• 한국환경생태학회지
• /
• 제33권6호
• /
• pp.664-676
• /
• 2019

본 연구는 국내 고산지대인 태백산국립공원에 서식하는 매미류의 생물음향 및 서식환경 분석에 목적이 있다. 매미 번식울음 녹음 데이터는 2018년 7월부터 9월까지 약 3개월간 태백산국립공원 내 대덕산계곡과 백천계곡에 녹음장치를 설치하여 24시간 매일 녹음하였다. 매미 서식분포 데이터는 2018년 8월에 태백산국립공원 탐방로에 위치한 111개소에서 소리를 녹음하였다. 기상 데이터는 기상청 태백시 기상 자료를 활용하였다. 연구 결과, 태백산국립공원에 출현한 매미류는 소요산매미, 참깽깽매미, 호좀매미, 참매미, 애매미 5종이었다. 매미별 출현 시기는 소요산매미는 7월 초순부터 7월 중순까지 울었으며, 참깽깽매미, 호좀매미, 참매미, 애매미는 7월 중순부터 9월 초순까지 울었다. 매미별 일주기 패턴은 참깽깽매미, 호좀매미, 참매미가 06~07시에 번식울음을 시작하였고, 울음 종료 시각은 3종 모두 19시 전후로 나타났다. 울음 피크 시간대는 참깽깽매미 11시, 참매미 12시, 호좀매미 13~14시경으로 나타났다. 태백산국립공원에 서식하는 매미 번식울음에 영향을 미치는 환경요인을 로지스틱 회귀분석으로 분석하였다. 분석 결과, 참깽깽매미, 호좀매미는 평균기온이 1도 높아질수록 울 가능성이 1.192배, 1.279배 높아졌다. 참깽깽매미, 참매미는 일조량이 1시간 길어질수록 울 가능성이 4.366배, 2.624배 높아졌다. 종간영향은 참깽깽매미는 참매미가 1번 울면 울 가능성이 14.620배 증가하며, 호좀매미는 참매미가 1번 울면 울 가능성이 2.784배 증가하였다. 참매미는 참깽깽매미가 울면 울 가능성이 11.301배 증가하며 호좀매미가 울면 울 가능성이 2.474배 증가하였다. 참깽깽매미와 호좀매미는 서로 영향을 주고받지 않았다. 종별 서식환경 분석 결과, 각 매미가 서식하는 지점의 평균 해발고도(Altitude)는 참깽깽매미 1,046m(780~1,315m), 호좀매미 1,072m(762~1,361m), 참매미 976m(686~1,245m)으로 나타났다. 호좀매미와 참깽깽매미는 낮은 고도에서 발견되는 참매미와 달리 700m 이하 해발고도에서 확인되지 않았다. 각 매미가 서식하는 평균 방향(Aspect)는 참깽깽매미가 166°(125~207°) 방향에서 발견되었고, 호좀매미가 100°(72~128°) 방향에서 발견되었으며, 참매미가 173°(118~228°) 방향에서 발견되었다. 매미별 분포도를 확인하였을 때, 태백산 문수봉을 기준으로 동남향 능선 밑 경사지에서 매미가 주로 분포하고 있었다. 결과를 종합하면, 태백산국립공원에 서식하는 참깽깽매미와 호좀매미는 한반도 전역에서 서식하는 참매미보다 높은 해발고도에서 서식하였다. 또한 매미가 주로 서식하는 방향은 일조량 확보가 용이한 동남쪽(100~173°) 지형으로 확인되었다.

• 지능정보연구
• /
• 제19권3호
• /
• pp.93-111
• /
• 2013

최근 독감 예측이나 부동산가격 예측 등 다양한 분야에서 웹검색 트래픽이나 소셜 네트워크 등의 방대한 고객 데이터를 통해 사회 현상, 소비 트렌드 등을 분석하고자 하는 시도가 증가하고 있다. 최근 구글이나 네이버 등의 인터넷 포털서비스 업체들은 온라인 사용자들의 웹검색 트래픽 정보를 구글 트렌드, 네이버 트렌드 등의 서비스로 공개하고 있는데, 이들이 제공하는 웹검색 트래픽 정보를 기반으로 온라인 사용자들의 정보 검색 행태에 대한 연구들이 학계 업계 등에서 주목받고 있다. 웹검색 정보를 기반으로 사회 현상이나, 소비 동향, 정치 투표 결과 등을 예측해 볼 수 있음을 실증하고 있는 분야는 많은 연구가 수행되고 있지만, 웹검색 트래픽 정보를 이용하여, 소비자의 제품에 대한 중요한 속성 도출 및 소비자의 기대 변화 관측 등의 온라인 사용자 행태에 초점을 맞추어 연구되고 있는 분야는 상대적으로 많은 연구가 수행되고 있지는 않다. 따라서, 본 연구에서는 구글이나 네이버가 제공하는 소비자의 웹검색 트래픽을 활용해서 소비자가 생각하는 제품 포지션을 가시화할 수 있는 방법을 제안한다. 브랜드 간의 관계를 확인하기 위해, 동시 검색 트래픽 정보를 활용하여 네트워크 모델링의 방법을 사용한 시스템을 제안하고 있으며, 이를 통해 소비자들이 제품 간의 유사성을 어떻게 인지하고 형성하며, 새로운 혁신 제품 카테고리 내에서 제품 브랜드들이 소비자의 마음 속에서 어떻게 자리 잡고 있는지의 브랜드 포지셔닝을 확인할 수 있는 방법론을 제안하였다. 또한 이를 태블릿 PC의 사례를 통해서, 미시적인 관점에서 소비자의 마음속에 위치한 태블릿 PC 개별 브랜드들의 위치 및 관계를 보여주었다. 기업은 소비자의 제품에 대한 인식 및 중요 속성 도출을 위해 많은 비용과 시간을 소요하여 소비자 조사를 행하게 되는데, 본 연구의 방법론을 활용하여 소비자의 제품에 대한 인식, 제품간 유사도, 제품에 대한 중요 속성의 변화 등을 일반에게 공개된 검색 트래픽 정보를 활용하여 비교적 쉽고 추가적인 비용 없이 도출할 수 있을 것이다.

• 대한방사선치료학회지
• /
• 제32권
• /
• pp.93-109
• /
• 2020

목 적: 나선형 토모테라피 방사선치료를 위한 환자별 품질관리용 라디오크로믹 필름 및 3차원 분석시스템인 Dosimetry CheckTM (DC, MathResolutions, USA)의 성능평가를 시행하였다. 대상 및 방법: 인체모형팬톰(Anderson Rando Phantom, USA)을 이용하여 위치 변이가 있는 3가지 형태의 복부 종양(130.6㎤), 복막 후면 종양(849.0㎤) 및 전 복부 전이 종양(3131.0㎤)을 모델링하였다. 조사면 고정너비(field width, FW)를 2.5-cm, 5.0-cm, 피치(pitch) 0.287, 0.43으로 하여 부위별 4개씩(plan01-plan04), 총 12개의 비교용 치료계획을 수립하였다. 이온전리함(1D)과 라디오크로믹 필름(Gafchromic EBT3, Ashland Advanced Materials, USA)을 치즈팬톰 내 삽입하는 방법(2D)과 빔 플루언스 로그정보를 이용하여 CT영상 위에 선량을 3차원으로 재구성하는 방식의 DC측정을 진행하였다. 스레드효과(thread effect)를 분석을 위해 리플(ripple) 진폭(%)를 계산하였고, 선량 분포의 패턴 분석을 위해 감마인덱스 분석(DD: 3%/DTA: 3mm, 합격 문턱 값: 95%)을 수행하였다. 결 과: 리플 진폭 측정 결과 복막 후면 종양이 평균 23.1%로 가장 높았다. 라디오크로믹 필름의 분석결과, 절대 선량 평균 1.0±0.9%, 감마인덱스분석 평균 96.4±2.2%로 95% 이상 통과하였으나 전 복부 전이 종양과 같이 넓은 부위 평가에 범위의 제한적이었다. 인체모형팬톰에 적용한 DC 분석결과 FW가 5.0-cm인 세 부위의 2D 및 3D 플랜 평균이 91.8±6.4%였다. 세 단면 및 선량 프로파일 분석을 통해 복막 후면 및 전 복부 종양 표적 전체 영역에 분석이 가능하였고, 선량-용적 히스토그램을 통한 계획 선량 대 측정의 선량 오차가 FW 및 pitch에 따라 커지는 것을 확인하였다. 결 론: DC측정방법은 별도의 측정기 없이 조사 중 측정된 빔 플루언스 로그정보만으로 3차원 환자 영상 데이터 위에 선량 오류를 구현할 수 있고 종양의 위치나 크기에 제한이 없어 크고 불규칙한 종양의 나선형 토모테라피의 치료 시 환자별 품질관리 성능이 매우 우수하며 활용도가 높을 것으로 생각한다.

• 대한방사선치료학회지
• /
• 제33권
• /
• pp.145-153
• /
• 2021

목 적: 본 연구에서는 가임기 여성의 유방암 방사선 치료 시 난소 선량에 대해 실험을 통하여 평가해보고자 한다. 치료기법에 따른 치료계획시스템에서 계산된 선량과 열형광선량계를 이용한 측정선량을 비교·분석하여 난소 선량을 평가하고 납(Pb) 앞치마의 사용유무에 따른 선량 분석을 통해 임상에서의 유용성을 알아보고자 한다. 대상 및 방법: 측정에는 Rando humanoid phantom을 이용하였고, 치료기법으로는 쐐기필터치료기법, 3차원 입체조형치료, 세기변조방사선치료를 사용하였다. CT simulator를 이용하여 얻은 Rando humanoid phantom 3D 영상의 우측 유방에 처방선량의 95%가 전달될 수 있도록 치료계획을 세웠고, TLD를 Rando hunmanoid phantom의 가상 표적의 표면 및 심부에 삽입하고 방사선을 조사하였다. 측정위치는 치료 중심점과 Rando humanoid phantom의 정중앙을 중심으로 반대쪽 유방으로 2cm 이동한 지점과 치료 중심축 및 하방으로 우측 유방의 경계면에서 5cm, 10cm, 12.5cm, 15cm, 17.5cm, 20cm, 우측 난소 위치의 표면과 중심점을 포함하여 총 9개 지점에서 측정하였다. 치료계획시스템의 선량 비교에서는 쐐기필터치료기법 2가지와 3차원 입체조형치료, 세기변조방사선치료 등 총 4개의 치료 계획을 수립하여 비교하였다. 그리고 TLD를 이용한 측정값 비교는 세기변조방사선치료와 쐐기필터를 이용한 치료를 비교하였고, 납 앞치마의 사용유무에 따라서 세기변조방사선치료의 선량차이를 측정하여 비교·분석하였다. 측정값은 각 포인트마다 3개의 TLD값 평균을 내고 TLD 교정값을 이용하여 환산하였으며 이를 Point dose mean값으로 계산하였다. 치료계획값과 실제 측정값을 비교하기 위해 각 지점마다 절대선량값을 측정하여 %Diff 값으로 계산하였다. 결 과: 치료 중심점인 Point A에서는 치료계획시스템에서 최대 201.7cGy가 나왔고, 실제 TLD 측정값은 최대 200.6cGy가 나왔다. 모든 치료계획시스템에서 유방 경계면으로부터 하방으로 17.5cm 떨어진 지점인 Point G 부터는 0cGy로 계산이 되었다. 실제 TLD 측정 결과 Point G에서는 최대 2.6cGy가 나왔고, 난소선량인 Point J에서는 최대 0.9cGy로 나타났으며 %Diff값은 0.3%~1.3%였다. 납 앞치마의 사용유무에 따른 선량 차이는 최대 2.1cGy에서 최소 0.1cGy로 나타났으며 %Diff값은 0.1%~1.1%였다. 결 론: 치료계획시스템에서 3가지 치료계획에 따른 선량차이는 최저 0.85%에서 최고 2.45%로 큰 격차를 보이지 않았다. 난소에서 Rando humanoid phantom의 치료계획과 실제 측정한 선량차이는 0.9% 이내로 나타났으나 실제 측정에서 조금 더 높게 측정되었다. 이는 치료계획시스템에서 산란선의 영향을 정확하게 반영하지 못하였고, 실제 측정에서는 TLD를 삽입한 상태로 CBCT를 촬영한 선량과 산란선량이 반영된 것으로 사료된다. 납 앞치마의 유무에 따른 선량측정에서 납 앞치마를 사용했을 경우에 치료범위에서 가까운 거리일수록 차폐의 효과가 있었으며, 치료범위에서 15cm 이상 거리가 있는 경우에는 거의 영향을 미치지 않는 것으로 나타났다. 임상적으로 방사선 치료 중에는 임신이나 인공수정을 하기에는 적절하지 않지만, 치료 중 난소에 조사된 선량은 방사선 치료 후 가임기 여성의 생식 기능에 크게 영향을 주지 않을 것으로 생각된다. 하지만 가임 여성의 경우에는 지속적인 불안감을 가지고 있으므로 이번 결과를 통한 데이터를 제시함으로써 심리적인 안정을 도모할 수 있을 것으로 사료된다.

• 지능정보연구
• /
• 제24권2호
• /
• pp.221-241
• /
• 2018

최근 딥러닝 기술이 주목을 받고 있다. 대중들의 관심을 받았던 국제 이미지 인식 기술 대회(ILSVR)와 알파고(AlphaGo)에서 사용된 딥러닝 기술이 바로 합성곱 신경망(CNN; Convolution Neural Network)이다. 합성곱 신경망은 입력 이미지를 작은 구역으로 나누어 부분적인 특징을 인식하고 이것을 결합하여 전체를 인식하는 특징을 가진다. 이러한 딥러닝 기술이 우리의 생활에 있어 많은 변화를 야기할 것이라는 기대를 주고 있지만 현재까지는 이미지 인식과 자연어 처리 등에 그 성과가 국한되어 있다. 비즈니스 문제에 대한 딥러닝 활용은 아직까지 초기 연구 단계로 향후 마케팅 응답 예측이나 허위 거래 식별, 부도 예측과 같은 전통적 비즈니스 문제들에 대해 보다 깊게 활용되고 그 성능이 입증된다면 딥러닝 기술의 활용 가치가 보다 더 주목받게 될 것으로 기대된다. 이러한 때 비교적 고객 식별이 용이하고 활용 가치가 높은 빅데이터를 보유하고 있는 전자상거래 기업의 사례를 바탕으로 하여 딥러닝 기술의 비즈니스 문제 해결 가능성을 진단해보는 것은 학술적으로 매우 의미 있는 시도라 할 수 있겠다. 이에 본 연구에서는 전자상거래 기업의 고객 행태 예측력을 높이기 위한 방안으로 합성곱 신경망을 활용한 '이종 정보 결합(Heterogeneous Information Integration)의 CNN 모델'을 제시한다. 이는 정형과 비정형 정보를 결합하여 다층 퍼셉트론 구조의 합성곱 신경망에서 학습시키는 모델로서 최적의 성능을 발휘하도록 '이종 정보 결합'과 '비정형 정보의 벡터 전환', 그리고 '다층 퍼셉트론 설계'로 하는 3개의 내부 아키텍처를 정의하고 각 아키텍처 단위로 구성되는 방식에 따른 성능을 평가하여 그 결과를 바탕으로 제안 모델을 확정하고 그 성능을 평가해보고자 한다. 고객 행태 예측을 위한 목표 변수는 전자상거래 기업에서 중요하게 관리하고 있는 재구매 고객, 이탈 고객, 고빈도 구매 고객, 고빈도 반품 고객, 고단가 구매 고객, 고할인 구매 고객 등 모두 6개의 이진 분류 문제로 정의한다. 제안한 모델의 유용성을 검증하기 위해서 국내 특정 전자상거래 기업의 실제 데이터를 활용하여 실험을 수행하였다. 실험 결과 정형과 비정형 정보를 결합하여 CNN을 활용한 제안 모델이 NBC(Naïve Bayes classification)과 SVM(Support vector machine), 그리고 ANN(Artificial neural network)에 비해서 예측 정확도와 F1 Measure가 높게 평가되었다. 또 NBC, SVM, ANN에서 정형 정보만을 사용할 때 보다 정형과 비정형 정보를 결합하여 입력 변수로 함께 활용한 경우에 예측 정확도가 향상되는 것으로 나타났다. 따라서 실험 결과로부터 비정형 정보의 활용이 고객 행태 예측의 정확도 향상에 기여한다는 점과 CNN 기법의 특징 추출 알고리즘이 VOC에 사용된 단어들의 분포와 위치 정보를 해석하여 문장의 의미를 파악하는데 효과적이라는 점을 실증적으로 확인하였다는데 그 의미가 있다고 할 수 있겠다. 이를 통해서 CNN 기법이 지금까지 소개된 이미지 인식이나 자연어 처리 분야 외에 비즈니스 문제 해결에도 활용 가치가 높다는 점을 확인하였다는데 이 연구의 의의가 있다 하겠다.

• 지능정보연구
• /
• 제20권3호
• /
• pp.45-58
• /
• 2014

몰입은 관람객이 콘텐츠를 관람할 때 관람객들이 콘텐츠에 몰두하고 있는 심리적 상태를 의미하는 것으로, 관람객의 몰입경험은 콘텐츠의 만족도에 긍정적인 영향을 미친다. 따라서 공연 같은 콘텐츠를 제공하는 기업들은 콘텐츠의 흥행을 위해 관람객의 몰입도를 측정하는 것은 매우 중요하다. 설문 등의 표본조사 방법을 통해 관람객의 몰입도를 측정 연구는 방송분야 등 에서 널리 사용되고 있다. 이러한 몰입도 측정방법은 콘텐츠 관람 이후 설문을 실시하기 때문에 몰입도를 실시간으로 측정할 수 없을 뿐만 아니라 몰입도 측정의 정확성이 저하되는 문제 등이 있다. 이러한 문제를 해결하기 위하여 생리적 반응이나 얼굴 표정 분석, 그리고 움직임 관찰 방법 등을 이용하여 몰입도를 측정하는 연구가 수행되고 있다. 생체 신호를 이용하여 몰입도를 측정하는 연구의 경우, 1인을 대상으로 생체신호를 측정할 뿐만 아니라, 많은 데이터 처리 시간과 비용이 소모되는 단점이 있어 많은 관람객이 관람하는 공연장에 적용하기에는 한계가 있다. 얼굴 표정인식 통해 몰입도를 측정하는 경우도 1인을 대상으로 하고 있으며, 밝은 조명의 실험실 환경에서만 가능하다는 단점이 존재한다. 또한 관람객들의 움직인 동기화를 이용하여 몰입도를 특정한 연구는 다중관객을 대상으로 하였지만, 이는 실험실 환경에 한정하여 적용된 사례이다. 따라서 본 연구에서는 공연장, 시사회관 등 많은 관람객들이 콘텐츠를 관람하는 실제 환경에서 다중관람객이 다중몰입도의 정량적 평가를 위한 시스템을 설계하고 개발하였다. 제안된 시스템은 외부장치, 서버, 내부장치 등의 3부분으로 구성되어 있다. 서울시 마포구 상암동에 위치한 DMC 홍보관에 상설 전시장으로 운영하고 있으며, 관람객들을 대상으로 데이터를 획득하고 있다. 제안하고 있는 시스템을 활용하면 콘텐츠의 어느 구간에서 관객들이 몰입을 하고 있는지, 어느 구간에서 몰입을 하고 있지 못한지 분석가능하기 때문에, 향후 콘텐츠 제작 및 마케팅에 유용하게 활용할 수 있을 것으로 기대된다.

• 지능정보연구
• /
• 제26권2호
• /
• pp.57-78
• /
• 2020

인터넷의 발달로, 소비자들은 이커머스에서 손쉽게 상품 정보를 확인한다. 이때 활용되는 상품 리뷰는 사용자 경험을 토대로 작성되어 구매의사결정의 효율성을 높일 뿐만 아니라 상품 개발에 도움을 주기도 한다. 하지만, 방대한 양의 상품 리뷰에서 관심있는 평가차원의 세부내용을 파악하는 데에는 많은 시간과 노력이 소비된다. 예를 들어, 노트북을 구매하려는 소비자들은 성능, 무게, 디자인과 같은 평가차원에 대해 각 차원별로 비교 상품의 평가를 확인하고자 한다. 따라서 본 논문에서는 상품 리뷰에서 다차원 상품평가 점수를 자동적으로 생성하는 방안을 제안하고자 한다. 본 연구에서 제시하는 방안은 크게 2단계로 구성된다. 사전준비 단계와 개별상품평가 단계로, 대분류 상품군 리뷰를 토대로 사전에 생성된 차원분류모델과 감성분석모델이 개별상품의 리뷰를 분석하게 된다. 차원분류모델은 워드임베딩과 연관분석을 결합함으로써 기존 연구에서 차원과 단어들의 관련성을 찾기 위한 워드임베딩 방식이 문장 내 단어의 위치만을 본다는 한계를 보완한다. 감성분석모델은 정확한 극성 판단을 위해 구(phrase) 단위로 긍부정이 태깅된 학습데이터를 구성하여 CNN 모델을 생성한다. 이를 통해, 개별상품평가 단계에서는 구 단위의 리뷰에 준비된 모델들을 적용하고 평가차원별로 종합함으로써 다차원 평가점수를 얻을 수 있다. 본 논문의 실험에서는 대분류 상품군 리뷰 약 260,000건으로 평가모델을 구성하고, S사와 L사의 노트북 리뷰 각 1,011건과 1,062건을 실험데이터로 활용한다. 차원분류모델은 구로 분해한 개별상품 리뷰를 6개 평가차원으로 분류했고, 기존 워드임베딩 방식보다 연관분석을 결합한 모델의 정확도가 13.7% 증가했음을 볼 수 있었다. 감성분석모델은 문장보다 구 단위로 학습한 모델이 평가차원을 면밀히 분석함으로써 29.4% 더 높은 정확도를 보임을 확인했다. 본 연구를 통해 판매자, 소비자 모두가 상품의 다차원적 비교가 가능하다는 점에서 구매 및 상품 개발에 효율적인 의사결정을 기대할 수 있다.

• 대한교통학회지
• /
• 제34권1호
• /
• pp.1-14
• /
• 2016

최근 스마트폰의 빠른 보급으로 누구나 언제 어디서든 자유로운 네트워크 접속이 가능해졌다. 이는 통행 전은 물론 통행 중 교통정보 검색이 매우 편리해졌음을 의미한다. 고속도로 교통정보 탐색 행태의 기반이 되는 상관성 분석을 위하여, 웹과 모바일-앱의 접속 지표에 대한 정상성 여부를 검증하고, TCS 교통량과의 상관관계를 실증적으로 분석하는 것이 본 연구의 목적이다. 그 결과 첫째, 시간대별 웹/모바일-앱의 접속 지표에 대한 ADF-검정, PP-검정 결과, 로그변환이나 차분변환 없이도 시계열의 정상성 조건을 만족하는 것으로 나타났다. 둘째, 고속도로 진출입 교통량과의 피어슨 상관계수를 검토한 결과, 웹/모바일-앱의 모든 접속 지표는 뚜렷한 양적 상관관계를 보였다. 단, 트럭의 TCS 진입 교통량은 상관관계가 거의 없는 것으로 나타났다. 셋째, 시계열 변수 사이에 존재하는 발생시간의 시차 관계(동행성, 선행성, 후행성)를 규명하기 위해 교차분석을 수행한 결과, 모바일 이용자는 모든 웹 접속 지표보다 선행하고 있었으며, 모바일 실행횟수는 모든 웹 접속 지표와 동행함을 발견하였다. 넷째, 고속도로의 진입 교통량에 선행하는 웹/모바일-앱 접속 지표는 존재하지 않았으며, 웹 페이지뷰/방문자/신규방문자/재방문자, 모바일 실행횟수는 오히려 고속도로 진입 총 교통량과 비교시 1시간의 후행 시차에서 상관관계가 가장 높게 나타났다. 향후 분석의 공간적 범위와 시간적 범위를 세분화하고 교통정보 이용자의 위치정보를 활용할 수 있다면, 경로 전환 시점/비율과 같은 개별 통행행태까지도 예측할 수 있게 될 것으로 판단된다.

• 생명과학회지
• /
• 제22권2호
• /
• pp.133-141
• /
• 2012

우리는 방사선피부염 동물 모델을 확립하여, 이차 면역 기관에서의 면역 세포 비율 변화를 관찰하였다. 또한, 방사선 조사에 의한 병소에서 transforming growth factor-${\beta}1$ (TGF-${\beta}1$)과 interlukin-10 (IL-10)의 발현을 증가시킨 세포를 분석하였다. Hairless-1 (HR-1) 쥐의 posterior dorsal 부위에 6 일간 매일 10 Gy 씩 electron (E)-ray를 국부 조사하여 방사선피부염 모델을 만들었다. FACS를 이용하여 면역 세포 비율의 변화를 분석한 결과 비장과 림프절에 존재하는 항원제시세포와 T 세포 및 B 세포들의 비율이 E-irradiation에 의해 영향을 받았다. 피부에서 세포 특이적인 마커와 사이토카인들의 발현 양상은 면역형광염색법으로 확인하였다. 방사선 조사 후, TGF-${\beta}1$과 interlukin-17 (IL-17)은 regulatory T 세포(Treg)보다 keratin-14 (K-14)를 발현하는 진피의 끝부분에서 높게 발현되었다. Interlukin-10 (IL-10)는 Treg 뿐만 아니라 T helper 17 (Th17) 세포, dendritic 세포, macrophage 중 어느 것과도 같은 위치에서 검출되지 않았다. 우리의 데이터는 방사선피부염 동물 모델의 병소 안에서, TGF-${\beta}1$이 증식된 keratinocyte에 과발현된다는 것을 나타낸다.

• 지능정보연구
• /
• 제22권3호
• /
• pp.113-127
• /
• 2016

협업 필터링(Collaborative Filtering)은 유용성과 정교성 면에서 가장 성공적인 추천 알고리즘으로 평가받으며 산업계나 학계에서 많이 활용 및 연구되고 있지만, 기본적으로 사용자들이 평가한 점수에만 기반하여 추천결과를 생성하는 한계점이 있다. 이에 본 연구는 사용자가 상품을 구매할 때 자신이 신뢰하는 타인의 추천을 더 적극적으로 수용할 것이라는 점에 착안하여, 사용자의 평점 외에 사용자 간 신뢰관계를 소셜네트워크분석으로 분석한 결과를 추가로 반영하는 추천 알고리즘들을 제안하였다. 구체적으로 본 연구에서는 소셜네트워크분석에서 네트워크 내의 중심적 위치를 나타내는 척도인 내향 및 외향 중심성을 활용하여 사용자 간 유사도를 산출하는 알고리즘들과 사용자 신뢰 네트워크를 탐색하여 추천 대상이 되는 사용자가 직접 간접적으로 신뢰하는 사용자의 평가점수를 보다 높게 반영하는 알고리즘을 제안한 뒤 그 성능을 비교해 보았다. 실제 데이터에 적용하여 분석한 결과, 사용자 신뢰 네트워크의 내향 중심성 지수를 조건 없이 적용한 경우에는 오히려 정확도의 감소만을 야기하는 것으로 나타났고, 일정 임계치 이상의 외향 중심성을 갖는 사용자에 한해 내향 중심성 지수를 고려한 추천 알고리즘은 전통적인 협업 필터링에 비해 약간의 정확도 개선이 이루어짐을 확인할 수 있었다. 아울러, 사용자 신뢰 네트워크를 기반으로 탐색하는 알고리즘이 가장 우수한 성능을 보이는 것을 알 수 있었으며, 전통적인 협업 필터링과 비교해서도 통계적으로 유의한 수준의 정확도의 개선이 이루어짐을 확인할 수 있었다.