본 연구는 국내 도서관에서 AACR2와 RDA 서지레코드의 공존에 따라 서지레코드의 디스플레이와 검색을 위한 하이브리드 서지레코드 생성 방안을 제안하고자 한다. 연구방법으로 문헌연구와 사례조사를 실시하였다. 분석대상은 도서관으로 Kent State University, University of Houston이고, 하이브리드레코드 생성 알고리즘으로 Backstage Library Works이었다. 조사를 바탕으로 국내에서 하이브리드 서지레코드 생성을 위해서는 첫째, 하이브리드 서지레코드와 RDA 레코드의 식별이 필요하다. 둘째, 판사항에서 약어를 무조건 확장하여 기술하는 것은 바람직하지 않으므로 250에 기술된 정보를 그대로 유지하도록 한다. 셋째, 260을 264로 변환하는 것보다는 260을 유지하도록 한다. 넷째, 자원유형을 정확히 변환할 수 있는 신뢰할 매핑표가 작성되어야 한다. 본 연구는 국내 서지데이터에서 서양서의 기존 레코드를 하이브리드레코드로 변환하여 통일된 디스플레이와 검색이 가능하도록 제안하였다.
LC나 OCLC에서 RDA 서지레코드를 반입함에 따라 RDA 규칙 적용에 관한 실질적인 방안이 모색되어야 한다. 특히, RDA에는 여러 대안과 선택사항이 포함되어 있어 규칙을 적용하기가 용이하지 않다. 이에 본 연구에서는 국내에서 RDA 적용을 위한 실질적인 방안을 모색하기 위해 LC RDA 지침을 분석하고, 사례로 시카고대학교, 노스캐롤라이나주립대학교, 스탠포드대학교의 3개 도서관에서 RDA 적용 방안을 조사하였다. 분석결과 모든 도서관은 기본적으로 LC RDA 지침을 바탕으로 RDA 레코드를 작성하였으나 각 기관별로 특정 지침을 만들어 적용하였다. 즉 책임사항 기술시 모든 창작자를 기술하는 것뿐만 아니라 첫 번째 창작자만을 기술하도록 예외조항을 두었다. 발행사항에서 도서관에 따라 일부는 260 필드를 일부는 264 필드를 사용하였다. 자원유형 기술에서 33X 필드를 거의 모든 도서관이 입력하였으며, 일부 도서관은 RDA로 구축되지 않은 레코드에 대해 GMD와 33X 필드를 모두 기술하였다. 사례조사를 바탕으로 국내 도서관에서 RDA 적용시 고려할 사항으로 첫째, RDA 규칙 및 LC RDA 지침을 준용하되, 기관별 특수성을 고려하여 변형 적용해야 한다. 둘째, 반입한 레코드 중 RDA 서지레코드가 아닌 경우 최소한의 RDA 요소를 입력하는 하이브리드레코드를 구축해야 한다. 셋째, 33X 필드에 다양한 자원유형 용어가 기술되는 만큼 효과적인 이용자 화면 출력 방안이 모색되어야 할 것이다.
인터넷 상의 주문 결재로부터 생성되어지는 수백만의 결제로 인해 축적되어진 레코드들을 이용하고, 아울러 고객이 제공하는 데이터 등을 가지고 고객이 실제 카드 소지자인지를 판별하는 전자결제 신용카드 사기방어시스템 (Anti-Fraud System(AFS))을 제안하였다. 고객은 거래 콤포넌트에 의한 보안 메시징 프로토콜을 사용해서 인터넷에서의 서비스 요구를 시작한다. 거래의 위험도를 결정하기 하기 위해서 데이터마이닝 기법을 이용한 하이브리드 모델링기법을 사용하여 이와 같은 요구에서 생성되는 트랜잭션 정보의 위험도를 계산한 후, 미리 결정된 위험수위와 비교하여 부가적 신용 정보의 필요성을 판단하게 된다.
본 연구는 정적 라우팅과 동적 라우팅의 장점을 활용하여 최단 거리를 산정하는 하이브리드 방식의 라우팅 기법이다. 네트워킹은 휴먼 펙터에 의해 결정이 되기 때문에, 네트워크 트래픽은 항상 특정 시간에 몰리게 되고 네트워크 트레픽 레코드를 분석하면 각 시간대별로 네트워크 트레픽 추측이 가능하다. 따라서 RIP의 잦은 정보 교환으로 인해 발생되는 부하를 줄여 IP 네트워크에서 최단 경로를 산정하는 것이 이 논문이 목적이다.
어떤 클래스에 속한 레코드의 개수가 다른 클래스들에 속한 레코드의 개수보다 매우 많은 경우에, 이 데이터 집합을 '불균형 데이터 집합'이라고 한다. 데이터 분류에 사용되는 많은 기법들은 이러한 불균형 데이터에 대해서 저조한 성능을 보인다. 어떤 기법의 성능을 평가할 때에 적중률뿐만 아니라, 민감도와 특이도도 함께 측정하여야 한다. 고객의 이탈을 예측하는 문제에서 '유지' 레코드가 다수 클래스를 차지하고, '이탈' 레코드는 소수 클래스를 차지한다. 민감도는 실제로 '유지'인 레코드를 '유지'로 예측하는 비율이고, 특이도는 실제로 '이탈'인 레코드를 '이탈'로 예측하는 비율이다. 많은 데이터 마이닝 기법들이 불균형 데이터에 대해서 저조한 성능을 보이는 것은 바로 소수 클래스의 적중률인 특이도가 낮기 때문이다. 불균형 데이터 집합에 대처하는 과거 연구 중에는 소수 클래스를 Oversampling하여 균형 데이터 집합을 생성한 후에 데이터 마이닝 기법을 적용한 연구들이 있다. 이렇게 균형 데이터 집합을 생성하여 예측을 수행하면, 특이도는 다소 향상시킬 수 있으나 그 대신 민감도가 하락하게 된다. 본 연구에서는 민감도는 유지하면서 특이도를 향상시키는 모델을 개발하였다. 개발된 모델은 Support Vector Machine (SVM), 인공신경망(ANN) 그리고 의사결정나무 기법 등으로 구성된 하이브리드 모델로서, Hybrid SVM Model이라고 명명하였다. 구축과정 및 예측과정은 다음과 같다. 원래의 불균형 데이터 집합으로 SVM_I Model과 ANN_I Model을 구축한다. 불균형 데이터 집합으로부터 Oversampling을 하여 균형 데이터 집합을 생성하고, 이것으로 SVM_B Model을 구축한다. SVM_I Model은 민감도에서 우수하고, SVM_B Model은 특이도에서 우수하다. 입력 레코드에 대해서 SVM_I와 SVM_B가 동일한 예측치를 도출하면 그것을 최종 해로 결정한다. SVM_I와 SVM_B가 상이한 예측치를 도출한 레코드에 대해서는 ANN과 의사결정나무의 도움으로 판별 과정을 거쳐서 최종 해를 결정한다. 상이한 예측치를 도출한 레코드에 대해서는, ANN_I의 출력값을 입력속성으로, 실제 이탈 여부를 목표 속성으로 설정하여 의사결정나무 모델을 구축한다. 그 결과 다음과 같은 2개의 판별규칙을 얻었다. 'IF ANN_I output value < 0.285, THEN Final Solution = Retention' 그리고 'IF ANN_I output value ${\geq}0.285$, THEN Final Solution = Churn'이다. 제시되어 있는 규칙의 Threshold 값인 0.285는 본 연구에서 사용한 데이터에 최적화되어 도출된 값이다. 본 연구에서 제시하는 것은 Hybrid SVM Model의 구조이지 특정한 Threshold 값이 아니기 때문에 이 Threshold 값은 대상 데이터에 따라서 얼마든지 변할 수 있다. Hybrid SVM Model의 성능을 UCI Machine Learning Repository에서 제공하는 Churn 데이터 집합을 사용하여 평가하였다. Hybrid SVM Model의 적중률은 91.08%로서 SVM_I Model이나 SVM_B Model의 적중률보다 높았다. Hybrid SVM Model의 민감도는 95.02%이었고, 특이도는 69.24%이었다. SVM_I Model의 민감도는 94.65%이었고, SVM_B Model의 특이도는 67.00%이었다. 그러므로 본 연구에서 개발한 Hybrid SVM Model이 SVM_I Model의 민감도 수준은 유지하면서 SVM_B Model의 특이도보다는 향상된 성능을 보였다.
최근 NAND 플래시 메모리는 가벼운 무게, 적은 전력소모, 온도 및 충격에 강한 내구성 때문에 하드디스크를 대체할 저장 매체로 주목 받고 있다. 하지만 NAND 플래시 메모리는 비대칭적인 읽기 쓰기 소거 연산 처리 속도와 제자리 갱신이 불가능한 물리적인 특징으로 인해 디스크 기반의 대표적인 인덱스 구조 중의 하나인 해시 인덱스 구조를 NAND 플래시 메모리 상에 구현하였을 때, 레코드가 빈번하게 삽입, 삭제, 갱신되면 대량의 제자리 갱신이 발생하여 플래시 메모리에서 느린 쓰기 연산과 소거 연산이 수행되어 성능이 저하된다. 본 논문에서는 이러한 성능 저하를 피하기 위하여 버켓 오버플로우 발생 시 분할 연산을 수행하지 않고, 최대한 지연시킴으로써 쓰기 연산을 줄이는 인덱스 구조를 제안한다. 또한, 각 버켓에 대한 오버플로우 버켓의 갱신 및 삭제 비율에 따라 적응적으로 오버플로우 버켓을 할당하여 추가적인 읽기 쓰기 연산을 줄인다. 본 논문은 기존의 해시 인덱스 구조를 예제 및 수식을 통하여 제안하는 인덱스 구조의 우수성을 보인다.
본 연구는 온라인목록에서 효율적으로 RDA 자원유형 디스플레이 방안을 마련하기 위한 것이다. 연구방법으로는 문헌조사 및 RDA 자원유형 테스트 및 선호도 설문조사를 실시하였다. RDA 자원유형 디스플레이를 위한 방안으로 첫째, 기존 자원유형에서 RDA 자원유형으로 데이터 변환이 필요하며, 이를 위해 GMD 및 자체 자원유형코드를 사용하여 변환하되, 리더/06, 007, 008 태그의 정보를 사용하여 변환하는 방안을 제안하였다. 둘째, 한국의 목록규칙 환경에 맞게 RDA 자원유형 용어의 변경과 이를 33X 서브필드 ${\blacktriangledown}9$에 기술하고, 구체적인 자원유형을 표현하기 위해 34X 태그를 디스플레이하는 것을 제안하였다. 셋째, 내용유형, 수록매체유형을 각각 개별적으로 표현하는 방법과 통합하여 디스플레이하는 방식을 제시하였다. 넷째, 이용자 측면에서 자원유형 아이콘 개발을 위해 336, 338 태그의 정보를 바탕으로 리더/07 서지수준의 정보, 008/30-31 녹음자료의 내용, 34X의 정보를 활용할 것을 제안하였다. 본 연구에서 제시한 RDA 자원유형의 디스플레이 방안은 온라인목록에서 RDA 자원유형의 활용가능성을 증대시키고, 이용자에게 자원유형의 이해를 증대시킬 것이다.
본 연구는 GMD를 대체하는 RDA 자원유형인 내용유형, 매체유형, 수록매체유형의 디스플레이를 위한 고려사항을 모색하고자 한다. 연구방법으로는 문헌연구, 사례조사, 설문조사를 이용하였다. RDA 자원유형의 디스플레이 방안으로 첫째, RDA 자원유형을 디스플레이하기 위해 내용유형과 수록매체유형을 결합하는 것을 제안하였다. 둘째, RDA 내용유형과 수록매체유형을 아이콘화하는 알고리즘으로 내용유형을 나타내는 이미지와 수록매체유형 용어를 결합하는 방안과 내용유형과 수록매체유형을 모두 이미지로 표현하고 각 이미지에 해당하는 용어를 포함시키는 방안을 제안하였다. 셋째, 복합자원의 자원유형 디스플레이를 위해 필드링크와 순서를 나타내는 서브필드를 활용하여 내용유형, 수록매체유형이 세트로 유지될 수 있도록 제안하였다. 넷째, 간략화면에서 자원유형을 나타내는 아이콘은 자원이 디스플레이되는 왼쪽 상단에 두고, 상세화면에서는 자원유형을 기술사항 내에 배치하는 것을 제안하였다. 다섯째, 표출어로 '포맷'이라는 표현을 사용할 것을 제안하였다. 본 연구는 RDA 자원유형의 디스플레이를 계획할 때 고려사항을 제시하였으므로 도서관에서 실질적인 RDA 디스플레이 방안 마련에 활용할 수 있을 것이다.
본 논문에서는 주가예측의 정확도를 향상시키기 위하여 공적분 검정(Cointegration Tests)과 인공 신경망(Artificial Neural Networks)을 사용한 2단계 하이브리드 예측 모델을 제시한다. 기존의 연구에서는 예측을 시도하고자 하는 종목의 일자별 개별 레코드를 인공 신경망과 같은 방법으로 학습함으로써 주식 데이터가 가지는 시계열적 특성을 충분히 반영하지 못하였는데, 새로 제안한 모형에서는 주식자료의 과거시차들의 값들도 인공 신경망의 속성(feature)으로 사용하여 기존 연구의 한계를 보완하였다. 또한, 예측대상종목의 정보들 외에도 장기적으로 높은 시계열 유사성을 보유한 종목들을 선발한 후 속성으로 사용하여 모형의 예측성능을 향상 시켰다. 구체적으로 1단계는 Johansen의 공적분 검정을 통하여 예측대상종목과 장기적 관계(long-term relationship)에 있는 종목을 추출하고, 2단계는 이 선발된 종목들과 예측대상종목의 시계열 정보 특성을 속성으로 구축한 인공 신경망으로 학습하여 관심 종목을 예측한다. 제안된 모델의 성능을 확인하기 위하여 KOSPI 지수의 방향성을 예측하는 시스템을 구현하였으며, 시가총액 상위 종목군을 대상으로 지수와의 공적분 검정을 하였다. 성능을 살펴보기 위하여 본 연구에서는 시계열 정보가 속성으로 반영된 단순 인공 신경망 모델, 공적분 검정을 통과한 종목들의 시계열 속성이 포함된 모델, 그리고 그 모델과 속성의 개수를 동일하게 하기 위하여 임의로 종목을 선택하여 이들의 시계열 속성이 포함된 모델을 구축하였다. 실험 결과 공적분 검정을 통과한 종목군의 속성이 결합된 모델은 단순 인공 신경망만으로 학습된 기존 모델에 비하여 평균적으로는 11.29% (최대 29.98%) 정확도가 향상되었고, 임의로 선택된 종목군의 속성이 결합된 모델에 비해서는 평균적으로는 10.59% (최대 25.78%) 가 향상된 예측 정확도를 보여주었다.
이 연구의 목적은 국내 RDA 도입 현황과 RDA 도입에 대한 대학도서관 사서의 인식을 고찰하기 위한 것이다. 이를 위해 국내 도서관 중 RDA를 도입한 2개 도서관의 도입 현황을 분석하였다. 또한, 대학도서관 사서 8명을 대상으로 면담을 시행하였고, RDA 도입 관련 서술형 답변을 수집하고 분석하였다. 면담 조사 결과, 연구참여자들은 RDA에 대해, RDA의 개념은 매우 어렵고 추상적이며, RDA를 적용한 구현 사례가 적고, 단위도서관의 인력과 예산 여건상 RDA 도입은 매우 어려울 것이라고 인식하고 있었다. 연구참여자들이 인식하고 있는 RDA 도입 방안은 RDA에 관한 인식을 개선하고, RDA에 관한 교육을 진행하고, RDA 도입을 위한 하이브리드 서지레코드 구축을 위한 지침을 마련하고, RDA 시범 기관 운영이 바람직하고, 성과 모델을 수립해야 한다는 것이다. 또한, 연구참여자들은 구현을 위해 업체와 조율이 필요하고, 일괄 소급 변환보다는 특정 시점 변경이 바람직하고, 성공 사례를 발굴하고, RDA 관련 온라인 채널을 마련하고, 국가전거 DB를 구축하여 활용하고, 국가적 예산 및 시스템 지원이 필요하다고 인식하고 있었다. 이 연구에서는 연구 결과를 토대로 국내 대학도서관 RDA 도입 방안을 제시하였다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.