• 지능정보연구
• /
• 제9권3호
• /
• pp.117-135
• /
• 2003

개인화 된 정보를 제공하기 위한 협력 여과 기법에 대한 많은 연구가 이루어지고 있는데, 유사 사용자들을 찾는 과정에서 상관계수와 같은 유사성 척도를 이용하여 모든 사용자와의 유사성을 계산하는 과정을 거친다. 이때 사용자 수가 많아지게 되면, 계산의 복잡도가 지수적으로 증가하게 되는 규모의 문제가 발생한다. 본 연구는 협력 여과 기법에서 주로 사용하는 유사성 척도가 사용자 집단이 커짐에 따라 계산의 복잡도가 지수적으로 증가하는 문제를 해결하기 위한 방안을 제시하는 것이 주목적이다. 규모의 문제를 해결하기 위해 클러스터링 모델 기반 접근 방식을 사용하고 아이템의 선호도 계산을 위해 RPM(Recency, Frequency, Momentary) 기준의 사용을 제안한다. 먼저 SOM을 이용하여 전체 사용자를 사용자 집단으로 클러스터링하고 사용자 집단별로 RFM 기준에 의해 아이템의 점수를 계산하여 선호도가 높은 순으로 정렬하여 저장한다. 사용자가 로그인하면 학습된 SOM을 이용하여 대상 사용자 집단을 선정하고 미리 저장된 추천 아이템을 추천한다. 추천결과에 대해 사용자가 평가하면 그 결과를 이용하여 현 시스템의 개정 여부를 결정한다. 제안한 방안에 대해 MovieLens 데이터 셋에 적용하여 실험한 결과 기존의 협력적 여과 기법에 비해 추천 성능이 비교적 우수하면서도 추천 시스템 운용시의 계산 복잡도를 일정하게 유지시킬 수 있음을 보였다.

• 방사성폐기물학회지
• /
• 제15권3호
• /
• pp.231-237
• /
• 2017

본 논문에서는 원전해체 시 적용 가능한 제염기술을 조사하여 분석하였다. 이를 기반으로 최적의 제염기술을 선정하기 위해 의사결정 기법(EXPERT-CHOICE)을 사용하여 기술성을 평가하였다. 이 평가방법은 해당 분야의 전문가로 이루어진 전문가 집단에 의해 수행되는 것이 일반적이다. 가중치를 고려한 결과는 각 기준에 대한 가중치에 평가점수를 곱한 총합을 구하는 식으로 수행하였다. 평가 점수를 3단계로 하여 High, Medium, Low로 구분한 후 가중치를 부여하여 차별화 시킬 수 있다. 하위분류 기준의 세분화와 각 기준 별 가중치의 추가 정량화를 통하여 기술성 분석의 수준을 제고할 수 있고, 좀 더 설득력 있는 결과의 도출을 예상할 수 있다. 평가의 기본 가정은 각 기준 별 가중치를 전문가 조사에 의해 부여하며, 평가 기준은 High에 좀 더 비중을 주는 식으로 차별화 하였다. 이를 반영하면 H, M, L는 대략 "10:5:1"의 비율로 평가 점수를 부여받는데, 이는 EXPERT-CHOICE 기법의 최적화 분석에 따른 것이다. 최고 및 최저값을 제외한 나머지 결과값의 평균을 평가치로 고려하였다.

• 한국지능시스템학회논문지
• /
• 제19권2호
• /
• pp.242-247
• /
• 2009

지능형 추천 시스템은 사용자의 요청에 응답하는 수동적인 시스템이 아닌 사용자가 원하는 서비스를 제안하는 시스템으로서 최근 콘텐츠 서비스 분야에 많이 개발되고 있다. 이러한 지능형 추천 시스템은 콘텐츠 개인화 서비스에 응용되고 있으며 대표적인 추천기법으로 내용기반과 협업적 필터링 기법이 있다. 본 연구에서는 협업적 필터링 및 퍼지 시스템을 이용하여 추천 시스템의 기반 기술인 예측 시스템을 제안하였다. 제안한 예측 시스템은 사용자의 과거 영화평가 정보를 바탕으로 영화에 대한 평가점수를 예측한다. 영화평가 예측시스템의 성능은 영화 평가점수의 실제값과 예측값의 오차를 RMSE(root mean square error) 방법으로 계산한 후 기존의 영화평가 시스템 RMSE 값과 비교하여 평가하였다. 본 연구를 통해 제안한 영화평가 예측시스템이 추천 시스템의 기반 기술로서 활용이 가능하고 다른 멀티미디어 컨텐츠 서비스 추천에도 응용이 가능할 것으로 기대한다.

• 한국산학기술학회논문지
• /
• 제20권12호
• /
• pp.44-52
• /
• 2019

다양한 업종별 산업이 존재하고 규모가 커지면서 산업재해 사고 또한 다양화되고 있고 해마다 줄지 않고 있는 추세를 보이고 있다. 이러한 산업재해는 다양한 방법으로 분석 및 통계화하여 발표되고 있다. 대부분의 기업은 자사의 재해 수준에 대해 재해율을 이용하여 타 기업체와의 비교 정도만 할 뿐 기업체 개별적 특성을 반영한 비교와 이를 기초로 한 기업의 특성을 고려한 안전관리 활동계획을 수립하는 업체는 거의 찾아볼 수 없는 실정이다. 따라서 본 연구에서는 지난 5개년(2013~2017) 간의 재해통계에서 도출된 데이터와 전문가 판단에 의한 설문조사를 통한 안전정보 특성과 ANP 기법을 이용한 각 기업들 간의 재해 수준을 평가할 수 있는 기법을 개발하는데 그 연구의 목적이 있다. 본 논문에서는 재해통계자료 중 기업의 재해 수준을 평가하는 데 있어 중요하다고 생각되는 6가지 요인을 선정하였는데, 이 6가지 요인으로는 산업 형태 및 규모별 현황, 작업자 연령별 현황, 재해 정도별 현황, 입사 근속 기간별 현황, 발생형태별 현황 등을 들 수 있다. 본 연구에서는 재해요인별 가중치를 도출함으로써 각 기업들의 재해통계와 도출된 가중치를 이용하여 그 기업의 재해 수준을 비교 평가할 수 있도록 점수화하는 방법을 제시할 수 있었다.

• 대한화장품학회지
• /
• 제30권1호
• /
• pp.85-91
• /
• 2004

본 연구는 30대 43명(I군), 40대 75명(II군), 50대 34명(III군) 등 총 152명의 한국 여성을 대상으로 본 연구에서 수립한 육안평가 기준과 기기를 이용하여 눈가(crow's feet)주름을 정량화 하였다. 육안평가 기준은 Modified Daniell's Criteria를 미세 변화를 관찰할 수 있도록 10단계로 세분화하여 이용하였고, 기기평가는 Transparency Profilometry 기법을 이용한 Skin Visiometer SV 600 (Courage + Kahzaka)을 적용하였다. 각 방법의 측정값으로 1) 연령군별 주름의 정도를 비교하였고, 2) 연령군별로 좌우측간의 주름의 정도를 비교해 보았으며, 3) 본 연구에 적용한 육안평가 점수와 기기평가의 5개 주름 파라미터인 Rl, R2, R3, R4, R5간의 상관성을 알아보았다. 육안평가 결과 연령이 증가할수록 육안평가 점수는 증가하였고, 각 연령군간에 통계적으로 유의한 차이가 관찰되었으나(P 〈 0.05), 모든 연령군에서 좌측과 우측의 육안평가 점수는 유의한 차이는 없었다. 기기평가 결과 연령이 증가할수록 5가지 주름 파라미터 모두 증가하는 경향을 보였고, 이중 연령군간 유의한 차를 보인 파라미터는 Rl, R4, R5 였으며 (P 〈 0.05), Rl과 R4는 I군과 III군 사이에 R5는 I군과 III군, II군과 III군 사이에서 유의한 차이를 나타내었다. 기기평가의 5가지 주름 파라미터 모두 좌우측간에 통계적으로 유의한 차이는 보이지 않았다(p 〈 0.05). 본 연구에 적용한 육안 평가 점수에 따라서 A군(0∼3 grade), B군(4∼6 grade), C군(7∼9 grade)으로 분류하여 기기평가 상의 5개 파라미터와의 상관성을 본 결과 R4와 R5가 A군다 C군 사이에 통계적으로 유의한 차이를 나타내었다(p 〈 0.05). 결과적으로 본 연구에서는 연령이 증가할수록 육안평가 점수와 5개의 주름 파라미터는 증가하였으나 좌우측간에 차이는 나타나지 않음을 알 수 있었다. 특히, 본 연구에서 적용한 육안평가 기준은 기기평가의 주름 파라미터 중 피부 주름의 평균 깊이와 피붜칠기를 나타내주는 R4와 R5를 더 정확히 반영함을 알수 있었고, 미세한 주름의 변화를 읽을 수 있음을 알 수 있었다.

• 스마트미디어저널
• /
• 제7권4호
• /
• pp.17-23
• /
• 2018

자동 띄어쓰기 특성을 효과적으로 처리할 수 있는 LSTM(Long Short-Term Memory Neural Networks) 기반의 RNN 모델을 제시하고 적용한 결과를 분석하였다. 문장이 길거나 일부 노이즈가 포함된 경우에 신경망 학습이 쉽지 않은 문제를 해결하기 위하여 입력 데이터 형식과 디코딩 데이터 형식을 정의하고, 신경망 학습에서 드롭아웃, 양방향 다층 LSTM 셀, 계층 정규화 기법, 주목 기법(attention mechanism)을 적용하여 성능을 향상시키는 방법을 제안하였다. 학습 데이터로는 세종 말뭉치 자료를 사용하였으며, 학습 데이터가 부분적으로 불완전한 띄어쓰기가 포함되어 있었음에도 불구하고, 대량의 학습 데이터를 통해 한글 띄어쓰기에 대한 패턴이 의미 있게 학습되었다. 이것은 신경망에서 드롭아웃 기법을 통해 학습 모델의 오버피팅이 되지 않도록 함으로써 노이즈에 강한 모델을 만들었기 때문이다. 실험결과로 LSTM sequence-to-sequence 모델이 재현율과 정확도를 함께 고려한 평가 점수인 F1 값이 0.94로 규칙 기반 방식과 딥러닝 GRU-CRF보다 더 높은 성능을 보였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2016년도 제54차 하계학술대회논문집 24권2호
• /
• pp.155-156
• /
• 2016

대학 교육현장에서 수많은 비정형화된 데이터가 생산되고 있는데 그중 관심 있게 볼 부분은 학생들의 서술적 강의평가이며, 본 논문에서는 대학에서 시행하는 서술적 강의평가를 활용하여 컴퓨터를 활용하는 수업에서 학생들이 원하는 상호작용을 분석하였다. 분석을 위해 빅데이터에서 활용하는 텍스트 마이닝 기법을 활용하였으며 분석결과 컴퓨터관련 관련 수업에서 필요한 학습자 상호작용은 주로 흥미, 기회, 열정, 재미, 참여, 유익, 친절 등으로 나타났다. 현재 5점 척도로 보여 지는 강의평가 점수는 진정 학습자가 원하는 것이 무엇인지 파악이 어렵기 때문에 관련 연구가 지속적으로 필요하다. 또한 향후 컴퓨터를 활용하지 않은 수업과 비교함으로써 대학 컴퓨터 관련 수업의 특징을 구분할 필요가 있을 것으로 여겨진다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2005년도 한국컴퓨터종합학술대회 논문집 Vol.32 No.1 (B)
• /
• pp.796-798
• /
• 2005

역사적 가치가 높은 고문서의 훼손을 방지하고 접근을 용이하게 하기 위해서 고문서 전산화가 필요하다. 이를 위한 작업에서는 고문서의 방대한 양을 빠르고 정확하게 처리하는 기술이 필수적이다. 본 논문은 고문서 전산화를 위한 분할 방법과 인식 방법을 제안한다. 인식을 이용한 분할 방법을 통해 신속하면서도 정확하게 문서내의 문자영역을 찾아낸다. 또한 인식기로부터 생성된 점수를 확률화 하여 신뢰도를 높이고 이를 문자의 모양 및 문맥정보와 결합을 통해 분할과 후처리를 수행한다. 제안하는 방법은 고문서 전산화 과정에서 사람의 수작업을 최소화하기 위해 유용하다.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2018년도 춘계 종합학술대회 논문집
• /
• pp.19-20
• /
• 2018

전자상거래가 대중화되면서 다양한 아이템을 손쉽게 구매할 수 있는 환경이 조성되었다. 전자상거래에서 소비자의 구매율을 향상시키기 위해 개인 맞춤 추천 서비스가 요구되고 있다. 본 논문에서는 사용자 성향과 제품의 신뢰성을 고려한 상품 추천 기법을 제안한다. 사용자의 성향은 찜하기, 리뷰, 클릭 등과 같은 다양한 사용자의 행위 분석을 통해 추출하고 상품의 신뢰성은 SNS에서의 언급 수와 서비스내의 사용자 행위를 통해 계산한다. 계산된 성향을 기반으로 협업 필터링을 수행하여 상품별 예측 점수를 생성하고 상품의 신뢰성을 고려하여 최종적인 추천 목록을 생성한다.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2006년도 춘계학술대회
• /
• pp.176-182
• /
• 2006

본 연구에서는 기존 Bagging Predictors에 수정을 가한 Modified Bagging Predictors를 이용하여 SOHO 에 대한 부도예측 모델을 제시한다. 대기업 및 중소기업에 대한 기압부도예측 모델에 대한 많은 선행 연구가 있어왔지만 SOHO 만의 기업부도예측 모델에 관한 연구는 미비한 상태이다. 금융기관들의 대출심사시 대기업 및 중소기업과는 달리 SOHO에 대한 대출심사는 이직은 체계화되지 못한 채 신용정보점수 등의 단편적인 요소를 사용하고 있는 것에 현실이고 이에 따라 잘못된 대출로 안한 금융기관의 부실화를 초래할 위험성이 크다. 본 연구에서는 실제 국내은행의 SOHO 데이터 집합이 사용되었다. 먼저 기업부도 예측 모델에서 우수하다고 연구되어진 인공신경망과 의사결정나무 추론 기법을 적용하여 보았지만 만족할 만한 성과를 이쓸어내지 못하여, 기존 기업부도예측 모델연구에서 적용이 미비하였던 Bagging Predictors와 이를 개선한 Modified Bagging Predictors를 제시하고 이를 적용하여 보았다. 연구결과,; SOHO 부도예측에 있어서 본 연구에서 제시한 Modified Bagging Predictors 가 인공신경망과 Bagging Predictors등의 기존 기법에 비해서 성과가 향상됨을 알 수 있었다. 제시된 Modified Bagging Predictors의 유용성을 확인하기 위해서 추가적으로 대수의 공개 데이터 집합을 활용하여 성능을 비교한 결과 Modified Bagging Predictors 가 기존의 Bagging Predictors 에 비해 일관적으로 성과가 향상됨을 알 수 있었다.