• 한국콘텐츠학회논문지
• /
• 제6권12호
• /
• pp.253-260
• /
• 2006

정보통신매체나 상품의 종류가 다양해지듯 사람들의 성향도 그에 맞춰 다양해지고 있다. 이러한 다양함 속에 찾을 수 있는 하나의 대중성은 '매니아'(Mania)라는 계층에게서 엿볼 수 있다. 현대사회는 빠르게 변화하기 때문에 하나의 상품이나 문화의 수명은 짧을 수 밖에 없으나 하나의 매니아 그룹이 형성되면 자연히 상품의 수명은 길어지게 된다. 애니메이션 역시 하루에도 수십, 수백 가지의 영상이 영사되고 있지만 한번 보고 기억에서 잊혀지는 영상들이 대부분일 것이다. 하지만 어떠한 형태로든 매니아 그룹을 형성하게 된 애니메이션은 여러 콘텐츠에서 꾸준한 부가가치를 창출할 수 있다. 본 논문에서는 BONES사(社)의 애니메이션 '강철의 연금술사'(원작: 아라카와 히로무, 감독: 미즈시마 세이지)의 캐릭터를 통하여 나타난 매니아 그룹의 형성을 연구, 분석하였다. 강철의 연금술사의 관객이 단순히 작품을 마음에 들어 했다는 것이 아닌 열광하는 집단이었음은 무수한 콘텐츠로의 발전과 당시 잠시 나마 주춤했던 일본의 애니메이션 산업이 다시 활기를 띄게 된 것을 보면 알 수 있다. 그리고 여러 콘텐츠들로의 발전은 그 만큼 많은 콘텐츠를 수용할 수 있는 커다란 매니아 그룹이 형성되어 있었음을 나타낸다. 매니아 그룹의 형성에는 다양한 이유가 있지만, 특히 캐릭터는 작품의 총괄적인 상징을 하기 때문에 매니아 그룹 형성에 가장 커다란 작용을 끼친다. 본 연구를 통하여 애니메이션 '강철의 연금술사'의 캐릭터가 커다란 매니아 그룹을 형성할 수 있었던 까닭과, 이러한 매니아 그룹이 작품에게 부여한 가치의 의미를 알아보고자 한다. 비선형 자료를 위한 모의방법으로 선형 모형에 비해 많은 장점을 가지고 있다. 일 강수량과 강우 발생빈도에 대한 10년-이동평균과 회귀식을 이용하여 추세분석을 실시함으로서 기후변화에 따른 기상인자의 영향을 확인하였으며, 10년-이동평균을 이용하여 강우 발생 빈도에 대한 추세를 살펴본 결과, 0.2 mm 이상의 강수량을 기록한 연간 일수는 감소하나, 80 mm이상의 강수량을 기록한 호우 발생 연간일수는 증가하는 것을 확인할 수 있었다. 4. IPCC에서 제시한 미래 배출 시나리오에 따른 한반도 기후변화를 고려하여 WGEN 모형을 응용함으로서 향후 $2041{\sim}2050$년의 남한 지역 월 강수량과 월평균기온의 변화율을 적용한 강수량과 평균 기온에 대한 일 기상자료를 발생시켰으며, 수원 지방의 강우 일수 변화 추세를 고려하기 위해 WGEN모형의 마코브체인 매개변수를 수정하여 시나리오별 기상자료 집합을 구축하였다. 5. 강수량 증가에 따른 유출량을 비롯한 영양물질 부하량의 변화는 선형적 상관성을 보였으나, 유사량의 경우는 강수량 변화가 없고 강우일수가 감소하면서 사상별 최대 일강수량이 증가하는 경우에 대한 모의 결과가 평균 21%정도 증가하는 것으로 나타나, 강우 강도와 관련성이 큰 것으로 분석되었다. 6. 연 강수량이 17.4% 증가해 월별 평균 강수량 변화가 가장 큰 시나리오 Al은 연 유출량이 24.6% 증가하고, 유사량과 TN, IP 부하량은 각각 60.1%, 14.4%, 27.1%증가하는 것으로 나타났으며, 이에 비하여 연 강수량 증가가 2.5%로 가장 작은 시나리오 B1의 연

• 지능정보연구
• /
• 제27권3호
• /
• pp.175-197
• /
• 2021

최근 딥 러닝 기술의 발전으로 뉴스, 블로그 등 다양한 문서에 포함된 텍스트 분석에 딥 러닝 기술을 활용하는 연구가 활발하게 수행되고 있다. 다양한 텍스트 분석 응용 가운데, 텍스트 분류는 학계와 업계에서 가장 많이 활용되는 대표적인 기술이다. 텍스트 분류의 활용 예로는 정답 레이블이 하나만 존재하는 이진 클래스 분류와 다중 클래스 분류, 그리고 정답 레이블이 여러 개 존재하는 다중 레이블 분류 등이 있다. 특히, 다중 레이블 분류는 여러 개의 정답 레이블이 존재한다는 특성 때문에 일반적인 분류와는 상이한 학습 방법이 요구된다. 또한, 다중 레이블 분류 문제는 레이블과 클래스의 개수가 증가할수록 예측의 난이도가 상승한다는 측면에서 데이터 과학 분야의 난제로 여겨지고 있다. 따라서 이를 해결하기 위해 다수의 레이블을 압축한 후 압축된 레이블을 예측하고, 예측된 압축 레이블을 원래 레이블로 복원하는 레이블 임베딩이 많이 활용되고 있다. 대표적으로 딥 러닝 모델인 오토인코더 기반 레이블 임베딩이 이러한 목적으로 사용되고 있지만, 이러한 기법은 클래스의 수가 무수히 많은 고차원 레이블 공간을 저차원 잠재 레이블 공간으로 압축할 때 많은 정보 손실을 야기한다는 한계가 있다. 이에 본 연구에서는 오토인코더의 인코더와 디코더 각각에 스킵 연결을 추가하여, 고차원 레이블 공간의 압축 과정에서 정보 손실을 최소화할 수 있는 레이블 임베딩 방법을 제안한다. 또한 학술연구정보서비스인 'RISS'에서 수집한 학술논문 4,675건에 대해 각 논문의 초록으로부터 해당 논문의 다중 키워드를 예측하는 실험을 수행한 결과, 제안 방법론이 기존의 일반 오토인코더 기반 레이블 임베딩 기법에 비해 정확도, 정밀도, 재현율, 그리고 F1 점수 등 모든 측면에서 우수한 성능을 나타냄을 확인하였다.