• 지능정보연구
• /
• 제19권2호
• /
• pp.1-20
• /
• 2013

소셜 네트워크는 사용자들의 공통된 관심사, 경험, 그리고 일상 생활들을 함께 공유하기 위해 소셜 네트워크 상 사람들을 서로 연결시켜주는 거대한 커뮤니케이션 플랫폼이다. 소셜 네트워크상의 사용자들은 포스팅, 댓글, 인스턴스 메시지, 게임, 소셜 이벤트 외에도 다양한 애플리케이션을 통해 다른 사용자들과 소통하고 개인 정보 관리하는데 많은 시간을 소비한다. 소셜 네트워크 상의 풍부한 사용자 정보는 추천시스템이 추천 성능을 향상시키기 위해 필요한 큰 잠재력이 되었다. 대부분의 사용자들은 어떤 상품을 구매하기 전 가까운 관계이거나 같은 성향을 가진 사람들의 의견을 반영하여 의사 결정을 하게 된다. 그러므로 소셜 네트워크에서의 사용자 관계는 추천시스템을 위한 사용자 선호도 예측을 효율적으로 높이는데 중요한 요소라 할 수 있다. 일부 연구자들은 소셜 네트워크에서의 사용자와 다른 사용자들 사이의 상호작용 즉, 소셜 관계(social relationship)와 같은 소셜 데이터가 추천시스템에서 추천의 질에 어떠한 영향을 미치는가를 연구하고 있다. 추천시스템은 아마존, 이베이, Last.fm과 같은 큰 규모의 전자상거래 사이트 또한 채택하여 사용되는 시스템으로, 추천시스템을 위한 방법으로는 협업적 여과 방법과 내용 기반 여과 방법이 있다. 협업적 여과 방법은 사용자들의 선호도 학습에 의해 사용자가 아직 평가하지 않은 아이템 중 선호할 수 있는 아이템을 정확하게 제안하기 위한 추천시스템 방법 중 하나이다. 협업적 여과는 사용자들의 데이터에 초점을 맞춘 방법으로 유사한 배경과 선호도를 가지는 사용자들로부터 정보를 수집하여 사용자들의 선호도 예측을 자동으로 발생시킨다. 특히 협업적 여과는 근접한 이웃 사용자들에 의해서 목적 사용자가 선호할 수 있는 아이템을 제시하는 것으로 유사한 이웃 사용자를 찾는 것이 중요하다. 좋은 이웃 사용자 발견은 사용자와 아이템을 고려하는 방법이 일반적이다. 각 사용자는 아이템 즉, 영화, 상품, 책 등에 자신의 선호도를 나타내기 위하여 평가 값을 입력하고, 시스템은 이를 바탕으로 사용자-평가 행렬을 구축한다. 이 사용자-평가 행렬은 목적 사용자와 유사하게 아이템을 평가한 사용자 그룹을 찾기 위한 것으로, 목적 사용자가 아직 평가하지 않은 아이템에 대하여 사용자-평가 매트릭스를 통해 그 평가 값을 예측한다. 현재 이 협업적 여과 방법은 전자상거래와 정보 검색에서 적용되어 개인화 시스템에 효율적으로 사용되고 있다. 하지만 초기 사용자 문제, 데이터 희박성 문제와 확장성 그리고 예측 정확도 향상 등 해결해야 할 과제가 여전히 남아 있다. 이러한 문제들을 해소하기 위해 많은 연구자들은 하이브리드, 신뢰기반, 소셜 네트워크 기반 협업적 여과와 같은 다양한 방법을 제안하였다. 본 논문에서는 전통적인 협업적 여과 방식의 예측 정확도와 추천 성능을 향상시키기 위해 소셜 네트워크에 존재하는 소셜 관계를 이용한 협업적 여과 시스템을 제안한다. 소셜 관계는 소셜 네트워크 서비스 중 하나인 페이스북 사용자들이 남긴 포스팅과 사용자의 소셜 네트워크 친구와 의견 교류 중 남긴 코멘트와 같은 사용자 행동을 기반으로 정의된다. 소셜 관계를 구축하기 위해 소셜 네트워크 사용자의 포스팅과 댓글을 추출하고, 추출된 텍스트에 불용어 및 특수 기호 제거와 스테밍 등 전처리를 수행하였다. 특징 벡터는 TF-IDF를 이용하여 전처리된 텍스트에 나타난 각 단어에 대한 특징 점수를 계산함으로써 구축된다. 본 논문에서 이웃 사용자를 결정하기 위해 사용되는 사용자 간 유사도는 특징 벡터를 이용한 사용자 행동 유사도와 사용자의 영화 평가를 기반으로 한 전통적 방법의 유사도를 결합하여 계산된다. 제안하는 시스템은 목표 사용자와 제안한 방법을 통해 결정된 이웃 사용자 집단을 기반으로 목표 사용자가 평가하지 않은 아이템에 대한 선호도를 예측하고 Top-N 아이템을 선별하여 사용자에게 아이템을 추천하게 된다. 본 논문에서 제안하는 방법을 확인하고 평가하기 위하여 IMDB에서 제공하는 영화 정보 기반으로 영화 평가 시스템을 구축하였다. 예측 정확도를 평가하기 위해 MAE 값을 이용하여 제안하는 알고리즘이 얼마나 정확한 추천을 수행하는지에 대한 예측 정확도를 측정하였다. 그리고 정확도, 재현율 및 F1값 등을 활용하여 시스템의 성능을 평가하였으며, 시스템의 추천 품질은 커버리지를 이용하여 평가되었다. 실험 결과로부터 본 논문에서 제안한 시스템이 보다 더 정확하고 좋은 성능으로 사용자에게 아이템을 추천하는 것을 볼 수 있었다. 특히 소셜 네트워크에서 사용자 행동을 기반으로 한 소셜 관계를 이용함으로써 추천 정확도를 6% 향상시킴을 보였다. 또한 벤치마크 알고리즘과의 성능비교 실험을 통해 7% 향상된 추천 성능의 결과를 보여준다. 그러므로 사용자의 행동으로부터 관찰된 소셜 관계를 CF방법과 결합한 제안한 방법이 정확한 추천시스템을 위해 유용하며, 추천시스템의 성능과 품질을 향상시킬 수 있음을 알 수 있다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.127-148
• /
• 2020

데이터 센터는 컴퓨터 시스템과 관련 구성요소를 수용하기 위한 물리적 환경시설로, 빅데이터, 인공지능 스마트 공장, 웨어러블, 스마트 홈 등 차세대 핵심 산업의 필수 기반기술이다. 특히, 클라우드 컴퓨팅의 성장으로 데이터 센터 인프라의 비례적 확장은 불가피하다. 이러한 데이터 센터 설비의 상태를 모니터링하는 것은 시스템을 유지, 관리하고 장애를 예방하기 위한 방법이다. 설비를 구성하는 일부 요소에 장애가 발생하는 경우 해당 장비뿐 아니라 연결된 다른 장비에도 영향을 미칠 수 있으며, 막대한 손해를 초래할 수 있다. 특히, IT 시설은 상호의존성에 의해 불규칙하고 원인을 알기 어렵다. 데이터 센터 내 장애를 예측하는 선행연구에서는, 장치들이 혼재된 상황임을 가정하지 않고 단일 서버를 단일 상태로 보고 장애를 예측했다. 이에 본 연구에서는, 서버 내부에서 발생하는 장애(Outage A)와 서버 외부에서 발생하는 장애(Outage B)로 데이터 센터 장애를 구분하고, 서버 내에서 발생하는 복합적인 장애 분석에 중점을 두었다. 서버 외부 장애는 전력, 냉각, 사용자 실수 등인데, 이와 같은 장애는 데이터 센터 설비 구축 초기 단계에서 예방이 가능했기 때문에 다양한 솔루션이 개발되고 있는 상황이다. 반면 서버 내 발생하는 장애는 원인 규명이 어려워 아직까지 적절한 예방이 이뤄지지 못하고 있다. 특히 서버 장애가 단일적으로 발생하지 않고, 다른 서버 장애의 원인이 되기도 하고, 다른 서버부터 장애의 원인이 되는 무언가를 받기도 하는 이유다. 즉, 기존 연구들은 서버들 간 영향을 주지 않는 단일 서버인 상태로 가정하고 장애를 분석했다면, 본 연구에서는 서버들 간 영향을 준다고 가정하고 장애 발생 상태를 분석했다. 데이터 센터 내 복합 장애 상황을 정의하기 위해, 데이터 센터 내 존재하는 각 장비별로 장애가 발생한 장애 이력 데이터를 활용했다. 본 연구에서 고려되는 장애는 Network Node Down, Server Down, Windows Activation Services Down, Database Management System Service Down으로 크게 4가지이다. 각 장비별로 발생되는 장애들을 시간 순으로 정렬하고, 특정 장비에서 장애가 발생하였을 때, 발생 시점으로부터 5분 내 특정 장비에서 장애가 발생하였다면 이를 동시에 장애가 발생하였다고 정의하였다. 이렇게 동시에 장애가 발생한 장비들에 대해서 Sequence를 구성한 후, 구성한 Sequence 내에서 동시에 자주 발생하는 장비 5개를 선정하였고, 선정된 장비들이 동시에 장애가 발생된 경우를 시각화를 통해 확인하였다. 장애 분석을 위해 수집된 서버 리소스 정보는 시계열 단위이며 흐름성을 가진다는 점에서 이전 상태를 통해 다음 상태를 예측할 수 있는 딥러닝 알고리즘인 LSTM(Long Short-term Memory)을 사용했다. 또한 단일 서버와 달리 복합장애는 서버별로 장애 발생에 끼치는 수준이 다르다는 점을 감안하여 Hierarchical Attention Network 딥러닝 모델 구조를 활용했다. 본 알고리즘은 장애에 끼치는 영향이 클 수록 해당 서버에 가중치를 주어 예측 정확도를 높이는 방법이다. 연구는 장애유형을 정의하고 분석 대상을 선정하는 것으로 시작하여, 첫 번째 실험에서는 동일한 수집 데이터에 대해 단일 서버 상태와 복합 서버 상태로 가정하고 비교분석하였다. 두 번째 실험은 서버의 임계치를 각각 최적화 하여 복합 서버 상태일 때의 예측 정확도를 향상시켰다. 단일 서버와 다중 서버로 각각 가정한 첫 번째 실험에서 단일 서버로 가정한 경우 실제 장애가 발생했음에도 불구하고 5개 서버 중 3개의 서버에서는 장애가 발생하지 않은것으로 예측했다. 그러나 다중 서버로 가정했을때에는 5개 서버 모두 장애가 발생한 것으로 예측했다. 실험 결과 서버 간 영향이 있을 것이라고 추측한 가설이 입증된 것이다. 연구결과 단일 서버로 가정했을 때 보다 다중 서버로 가정했을 때 예측 성능이 우수함을 확인했다. 특히 서버별 영향이 다를것으로 가정하고 Hierarchical Attention Network 알고리즘을 적용한 것이 분석 효과를 향상시키는 역할을 했다. 또한 각 서버마다 다른 임계치를 적용함으로써 예측 정확도를 향상시킬 수 있었다. 본 연구는 원인 규명이 어려운 장애를 과거 데이터를 통해 예측 가능하게 함을 보였고, 데이터 센터의 서버 내에서 발생하는 장애를 예측할 수 있는 모델을 제시했다. 본 연구결과를 활용하여 장애 발생을 사전에 방지할 수 있을 것으로 기대된다.

• 미술자료
• /
• 제96권
• /
• pp.18-53
• /
• 2019

최근 국립중앙박물관이 기증을 받아 "우리 강산을 그리다: 화가의 시선, 조선시대 실경산수화" 특별전(2019년)에서 처음으로 공개한 작품인 <경포대도>와 <총석정도>는 조선시대 회화사 이해에 있어 시사하는 바가 매우 지대하다. 두 작품이 1557년의 관동 유람을 계기로 그려진 병풍의 일부였음을 알 수 있어서 16세기 산수화에 대한 이해의 폭을 넓히는 데 획기적인 자료가 되기 때문이다. 이러한 중요성을 밝히기 위해서 본고에서는 <경포대도>와 <총석정도>에 담긴 경물의 내용을 살펴보고 제작시기와 양식상의 특징을 분석한 후, 다른 작품과의 비교를 통해서 이 작품에 담긴 회화사적인 의미에 대해서 살펴보았다. 이 작품의 제작 배경은 <총석정도>의 발문으로 알 수 있다. 본고에서 박충간(朴忠侃)(?~1601)으로 비정한 정상일로(商山逸老)가 1557년 봄에 홍연(洪淵)(?~?)과 함께 금강산(풍악산)과 관동 지역을 유람하고 유산록(遊山錄)을 작성하였으며 시간이 흐른 뒤 그중 몇몇 명승지를 그려 병풍을 만든 것을 알 수 있었다. 홍연은 자가 덕원(德遠)으로 1551년에 별시문과에 급제하고 1584년까지는 생존했던 인물이다. 박충간은 호가 남애(南崖)로서 1589년 정여립(鄭汝立)의 모역을 고변하여, 그 공으로 형조참판으로 승진되고 평난공신(平難功臣) 1등에 책록된 후 상산군(商山君)에 봉해진 인물이다. 이 글로 작품의 제작 시기를 1557년의 유람 후이자, 발문을 쓴 박충간이 50대 이상이 되는, 1571년 이후 곧 16세기 후반경으로 보았다. 산수나 나무 표현 등의 화풍을 기준으로도 16세기 후반의 시대 양식과 부합한다. 전술한 발문의 내용으로 <경포대도>와 <총석정도>가 병풍의 일부였던 것을 알수 있으며, 발문이 써 있는 <총석정도>가 마지막 폭이었을 것으로 생각된다. <경포대도>를 보면 구도면에서 조선 초기 안견파(安堅派) 산수화에서 볼 수 있는 편파(偏頗) 3단 구도의 요소를 찾을 수 있으나 실경(實景)을 대상으로 하여 그 배치와 화법이 현실화된 양상을 볼 수 있다. 시점(視點)에 있어서도 여러 경물간의 관계나 경관의 특징이 효과적으로 표현되도록 사선각(斜線角)의 부감시(俯瞰視), 정면시(正面視) 등을 활용하여 경포대의 넓은 영역을 효과적으로 표현하는 다각적(多角的)인 관점(觀點)을 보여준다. 산의 형태나 태점(苔點)의 사용은 1557년작 <의순관영조도(義順館迎詔圖)>(서울대학교 규장각한국학연구원 소장)와 매우 유사하다. 16세기 안견파의 특징인 짧은 선이나 점으로 질감을 내는 단선점준(短線點皴)과 구름 모양 운두준(雲頭皴)은 현장감 있게 변모되었다. 조선 초기 산수화의 전통적인 구도와 연결성을 찾을 수 있는 <경포대도>와 달리 <총석정도>는 그 구도가 매우 파격적이다. 화면에 중심축을 두고 돌기둥들이 첩첩이 도열하여 삼각형을 이루고 있는 데 근경(近景)의 돌기둥, 중앙의 사선봉(四仙峯), 절벽 위의 사선정(四仙亭)을 삼단계 정도의 깊이감으로 배치하여 화면에 공간감을 조성하였다. 중앙의 사선봉이 화면의 대부분을 차지하며 압도적인 비중을 점하고 있으나 수직적인 돌기둥들이 유기적인 관계를 형성하지 못하고 분질적(分節的), 평면적(平面的)인 양상으로 그려져 아직 입체적이고 자연스러운 공간감을 조성하는 데에는 이르지 못하고 있다. 기둥의 아랫부분은 희게 하고 윗부분은 어둡게 하여 고원(高遠)의 상승감을 고조시키는 효과가 있는데 각 기둥을 묘사하는 준법을 보면 기둥으로 설정된 면에 담묵을 바르고 그 위에 농묵의 가는 선들을 그어 총석의 질감과 쪼개짐을 묘사하였다. 붓끝을 사선으로 누르며 수직으로 내려 긋고 있어서 부벽준(斧劈皴)의 초기적 양상을 보인다. 일관되게 보이는 이러한 흑백의 대조, 수직적 준법의 구사는 앞으로 전개될 절파계(浙派係) 화풍의 유행을 예시해준다. 한편 기둥의 윤곽 및 균열문이 각각 다 달라서 실제의 특징을 살리려고 한 것을 알 수 있다. 기둥 위에 올라앉은 새들의 묘사, 파도와 흰 거품의 표현 등에서 반복적인 붓질을 찾을 수가 없고 매우 생생한 묘사력을 볼 수 있다. 이러한 <경포대도>와 <총석정도>의 경물 배치는 이후 변화를 보인다. <경포대도>는 아래쪽에 죽도(竹島)를 두고 경포호를 넘어 위쪽에 위치한 경포대 건물과 오대산 일대를 올려보는 구도였다. 이러한 배치는 경포대를 화면 아래쪽에 두고 위쪽의 바다를 향하는 18세기 이래의 전형적인 구성과 차이를 보인다. 바다 쪽에서 총석을 바라보며 그린 <총석정도> 역시 이후의 작품에서는 내륙에서 바다를 향하는 것으로 관점의 변화를 보인다. 이러한 변화는 정선(鄭敾)(1676~1759)과 김홍도(金弘道)(1745~1806 이후)의 작품이 제작된 이후, 두 사람의 구도를 따라 관동도의 유형이 정착되는 것과 관련이 있다. 하지만 사라진 듯 했던 16세기 <경포대도>의 구도가 조선 말기 <강릉 경포대도>에서와 같이 민간 회화에서 전승된 것도 확인해 볼 수 있다. 관동 지역의 명승도는 이른 시기부터 그려져 고려 김생(金生)(711~?)의 관동도(關東圖), 조선 초 안견(安堅)(15세기 활동)의 낙산사도(洛山寺圖) 등 여러 화가가 단폭이거나 여러 폭의 관동도를 병풍이나 첩 형태로 그렸던 것을 문헌으로 확인할 수 있다. 이처럼 기록은 많으나 이를 증명할 수 있는 작품이 없었는데 본고에서 고찰하는 이 두 점은 현존하는 관동도 중 연대가 가장 올라가는 예로 기록으로만 남아 있는 관동도(關東圖) 병풍(屛風)의 제작 양상을 알게 해주어 회화사적인 의미가 크다. 특히 발문의 내용에 따라 8폭 병풍일 것으로 생각되어 16세기 후반에 이미 관동팔경도(關東八景圖) 형식이 형성되었음을 알 수 있다. 그 성격에 있어서 현존하는 16세기 실경산수화의 예로 거론되는 작품들이 모두 실용적, 공적인 목적의 계회도나 기록화로 제작되어 실경산수화적 요소가 부분적으로 나타난 것과 달리 이 작품은 실제 경관을 대상으로 자연의 변화무쌍함과 아름다움을 담고자 하는 것이 일차적인 목적이었다는 점이 주목된다. 발문을 쓴 박충간은 유람할 때 지었던 감상시를 곁들여 자연의 진면목을 반추하는 태도를 보인다. 이 점은 기존에 알려진 실경산수화의 성격과 그 양상을 달리하는 것으로 순수 감상을 목적으로 한 본격적인 실경산수화의 예라는 점에서 그 중요성이 높다. 이처럼 <경포대도>와 <총석정도>의 두 작품은 유람의 결과를 시화(詩畫)로 제작하였다는 역사적 사실을 현존 작품으로 확인할 수 있는 가장 이른 예라는 점에서 그 의미가 지대하다. 또한 그간 확인할 수 없었던 16세기 실경 산수화의 다양한 형태와 구도 및 시점의 면모를 보여주어 한국 실경산수화에 대한 이해의 폭을 확장한 점에서도 그 중요성이 매우 크다.