• 한국항행학회논문지
• /
• 제20권6호
• /
• pp.617-624
• /
• 2016

한글 워드임베딩은 명사 추출과정을 거치지 않으면, 학습에 필요하지 않은 단어까지 학습하게 되어 효율적인 임베딩 결과를 도출할 수 없다. 본 연구는 한글 워드임베딩, 아프리오리, 텍스트 마이닝을 이용하여, 특정 도메인에서 질의어 확장에 의해 보다 효율적으로 답변을 검색할 수 있는 모델을 제안하였다. 워드임베딩과 아프리오리는 질의어에 대해서 의미와 맥락에 따라 연관 단어를 추출하여, 질의어를 확장하는 단계이다. 한글 텍스트 마이닝은 명사 추출, TF-IDF, 코사인 유사도를 이용하여, 유사답변 추출과 사용자에게 답변하는 단계이다. 제안모델은 특정 도메인의 답변을 학습하고, 연관성 높은 질의어를 확장함으로서 답변의 정확성을 높일 수 있다. 향후 연구과제로서, 데이터베이스에 저장된 사용자 질의를 분석하고, 보다 연관성 높은 질의어를 추출하는 연구가 필요하다.

• 주택과사람들
• /
• 통권218호
• /
• pp.112-113
• /
• 2008

• 철학연구
• /
• 제147권
• /
• pp.215-237
• /
• 2018

이 논문은 칸트가 "순수이성비판" 제2판 "경험의 유추들" 중 제2유추"에서 개진한 인과율 증명에 대한 연구이다. 본 논문은 이 증명과 관련된 칸트의 진술을 길잡이로 삼아 제2유추"의 인과율 증명을 단 하나의 통일적이고 타당한 선험적 증명임을 드러내고자 한다. 논문의 내용은 해당 텍스트의 분석을 통해 다음의 주장들을 정당화하는 것이다. 1. 제2유추"의 증명 대상은 보편 인과원리로서의 인과율이다. 다시 말해 여기서 증명되는 것은 모든 변화는 어떤 원인을 갖는다는 것만 말해 줄 뿐, 그 원인이 무엇인지는 말해 주지 않는 인과율이다. 2. 증명의 목표는 인과율에 따른 객관적인 시간적 잇따름의 가능성이다. 달리 말해 인과율 없이는 모든 변화의 시간 순서에 대한 객관적 규정이 불가능함을 보여주는 것이다. 3. 증명은 크게 보아 두 단계로 이루어진 하나의 논증 구조를 갖고 있다. 첫 단계는 분석적 증명으로서 객관적 변화에 대한 지각의 분석을 통해 인과율이 이 지각된 변화의 객관성을 위한 필요조건임을 증명한다. 이때 객관적 변화와 그것에 대한 지각의 가능성은 전제되어 있다. 이 전제는 둘째 단계에서 정당화된다. 둘째 단계는 종합적 증명으로서 객관적 변화와 그것의 경험적 인식 가능성을 이 가능성의 아프리오리한 조건들인 시간의 형식적 성질과 지성의 필연적인 종합 규칙(인과율)로부터 도출한다. 4. 칸트는 스트로슨의 비판과는 달리 지각 잇따름의 필연적인 규정성으로부터 상태 잇따름의 객관적(인과적) 규정성을 직접적으로 추론하는 것이 아니라, 부가적인 전제(지각 잇따름의 규정성은 지성의 아프리오리한 종합 규칙에 근거한다는 전제) 아래서 그렇게 한다. 따라서 칸트의 증명은 스트로슨이 비판한 '불합리한 추론'에 근거하고 있지 않다.

• 한국게임학회 논문지
• /
• 제19권1호
• /
• pp.95-108
• /
• 2019

본 연구의 목적은 게임 중독을 개선하기 위한 게이미피케이션 개발 방법 방향 제언이다. 연구 진행을 위해 782개의 게이미피케이션 사례를 수집했다. 게이미피케이션 개발에 필요한 요소를 분석하기 위해 4F 프로세스를 기반으로 게임 메커닉스와 재미 경험을 분석했다. 분석한 사례를 기반으로 개발 요소 패턴을 분석하기 위해 아프리오리 알고리즘을 적용했다. 연구결과, 게임 메커닉스는 63개의 연관규칙이 발견됐다. 재미 경험은 37개의 연관규칙이 발견됐다. 본 연구 결과를 바탕으로 게임 중독 개선을 위한 게이미피케이션 개발 방향에 대해 제언한다.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제22권12호
• /
• pp.646-653
• /
• 2016

해외여행시장은 매년 가파르게 성장하고 있는 산업중 하나이며 2016년 11조의 시장을 형성하고 있다. 거대한 시장형성과는 달리 해외여행상품 추천에 대한 국내연구는 전무한 상태이다. 많은 상품 추천 방법들이(협업적 필터링, 내용기반 필터링) 기존 구매 내역을 대상으로 하거나 혹은 상품의 유사성을 이용한 연구들이 주를 이루고 있다. 이러한 연구들은 연산할 데이터의 양이 많아질 경우 속도의 저하와 데이터가 충분히 확보되지 못한 상황 하에서는 좋은 성능을 보여주지 못하고 있다. 해외 여행상품의 특성상 1-2년에 한번정도의 구매패턴과 상품들의 가격대가 상대적으로 높으며, 동일 상품의 구매가 거의 없는 특징이 있기 때문에 일반적인 상품추천 시스템의 고객 프로파일링 방법으로는 적용에 한계가 있다. 이에 웹사용성(Web Usage Mining)을 통한 고객 프로파일링 기법, 데이터의 희소성 문제를 해결하기 위한 연관규칙 알고리즘과 규칙 기반 알고리즘을 결합하여 고속의 상품 추천시스템 방법을 제안한다. 본 논문에서는 연관규칙 방법에서 가장 많이 사용되어지는 Apriori 방법, 규칙기반 방법(Rule Base) 과 실제 여행사의 웹로그를 사용하여 46%라는 높은 추천 성능의 결과를 검증하였으며, 상품의 개수와 고객의 수가 상품추천 처리 속도에 영향을 주지 않으며, 실제 커머셜한 환경 하에서도 1초이내에 상품을 추천해줄 수 있는 결과를 보여준다.