• 한국컴퓨터정보학회논문지
• /
• 제16권7호
• /
• pp.127-135
• /
• 2011

이러닝 시스템에서 학습자에게 적합한 콘텐츠 선택을 돕기 위한 콘텐츠 추천 시스템은 필수적이다. 학습자의 선호도를 통한 콘텐츠 추천은 협업 필터링 추천 방법과 내용 기반 추천 방법이 가장 많이 사용되고 있다. 그러나 기존추천 방법들은 학습자의 학습수준을 고려하지 않고 다른 사용자의 선호도를 기반으로 학습 콘텐츠를 추천한다. 따라서 상대적으로 콘텐츠를 학습한 학습자가 적은 경우 추천의 효율성이 떨어지고, 새로운 아이템이 추가될 경우 추천이 쉽지 않은 단점이 있다. 이 문제를 해결하기 위해 우리는 학습 콘텐츠의 유사도와 난이도에 기반한 콘텐츠 추천 방법을 제안한다. 학습 콘텐츠의 두 특성을 반영한 추천함수에 의해 선행학습 성취도가 낮은 학습자에게는 난이도가 낮고 유사도가 높은 콘텐츠를 추천하고, 성취도가 높은 학습자에게는 난이도가 높고 유사도가 낮은 콘텐츠를 추천한다. 이와 같이 다른 학습자의 선호도와는 무관하게 학습자의 성취도에 따라 가장 적합한 콘텐츠를 추천할 수 있다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제11권2호
• /
• pp.112-123
• /
• 2005

최근의 전자상거래 사이트들은 사용자 만족을 극대화 시키기 위해 사용자별로 개인화된 서비스를 제공하고 있다. 협력적 필터링은 개인화된 아이템 실시간 추천을 위하여 고안된 알고리즘이며 예측의 정확도와 성능을 증대시키기 위해서 다양한 보완 방법들이 제시되고 있다. 유용한 추천 시스템을 구축하기 위해서는 두 가지 문제를 동시에 고려해야 한다. 그러나, 협력적 필터링 기술에 관한 연구는 정확도 향상에 관한 연구가 주로 수행되었고 성능 문제는 간과하여 왔다. 본 연구에서는 추천 에이전트 시스템의 성능을 향상시킬 수 있는 대표 속성을 이용한 이웃 선택, 추천 텍스타일 집합, 유사 군집 요소를 협력적 필터링 기술에 추가하여 실험해 보았다. 패션 디자인 추천 에이전트 시스템(FDRAS)을 개발하여 시스템의 논리적 타당성과 유효성을 검증하기 위해 실험적인 적용을 시도하고자 한다.

• 한국문헌정보학회지
• /
• 제53권2호
• /
• pp.223-246
• /
• 2019

본 연구에서는 한의학 연구 데이터 관리 및 공유를 위한 메타데이터 요소를 설계하고 한국한의학연구원에서 생산되는 연구 데이터를 대상으로 요소검증을 수행하였다. TTAK.K0-10.0976 표준과 DataCite 메타데이터 스키마, 한국과학기술정보연구원의 국가 연구 데이터플랫폼 스키마를 대상으로 메타데이터 요소를 도출하였다. 최상위 요소로서 Identifier를 포함한 27개 요소가 도출되었으며, 필수요소 29개, 권고요소 13개, 선택요소 31개를 도출하였다. 한의학 관련 분야별 전문가 6인을 대상으로 도출요소에 대한 필요성 정도를 조사하였으며, 추가적인 메타데이터 요소를 제안 받아 검토하였다. 한의학 연구 데이터 주제 분류를 제안하였으며, 최종 제안하는 메타데이터 요소로 현재 운영 중인 시스템의 메타데이터 수용여부를 검증하였다. 본 연구결과는 향후 한국한의학연구원에 구축되는 데이터 리포지터리에 아이템과 파일을 기술하기 위한 메타데이터 스키마로 활용될 수 있다.

• 한국항행학회논문지
• /
• 제22권2호
• /
• pp.133-140
• /
• 2018

최근 항공전자시스템 개발에서 비용절감 및 안전인증을 지원하는 방법의 하나로 모델 기반 설계 기법을 사용한다. 모델 기반 설계를 이용하여 항공기 및 항공전자 장비 (아이템)의 성능 분석 및 안전성 분석을 지원하기 위하여 이종의 시뮬레이터를 연동하는 멀티 도메인 시뮬레이션 환경을 개발하였다. 대기 자료 컴퓨터와 통합 다기능 프로브를 항공기 수준에서 검증 할 수 있는 멀티 도메인 시뮬레이션 환경을 제시한다. 모델은 Simulink로 개발하였고, 항공기 수준에서 모델을 검증하기 위해서 비행시뮬레이터인 X-Plane 10을 사용하였다. 항공전자 시스템 모델기능을 항공기 수준에서 시험하였고, 모델과 비행시뮬레이터의 대기 자료 오차는 0.1%이내로 측정 되었다.

• 응용통계연구
• /
• 제33권6호
• /
• pp.833-842
• /
• 2020

넷플릭스, 아마존, 유튜브 등 대형 플랫폼에서는 고객의 다양한 정보를 활용하여 정밀한 추천시스템을 마련하고 여기서 추천된 상당수의 아이템이 실제 구매로 이어지고 있다. 본 논문에서는 추천 컨텐츠의 속성에 따라 사용자의 선호도에 차이가 있을 것이라고 예상하고 콘텐츠의 속성에 따라 군집분석을 실시하였다. 속성의 형태와 관계없이 사용할 수 있도록 Gower 거리를 사용했다. 본 논문에서는 영화 평점 사이트인 'The Movie Dataset'의 자료를 이용하여 영화의 기본정보인 장르, 감독 및 배우 변수를 바탕으로 사용자를 계층적으로 분류하고 영화를 추천하였다. 본 논문에서 제안한 추천 시스템을 평가하기 위하여 각 사용자 그룹별로 훈련자료와 검증자료로 나누어 정밀도를 살펴보았다. 그 결과 UBCF보다 월등히 높은 정밀도를 갖는 것으로 나타났다.

• 디지털융복합연구
• /
• 제19권11호
• /
• pp.445-456
• /
• 2021

본 연구는 소비자의 구매행동에 영향을 미치는 거시경제변수와 소비자 판매가격을 변수로 여성 골프웨어 판매량에 영향을 미치는 변수의 중요도를 확인하고 골프웨어의 판매 증진을 위한 가격전략을 제안하는 것을 목적으로 한다. 국내 여성 골프웨어 브랜드의 매출자료를 의사결정나무 알고리즘과 앙상블을 이용해 분석하였다. 티셔츠, 팬츠와 니트류는 소비자 판매가격이 판매량에 가장 중요한 영향을 미치는 요인인 것으로 밝혀졌으며, 스커트와 원피스의 경우 소비자 판매가격 외에 카테고리가 중요 요인인 것으로 밝혀졌다. 이러한 연구 결과는 아이템에 따라 소비자의 구매 행동에 영향을 주는 경제 변수가 다르다는 것을 의미하는 것으로 적절한 가격전략을 통해 매출 및 이윤을 극대화할 수 있음을 시사하고 있다.

• 산업융합연구
• /
• 제20권4호
• /
• pp.71-77
• /
• 2022

현대 사회의 직장인은 원만한 인간관계와 타인과의 경쟁에서 밀리지 않는 직장 내의 승진을 위한 외모 관리가 간과될 수 없는 현실이다. 이러한 사회적 추세에 따라 헤어스타일을 포함한 직장인들의 외모 관리 및 인식에 대한 미용학적 심층 연구가 필요한 시점이다. 따라서 본 연구에서는 여성 항공사 승무원, 여성군인, 여성 스포츠인, 여성 법조인, 여성 간호사의 직업인을 대상으로 연령, 결혼 여부, 학력, 직업 등으로 분류하여 집단 간 차이를 교차분석하여 헤어스타일 유형과 선호도에 대하여 면밀하게 분석하였다. 연구 결과 각 직업군 여성에 따라 본인의 현재 헤어스타일 유형 및 모발 질감, 현재 사용하는 헤어스타일링 제품의 용도, 개인적으로 평소 선호하는 여성 헤어스타일 및 헤어컬러 등 각기 상이한 결과가 나타났다. 본 연구는 미용 마케팅 시장에서의 고객 니즈를 충족시키는 뉴모드 아이템 개발과 고객 수요조사를 위한 기초 자료로 활용되리라 사료한다.

• 한국인터넷방송통신학회논문지
• /
• 제23권3호
• /
• pp.193-198
• /
• 2023

딥러닝을 이용한 학습자 맞춤 강의 추천 프로젝트를 연구한다. 추천시스템은 웹과 앱에서 쉽게 발견할 수 있으며 이 특성을 이용한 예제는 사용자 클릭으로 특성 영상 추천과 SNS에서 평소 사용자가 관심 있던 분야의 아이템을 광고하는 것이 있다. 본 연구에서는 문장 유사도인 Word2Vec를 주로 이용하여 2번의 필터링을 거쳤으며 Surprise 라이브러리를 통해 강좌 추천을 하였다. 이러한 시스템으로 사용자에게 간편하고 편리하게 원하는 분류의 강좌 데이터를 제공한다. Surprise 라이브러리는 Python scikit-learn 기반의 라이브러리이며 추천시스템에 편리하게 사용된다. 데이터를 분석하여 시스템을 빠른 속도로 구현하고 딥러닝을 사용하여 강좌 단계를 거쳐 보다 더 정밀한 결과를 구현해낸다. 사용자가 관심 있는 키워드를 입력하면 해당 키워드와 강좌 제목과의 유사도를 실행하고 추출된 영상 데이터로 또 음성 텍스트와의 유사도를 실행하여 추출된 데이터로 Surprise 라이브러리를 통해 가장 높은 순위의 영상 데이터를 추천한다.

• 응용통계연구
• /
• 제37권2호
• /
• pp.239-253
• /
• 2024

본 연구는 learning-to-rank (LTR) 기법 중 point-wise와 pair-wise learning을 적용하여 서울 경마경기 순위 예측을 수행하였다. Point-wise learning으로는 선형 회귀와 랜덤 포레스트를 pair-wise learning으로는 RankNet, LambdaMART (XGBoost Ranker, LightGBM Ranker, CatBoost Ranker)을 활용하였다. 또한 데이터 불균형 문제를 해결하기 위해 전처리 과정에서 경주기록을 경주거리에 따라 표준화하는 방식을 채택하였으며, 모형의 예측 능력 향상을 위해 경기 정보, 기수 정보, 마필 정보, 조교사 정보 등의 다양한 데이터를 사용하였다. 그 결과 아이템 간의 순위관계를 학습할 수 있는 pair-wise learning이 point-wise learning보다 전반적으로 더 뛰어난 예측력을 보이는 것을 확인하였다. 특히 CatBoost Ranker는 제시된 모형들 중 가장 뛰어난 예측 성능을 보였다. 마지막으로 섀플리 값을 통해 CatBoost Ranker에서 경주마의 성적, 직전 경주기록, 경주마의 출발훈련 횟수, 누적 출발훈련 횟수, 질병 진단횟수 등이 상위 10개 중요 변수에 포함된 것을 확인하였다.

• 문화기술의 융합
• /
• 제10권3호
• /
• pp.155-164
• /
• 2024

본 연구는 Startup 기업들이 기업 경영과정에서 동원 가능한 자원을 확대하는지(Effectuation Model)를 정부가 제공하는 공공데이터를 가지고 기업 활동을 영위하는 스타트업 기업들을 대상으로 연구하였다. 연구 결과에 따르면, 부분적으로 Effectuation 모델이 창업 초기 기업들의 행태를 설명할 수 있는 가능성을 보여주고 있다. 따라서 이러한 연구결과에 기초한 정책적 시사점을 살펴보면, 앞으로 창업을 위한 정부 정책은 정교한 비즈니스 모델과 가상의 수익 모델에 기초한 기업 선정이 아니라, 현재는 다소 무모해보이더라도 도전적인 아이템이거나, 창업자의 지식과 가장 부합하는 영역의 창업을 적극 지원하는 제도로 방향을 맞출 필요가 있다. 다음으로, 적극적인 창업의 확산을 위해서는 업력, 혹은 창업 경험을 확산시킬 필요가 있다는 점이다. 이를 위해서는 창업자가 모든 금융 위험을 부담하는 형태를 가지고 있는 현재의 창업 관련 금융제도를 과감하게 전환하여 사회와 창업 관련 금융이관이 창업의 위험 일부를 공유하도록 함으로써, 창업의 위험을 줄여주는 방안을 더욱 적극적으로 검토할 필요가 있다.