• Asia Marketing Journal
• /
• 제13권3호
• /
• pp.209-231
• /
• 2011

본 연구는 상표사용후기의 방향성이 구매의도에 미치는 영향을 확인하고, 이러한 과정에서 제품관여도, 조절초점 및 자기효능감의 조절효과를 실험설계를 통해 검증하는데 그 목적이 있다. 실증분석결과 상품사용후기의 방향성이 상표에 대한 구매의도에 유의한 영향을 미치는 것으로 확인되었는데, 긍정적인 상품사용후기에 노출된 집단의 구매의도가 부정적인 상품사용후기에 노출된 집단의 구매의도보다 높게 나타났다. 긍정적 상품사용후기가 구매의도에 미치는 효과는 소비자의 제품에 대한 관여도가 낮은 경우보다 높은 경우 더 크게 나타나 제품관여도의 조절효과에 관한 선행연구결과를 다시 확인해 주고 있다. 그리고 상표사용후기가 구매의사에 미치는 영향은 소비자의 조절초점에 따라 다르게 나타나 소비자의 조절초점성향이 갖는 조절효과가 확인되었다. 즉, 향상초점의 소비자는 긍정적인 상표사용후기에 더 큰 영향을 받았고, 예방초첨의 소비자는 부정적인 상표사용후기에 더 큰 영향을 받았다. 마지막으로 상품사용후기가 구매의도에 미치는 효과는 소비자의 자기효능감 수준에 따라 다르게 나타났다. 즉, 자기효능감이 높은 소비자보다 자기효능감이 낮은 소비자가 상표사용후기에 더 큰 영향을 받는 것으로 확인되었다. 본 연구는 소비자의 제품관여도, 조절초점 및 자기효능감의 수준에 따라 온라인상에서 제시되는 상표사용후기를 처리하는 방식이 다름을 확인해 주고 있는데, 이러한 연구결과는 마케터들에게 유용한 관리적 시사점을 제공한다.

• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.637-654
• /
• 2023

최근 지구관측 위성이 급격히 발전함에 따라 사용자의 수가 증가하고 있다. 이에 따라 지구관측위성위원회(Committee on Earth Observation Satellites, CEOS)에서는 분석준비자료(Analysis Ready Data, ARD)라는 개념을 제안하고 분석준비자료의 요구 조건을 CEOS ARD for Land (CARD4L)로 정의하여 사용자 친화적인 위성영상을 제공하기 위해 노력하고 있다. 분석준비자료에는 육상분석에 불필요한 픽셀이 식별된 마스크(Unusable Data Mask, UDM)가 영상과 함께 제공되어야 한다. UDM의 종류는 구름, 구름 그림자, 지형그림자 등이 있다. 지형그림자는 지형기복이 큰 산악지형에서 발생되며 지형그림자가 생긴 지역은 복사조도가 낮기 때문에 분석 결과에 오류를 야기시킨다. 기존 지형그림자 탐지연구는 지형그림자 보정을 위해 지형그림자 픽셀을 탐지하는데 목적을 두었지만, 이것은 지형보정 기법으로 대체 가능하다. 따라서 지형그림자 탐지 목적을 확장할 필요가 있다. 산림과 농업분석을 목적으로 한 차세대중형위성 4호(CAS500-4)의 활용을 위해 본 연구에서는 지형그림자 탐지 범위를 태양의 영향을 적게 받는 지역까지 확장하였다. 본 논문은 남북한을 대상으로 지형그림자 마스크 생성을 위해 지형그림자 탐지 가능성을 분석하는데 목적이 있다. 지형그림자 탐지를 위해서 태양의 위치, 지표면의 경사와 경사방향을 이용한 음영기복 알고리즘을 사용하였다. 한반도를 촬영한 5 m급 공간해상도의 RapidEye 영상과 10 m급 공간해상도의 Sentinel-2 영상들을 대상으로 참값과 비교하며 최적의 음영기복 임계값을 결정하였다. 결정된 임계값을 사용하여 지형 그림자 탐지를 수행하고 결과를 분석하였다. 정성적 결과로는 전체적으로 참값과의 형상이 유사함을 확인하였다. 정량적 실험결과는 F1 score가 대부분 0.8에서 0.94 사이인 것을 확인하였다. 본 연구 결과를 바탕으로 남북한을 대상으로 자동적인 지형그림자 탐지가 잘 수행됨을 확인하였다.

• 한국작물학회:학술대회논문집
• /
• 한국작물학회 2023년도 춘계학술대회
• /
• pp.7-7
• /
• 2023

현재 다양한 4차산업의 주요기술로는 빅데이터, 사물인터넷, 인공지능, 블록체인, 혼합현실(MR), 드론 등이 대표적인 기술들이다. 특히 최근에 세계적인 기술적 트랜드로 자리 잡고 있는 "디지털 트윈(digital twin)은 물리적인 사물과 컴퓨터에 동일하게 표현되는 가상 모델의 개념으로서. 실제 물리적인 자산 대신 소프트웨어로 가상화한 자산의 Digital twin을 만들어 모의실험함으로써 실제 농작업의 특성(현재 상태, 농업생산성, 농작업 시나리오, 등)에 대한 정확한 정보를 얻을 수 있다. 본 연구에서는 노지노업 주산지에 대한 디지털 트윈 데이터를 구축하고 스마트팜 단지를 설계 및 구축하여, 통합관제시스템 운영을 통해 자동 물관리, 원격생육예찰, 드론방제, 병충해 예찰작업 등으로 농작업을 효율화하고자 한다. 또한, 빅데이터 분석을 통한 적정량의 비료·농약사용으로 환경적 부하를 최소화하여, 노동력절감, 농작물 생산성을 향상할 수 있는 디지털 환경제어농업을 국내에 보급하고자 한다. 이러한 노지농업 기술은 디지털 농작업 및 재배관리 등 으로 노동력이 절감되고, 기후변화에 대비한 물이용 최적화와 토양오염예방 효과를 기대할 수 있으며, 전국 재배환경 디지털 데이터 확보를 통한 노지작물의 정량적인 생육관리가 가능하게 된다. 또한 농업생산성 향상을 통한 탄소중립 RED++ 활동을 직접적으로 실천을 할 수 있는 방안이다. 취득된 고정밀·고화질 영상기반 농작물 생육데이터취득을 통한 생육현황 분석과 예측은 디지털 영농작업관리에 매우 효과적이다. 실제 국립식량과학원 남부작물부에서는 지중점적, 땅속배수 등 다양한 종류의 노지스마트팜 연구개발을 진행하였다. 특히, 올해부터는 전국농업기술원 단지를 대상으로 노지스마트팜 시설 구축 및 기술 보급을 통한 사업화를 본격적으로 진행하고 있다. 본 연구에서는 디지털 트윈 기술과 노지스마트팜 기술을 융합한 농업분야 구축사례와 향후 활용방안에 대하여 서술하고자 한다.

• 광물과 암석
• /
• 제36권4호
• /
• pp.303-312
• /
• 2023

망가니즈 단괴를 구성하고 있는 금속 원소의 산화상태의 규명은 단괴의 형성기작 및 성인에 대한 이해를 증진시키고 단괴 형성 당시 수계의 산화-환원 전위 등의 고해양 환경에 대한 단서를 제공한다. 본 연구에서는 상용 X선 광전자 분광분석(X-ray photoelectron spectroscopy; XPS)을 활용하여 자연계 망가니즈 단괴를 구성하는 광물의 결합상태와 금속 원소의 산화상태에 대한 정보를 획득하고자 하였다. 이를 위하여 위하여 광물학적 변동의 영향이 효과적으로 기록된 동시베리아해 천해 단괴를 그 연구의 대상으로 삼았다. XPS Mn 2p 스펙트럼 분석 결과, 단괴의 중심부에서 외곽부로 이동함에 따라 망가니즈 산화 상태에 유의미한 변화가 있음을 확인할 수 있었다. 단괴의 중심부는 Mn⁴⁺가 약 67.9%의 비율을 보이는 반면, 단괴의 최외곽부는 환원된 형태의 Mn³⁺+Mn²⁺의 증가로 인해 Mn⁴⁺의 비율이 약 63%로 감소하였다. 이와 같은 단괴 성장에 따른 망가니즈 산화수의 감소는 단괴가 성장함에 따라 토도로카이트에서 버네사이트로 산화망가니즈 광물종이 변화한다는 기존 연구 결과로 설명된다. 또한 O 1s 스펙트럼 분석 결과 단괴 중심부에 비하여 외곽에서 Mn-O-H 결합이 우세하게 나타나는데, 이는 층상형 버네사이트가 우세한 외곽부에서 보다 해수 혹은 공극수로 인한 수화가 효과적으로 일어났음을 시사한다. 본 연구 결과는 망가니즈 단괴의 성장 중 수계의 산화-환원 양상 등 고해양 조건의 변동에 대해 XPS 방법론이 직접적으로 활용될 수 있음을 제시하며, 향후 보다 높은 분해능의 방사광 X선원을 이용한 실험을 통해 보다 세밀한 단위의 망가니즈 산화수 정보의 획득 및 미량 금속원소의 산화 상태 연구가 가능할 것임을 보여준다.

• 정보처리학회 논문지
• /
• 제13권4호
• /
• pp.189-198
• /
• 2024

입 모양 인식은 음성 인식의 중요 부분 중 하나로 음성 인식을 위한 입 모양 인식 시스템에서 입 모양 인식 성능을 개선하기 위한 여러 연구가 진행됐다. 최근의 연구에서는 인식 성능을 개선하기 위해 입 모양 인식 시스템의 모델 구조를 수정하는 방법이 사용됐다. 본 연구에서는 모델 구조를 수정하는 것으로 인식 성능을 개선하는 기존의 연구와 달리 모델 구조의 변화 없이 인식 성능을 개선하는 것을 목표로 한다. 모델 구조의 수정 없이 인식 성능을 개선하기 위해, 사람이 하는 입 모양 인식에서 사용되는 단서를 참고해 입 모양 인식 시스템의 기존 관심 영역인 입술 영역과 함께 턱, 뺨과 같은 다른 영역을 관심 영역으로 설정하고 각 관심 영역의 인식률을 비교해 가장 높은 성능의 관심 영역을 제안한다. 또한, 관심 영역 크기를 정규화하는 과정에서 보간법의 차이로 인해 발생하는 정규화 결과의 차이가 인식 성능에 영향을 준다고 가정하고 최근접 이웃 보간법, 이중 선형 보간법, 이중 삼차 보간법을 사용해 동일한 관심 영역을 보간하고 각 보간법에 따른 입 모양 인식률을 비교해 가장 높은 성능의 보간법을 제안한다. 각 관심 영역은 객체 탐지 인공신경망을 학습시켜 검출하고, 각 관심 영역을 정규화하고 특징을 추출하고 결합한 뒤, 결합된 특징들을 차원 축소한 결과를 저차원 공간으로 매핑하는 것으로 동적 정합 템플릿을 생성했다. 생성된 동적 정합 템플릿들과 저차원 공간으로 매핑된 데이터의 거리를 비교하는 것으로 인식률을 평가했다. 실험 결과 관심 영역의 비교에서는 입술 영역만을 포함하는 관심 영역의 결과가 이전 연구의 93.92%의 평균 인식률보다 3.44% 높은 97.36%의 평균 인식률을 보였으며, 보간법의 비교에서는 이중 선형 보간법이 97.36%로 최근접 이웃 보간법에 비해 14.65%, 이중 삼차 보간법에 비해 5.55% 높은 성능을 나타내었다. 본 연구에 사용된 코드는 https://github.com/haraisi2/Lipreading-Systems에서 확인할 수 있다.

• 인터넷정보학회논문지
• /
• 제25권1호
• /
• pp.99-107
• /
• 2024

경제성장과 산업 발전에 따라 반도체 제품부터 SMT 제품, 전기 배터리 제품에 이르기 까지 많은 전자통신 부품들의 제조과정에서 발생하는 철, 알루미늄, 플라스틱 등의 이물질로 인해 제품이 제대로 동작하지 않거나, 전기 배터리의 경우 화재를 발생하는 문제까지 심각한 문제로 이어질 가능성이 있다. 이러한 문제를 해결하기 위해 초음파나 X-ray를 이용한 비파괴 방법으로 제품 내부에 이물질이 있는지 판단하여 문제의 발생을 차단하고 있으나, X-ray 영상을 취득하여 이물질이 있는지 판정하는 데에도 여러 한계점이 존재한다. 특히. 크기가 작거나 밀도가 낮은 이물질들은 X-Ray장비로 촬영을 하여도 보이지 않는 문제점이 있고, 잡음 등으로 인해 이물들이 잘 안 보이는 경우가 있으며, 특히 높은 생산성을 가지기 위해서는 빠른 검사속도가 필요한데, 이 경우 X-ray 촬영시간이 짧아지게 되면 신호 대비 잡음비율(SNR)이 낮아지면서 이물 탐지 성능이 크게 저하되는 문제를 가진다. 따라서, 본 논문에서는 저화질로 인해 이물질을 탐지하기 어려운 한계를 극복하기 위한 5단계 방안을 제안한다. 첫번째로, Global 히스토그램 최적화를 통해 X-Ray영상의 대비를 향상시키고, 두 번째로 고주파 영역 신호의 구분력을 강화하기 위하여 Local contrast기법을 적용하며, 세 번째로 Edge 선명도 향상을 위해 Unsharp masking을 통해 경계선을 강화하여 객체가 잘 구분되도록 한다, 네 번째로, 잡음 제거 및 영상향상을 위해 Resdual Dense Block(RDB)의 초고해상화 방법을 제안하며, 마지막으로 Yolov5 알고리즘을 이용하여 이물질을 학습한 후 탐지한다. 본 연구에서 제안하는 방식을 이용하여 실험한 결과, 저밀도 영상 대비 정밀도 등의 평가기준에서 10%이상의 성능이 향상된다.

• 인터넷정보학회논문지
• /
• 제25권4호
• /
• pp.65-72
• /
• 2024

전시 공간에서 작품의 의도를 충실하게 나타내기 위해서는 자연광처럼 높은 색상 재현 성능을 제공하는 조명이 필요하다. 이에 연색성의 향상을 위한 다수의 조명 기술이 소개되었으나 대부분 파스텔 계열의 8가지 색상을 고려하는 일반 연색지수(CRI Ra)만을 평가하였다. 자연광은 R9과 R12의 연색지수로 표현되는 빨간색과 파란색을 포함하여 모든 색상에 대해 우수한 연색 성능을 제공하지만 대부분 인공조명은 R9, R12 등의 연색 성능이 자연광에 비해 현저히 낮다는 문제가 있다. 최근 원색을 포함한 전시물의 색상을 사실적으로 표현할 수 있도록 자연광 수준의 연색성을 제공하는 조명 기술이 요구되지만 관련 연구는 매우 부족하였다. 이에 본 논문에서는 자연광의 특성에 기반하여 CRI Ra, R9, R12를 중심으로 높은 연색성을 실현하는 전시관 조명을 제안한다. 먼저 자연광과 인공조명의 실측 분광에 대한 분석을 통해 R9과 R12의 향상을 위한 보강 파장 대역을 도출한다. 이후 보강 파장 대역 내 피크 파장특성을 가진 가상의 SPD를 생성한 후 상용 LED 광원과의 조합 시뮬레이션을 통해 CRI Ra≥95와 R9, R12≥90을 충족하는 SPD의 조합조건을 도출한다. 이를 통해 R9과 R12 향상에 가장 큰 영향을 미친 405, 630nm 피크 파장 특성의 광원 2종을 특정한 후 W/C White LED 2종을 적용한 전시관 조명을 설계하고 조명의 제어지표 DB를 구축한다. 이후 제안 방법의 실험을 통해 조도(300-1,000 Lux), 색온도(3,000-5,000K) 조건에서 평균 CRI Ra는 96.5, R9과 R12는 96.2, 94.0로 자연광 수준 고연색성의 실현이 가능함을 보였다.

• 핵의학기술
• /
• 제19권2호
• /
• pp.74-80
• /
• 2015

유방 림프절 검사는 유방암이 있는 환자들에게 외과적 수술 전 후에 검사가 시행되고, 악성 종양의 림프절 전이를 조기에 진단할 수 있는 검사방법으로 검사 시 체표윤곽을 정확하게 나타내는 것이 중요하다. 현재 대부분 병원에서 $^{99m}Tc$ 점선원 또는 $^{57}Co$ 면선원을 이용한 방법을 사용하고 있다. 따라서 본 논문에서는 위의 두 가지 방법 외에 $10m{\ell}$ 주사기를 이용하는 방법, 산란선 광자에너지를 이용한 방법, SPECT/CT에서 scout촬영을 이용한 방법을 추가하여 영상에서 위치 정보를 유용하게 제공하는 방법과 피폭선량을 비교 및 평가하고자 한다. Rando phantom과 SYMBIA T16 장비를 사용하였으며 Phantom의 우측 13번째에 0.11 MBq의 점선원을 삽입하여 종양을 만들었고, 우측 유방 위치에 37 MBq의 점선원으로 주사 부위를 만들었다. 첫 번째 방법은 $^{99m}Tc$ 점선원으로 Phantom의 체표윤곽을 30초 동안 그려 영상을 획득하는 방법이며, 두 번째는 $^{57}Co$ 면선원을 환자의 후면부와 좌측면에 위치하여 30초 동안 체표윤곽을 얻는 방법이며, 세 번째는 $^{99m}TcO_4$ 37 MBq와 생리식염수로 채운 $10m{\ell}$ 주사기를 이용한 방법이다. 그리고 네 번째는 선원 없이 $^{99m}Tc$의 에너지와 scatter의 광자 에너지를 이용한 방법이며, 마지막은 SPECT/CT의 scout영상과 유방 영상을 전선화 코드를 이용하여 융합하는 방법이다. 이때 전면 영상과 우측 영상을 각각 3분씩 얻었으며 검사 시 개인피폭 선량계(ECOTEST, DKG-21)를 사용하여 피폭선량을 계측하였다. 각각의 영상을 종양 대 배후 방사능 비(TBR)와 피폭선량을 비교 및 분석하였으며 다섯 가지 방법의 영상을 방사선사와 핵의학 전공의에게 설문조사를 하여 선호도를 파악하였다. 첫 번째 방법에서의 종양 대 배후 방사능 비의 값은 전면 영상은 334.9, 우측 영상은 117.2이며 피폭선량은 $2{\mu}\;Sy$가 계측되었고, 두 번째 방법에서는 각각 266.1, 124.4, $2{\mu}\;Sy$로 평가되었고, 세 번째 방법에서는 117.4, 99.6, $2{\mu}\;Sy$로 평가되었으며 네 번째 방법에서는 3.2, 7.6이며 $0{\mu}\;Sy$로 평가되었다. 그리고 마지막 방법에서의 565.6, 141.8, $30{\mu}\;Sy$로 평가되었다. TBR값은 마지막 방법이 가장 높았고 네 번째 방법이 가장 낮았다. 또한 피폭선량은 마지막 방법이 가장 높았으며 네 번째 방법이 가장 낮았다. 그리고 설문 조사 결과는 마지막 방법이 가장 좋은 점수가 나왔고 네 번째 방법이 가장 낮은 점수가 나왔다. 유방 림프절 검사는 유방암이 있는 환자들에게 검사 시 종양의 위치를 정확하게 영상화하는 것이 중요하다. 실험 결과 SPECT/CT의 scout 촬영을 이용한 검사 방법은 종양 대 배후 방사능 비의 값이 가장 좋고 설문 조사 결과에서도 가장 좋은 점수를 얻어 영상에서 환자의 위치 정보를 유용하게 제공해주는 방법으로 평가되었다. 그러나 피폭 선량은 SPECT/CT의 scout 촬영 시 다른 검사방법보다 많이 나왔으나 일반인의 연간 피폭선량한도인 1 mSy를 기준으로 비교하면 피폭량은 미미하다고 할 수 있다. Scout촬영 시 80 kV이하로 검사가 가능하다면 피폭선량도 줄이고 환자의 위치 정보를 유용하게 영상화 할 수 있는 방법이 될 수 있을 것이다.

• 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.

• 지능정보연구
• /
• 제19권3호
• /
• pp.113-125
• /
• 2013

기업 경영에 있어서 고객의 소리(VOC)는 고객 만족도 향상 및 기업의사결정에 매우 중요한 정보이다. 이는 비단 기업뿐만 아니라 대고객, 대민원 업무를 처리하는 모든 조직에 있어서도 동일하다. 때문에 최근에는 기업뿐만 아니라 공공, 의료, 금융, 교육기관 등 거의 모든 조직이 VOC를 수집하여 활용하고 있다. 이러한 VOC는 방문, 전화, 우편, 인터넷게시판, SNS 등 다양한 채널을 통해 전달되지만, 막상 이를 제대로 활용하기는 쉽지 않다. 왜냐하면, 고객이 매우 감정적인 상태에서 고객의 주관적 의사를 음성 또는 문자로 표출하기 때문에 그 형식이나 내용이 정형화되어 있지 않고 저장하기도 어려우며 또한 저장하더라도 매우 방대한 분량의 비정형 데이터로 남기 때문이다. 본 연구는 이러한 비정형 VOC 데이터를 자동으로 분류하고 VOC의 유형과 극성을 판별할 수 있는 오피니언 마이닝 기반의 지능형 VOC 분석 시스템을 제안하였다. 또한 VOC 오피니언 분석의 기준이 되는 주제지향 감성사전 개발 프로세스와 각 단계를 구체적으로 제시하였다. 그리고 본 연구에서 제시한 시스템의 효용성을 검증하기 위하여 의료기관 홈페이지에서 수집한 4,300여건의 VOC 데이터를 이용하여 병원에 특화된 감성어휘와 감성극성값을 도출하여 감성사전을 구축하고 이를 통해 구현된 VOC분류 모형의 정확도를 비교하는 실험을 수행하였다. 그 결과 "칭찬, 친절함, 감사, 무사히, 잘해, 감동, 미소" 등의 어휘는 매우 높은 긍정 오피니언 값을 가지며, "퉁명, 뭡니까, 말하더군요, 무시하는" 등의 어휘들은 강한 부정의 극성값을 가지고 있음을 확인하였다. 또한 VOC의 오피니언 분류 임계값이 -0.50일 때 가장 높은 분류 예측정확도 77.8%를 검증함으로써 오피니언 마이닝 기반의 지능형 VOC 분석시스템의 유효성을 확인하였다. 그러므로 지능형 VOC 분석시스템을 통해 VOC의 실시간 자동 분류 및 대응 우선순위를 도출하여 고객 민원에 대해 신속히 대응한다면, VOC 전담 인력을 효율적으로 운용하면서도 고객 불만을 초기에 해소할 수 있는 긍정적 효과를 기대해 볼 수 있을 것이다. 또한 VOC 텍스트를 분석하고 활용할 수 있는 오피니언 마이닝 모형이라는 새로운 시도를 통해 향후 다양한 분석과 실용 프레임워크의 기틀을 제공할 수 있을 것으로 기대된다.