술이 사용되었다. 하지만 증가하는 사용자의 서비스 요구 사항에 따라 다양한 종류의 비정형 데이터의 사용이 증가하고, 사용자 주변에서 수집되는 데이터의 양이 많아지면서 비정형 데이터의 처리와 상황인지 서비스의 제공에 어려움이 있다. 이러한 사항은 딥러닝 응용에서 비정형 구조의 입력 데이터가 많이 사용되는 데서 찾아볼 수 있다. 기존 연구에서는 에지 컴퓨팅 환경에서 다양한 딥러닝 모델을 활용해 비정형 데이터를 상황 정보로 추상화하는 연구가 진행되었으나, 수집-전처리-분석 등과 같은 추상화 과정 간의 종속성으로 인해 제한된 종류의 딥러닝 모델만이 적용 가능하기 때문에 시스템의 기능적 확장성이 고려되어야 한다. 이에 본 논문은 에지 컴퓨팅 환경에서 딥러닝 기술을 활용한 비정형 데이터 추상화 과정의 기능적 확장성을 고려한 비정형 데이터 추상화 방법을 제안한다. 제안하는 방법은 데이터 처리가 분산되어 있는 에지 컴퓨팅 환경에서 수집과 전처리 과정을 수행할 수 있는 팻 클라이언트 기술을 사용하여 추상화 과정의 수집-전처리 과정과 분석 과정을 분리하여 수행하는 것이다. 또한 분리된 추상화 과정을 관리하기 위해 수집-전처리 과정을 수행하는 데 필요한 정보를 팻 클라이언트 프로파일로 제공하고, 분석 과정에 필요한 정보를 분석 모델 설명 언어(AMDL) 프로파일로 제공한다. 두 가지 프로파일을 통해서 추상화 과정을 독립적으로 관리하여 상황인지 시스템의 기능적 확장성을 제공한다. 실험에서는 차량 출입 통제 알림 서비스를 위한 차량 이미지 인식 모델을 대상으로 팻 클라이언트 프로파일과 AMDL 프로파일의 예제를 통해 시스템의 기능적 확장성을 보이고, 비정형 데이터의 추상화 과정별 세부사항을 보인다.
셋톱박스 오디언스(TV 시청자) 타겟팅의 핵심은 오디언스의 시청패턴을 분석하여 광고의 효과성이 높을 것으로 예상되는 오디언스에게 맞춤형 광고를 내보내는 것이다. 세션 기반 추천 시스템은 인터넷 광고 추천, 유저 검색 기록 기반 추천 등에 많이 이용되고 있지만, TV 광고의 측면에서 셋톱박스 데이터 수집의 어려움을 이유로 연구하기에 어려움이 있었다. 또한 오디언스 개인의 식별정보가 있는 데이터에서, 오디언스의 선호가 반영되는 시청 패턴을 모델링하는 데 한계가 있었다. 따라서 본 연구에서는 한국방송광고진흥공사(KOBACO)와 방송3사(SKB, KT, LGU+)와의 협업을 통해 익명화된 오디언스 4,847명의 6개월간 시청 데이터를 확보하여 연구를 진행하였으며, 유저-세션-아이템의 계층적 구조를 가지는 개인화 세션 기반 추천 시스템을 개발하여 성능 검증을 진행하였다. 그 결과, 셋톱박스 오디언스 데이터셋과 그 외 검증을 위한 2개의 데이터셋에서 제안된 모델이 비교 대상 모델보다 높은 성능을 보이는 것을 확인하였다.
최근에는 외식 산업의 발달과 레스토랑 수요의 증가로 인해 레스토랑 추천 시스템 연구가 활발하게 제안되고 있다. 기존 레스토랑 추천 시스템 연구는 정량적인 평점 정보 또는 온라인 리뷰의 감성분석을 통해 소비자의 선호도 정보를 추출하였는데 이는 소비자의 의미론적 선호도 정보는 반영하지 못한다는 한계가 존재한다. 또한, 레스토랑이 포함하는 세부적인 속성을 반영한 추천 시스템 연구는 부족한 실정이다. 이를 해결하기 위해 본 연구에서는 소비자의 선호도와 레스토랑 속성 간의 상호작용을 효과적으로 학습할 수 있는 딥러닝 기반 모델을 제안하였다. 먼저, 합성곱 신경망을 온라인 리뷰에 적용하여 소비자의 의미론적 선호도 정보를 추출했고, 레스토랑 정보에 임베딩 기법을 적용하여 레스토랑의 세부적인 속성을 추출했다. 최종적으로 요소별 연산을 통해 소비자 선호도와 레스토랑 속성 간의 상호작용을 학습하여 소비자의 선호도 평점을 예측했다. 본 연구에서 제안한 모델의 추천 성능을 평가하기 위해 Yelp.com의 온라인 리뷰를 사용한 실험 결과, 기존 연구의 다양한 모델과 비교했을때 본 연구의 제안 모델이 우수한 추천 성능을 보이는 것을 확인하였다. 본 연구는 레스토랑 산업의 빅데이터를 활용한 맞춤형 레스토랑 추천 시스템을 제안함으로써 레스토랑 연구 분야와 온라인 서비스 제공자에게 학술적 및 실무적 측면에서 다양한 시사점을 제공할 수 있을 것으로 기대한다.
인공지능(AI) 기술이 발전함에 따라 빅데이터 기반의 상품 선호도 추정 개인화 추천시스템에 관심이 증가하고 있는 추세이다. 하지만 개인화 추천이 적합하지 않은 경우 고객의 구매 의사를 감소시키고 심지어 금융상품의 특성상 막대한 재무적 손실로 확대될 수 있는 위험을 가지고 있다. 따라서 고객의 특성과 상품 선호도를 포괄적으로 반영한 추천시스템을 개발하는 것이 비즈니스 성과 창출과 컴플라이언스 이슈 대응에 매우 중요하다. 특히 금융상품의 경우 개인의 투자성향과 리스크 회피도에 따라 고객의 상품 선호도가 구분되므로 축적된 고객 행동 데이터를 활용하여 맞춤형 추천서비스를 제안하는 것이 필요하다. 이러한 고객의 행동 특성과 거래 내역 데이터를 사용하는 것뿐만 아니라, 고객의 인구통계정보, 자산정보, 종목 보유 정보를 포함하여 추천 시스템의 콜드 스타트 문제를 해결하고자 한다. 따라서, 본 연구는 고객의 거래 로그 기록을 바탕으로 고객의 투자성향과 같은 특성 정보와 거래 내역 및 금융상품 정보를 통해 고객별 금융상품 잠재 선호도를 도출하여 딥러닝 기반의 협업 필터링을 제안한 모형이 가장 성능 우수한 것을 확인하였다. 본 연구는 고객의 금융 투자 메커니즘을 기반으로 금융상품 거래 데이터를 통해 미거래 금융상품에 대한 예상 선호를 도출하는 추천 모델을 구축하여, 선호가 높을 것으로 예상되는 상위 상품군을 추천하는 서비스를 개발하는 것에 의의가 있다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.