• 한국표면공학회:학술대회논문집
• /
• 한국표면공학회 2018년도 춘계학술대회 논문집
• /
• pp.124-124
• /
• 2018

Polydopamine은 수중 접착력, 친환경 접착제, nanoparticle absorption 등 다양한 특성으로 많이 연구되고 있는 소재이다. 본 연구에서는 dopamine을 이용하여 수중 금속을 흡착시키는 thin film을 제작하였다. 종래의 Polydopamine coating 방법으로 wet coating 이 사용되고 있다. 하지만 wet 방식의 경우 시간이 오래 걸릴 뿐만 아니라 in-line, roll to roll 방식을 적용하는 것이 어렵기 때문에 생산적이지 않다. 이에 본 연구에서는 Atmospheric Pressure Plasma(APP)를 이용 하여 Polydopamine-like film을 coating 하였다. APP의 경우 vacuum system, solution tank가 필요 없고 in-line, roll to roll 방식을 적용 할 수 있기 때문에 더 경제적이고 생산적인 공정이다. 또한 기존의 Plasma polymerization 방법은 Plasma energy가 높기 때문에 source의 분자구조가 바뀌거나 atom 단위로 분해된다. source의 분자구조가 바뀌는 "Atomic polymerization", Neiswender-Rosskamp Mechanism이 적용되면 wet 방식 coating한 film과는 다른 특성을 갖게 된다. 하지만 APP polymerization은 Plasma energy가 vacuum plasma 보다 매우 낮기 때문에 stile polymerization mechanism을 구현 하는데 적합 하다. stile polymerization mechanism은 Plasma 내부에서 polymer source를 분해 성장 시켜서 Polymer film 얻는 것이 아닌 source의 분자구조가 깨지지 않으면서 polymer growing 시키는 방법이다. dopamine source의 분자구조를 최대한 유지하려고 하는 이유는 metal absorption과 같은 특성이 dopamine chemical structure에 영향을 받기 때문이다. 많은 논문들에서 dopamine의 catechol group이 metal absorption, adhesion force에 영향을 주는 주요 인자라고 주장하고 있기 때문이다. 그래서 본 논문에서는 Dopamine source의 형태를 보존하면서 Polymerization 하는 방법으로 APP process를 사용 하여 낮은 전압에서 Polydopamine-like film을 제작 하였다. APP system 의 Plasma 방전부 에 Dopamine source를 유입하기 위하여 본 논문에서는 Piezo Spray 방식을 사용 하였다. Dopamine을 evaporator 하는 것이 어렵고 chemical composition이 유사한 monomer를 사용해서 Plasma Polymerization으로 Dopamine 분자 구조를 재현하는 것도 어렵다. 그래서 본 연구에서는 Dopamine을 water에 immerse 하고 Dopamine solution을 mist 상태로 만들어서 Plasma discharge area에 유입하였다. 이러한 방법으로 만들어진 film은 Polydopamine film은 아니지만 Polydopamine film과 유사한 Chemical composition, chemical structure, metal absorption을 갖는 것을 FT-IR, SEM, XPS을 이용 하여 확인 하였다. Dopamine source의 보존에 대하여 명확하게 확인하기 위하여 FT-IR을 측정 하였다. 전압에 따른 Benzene ring, hydroxyl group의 비율을 확인 하였다. 낮은 전압으로 coating 된 Polydopamine-like film 일수록 hydroxyl group peak($3400{\sim}3000cm^{-1}$)과 비교하여 Benzene ring peak($1600{\sim}1580cm^{-1}$ and $1510{\sim}500cm^{-1}$)이 흡수를 더 많이 하는 것을 확인 할 수 있다. 이것은 Benzene ring이 파괴되지 않고 보존되는 것을 보여준다. Dopamine에서 Benzene ring은 absorption main factor인 catechol에 있는 chemical structure이다. 즉 Benzene ring peak이 높을수록 Catechol이 잘 보존 되었다는 의미 이다. Catechol의 보존은 absorption main factor가 보존 된다는 의미 이다. 이러한 Polydopamine-like film으로 As, Cr, Mg, Cu 200ppm solution에 대한 filtration 능력을 확인 하였다. As, Cr, Cu, Mg 의 제거율이 각각 약25%, 35%, 45%, 65%인 것을 확인 하였다. 이 수치는 시중에 판매되는 제품들과 비교했을 때 300%~500% 향상된 수치 이다.

• 인터넷정보학회논문지
• /
• 제14권5호
• /
• pp.49-57
• /
• 2013

본 연구에서는 효율적인 온 라인 문서 자동 분류를 위해 매우 중요한 분류 작업의 전처리 단계인 특징선택을 위한 새로운 방법이 제안된다. 대부분의 기존 특징선택 방법 연구에서는 특징 집합의 모집단이 단일 모집단으로써 한 모집단이 가지는 정보만으로 분류에 적합한 특징들을 선택하여 특징 집합을 구성하였다. 본 연구에서는 단일 모집단에 한하여 수행되는 특징선택 뿐 만 아니라, 다중 모집단을 가지는 혼합 특징 집합에 대해서 특징선택을 함으로써 다양한 정보를 바탕으로 한 특징 집합을 구성하였다. 혼합 특징 집합은 두 종류의 특징 집합으로 구성된다. 즉 각각 문서로부터 추출한 단어로 구성된 원본 특징 집합과 원본 특징 집합으로부터 LSA를 이용하여 새로 생성한 변형 특징 집합이다. 혼합 특징 집합으로부터 필터 방법과 래퍼 방법을 이용한 하이브리드 방식의 특징 선택을 통해 최적의 특징 집합을 찾고, 이를 이용하여 문서 분류 실험을 수행하였다. 다양한 모집단의 특징들의 정보를 모두 고려함으로써 보다 향상된 분류 성능을 보일 것이라고 기대하였고, 인터넷 뉴스 기사를 대상으로 분류 실험한 결과 90% 이상의 향상된 분류성능을 확인하였다. 특히, 재현율과 정밀도 모두 90%이상의 성능을 보였으며, 둘 사이의 편차가 낮은 것을 확인하였다.

• 한국통신학회논문지
• /
• 제33권3C호
• /
• pp.247-254
• /
• 2008

ITU-T와 MPEG에 의해 최근 표준화가 완성된 H.264는 가변 블록 크기 움직임 예측, 다중 참조 영상, 1/4화소단위 움직임 예측 및 보상, $4{\times}4$ 정수 단위 DCT, 비트율-왜곡 최적화(Rate-Distortion Optimization)등의 새로운 부호화 기술로 H.263, MPEG-4 등 기존 비디오 표준에 비해 더 좋은 부호화 효율을 제공하고 있다. 그러나 새로운 부호화 기술들은 H.264의 전반적인 복잡도를 심화시키는 주된 요인이므로, H.264의 실제 응용을 용이하게 하기 위해서는 이러한 기술에 대한 고속 알고리즘이 요구된다. 제안하는 방식은 부호화기의 복잡도에서 가장 큰 비중을 차지하는 가변 블록 크기 움직임 예측 부호화에서 부호화 모드를 효율적으로 생략함으로써 모드 결정을 빠르게 수행하는 고속 모드 결정법으로, 참조 영상의 수를 줄이는 방법과 예측 모드를 생략하는 방법으로 구분될 수 있다. 참조 영상의 수를 줄이는 방법의 경우 상위 $16{\times}16$ 매크로블록에서 최소의 SAD를 갖는 참조 영상을 선택하여 $16{\times}8$과 $8{\times}16$ 모드의 움직임을 예측하고, 이 중 다시 최적의 참조 영상을 선택하여 하위 모드의 움직임을 예측한다. 예측 모드를 생략하는 방법에서는 매크로블록의 가로와 세로 세분화 방향성을 이용하여 만약 $16{\times}16$ 모드가 선택될 경우, $8{\times}8$과 $4{\times}4$ 하위 모드만 수행하고, $16{\times}8$ 모드가 선택되면 $8{\times}4$, $8{\times}16$ 모드가 선택되면 $4{\times}8$ 모드에서만 움직임 예측을 수행할 수 있다. 실험 결과 모든 참조 영상을 사용하는 방식에 비해 평균 65%가량 속도가 향상된 반면 영상의 화질은 H.264 표준 및 기존 방식과 유사함을 PSNR을 통하여 증명한다.

• 정보관리학회지
• /
• 제40권4호
• /
• pp.307-327
• /
• 2023

이 연구는 짧은 텍스트인 서명에 단어 임베딩이 미치는 영향을 분석하기 위해 Word2vec, GloVe, fastText 모형을 이용하여 단행본 서명을 임베딩 벡터로 생성하고, 이를 분류자질로 활용하여 자동분류에 적용하였다. 분류기는 k-최근접 이웃(kNN) 알고리즘을 사용하였고 자동분류의 범주는 도서관에서 도서에 부여한 DDC 300대 강목을 기준으로 하였다. 서명에 대한 단어 임베딩을 적용한 자동분류 실험 결과, Word2vec와 fastText의 Skip-gram 모형이 TF-IDF 자질보다 kNN 분류기의 자동분류 성능에서 더 우수한 결과를 보였다. 세 모형의 다양한 하이퍼파라미터 최적화 실험에서는 fastText의 Skip-gram 모형이 전반적으로 우수한 성능을 나타냈다. 특히, 이 모형의 하이퍼파라미터로는 계층적 소프트맥스와 더 큰 임베딩 차원을 사용할수록 성능이 향상되었다. 성능 측면에서 fastText는 n-gram 방식을 사용하여 하부문자열 또는 하위단어에 대한 임베딩을 생성할 수 있어 재현율을 높이는 것으로 나타났다. 반면에 Word2vec의 Skip-gram 모형은 주로 낮은 차원(크기 300)과 작은 네거티브 샘플링 크기(3이나 5)에서 우수한 성능을 보였다.

• 한국터널지하공간학회 논문집
• /
• 제25권6호
• /
• pp.555-567
• /
• 2023

현재 지하시설물의 균열을 영상 취득 시스템으로 취득한 경우 점검자가 취득된 영상에서 육안검사를 수행하여 미세균열을 판단한다. 점검자에 의존한 노동집약적인 방법은 점검자의 주관적인 판단에 영향을 받는 문제점을 가지고 있다. 최근에는 딥러닝을 활용하여 자동으로 콘크리트 균열을 탐지하기 위한 연구가 활발하게 수행되고 있다. 대부분의 연구에서는 공개 데이터셋을 활용하거나 분석과정의 객관성이 충분하지 못해 실제 업무에 적용하기 어려운 점이 있다. 본 연구는 실제 검사 시스템과 동일한 형태의 영상을 시험 데이터셋으로 선정하여 딥러닝 모델들을 평가하였다. 균열 탐지의 정확도를 향상시키기 위하여 딥러닝 모델들의 장단점을 상호 보완할 수 있는 앙상블 기법을 적용하였다. 시험 영상에서 폭 0.2 mm, 0.3 mm 및 0.5 mm의 균열들은 각각 80%, 88% 및 89%의 높은 재현율로 탐지되었다. 딥러닝을 적용한 균열 탐지 결과에서는 점검자의 육안 검수 과정에 찾지 못한 다수의 균열들을 포함하고 있었다. 향후 본 연구에서 사용하지 않은 다른 터널의 영상을 시험 영상으로 선정하여 보다 더 객관적인 평가에서 충분한 정확도로 균열을 탐지하게 된다면, 시설물 안점 점검 방식에 딥러닝의 도입이 가능할 것으로 판단된다.

• 한국조리학회지
• /
• 제22권5호
• /
• pp.117-133
• /
• 2016

본 연구는 카무트 사워종 제조 방식을 달리하여 제조한 사워도우 식빵의 품질 특성을 알아보고자 반죽의 pH와 발효율, 비용적, 영상분석, 수분함량, 색도, TPA, 저장성, 기호도 검사를 실시하였다. 반죽의 pH의 경우, 카무트 사워종을 첨가함으로써 대조구보다 유의적으로 낮은 pH를 가지는 것을 확인하였으며, 발효율 측정을 통해 사워종을 첨가한 시료의 발효가 대조구보다는 다소 느리지만, 대조구와 동일한 부피만큼 팽창하는 것을 알 수 있었다. 비용적과 영상분석 결과, 사워종을 첨가한 실험구가 CON보다는 다소 작은 부피를 가지며, 실험구 중에서도 TM과 CM의 부피와 비용적이 유의적으로 낮음을 확인하였다. 수분함량은 사워종의 수분함량이 높을수록 최종 제품의 수분함량도 높아지는 경향을 보여, Pool의 수분함량이 가장 높게 나타났다. 색도 분석 결과, 카무트 자체의 색으로 인해 카무트 사워종을 첨가한 실험구에서 다소 어두워지는 것을 알 수 있었다. TPA과 저장성 측정 결과, 시료 제조 24시간 후 시료의 경도는 CON이 유의적으로 가장 낮았으나, 72시간 경과할 때는 Pool과 CON은 유의적인 경도 차이가 없어짐을 확인하였다. 관능검사 중 기호도 검사 결과, 실험구 중에서는 이스트가 소량 첨가된 Pool과 Biga가 높은 평가를 받았고, TM과 CM은 전체적 기호도에서 좋지 않게 나타났다. 특성 차이 검사결과, 카무트 사워종을 첨가함으로써 부피는 다소 감소하지만, 빵의 속질과 껍질 색은 더 진해지며, 신맛과 곡물 풍미를 향상시킬 수 있음을 확인하였다. 전반적인 품질특성 결과와 관능검사 결과에 따르면, Poolish의 형태로 카무트 사워종을 제조하는 것이 사워도우 빵의 품질과 기호도 측면에서 최적으로 여겨진다.

• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.669-681
• /
• 2023

과일 나무의 생육을 평가하는 중요한 지표인 엽록소 함량을 추정하는데 비교적 많은 노동력의 투입이 요구되고 오랜 시간이 소요되는 기존의 파괴 조사 대신 비파괴적 조사 방식인 원격탐사기술을 적용하기 위한 연구가 시도되고 있다. 이 연구에서는 2년(2021, 2022) 간 무인기 기반의 초분광 영상을 이용하여 배나무 잎의 엽록소 함량을 비파괴적으로 추정하는 연구를 수행하였다. 영상 처리로 추출된 배나무 캐노피(canopy)의 단일 band 반사율은 시간 변화에 따라 불안정한 복사 효과를 최소화하기 위해 밴드비화(band rationing) 되었다. 밴드비(band ratios)를 입력 변수로 머신러닝 알고리즘인 elastic-net, k-nearest neighbors (KNN)과 support vector machine을 사용하여 추정(calibration, validation) 모델들을 개발하였다. Full band ratios 기반 추정 모델들의 성능과 비교하여 계산 비용 절감과 재현성 향상에 유리한 key band ratios를 선정하였다. 결과적으로 모든 머신러닝 모델에서 full band ratios를 이용한 calibration에 coefficient of determination (R²)≥0.67, root mean squared error (RMSE)≤1.22 ㎍/cm², relative error (RE)≤17.9%)와 validation에 R²≥0.56, RMSE≤1.41 ㎍/cm², RE≤20.7% 성능을 비교하였을 때, key band ratios 네 개가 선정되었다. 머신러닝 모델들 사이에 validation 성능에는 비교적 큰 차이가 없어 calibration 성능이 가장 높았던 KNN 모델을 기준으로 삼았으며, 그 key band ratios는 710/714, 718/722, 754/758, 758/762 nm가 선정되었다. Calibration에서 R²=0.80, RMSE=0.94 ㎍/cm², RE=13.9%와 validation에서 R²=0.57, RMSE=1.40 ㎍/cm², RE=20.5%를 나타내었다. Validation의 기준으로 한 성능 결과는 배나무 잎 엽록소 함량을 추정하기에 충분하지 않았지만, 앞으로의 연구에 기준이 될 key band ratios를 선정했다는 것에 의미가 있다. 추후 연구에서는 추정 성능을 향상하기 위해 지속적으로 추가 데이터세트를 확보하여 선정된 key band ratios의 신뢰성 검증과 함께 실제 과원에 재현 가능한 추정 모델로 고도화할 필요가 있다.

• 한국농림기상학회지
• /
• 제12권1호
• /
• pp.1-10
• /
• 2010

본 연구에서는 기상예측 모형을 이용하여 상세한 농업기후지수를 모사하고자 하였다. 이를 위해서 NCEP/NCAR 재분석 자료를 지역기후모형인 WRF의 초기 및 경계조건으로 하여 2002년 3월부터 7년간 상세한 기후 자료를 생산하고, 이렇게 구한 기후 자료를 통계적 보정을 거쳐 계통적 오차를 제거함으로써 그 기간의 기후를 재현하였으며 이를 이용하여 상세한 농업기후지수로 생산하였다. 수치 실험을 통해 생산된 상세 지역기후자료는 대순환 모형이 모사할 수 없는 남한의 복잡한 지형적 구조와 전체적인 관측 공간 패턴을 모사하였다. 통계적 보정은 모형결과가 관측에 비해 과소모사 되던 경향을 제거함으로써 보다 상세하고 관측에 가까운 시 공적 기후자료의 생산을 가능하게 하였다. 이렇게 모사된 기후 자료를 이용하여 식물온도 출 현초일, 작물온도 출현초일, 벼 이앙기의 저온 출현율, 종상일 등의 농업기후지수들에 대한 상세한 분포를 생산하였다. 보정 전 모형 결과에서는 계통적 오차인 모형의 기온 과소모사 경향에 의해 전반적인 유효온도와 종상일이 늦게 출현하였으며, 저온 출현율의 빈도가 높게 나타났다. 보정 후 모형 결과에서는 계통적 오차의 보정에 의해 유효온도 $10^{\circ}C$ 출현일을 제외한 유효 온도 출현일과 종상일이 앞당겨졌으며, 저온 출현일 빈도가 감소하였다. 보정 후 모형 결과에서 유도된 유 효온도 $10^{\circ}C$ 출현일은 보정 전 모형결과보다 3일 늦게 모사되고 있으나 보정 전 모형 결과에서 모사하지 못한 지역적 특징을 모사하고 있어 국지적으로 나타나는 작물온도 출현초일의 세부적인 패턴을 이해하는데 유용한 결과라고 판단된다. 모형의 결과로 유도된 농업기후지수는 복잡한 지역적 편차를 가지면서 정량적 정성적으로 관측에서 유도한 결과와 유사하게 나타났다. 반면 통계적 보정을 적용하여도 중부 논농사 지대의 작물온도 출현초일은 여전히 잘 모사되지 못하고 있는데 이는 모형의 결과가 계통적 오차 이외에도 또 다른 불확실성에 의한 문제를 내제하고 있음을 보여주는 결과이다. 향후 물리적 모수화 과정의 개선, 역학적 규모축소방법의 최적화 그리고 통계적 보정 방법의 다양한 적용을 통해 보다 향상된 농업기후지수를 생산할 수 있을 것으로 판단된다. 이러한 실험 결과는 농업 경영자들에게 상세 농업기후지수 분포의 이해를 도와줄 뿐만 아니라 본 연구의 실험 방식이 농업 예측에 활용될 경우 장기 예측 및 기후변화에 따른 예측을 위한 정보에 긴요하게 사용될 수 있을 것으로 생각된다.

• 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.