• 지능정보연구
• /
• 제26권2호
• /
• pp.43-56
• /
• 2020

추천 시스템은 사용자가 다양한 옵션 중에서 최선의 선택을 할 수 있도록 도와준다. 그러나 추천 시스템이 상업적으로 성공하기 위해서는 극복할 몇 개의 문제점이 존재한다. 첫째, 추천시스템의 투명성 부족 문제이다. 즉, 추천된 상품이 왜 추천되었는지 사용자들이 알 수 없다. 둘째, 추천시스템이 사용자 선호의 변화를 즉각적으로 반영할 수 없는 문제이다. 즉, 사용자의 상품에 대한 선호는 시간이 지남에 따라 변함에도 불구하고, 추천시스템이 사용자 선호를 반영하기 위해서는 다시 모델을 재구축해야 한다. 따라서 본연구에서는 이러한 문제를 해결하기 위해 토픽 모델링과 순차 연관 규칙을 이용한 추천 방법론을 제안하였다. 토픽 모델링은 사용자에게 아이템이 왜 추천되었는지 설명하는데 유용하며, 순차 연관 규칙은 변화하는 사용자의 선호를 파악하는데 유용하다. 본 연구에서 제안한 방법은 크게 토픽 모델링 및 사용자 프로파일 생성 등 토픽 모델링에 기반한 사용자 프로파일 생성 단계와 토픽에 사용자 선호 확인 및 순차 연관 규칙 발견 등 순차 연관 규칙에 기반한 추천 단계로 구분된다. 벤치마크 시스템으로 협업 필터링 기반 추천 시스템을 개발하고, 아마존의 리뷰 데이터 셋을 이용하여 제안한 방법론의 성능을 비교 평가하였다. 비교 분석 결과, 제안한 방법론이 협업 필터링 기반 추천시스템보다 뛰어난 성능을 보였다. 따라서 본 연구에서 제안하는 추천 방법을 통해 추천 시스템의 투명성을 확보할 수 있을 뿐만 아니라, 시간에 따라 변화하는 사용자의 선호를 반영할 수 있다. 그러나 본 연구는 토픽과 관련된 상품을 추천하기 때문에, 토픽에 포함된 상품의 수가 많을 경우 추천이 정교하지 못하는 한계점이 있다. 또한 토픽의 수가 적기 때문에 토픽에 대한 순차 연관 규칙이 너무 적은 문제점이 있다. 향후 연구에서 이러한 문제점을 해결한다면 좋은 연구가 될 것으로 판단된다.

• 정보관리학회지
• /
• 제27권3호
• /
• pp.35-51
• /
• 2010

트위터, 블로그, 위키 등과 같은 web 2.0 서비스는 구조화가 덜 되어 있고, 정보량 폭증을 감당하기 어렵다는 한계를 갖고 있는 기존의 정보조직 방법을 향상시킬 것을 요구하고 있다. 이 같은 정보조직 방법을 향상시킬 수 있는 방안의 하나로 지난 10년간 온톨로지가 연구자의 주목을 받았음에도 불구하고 현행 시스템에까지 이것이 적극 활용되고 있지는 않은 것으로 보인다. 이 연구는 온톨로지 구축 및 방법론을 제안함으로써 향후 온톨로지의 방향성을 제시하는 것을 목적으로 한다. 이를 위해 이 연구는 기존의 정보조직 방법론의 한계점을 살펴보고, 온톨로지 표현을 위한 데이터 모델을 서로 비교하고 분석하였다. 또한 토픽맵 기반 의학 정보시스템을 통해 온톨로지 구축 단계 및 방법론을 기술하였다.

• 정보관리학회지
• /
• 제35권2호
• /
• pp.63-88
• /
• 2018

본 연구는 LDA 토픽 모델과 딥 러닝을 적용한 단어 임베딩 기반의 Doc2Vec 기법을 활용하여 자질을 선정하고 자질집합의 크기와 종류 및 분류 알고리즘에 따른 분류 성능의 차이를 평가하였다. 또한 자질집합의 적절한 크기를 확인하고 문헌의 위치에 따라 종류를 다르게 구성하여 분류에 이용할 때 높은 성능을 나타내는 자질집합이 무엇인지 확인하였다. 마지막으로 딥 러닝을 활용한 실험에서는 학습 횟수와 문맥 추론 정보의 유무에 따른 분류 성능을 비교하였다. 실험문헌집단은 PMC에서 제공하는 생의학 학술문헌을 수집하고 질병 범주 체계에 따라 구분하여 Disease-35083을 구축하였다. 연구를 통하여 가장 높은 성능을 나타낸 자질집합의 종류와 크기를 확인하고 학습 시간에 효율성을 나타냄으로써 자질로의 확장 가능성을 가지는 자질집합을 제시하였다. 또한 딥 러닝과 기존 방법 간의 차이점을 비교하고 분류 환경에 따라 적합한 방법을 제안하였다.

• 정보관리학회지
• /
• 제35권1호
• /
• pp.231-250
• /
• 2018

본 논문에서는 온라인 뉴스 기사에서 자동으로 추출된 키워드 집합을 활용하여 특정 시점에서의 세부 주제별 토픽을 추출하고 정형화하는 새로운 방법론을 제시한다. 이를 위해서, 우선 다량의 텍스트 집합에 존재하는 개별 단어들의 중요도를 측정할 수 있는 복수의 통계적 가중치 모델들에 대한 비교 실험을 통해 TF-IDF 모델을 선정하였고 이를 활용하여 주요 키워드 집합을 추출하였다. 또한 추출된 키워드들 간의 의미적 연관성을 효과적으로 계산하기 위해서 별도로 수집된 약 1,000,000건 규모의 뉴스 기사를 활용하여 단어 임베딩 벡터 집합을 구성하였다. 추출된 개별 키워드들은 임베딩 벡터 형태로 수치화되고 K-평균 알고리즘을 통해 클러스터링 된다. 최종적으로 도출된 각각의 키워드 군집에 대한 정성적인 심층 분석 결과, 대부분의 군집들이 레이블을 쉽게 부여할 수 있을 정도로 충분한 의미적 집중성을 가진 토픽들로 평가되었다.

• 한국전자거래학회지
• /
• 제10권2호
• /
• pp.21-41
• /
• 2005

엔터프라이스 아키텍처 (EA) 프레임워크는 기업의 정보기술 요소들 사이의 상호 운영성을 증가시키기 위해 활용되는 EA를 구축하기 위한 도구이다. 본 논문은 엔터프라이스 아키텍처 유닛(AU), 참조모델, 그리고 도메인 모델 사이의 연관관계를 조합하여 정의한 ENAE (ENterprise Architecture Framework)이라는 엔터프라이스 아키텍처 프레임워크의 설계 기법을 정의한 것이다. 이 기법에서 정의하는 AU는 하나의 비즈니스 프로세스와 이를 지원하는 시스템 및 기술요소들을 연관관계를 포함하여 조합한 최소단위의 EA로서. 서로 연관이 있는 AU들의 조합을 통하여 EA의 구축이 가능하도록 하였다. UML과 같이 범용성있는 모델링 언어의 사용은 비즈니스 도메인을 표현하는데 한계가 있으므로, 비즈니스 도메인의 기술에 적합한 DSM의 개념을 도입하였으며, DSM으로 정의된 AU 들은 토픽 맵을 이용하여 EA를 생성할 수 있다. 논문의 2장은 EA 관련 연구 및 DSM, 토픽 맵에 대하여 기술하였으며, 3장은 본 연구에서 제안하는 EA 프레임워크의 설계 방법에 대하여 설명하였으며, 4장에서는 본 설계 기법을 적용한 사례에 대하여 설명하였다.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제21권9호
• /
• pp.616-621
• /
• 2015

최근 개발된 소프트웨어들은 많은 수의 컴포넌트들을 가지고 있으며, 복잡성 또한 증가하고 있다. 지난 해 오픈소스 프로젝트 (Eclipse, Mozilla)에서는 하루에 약 375건의 버그 리포트가 제출되었다. 이렇게 증가된 버그 리포트들로 인해 개발자들의 시간과 노력이 불필요하게 증가하고 있다. 또 버그 심각도는 품질 보증 담당자, 프로젝트 매니저 또는 개발자에 의해 직접 판단되므로 그들에 의해 주관적으로 결정된다. 또한 많은 수의 버그 리포트 때문에 심각도 판단에서 실수할 수도 있다. 따라서 본 논문에서는 버그 심각도 예측 방법을 제안한다. 먼저, 새로운 버그 리포트가 제출되면, 유사한 토픽을 찾아내고 버그 리포트의 메타 필드를 이용하여 후보 버그 리포트의 범위를 줄인다. 추출된 버그 리포트를 Naive Bayes Multinomial 기법에 훈련하여 새로운 버그 리포트의 심각성을 예측한다. 오픈소스 프로젝트에 본 방법을 적용하여 본 방법이 버그 심각도 예측에 효과적이라는 것을 보인다.

• 한국융합학회논문지
• /
• 제10권6호
• /
• pp.33-39
• /
• 2019

지능형 사이버 공격 기법이 다양화됨에 따라 보안 침해 사건, 글로벌 범죄 등의 사건 발생이 증가하고 있다. 지능형 공격을 예측하고 대응하기 위해서는 공격 기법의 특성, 수법, 유형을 파악해야 한다. 이를 위해 수많은 보안 기업 회사에서는 다양한 공격 기법을 빠르게 파악하고 더 큰 피해를 막기 위해 보안 인텔리전스 보고서를 배포한다. 하지만 각 기업에서 배포하는 보고서에 대한 형식이 맞춰져 있지 않으며, 대량의 비정형 보안 인텔리전스 보고서가 배포되고 있다. 본 논문은 비정형한 보안 인텔리전스 보고서에 대한 문제점을 고려하여 정형화된 데이터로 추출하는 방안을 제안한다. 또한, 대량의 보안 인텔리전스 보고서를 파악하기 위해 소요되는 시간을 줄이고자 대량의 보고서를 주제별로 분류할 수 있는 보안 인텔리전스 보고서 토픽 자동 추출 모델을 제안한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2007년도 한국컴퓨터종합학술대회논문집 Vol.34 No.1 (A)
• /
• pp.87-88
• /
• 2007

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제9권2호
• /
• pp.45-52
• /
• 2020

청와대 국민 청원 사이트가 개설된 이래로 많은 관심을 받고 있다. 본 논문에서는 국민 청원의 주제를 분석하고 딥러닝을 활용하여 답변 가능한 청원을 예측하는 모델을 제안하였다. 먼저, 추천순으로 1,500개의 청원글을 수집하였고, K-means 클러스터링을 적용하여 청원글을 군집하여 대주제를 정의하고, 보다 구체적인 세부 주제를 정의하기 위히여 토픽 모델링을 실시하였다. 다음으로는 LSTM을 활용한 답변 가능한 청원 예측 모델을 생성하여, 20만의 청원동의를 얻는 청원을 예측하기 위한 모델을 개발하였다. 이를 위해 글의 주제와 본문뿐만 아니라 글의 길이, 카테고리, 특정 품사의 비율이 영향을 미칠 수 있는지를 살펴보았다. 그 결과, 본문과 함께 글의 길이, 카테고리, 체언, 용언, 독립언, 수식언의 품사의 비율을 변수로 추가한 모델의 f1-score가 0.9 이상으로 글의 제목과 본문을 변수로 하는 모델보다 예측력이 높음을 알 수 있었다.

• 디지털융복합연구
• /
• 제10권6호
• /
• pp.213-218
• /
• 2012

현대문학은 사회적 배경에 따라 그 시대적 상황을 표현하여 왔다. 즉 시대가 변하면 문학작품도 변화를 가져왔다. 따라서 우리는 현대문학을 통해 그 시대를 이해할 수 있고, 그 시대의 사회적 요구를 습득할 수 있다. 이러한 문학작품들은 정보통신의 발달에 따라 미디어 매체로 제작됨으로서 사용자들에게 보다 가까이 접근하는 계기를 만들어 주고 있다. 최근, IT 융합, 디지털 융합이라는 새로운 학문의 기류는 서로 다른 학문분야를 접목하여 보다 많은 시너지 효과를 가져 오고 있다. 따라서 본 논문은 현대문학작품들을 디지털화 하는데 필요한 온톨로지를 설계하고자 한다. 이를 위하여 시대별 문학작품의 구조를 분석하고 각 요소들과의 관계를 명세한다. 명세의 방법은 토픽맵을 이용하였다. 또한 각 관계 모델은 토픽벡터를 통해 연결을 명세하였다.