• 지능정보연구
• /
• 제19권3호
• /
• pp.45-55
• /
• 2013

최근 모바일 디바이스와 휴대기기의 발달로 원격접속이 늘어남에 따라 보안의 중요성도 점차 증가되었다. 그러나 기존 패스워드나 패턴과 같은 보안 프로그램은 지나치게 단순할 뿐 아니라 다른 사용자가 쉽게 취득하여 악용할 수 있다는 단점이 있다. 생체인식을 활용한 보안 시스템은 보안성이 강화 되었지만 위조 및 변조가 가능하기 때문에 완전한 해결책을 제시하지 못한다. 본 논문에서는 이러한 문제점을 해결하기 위해 지문인식과 패스워드를 결합하여 보안성을 향상시킬 수 있는 방안을 연구하였다. 제안한 시스템은 하나의 지문이 아니라 다수의 지문을 이용하는 방법으로, 사용자가 패스워드를 입력할 때 여러 지문 중에서 정확한 지문의 순서를 제공하도록 한다. 오늘날 스마트폰은 패스워드나 패턴, 지문을 이용할 수 있지만 패스워드의 강도가 낮거나 패턴이 쉽게 노출되는 등의 문제가 있다. 반면에 제안한 시스템은 다양한 지문의 이용과 패스워드의 연계, 또는 다른 생체인식 시스템과 연결함으로써 매우 강력한 보안장치가 될 수 있다.

• 한국가스학회지
• /
• 제8권2호
• /
• pp.15-27
• /
• 2004

본 논문은 상용 프로그램인 Fluent를 이용하여 고분자 전해질 연료전지(polymer electrolyte membrane fuel cell)의 바이폴라 플레이트 위에 새겨진 유로형상을 분석함으로서 연료전지의 성능을 향상시키는데 그 목적이 있다. 수소 소모량이 가장 많은 유로크기를 구하기 위하여 0.5 ${\~}$ 3.0mm의 범위에 대해 시뮬레이션을 수행하였으며, 유로너비, 지면너비, 유로깊이가 적을수록 아노드에서 수소이용율이 높음을 알 수 있었다. 유로너비가 증가하면 유로의 전체길이를 감소하므로 유로에서 압력하락이 감소하게 되며, 지면너비를 증가시키면 수소가 지면 밑으로 확산하여 수소의 순 소비가 감소하기 때문이다. 또한 유로너비를 변화시키는 것은 지면너비를 변화시키는 것보다 수소 소모에 민감하게 영향을 끼침을 알 수 있었다. 유로깊이에 따른 수소 소모량의 변화는 유로너비에 비해 크지 않으나 유로깊이는 바이폴라 플레이트의 부피에 크게 영향을 미치므로 가능한 한 적게 하여야 한다. 그러나 현실적으로 기계가공이 가능한 1mm이상의 유로에서는 유로너비 1.0mm, 지면너비 1.0mm, 유로깊이 0.5mm에서 수소 이용율이 가장 높았으며 최적 유로크기로 판단된다. 시뮬레이션결과로부터 최적 유로크기로 성형한 2cm${\times}$2cm크기의 대각선형과 5자형 유동장에 MEA를 결합한 단위전지의 성능을 100W 연료전지평가시스템을 이용하여 측정하였다. 측정결과는 대각선형과 5자형에서 유사하게 높은 OCV가 나타났으며, 전류밀도는 0.6V이하에서는 대각선형이 $2-40mA/m^2$ 더 높았으나 0.7-0.8V에서는 S자형이 $5-10mA/m^2$ 더 높게 나타났다.질을 향상시키고 의료자원의 효율적인 이용을 촉진하기 위해 호스피스 완화의료 서비스의 표준화와 제도화가 필요하다.를 활용한 사용자인터페이스(UI)디자인의 가능성을 확대시킬 수 있을 것이다. 스크린의 사용에 있어서 사용자의 시각적 한계성을 극복하기 위한 새로운 GUI의 시도와 제안은 향후 모바일 기기 디자인의 새로운 방향성을 제시하고 있다.각되며 이를 위해서는 호스피스 관련 기관뿐만 아니라 국가적 차원의 아동 호스피스에 대한 관심과 지원이 요구된다고 생각한다. 양상과 일치하였고 표준조건(water flux 1 cm/일)에서 예측된 이동소요시간에 따라 metolcarb는 most mobile, molinate와 fenobucarb, isazofos는 mobile내지 most mobile, dimepiperate는 moderately mobile이나 mobile, diazinon은 mobile, fenitrothion과 parathion은 slightly mobile 또는 mobile, chloipyrifos-methyl은 immobile이나 slightly mobile 등급에 속하는 것으로 나타났다.히 요구되고 있는 현실이다.브로 출시에 따른 마케팅 및 고객관리와 관련된 시사점을 논의한다.는 교합면에서 2, 3, 4군이 1군에 비해 변연적합도가 높았으며 (p < 0.05), 인접면과 치은면에서는 군간 유의차를 보이지 않았다 이번 연구를 통하여 복합레진을 간헐적 광중합시킴으로써 변연적합도가 향상될 수 있음을 알 수 있었다.시장에 비해 주가가 비교적 안정적인 수준을 유지해 왔다고 볼 수 있다.36.4%)와 외식을 선호(29.1%)${\lrcorner}$ 하기 때문에 패스트푸드를 이용하게 된 것으로 응답 하였으며, 남 여 대학생간에는 유의한

• 벤처창업연구
• /
• 제16권3호
• /
• pp.177-191
• /
• 2021

모바일 기기의 발전과 스트리밍 기술의 발달로 인하여 소비 패턴에 많은 변화가 나타났다. 또한 사회적 영향이 COVID-19의 팬터믹 환경으로 인하여 비대면 소비의 시대가 되고 있는 상황이다. 이에 비대면 소비 트렌드에 맞춰서 새로운 유통채널로 부각되고 있는 라이브 커머스의 중요성에 주목하여 라이브 커머스 및 쇼 호스트의 특성이 구매의도에 미치는 인과관계를 규명하고자 하였다. 연구 대상은 라이브 커머스로 구매한 구매자 성인 235명이었다, 독립변수로는 라이브 커머스 특성으로 상호작용성, 경제성, 오락성과 쇼 호스트 특성으로 매력성, 전문성, 인지도로 설정하였다. 종속변수로 구매의도를, 매개변수는 콘텐츠 몰입을 설정하였다. 연구결과 라이브 커머스 특성인 상호작용성, 경제성, 오락성과 쇼 호스트 특성인 매력성, 전문성, 인지도는 모두 구매의도에 정(+)의 유의한 영향이 있는 것으로 나타났다. 영향력의 크기는 라이브 커머스의 오락성, 쇼 호스트 인지도, 매력성, 전문성, 라이브 커머스의 경제성, 상호작용 요인 순으로 나타났다. 또한 구매의도에 미치는 콘텐츠 몰입의 매개효과 검증결과는 다음과 같다. 매개 변수인 콘텐츠 몰입은 상호작용성, 오락성, 매력성, 전문성, 인지도와 구매의도 간 매개 역할을 하는 것으로 나타났다. 반면 경제성은 매개 효과가 없는 것으로 분석되었다. 본 연구의 시사점은 다음과 같다. 라이브 커머스에서 제품을 판매하는 기업과 쇼 호스트는 단순히 제품을 판매한다는 영업행위보다는 소비자가 흥미를 유발할 수 있는 제품을 판매해야 한다. 또한 다양한 놀 거리와 볼거리를 제공하고 소비자에게 즐거움을 주며 쇼핑을 통하여 효익을 얻도록 하는 콘텐츠가 중요하다고 사료된다. 인지도가 있는 쇼 호스트뿐 아니라 인플루언서나 크리에이터 등 다양한 분야의 인지도가 높은 사람들이 쇼 호스트로 나설 경우 소비자의 콘텐츠 몰입과 구매의도가 높아질 것이다. 그리고 판매 업체들은 흥미로운 콘텐츠 개발과 합리적인 가격을 제시해야 하고, 쇼 호스트는 소비자와의 활발한 의사소통에 집중할 필요가 있다.

• 지능정보연구
• /
• 제20권2호
• /
• pp.109-122
• /
• 2014

현재 우리는 소셜 네트워크 서비스(Social Network Service, 이하 SNS) 상에서 수많은 데이터를 만들어 내고 있다. 특히, 모바일 기기와 SNS의 결합은 과거와는 비교할 수 없는 대량의 데이터를 생성하면서 사회적으로도 큰 영향을 미치고 있다. 이렇게 방대한 SNS 데이터 안에서 사람들이 많이 이야기하는 이슈를 찾아낼 수 있다면 이 정보는 사회 전반에 걸쳐 새로운 가치 창출을 위한 중요한 원천으로 활용될 수 있다. 본 연구는 이러한 SNS 빅데이터 분석에 대한 요구에 부응하기 위해, 트위터 데이터를 활용하여 트위터 상에서 어떤 이슈가 있었는지 추출하고 이를 웹 상에서 시각화 하는 트위터이슈 트래킹 시스템 TITS(Twitter Issue Tracking System)를 설계하고 구축 하였다. TITS는 1) 일별 순위에 따른 토픽 키워드 집합 제공 2) 토픽의 한달 간 일별 시계열 그래프 시각화 3) 토픽으로서의 중요도를 점수와 빈도수에 따라 Treemap으로 제공 4) 키워드 검색을 통한 키워드의 한달 간 일별 시계열 그래프 시각화의 기능을 갖는다. 본 연구는 SNS 상에서 실시간으로 발생하는 빅데이터를 Open Source인 Hadoop과 MongoDB를 활용하여 분석하였고, 이는 빅데이터의 실시간 처리가 점점 중요해지고 있는 현재 매우 주요한 방법론을 제시한다. 둘째, 문헌정보학 분야뿐만 아니라 다양한 연구 영역에서 사용하고 있는 토픽 모델링 기법을 실제 트위터 데이터에 적용하여 스토리텔링과 시계열 분석 측면에서 유용성을 확인할 수 있었다. 셋째, 연구 실험을 바탕으로 시각화와 웹 시스템 구축을 통해 실제 사용 가능한 시스템으로 구현하였다. 이를 통해 소셜미디어에서 생성되는 사회적 트렌드를 마이닝하여 데이터 분석을 통한 의미 있는 정보를 제공하는 실제적인 방법을 제시할 수 있었다는 점에서 주요한 의의를 갖는다. 본 연구는 JSON(JavaScript Object Notation) 파일 포맷의 1억 5천만개 가량의 2013년 3월 한국어 트위터 데이터를 실험 대상으로 한다.

• 지능정보연구
• /
• 제23권4호
• /
• pp.77-110
• /
• 2017

최근 인터넷 기반의 웹 및 모바일 기기를 통한 소비 패턴의 다양화와 개성화가 급진전됨에 따라 전통적 유통채널인 오프라인 매장의 효율적 운영이 더욱 중요해졌다. 매장의 매출과 수익 모두를 제고하기 위해 매장은 소비자에게 가장 매력적인 상품을 적시에 공급-판매 해야 하는데 많은 상품들 중에서 어떤 SKU를 취급하는 것이 판매 확률을 높이고 재고 비용을 낮출 수 있는지에 대한 연구가 부족한 실정이다. 특히, 여러 지역에 걸쳐 다수의 오프라인 매장을 통해 상품을 판매하는 기업의 경우 고객에게 매력적인 적절한 SKU를 추천 받아 취급할 수 있다면 매장의 매출 및 수익률 제고에 도움이 될 것이다. 본 연구에서는 개인화 추천에 이용되어 왔던 협업 필터링과 하이브리드 필터링 등의 추천 시스템(Recommender System)을 국가별, 지역별로 복수의 판매 매장을 통해 동종 브랜드를 취급하는 유통 기업의 매장 단위 취급 SKU 추천 방식을 제안하였다. 각 매장의 취급 품목별 구매 데이터를 활용하여 각 매장 별 유사성(Similarity)을 계산하고 각 매장의 SKU별 판매 이력에 따라 협업 필터링을 하여 최종적으로 매장에 개별 SKU를 추천하였다. 또한 매장 프로파일 데이터를 활용하여 주변수 분석 (PCA : Principal Component Analysis) 및 군집 분석(Clustering)을 통하여 매장을 4개의 군집으로 분류한 뒤 각 군집 내에서 협업 필터링을 적용한 하이브리드 필터링 방식으로 추천 시스템을 구현하고 실제 판매 데이터를 바탕으로 두 방식의 성능을 측정하였다. 현존하는 대부분의 추천 시스템은 사용자에게 영화, 음악 등의 아이템을 추천하는 방식으로 연구가 진행되어 왔고 실제로 산업계에서의 적용 또한 개인화 추천 시스템이 주류를 이루고 있다. 그 동안 개인화 서비스 영역에서 주로 다루어져 왔던 이러한 추천 시스템을 동종 브랜드를 취급하는 유통 기업의 매장 단위에 적용하여 각 매장의 취급 SKU를 추천하는 방식에 대한 연구는 거의 이루어지지 않고 있는 실정이다. 기존 추천 방법론의 추천 적용 대상이 '개인의 영역이었다면 본 연구에서는 국가별, 지역별로 복수의 판매 매장을 통해 개인의 영역을 넘어 매장의 영역으로 확대하여 동종 브랜드를 취급하는 유통 기업의 매장 단위 취급 SKU 추천 방식을 제안하고 있다. 또한 기존의 추천시스템은 온라인에 한정되었다면 이를 오프라인으로 활용 범위를 넓히고, 기존 개인을 기반으로 분석을 하는 것보다 매장영역으로 확대 적용하기에 적합한 알고리즘을 개발하기 위해 데이터마이닝 기법을 적용하여 추천 방법을 제안한다. 본 연구의 결과가 갖는 의의는 개인화 추천 알고리즘을 동일 브랜드를 취급하는 복수의 판매 매장에 적용하여 의미 있는 결과를 도출하고 실제 기업을 대상으로 시스템으로 구축하여 활용할 수 있는 구체적 방법론을 제시했다는 데에 있다. 개인화 영역을 위주로 이루어졌던 기존의 추천 시스템과 관련한 학계의 연구 영역을 동종 브랜드를 취급하는 기업의 판매 매장으로 확장시킨 첫 시도라는 데에도 의미가 있다. 2014년 03주차 ~ 05주차 전(全) 매장 판매 수량 실적 Top 100개 SKU로 추천의 대상을 한정하여 협업 필터링과 하이브리드 필터링 방식으로 52개 매장 별로 취급 SKU를 추천하고, 추천 받은 SKU에 대한 2014년 06주차 매장별 판매 실적을 집계하여 두 추천 방식의 성과를 비교하였다. 두 추천 방식을 비교한 이유는 본 연구의 추천 방법이 기존 추천 방식 보다 높은 성과를 입증하기 위해 단순히 오프라인에 협업필터링을 적용한 것을 기준 모델로 정의하였다. 이 기준 모델에 오프라인 매장 관점의 특성을 잘 반영한 본 연구 모델인 하이브리드 필터링 방법과 비교 함으로써 성과를 입증한다. 연구에서 제안한 방식은 기존 추천 방식보다 높은 성과를 나타냈으며, 이는 국내 대기업 의류업체의 실제 판매데이터를 활용하여 입증하였다. 본 연구는 개인 수준의 추천시스템을 그룹수준으로 확장하여 효율적으로 접근하는 방법을 이론적인 프레임 워크를 만들었을 뿐 아니라 실제 데이터를 기반으로 분석하여 봄으로써 실제 기업들이 적용해 볼 수 있다는 점에서 연구의 가치가 크다.