• 제목/요약/키워드: 모바일 서비스 시스템

검색결과 1,750건 처리시간 0.035초

정보시스템의 실제 이용에 대한 연구: 모바일 서비스 시스템 품질을 중심으로 (A Study on Actual Usage of Information Systems: Focusing on System Quality of Mobile Service)

  • 조우철;김기민;양성병
    • Asia pacific journal of information systems
    • /
    • 제24권4호
    • /
    • pp.611-635
    • /
    • 2014
  • Information systems (IS) have become ubiquitous and changed every aspect of how people live their lives. While some IS have been successfully adopted and widely used, others have failed to be adopted and crowded out in spite of remarkable progress in technologies. Both the technology acceptance model (TAM) and the IS Success Model (ISSM), among many others, have contributed to explain the reasons of success as well as failure in IS adoption and usage. While the TAM suggests that intention to use and perceived usefulness lead to actual IS usage, the ISSM indicates that information quality, system quality, and service quality affect IS usage and user satisfaction. Upon literature review, however, we found a significant void in theoretical development and its applications that employ either of the two models, and we raise research questions. First of all, in spite of the causal relationship between intention to use and actual usage, in most previous studies, only intention to use was employed as a dependent variable without overt explaining its relationship with actual usage. Moreover, even in a few studies that employed actual IS usage as a dependent variable, the degree of actual usage was measured based on users' perceptual responses to survey questionnaires. However, the measurement of actual usage based on survey responses might not be 'actual' usage in a strict sense that responders' perception may be distorted due to their selective perceptions or stereotypes. By the same token, the degree of system quality that IS users perceive might not be 'real' quality as well. This study seeks to fill this void by measuring the variables of actual usage and system quality using 'fact' data such as system logs and specifications of users' information and communications technology (ICT) devices. More specifically, we propose an integrated research model that bring together the TAM and the ISSM. The integrated model is composed of both the variables that are to be measured using fact as well as survey data. By employing the integrated model, we expect to reveal the difference between real and perceived degree of system quality, and to investigate the relationship between the perception-based measure of intention to use and the fact-based measure of actual usage. Furthermore, we also aim to add empirical findings on the general research question: what factors influence actual IS usage and how? In order to address the research question and to examine the research model, we selected a mobile campus application (MCA). We collected both fact data and survey data. For fact data, we retrieved them from the system logs such information as menu usage counts, user's device performance, display size, and operating system revision version number. At the same time, we conducted a survey among university students who use an MCA, and collected 180 valid responses. A partial least square (PLS) method was employed to validate our research model. Among nine hypotheses developed, we found five were supported while four were not. In detail, the relationships between (1) perceived system quality and perceived usefulness, (2) perceived system quality and perceived intention to use, (3) perceived usefulness and perceived intention to use, (4) quality of device platform and actual IS usage, and (5) perceived intention to use and actual IS usage were found to be significant. In comparison, the relationships between (1) quality of device platform and perceived system quality, (2) quality of device platform and perceived usefulness, (3) quality of device platform and perceived intention to use, and (4) perceived system quality and actual IS usage were not significant. The results of the study reveal notable differences from those of previous studies. First, although perceived intention to use shows a positive effect on actual IS usage, its explanatory power is very weak ($R^2$=0.064). Second, fact-based system quality (quality of user's device platform) shows a direct impact on actual IS usage without the mediating role of intention to use. Lastly, the relationships between perceived system quality (perception-based system quality) and other constructs show completely different results from those between quality of device platform (fact-based system quality) and other constructs. In the post-hoc analysis, IS users' past behavior was additionally included in the research model to further investigate the cause of such a low explanatory power of actual IS usage. The results show that past IS usage has a strong positive effect on current IS usage while intention to use does not have, implying that IS usage has already become a habitual behavior. This study provides the following several implications. First, we verify that fact-based data (i.e., system logs of real usage records) are more likely to reflect IS users' actual usage than perception-based data. In addition, by identifying the direct impact of quality of device platform on actual IS usage (without any mediating roles of attitude or intention), this study triggers further research on other potential factors that may directly influence actual IS usage. Furthermore, the results of the study provide practical strategic implications that organizations equipped with high-quality systems may directly expect high level of system usage.

토픽 모델링을 이용한 트위터 이슈 트래킹 시스템 (Twitter Issue Tracking System by Topic Modeling Techniques)

  • 배정환;한남기;송민
    • 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.

협업 필터링 및 하이브리드 필터링을 이용한 동종 브랜드 판매 매장간(間) 취급 SKU 추천 시스템 (SKU recommender system for retail stores that carry identical brands using collaborative filtering and hybrid filtering)

  • 조용민;남기환
    • 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.

WebRTC 환경에 데이터 스트리밍 및 사용자 요청에 따른 동적로드 밸런싱 방법 (A Dynamical Load Balancing Method for Data Streaming and User Request in WebRTC Environment)

  • ;박상현;장종현;박재형;김진술
    • 디지털콘텐츠학회 논문지
    • /
    • 제17권6호
    • /
    • pp.581-592
    • /
    • 2016
  • WebRTC는 웹과 모바일과 같이 여러 플랫폼에서 세계 최고 수준의 실시간 커뮤니케이션으로 빠르게 성장했다. WebRTC의 현재 기술은 peer와 시그널링 서버에서 사용자가 요청한 많은 양의 큰 스트리밍을 효율적으로 처리하지 못한다. 따라서, 본 논문에서는 동적로드 밸런싱 알고리즘을 사용하여, 데이터 흐름 전달을 제공함으로써 문제를 처리하는 작업을 수행한다. 또한, 사용자가 요청하는 소스를 분석하고 이러한 스트리밍 요청을 로드 밸런싱 구성 요소에 전달한다. 구체적으로 구성 요소는 요청된 리소스와 사용가능한 리소스의 양을 응답 서버에서 결정한 후 스트리밍 데이터를 요청하는 사용자에게 병렬 또는 교대로 전달한다. 이와 같은 방법을 검증하기 위해 네트워크 시뮬레이션 도구 OPNET을 사용하여 로드 밸런싱 알고리즘을 시연 후 우분투 서버에 적용하여 구현한다. 또한 실험을 통해 도출된 결과와 WebRTC의 구현을 비교하여 제안함으로써 기존 방법보다 효율적이고 동적으로 수행되는 지를 보여준다.

헬스케어산업에서의 인공지능 활용 동향 (A Trend of Artificial Intelligence in the Healthcare)

  • 이새봄;송재민;박아름
    • 한국콘텐츠학회논문지
    • /
    • 제20권5호
    • /
    • pp.448-456
    • /
    • 2020
  • 4차 산업혁명 시대에서 폭발적인 정보와 데이터를 얼마나 잘 다루고 활용하는가는 산업의 경쟁력과 직결되는 문제로 인식이 되고 있다. 특히, 의료 분야에서 인공지능 기술의 도입은 그 활용에 있어서나 사회적으로나 파급력이 굉장히 크다고 할 수 있으며, 활용 범위 별 인공지능의 동향을 파악하기 위해 본 연구를 진행하게 되었다. 본 연구에서는 의료 분야에서의 인공지능 활용을 크게 다음과 같이 4가지 활용범위, (1)병원 솔루션, (2)개인 건강관리, (3)보험회사, (4)신약개발로 나누어 살펴보았다. 인공지능 기술의 활용 범위 별 다양한 사례와 동향을 바탕으로 우리나라 의료 산업에서는 앞으로 어떠한 전략으로 인공지능을 발전시켜 나가야 하는지 방향성을 제시하고자 하였다. 본 연구에서는 헬스케어 산업 다양한 분야에서 인공지능의 활용 사례에 대해 알아보고, 헬스케어의 최신 이슈사항이 무엇인지 서술하여 의료산업 전반에 도움을 주고자 하였다. 인공지능 기반 의료 시스템의 발전은 보다 쉽게 만성질환자 및 환자들의 건강을 관리해주고, 암이나 질병 진단의 정확성을 높이며 신약개발을 더 빠르고 효율적으로 진행되도록 도움을 주었다. 본 연구를 통하여 한국의 의료 산업에서는 앞으로 어떠한 전략으로 인공지능을 발전시켜나가야 하는지 방향성을 제시하고자 하였다.

내용 기반 및 식품 교환 표를 이용한 맞춤형 건강식단 추천 기법 (A Customized Healthy Menu Recommendation Method Using Content-Based and Food Substitution Table)

  • 오유리;김윤희
    • 정보처리학회논문지:소프트웨어 및 데이터공학
    • /
    • 제6권3호
    • /
    • pp.161-166
    • /
    • 2017
  • 최근 현대인들은 풍족해진 먹을거리에도 불구하고, 특정 영양소의 과잉 및 부족 섭취로 영양불균형의 문제로 겪고 있다. 이에 따라, 건강 및 식단조절에 관한 관심이 증가하였고, 다양한 모바일시스템을 이용한 어플리케이션들이 등장하였다. 하지만 대부분의 어플리케이션들은 섭취한 식단을 기록하고 단순한 통계를 보여주는데 그치는 수준이며 건강 식단을 위한 일반적인 정보를 제공한다. 건강에 관심 있는 사용자에게는 실질적으로 본인의 음식 선호를 반영하거나 맞춤형 권장 정보를 제공하는 추천서비스가 필요하다. 따라서 본 연구에서는 사용자의 신체 및 활동조건에 따른 권장섭취열량에 대해 식품군별 교환단위수를 부여하고, 과거 섭취이력을 활용하여 음식 선호를 분석하여 식품군별 권장섭취 단위수를 만족하는 식단추천 기법을 제안한다. 또한 실험을 통하여 사용자의 선호만을 고려한 경우, 권장교환단위만을 고려하는 경우와 비교하여 정밀도, 재현율, 건강지수, 그리고 3지표의 조화평균을 도출하고 제안하는 알고리즘의 우수성을 증명하였다. 해당 기법을 활용하여 사용자는 본인의 선호를 반영하는 맞춤형 건강식단을 추천받을 수 있으며 이를 통해 건강한 식습관 개선 및 유지에 도움을 줄 수 있다.

거대언어모델의 차별문제 비교 연구 (A Comparative Study on Discrimination Issues in Large Language Models)

  • 이위;황경화;최지애;권오병
    • 지능정보연구
    • /
    • 제29권3호
    • /
    • pp.125-144
    • /
    • 2023
  • 최근 ChatGPT 등 거대언어모델(Large Language Models)의 활용은 대화형상거래, 모바일금융 서비스 등 다양한 분야에서 사용이 증가하고 있다. 그러나 주로 기존 문서를 학습하여 만들어진 거대언어모델은 문서에 내재된 인간의 다양한 편향까지도 학습할 수 있다. 그럼에도 불구하고 거대언어모델에 편향과 차별의 양상에 대한 비교연구는 거의 이루어지지 않았다. 이에 본 연구의 목적은 거대언어모델안에 9가지 차별(Age, Disability status, Gender identity, Nationality, Physical appearance, Race ethnicity, Religion, Socio-economic status, Sexual orientation)의 존재유무 또는 그 정도를 점검하고 발전 방안을 제안하는 것이다. 이를 위해 차별 양상을 특정하기 위한 도구인 BBQ (Bias Benchmark for QA)를 활용하여 ChatGPT, GPT-3, Bing Chat 등 세가지 거대언어모델을 대상으로 비교하였다. 평가 결과 거대언어모델에 적지 않은 차별적 답변이 관찰되었으며, 그 양상은 거대언어모델에 따라 차이가 있었다. 특히 성차별, 인종차별, 경제적 불평등 등 전통적인 인공지능 윤리 이슈가 아닌 노인차별, 장애인차별에서 문제점이 노출되어, 인공지능 윤리의 새로운 관점을 찾을 수 있었다. 비교 결과를 기반으로 추후 거대언어모델의 보완 및 발전 방안에 대해 기술하였다.

고분자 전해질 연료전지용 바이폴라 플레이트의 유로 연구 (Study on the channel of bipolar plate for PEM fuel cell)

  • 안범종;고재철;조영도
    • 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

  • PDF

농식품 오픈 마켓 특성이 재구매 의도에 미치는 영향: 혁신성의 조절효과를 중심으로 (The Effect of the Characteristics of Agri-Food Open Market on the Repurchase Intention: Focusing on the Moderating Effect of Innovation)

  • 김상미;하규수
    • 벤처창업연구
    • /
    • 제16권4호
    • /
    • pp.153-165
    • /
    • 2021
  • 온라인과 오프라인의 경계가 사라지면서 O2O(온라인에서 오프라인으로) 서비스가 급속히 증가하고 있다. 일반 제품과 달리 농식품은 신선도가 중요한 의사결정 요인이며, 다름 품목에 비해 환불 및 교환이 어려운 특성과 새로운 거래 방식으로 인해 O2O의 플랫폼 중 오픈 마켓으로 성장하는데 제한적인 요소가 많다. 이러한 장애를 극복하기 위해서는 소비자의 혁신성이 고려되어야 한다. 본 연구는 O2O(online to offline) 특성 중 빠르게 성장하고 있는 오픈 마켓을 중심으로 쇼핑몰 특성이 농식품 재구매 의도에 미치는 영향을 파악하는데 목적이 있다. 그리고 농식품 쇼핑몰 특성과 재구매 의도에 미치는 영향력에서 혁신성의 조절 효과를 분석하고자 한다. 이를 위해 편의표본추출기법을 이용하여 2021년 3월 1일부터 3월 30일까지 구글 설문을 통해 온라인 설문을 실시하였다. 농식품 오픈 마켓에서 구매경험자 총 270개의 분석 자료를 수집하였다. 분석방법은 spss 프로그램을 사용하였으며, 가설검증을 위해 다중회귀분석을 사용하였다. 분석결과 O2O(online to offline) 쇼핑몰 특성인 경제성, 상호작용성, 유희성은 농식품 재구매 의도에 유의한 정(+)의 영향을 미치는 것으로 나타났다. 상호작용성×혁신성, 유희성×혁신성은 재구매 의도에 유의한 정(+)의 영향을 미치는 것으로 나타났다. 본 연구결과 혁신성은 새로운 시스템이나 모바일 거래에 대하여 소비자의 부담을 줄여주고 있음을 알 수 있다. 본 연구의 결과를 통해서 농식품의 O2O 거래 활성화를 위해서는 혁신성이 낮은 소비자들의 거래를 활성화하기 위한 편리한 인터페이스 설계가 중요하다고 할 수 있다. 더불어 농업인들의 IT 역량강화를 위한 교육과 지원이 필요하다. 본 연구의 결과는 농식품 오픈마켓 쇼핑몰의 인프라 구축 등에 기여할 수 있을 것이다.

합성곱 신경망의 비지니스 응용: 런웨이 이미지를 사용한 의류 분류를 중심으로 (Business Application of Convolutional Neural Networks for Apparel Classification Using Runway Image)

  • 서이안;신경식
    • 지능정보연구
    • /
    • 제24권3호
    • /
    • pp.1-19
    • /
    • 2018
  • 최근 딥러닝은 오디오, 텍스트 및 이미지 데이터와 같은 비 체계적인 데이터를 대상으로 다양한 추정, 분류 및 예측 문제에 사용 및 적용되고 있다. 특히, 의류산업에 적용될 경우 딥러닝 기법을 활용한 의류 인식, 의류 검색, 자동 제품 추천 등의 심층 학습을 기반으로 한 응용이 가능하다. 이 때의 핵심모형은 합성곱 신경망을 사용한 이미지 분류이다. 합성곱 신경망은 입력이 전달되고 출력에 도달하는 과정에서 가중치와 같은 매개 변수를 학습하는 뉴런으로 구성되고, 영상 분류에 가장 적합한 방법론으로 사용된다. 기존의 의류 이미지 분류 작업에서 대부분의 분류 모형은 의류 이미지 자체 또는 전문모델 착용 의류와 같이 통제된 상황에서 촬영되는 온라인 제품 이미지를 사용하여 학습을 수행한다. 하지만 본 연구에서는 통제되지 않은 상황에서 촬영되고 사람들의 움직임과 다양한 포즈가 포함된 스트릿 패션 이미지 또는 런웨이 이미지를 분류하려는 상황을 고려하여 분류 모형을 훈련시키는 효과적인 방법을 제안한다. 이동성을 포착하는 런웨이 의류 이미지로 모형을 학습시킴으로써 분류 모형의 다양한 쿼리 이미지에 대한 적응력을 높일 수 있다. 모형 학습 시 먼저 ImageNet 데이터셋을 사용하여 pre-training 과정을 거치고 본 연구를 위해 수집된 32 개 주요 패션 브랜드의 2426개 런웨이 이미지로 구성된 데이터셋을 사용하여 fine-tuning을 수행한다. 학습 과정의 일반화를 고려해 10번의 실험을 수행하고 제안된 모형은 최종 테스트에서 67.2 %의 정확도를 기록했다. 본 연구 모형은 쿼리 이미지가 런웨이 이미지, 제품 이미지 또는 스트릿 패션 이미지가 될 수 있는 다양한 분류 환경에 적용될 수 있다. 구체적으로는 패션 위크에서 모바일 어플리케이션 서비스를 통해 브랜드 검색을 용이하게 하는 서비스를 제공하거나, 패션 잡지사의 편집 작업에 사용되어 브랜드나 스타일을 분류하고 라벨을 붙일 수 있으며, 온라인 쇼핑몰에서 아이템 정보를 제공하거나 유사한 아이템을 추천하는 등의 다양한 목적에 적용될 수 있다.