• 한국식품영양과학회지
• /
• 제34권1호
• /
• pp.66-74
• /
• 2005

전국의 대도시, 중소도시, 읍면지역의 주부 100명을 대상으로 구조화된 설문지를 이용하여 전화면접조사를 실시하였다. 식품안전에 대하여 불안을 느끼는 사람이 55.4%, 불안을 느끼지 않는 사람이 34.6%로 식품안전성에 대해 불안을 느끼는 사람의 비율이 1.9배 높은 것으로 나타났다. 식품안전에 대한 불안감에 영향을 미치는 요인은 유아나 초등학생의 자녀여부, 학력, 채소류 구입 장소, 브랜드, 보존료나 착색료 등의 식품첨가물, 원재료의 원산지 등이었다. 불안요인 중 잔류농약은 대상자의 96.0%가, 보존료나 착색료 등 식품첨가물 95.7%, 환경호르몬 93.0%, 식중독균 등 유해 미생물 91.7%, 유전가변형식품은 90.2%가 불안을 느끼는 것으로 나타났다. 그러나 실제로는 잔류농약이나 식품첨가물보다 미생물의 발생으로 인한 식품오염으로 나타날 수 있는 식중독의 경우 더욱 치명적일 수 있으므로 이러한 사실을 일반 소비자들에게 인식시킬 필요가 있다. 불안을 느끼는 식품으로, 도시락은 대상자의 93.3%가, 수입 식품은 92.7%, 패스트푸드 89.9%, 햄과 소시지 등 식육가공식품 88.7%, 외식(패스트푸드 이외의 식품) 81.6%, 통조림과 냉동식품 등 가공식품 83.5%, 컵라면 등 인스턴트식품 82.0%, 쌀 47.4%, 식용유 53.8%, 우유 및 유제품은 56.6%가 불안하다고 느꼈다. 식품의 제조(재배) 및 원료(원산지)를 제시해주는 식품표시에 대하여 신뢰하지 못하고 불안을 느끼는 대상자가 많으므로(75.2%) 표시 제도와 인증제도의 적절한 운용을 통해 식품에 관련한 충분한 정보가 소비자들에게 전달될 수 있는 대책이 강구되어야 하겠다. 신선식품(농축산물)구입시 가장 우려되며 우선적으로 고려하는 사항은 '수입산인지 국내산인지'이었으며 '유통기한', '무농약 및 유기재배 여부', '만질 때 혹은 외관상으로 느껴지는 신선함' 등이 그 다음으로 고려하는 것으로 나타났다. 가공식품 구입시에는 '보존료 및 착색료 등의 식품첨 가물'(93.6%), '유통기한'(92.4%), '원재료가 무농약$.$유기재배인지'(88.8%)에 대하여 염려된다고 응답한 비율이 높았다. 식품안전을 확보하기 위한 식품생산에서 소비단계까지 개선사항으로 '비료, 농약 살포, 수확시 관리 등 생산단계'(59.6%) 및 '물, 토양, 대기 등 자연환경'(43.6%)의 개선이 중요하다는 견해가 많았다. 위의 결과로 볼 때 식품안전성을 확보하기 위해서는 식품위생과 안전성, 식품표시에 대한 홍보와 교육이 지속적으로 이루어져 소비자들의 식품안전에 대한 인식과 신뢰도를 높여야 할 것이다. 농장단계에서 오염원을 줄이는 방안이 최종생산물의 검사에 기반을 둔 식품안전정책보다도 안전성 확보에 훨씬 유효하다는 사고방식이 보편화되고 있으므로 농산물 생산단계에 우수농산물관리 제도(good agricultural practices)를 정착시키고, 나아가 사전예방 원칙을 적용한 HACCP 시스템을 도입하여 식품(특히 축산물)의 안전성을 확보하여야 하겠다. 또 food chain 전반에 관한 이력정보의 부족과 정보의 신뢰성이 문제가 되므로 생산단계부터 가공단계, 유통단계, 그리고 판매 단계 에 이르기까지의 모든 과정을 소비자가 역으로 거슬러 올라가 확인할 수 있는 '이력정보체계 (traceability system)'를 활성화하여야 하겠다.

• Journal of Animal Science and Technology
• /
• 제52권2호
• /
• pp.91-96
• /
• 2010

본 연구는 돼지고기 원산지 식별에 활용될 수 있는 최적의 SNP marker set을 개발 및 확립하기 위해 수행되었다. 선발된 51개의 SNP marker들의 효율성, 다형성 및 독립성 검증을 실시하였으며 51개의 SNP marker set은 MassARRAY method에 의해서 Multiplex-PCR panel 4개로 디자인 되었으며, 농장별, 생산조합별, 모돈별, 웅돈별로 효과적으로 고유 유전자형 지문분석이 가능하게 제작되었고, 다른형태의 SNP 유전자형 분석 플랫폼에 적용될 수 있는 적절한 마커 갯수이다. 또한 51개의 SNP marker set을 적용하여 모의 실험 및 친자감별확율을 계산하였을 때 무작위 교배 집단(PI), 반형매 교배집단($PI_{half-sib}$)과 전형매 교배집단($PI_{sibs}$)을 통해 모의 실험을 한 결과 $5.63{\times}10^{-33}$, $4.35{\times}10^{-15}$ 그리고 $1.32{\times}10^{-15}$로 분석되었으며 친자확인률에서도 모두 100%에 가까운 확률값을 나타내었다. 따라서 본 연구에서 개발된 SNP marker set을 이용하여 돈육제품의 원산지를 추적에 이용한다면 개별돼지의 고유한 DNA 지문 정보를 생성할 뿐만 아니라, 이를 통하여 모돈과 웅돈을 식별하여 농장원산지를 확인이 가능 할 수 있을 것으로 사료된다. 따라서 국내산 돼지의 생산에서부터 돈육제품으로의 소비까지 이력추적이 가능한 도구로 제공 될 것이다.

• 한국의류학회지
• /
• 제32권12호
• /
• pp.1915-1926
• /
• 2008

국가와 산업의 이미지가 제품 평가에 영향을 미치고 있다는 것은 주지의 사실이지만, 그러한 영향력의 경로가 되는 매체에 관한 연구는 부족하다. 본 연구는 미국의 대중매체에 드러난 한국의 패션산업 이미지가 한국의 패션제품을 평가하는데 영향을 미칠 것이라는 기본 가정하에, 한국 패션산업의 어떤 측면이 독자들에게 부각되고 있는지를 규명하고자 하였다. 미국의 명성 있는 패션전문 일간지인 WWD(Women's Wear Daily)를 선택하여 한국 패션산업과 관련된 내용분석을 시도하였다. 1998년 1월 1일부터 2008년 6월 30일까지 게재된 기사 중 "Korean" 이라는 단어를 포함한 기사를 우선적으로 검색하고 패션분야와 관련된 기사 총 329개를 최종적으로 선택하여 분석하였다. 섬유공급망 관리 상의 역할별로 분석 범주를 설정하고, 한국 패션산업이 공급망 상에서 어떤 역할을 담당하는 주체로 부각되고 있는지 살펴 보았다. 그 결과, 한국의 패션산업은 섬유와 원단공급업자, 혹은 의류제조업자로서의 역할을 담당하는 것으로 인식되는 경우가 많았다. 이는 역사적으로 한국이 미국의 패션산업의 주요 소싱국가였던 이력을 반영하는 결과이다. 디자인, 브랜딩, 마케팅, 소매유통업을 담당하는 역할자로서 한국 패션산업을 바라보는 관점은 상대적으로 미약하였다. 또한, 한국 패션산업은 패션에 관심이 많고 세계의 유명 고가 브랜드 제품을 소비할 수 있는 의미 있는 시장을 보유하고 있는 것으로 높게 인식되고 있는 반면 한국 패션산업은 거시 경제의 환경 변화에 따라 경기변동을 펴는 취약점이 있음이 부각되기도 하였다.

• 경영정보학연구
• /
• 제22권1호
• /
• pp.17-31
• /
• 2020

4차 산업혁명 시대의 시작과 함께 다양한 분야의 기술들이 서로 융합하며 새로운 형태의 기술과 제품들이 개발되고 있으며, 이와 더불어 그것들에 대한 시장 지배력을 갖기 위한 지식 재산권의 행사나 특허등록의 중요성이 높아지고 있어 국내는 물론 해외에서의 특허출원이 증가하고 있다. 이에 따라, 심사관 1인당 처리해야 할 특허 처리 건수가 해마다 많아지고 있어 선행기술조사에 소비되는 시간과 비용이 점점 증가하고 있는 실정이다. 본 연구는 다수의 해외특허 우선권 주장 시 동일 우선권 주장 특허문서 간 유사도를 계산하여 심사관 및 특허 출원인이 유사문서를 우선 검토 할 수 있도록 함으로써 심사 시간과 비용을 줄이고자 하였다. 이를 위해, 본 연구에서는 비정형 특허 문서의 데이터를 전처리 후 LDA 토픽 모델링과 Word2vec을 활용하여 특허 문서 간 유사도를 구하고, 이 유사도 점수가 높은 순으로 검토 문서를 우선 추천하는 유사 특허 추천 모델을 제안하였다. 3단계의 모델 생성과정을 통해 만들어진 모델을 사용하여 재현율 95%로 높은 결과를 보였다. 본 연구에서 제안한 모델을 통해, 심사관은 효율적으로 선행기술에 대한 조사가 가능해지며, 심사 수행 중 유사하다고 판단된 특허문서에 대한 심사 이력을 신속하게 참고할 수 있어 업무 부담감을 줄이고 심사풀질을 향상시킬 수 있을 것으로 기대된다.

• 지능정보연구
• /
• 제29권3호
• /
• pp.145-165
• /
• 2023

추천 시스템은 인터넷의 발달로 급격하게 증가하는 정보의 양으로 인해 생긴 정보 선택의 어려움을 소비자에게 덜어주고 각 개인의 취향에 맞는 정보를 효율적으로 보여주는 중요한 역할을 한다. 특히, E-commerce와 OTT 기업은 상품과 콘텐츠 양이 급격하게 증가하면서 추천 시스템의 도움 없이는 인기 있는 상품만 소비되는 현상을 극복하지 못한다. 이러한 현상을 극복하고 고객 개인 취향에 맞는 정보 혹은 콘텐츠를 제공해 고객의 소비를 유도하기 위해 추천 시스템의 연구가 활발히 진행되고 있다. 일반적으로 유저(user)의 과거 행동 이력을 활용한 협업 필터링이 유저가 선호한 콘텐츠의 정보를 활용하는 콘텐츠 기반 필터링에 비해 높은 성능을 보여준다. 하지만 협업 필터링은 과거 행동 데이터가 부족한 유저에 대해서는 추천의 성능이 낮아지는 콜드 스타트(Cold Start) 문제를 겪게 된다. 본 논문에서는 카카오 아레나 경진대회에서 주어진 음악 스트리밍 서비스 멜론의 플레이리스트 데이터를 기반으로 앞에서 언급한 콜드 스타트 문제를 해결할 수 있는 하이브리드 음악 추천 시스템을 제시했다. 본 연구에서는 플레이리스트에 수록된 곡 목록과 각 음악과 플레이리스트의 메타데이터를 활용해 절반 혹은 전부 가려진 플레이리스트의 다른 수록 곡을 예측하는 것을 목표로 하였다. 이를 위해 플레이리스트 안에 곡이 있는 경우와 아예 곡이 없는 경우를 나눠서 추천을 진행하였다. 플레이리스트 안에 곡이 있는 경우에는 해당 플레이리스트의 곡 목록과 각 곡의 메타데이터를 활용하기 위해 LightFM을 활용하였다. 그 다음에 Item2Vec을 활용해 플레이리스트에 있는 수록 곡과 태그 및 제목의 임베딩 벡터를 생성하고 이를 추천에 활용하였다. 최종적으로 LightFM과 Item2Vec 모델의 앙상블을 통해 최종 추천 결과를 생성하였다. 플레이리스트 안에 곡이 없고 태그 혹은 제목만이 존재할 경우에는 플레이리스트의 메타데이터인 태그와 제목을 FastText를 활용해 사전 학습을 시켜 생성된 플레이리스트 벡터를 기반으로 플레이리스트 간의 유사도를 활용하여 추천을 진행하였다. 이렇게 추천한 결과, 기존 Matrix Factorization(MF)에서 해결하지 못한 콜드 스타트 문제를 해결할 수 있었을 뿐만 아니라 곡과 플레이리스트의 메타데이터를 활용해 기존 MF 모델인 ALS와 BPR 그리고 Word2Vec 기반으로 추천해 주는 Item2Vec 기술보다 높은 추천 성능을 낼 수 있었다. 또한, LightFM을 토대로 다양한 곡의 메타데이터를 실험한 결과, 여러 메타데이터 중에서 아티스트 정보를 단독으로 활용한 LightFM 모델이 다른 메타데이터를 활용한 LightFM 모델들과 비교해 가장 높은 성능을 보여준다는 것을 확인할 수 있었다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.95-112
• /
• 2021

대학 교육에 있어서 전공과목의 선택은 학생들의 진로에 중요한 역할을 한다. 하지만, 산업의 변화에 발맞춰 대학 교육도 학과별 전공과목의 분야가 다양해지고 그 수가 많아지고 있다. 이에 학생들은 본인의 진로에 맞게 수업을 선택하여 수강하는 것에 어려움을 겪고 있다. 본 연구는 대학 전공과목 추천 모델을 제시함으로써 개인 맞춤형 교육을 실현하고 학생들의 교육만족도를 제고하고자 한다. 모델 연구에는 대학교 학부생들의 2015년~2017년 수강 이력 데이터를 활용하였으며, 메타데이터로는 학생과 수업의 전공 명을 사용했다. 수강 이력 데이터는 컨텐츠 소비 여부만을 나타낸 암시적 피드백 데이터로, 수업에 대한 선호도를 반영한 것이 아니다. 따라서 학생과 수업의 특성을 나타내는 임베딩 벡터를 도출했을 시, 표현력이 낮다. 본 연구는 이러한 문제점에 착안하여, 네트워크 분석을 통해 학생, 수업의 벡터를 생성하고 이를 모델의 입력 값으로 활용하는 Net-NeuMF 모델을 제시한다. 모델은 암시적 피드백을 가진 데이터를 이용한 대표적인 모델인 원핫 벡터를 이용하는 NeuMF의 구조를 기반으로 하였다. 모델의 입력 벡터는 네트워크 분석을 통해 학생과 수업의 특성을 나타낼 수 있도록 생성하였다. 학생을 표현하는 벡터를 생성하기 위해, 각 학생을 노드로 설정하고 엣지는 두 학생이 같은 수업을 수강한 경우 가중치를 가지고 연결되도록 설계했다. 마찬가지로 수업을 표현하는 벡터를 생성하기 위해 각 수업을 노드로 설정하고 엣지는 공통으로 수강한 학생이 있는 경우 연결시켰다. 이에 각 노드의 특성을 수치화 하는 표현 학습방법론인 Node2Vec을 이용하였다. 모델의 평가를 위해 추천 시스템에서 주로 활용하는 지표 4가지를 사용하였고, 임베딩 차원이 모델에 미치는 영향을 분석하기 위해 3가지 다른 차원에 대한 실험을 진행하였다. 그 결과 기존 NeuMF 구조에서 원-핫 벡터를 이용하였을 때보다 차원과 관계없이 평가지표에서 좋은 성능을 보였다. 이에 본 연구는 학생(사용자)와 수업(아이템)의 네트워크를 이용해 기존 원-핫 임베딩 보다 표현력을 높였다는 점, 모델을 구성하는 각 구조의 특성에 맞도록 임베딩 벡터를 활용하였다는 점, 그리고 기존의 방법론에 비해 다양한 종류의 평가지표에서 좋은 성능을 보였다는 점을 기여점으로 가지고 있다.

• 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.