• 지능정보연구
• /
• 제27권1호
• /
• pp.23-46
• /
• 2021

개인화 추천에서 많이 사용되는 협업 필터링은 고객들의 구매이력을 기반으로 유사고객을 찾아 상품을 추천할 수 있는 매우 유용한 기법으로 인식되고 있다. 그러나, 전통적인 협업 필터링 기법은 사용자 간에 직접적인 연결과 공통적인 특징을 기반으로 유사도를 계산하는 방식으로 인해 신규 고객 혹은 상품에 대해 유사도를 계산하기 힘들다는 문제가 제기되어 왔다. 이를 극복하기 위하여, 다른 기법을 함께 사용하는 하이브리드 기법이 고안되기도 하였다. 이런 노력의 하나로서, 사회연결망의 구조적 특성을 적용하여 이런 문제를 해결하려는 시도가 있었다. 이는, 직접적으로 유사성을 찾기 힘든 사용자 간에도 둘 사이에 놓인 유사한 사용자 또는 사용자들을 통해 유추해내는 방식으로 상호 간의 유사성을 계산하는 방식을 적용한 것이다. 즉, 구매 데이터를 기반으로 사용자의 네트워크를 생성하고 이 네트워크 내에서 두 사용자를 간접적으로 이어주는 네트워크의 특성을 기반으로 둘 사이의 유사도를 계산하는 것이다. 이렇게 얻은 유사도는 추천대상 고객이 상품의 추천에 대한 수락여부를 결정하는 척도로 활용될 수 있다. 서로 다른 중심성 척도는 추천성과에 미치는 영향이 서로 다를 수 있다는 점에서 중요한 의미를 갖는다 할 수 있다. 이런 유사도의 계산을 위해서 네트워크의 중심성을 활용할 수 있다. 본 연구에서는 여기서 더 나아가 이런 중심성이 추천성과에 미치는 영향이 추천 알고리즘에 따라서도 다를 수 있다는 데에서 주목하여 수행되었다. 또한, 이런 네트워크 분석을 활용한 추천기법은 신규 고객 혹은 상품뿐만 아니라 전체 고객 혹은 상품으로 그 대상을 넓히더라도 추천 성능을 높이는 데 기여할 것을 기대할 수 있을 것이다. 이런 관점에서 본 연구는 네트워크 모형에서 연결선이 생성되는 것을 이진 분류의 문제로 보고, 추천 모형에 적용할 분류 기법으로 의사결정나무, K-최근접이웃법, 로지스틱 회귀분석, 인공신경망, 서포트 벡터 머신을 선택하고, 온라인 쇼핑몰에서 4년2개월간 수집된 구매 데이터로 실험을 진행하였다. 사회연결망에서 측정된 중심성 척도를 각 분류 기법에 적용하여 생성한 모형을 비교 실험한 결과, 각 모형 별로 중심성 척도의 추천성공률이 서로 다르게 나타남을 확인할 수 있었다.

• 한국수학교육학회지시리즈A:수학교육
• /
• 제62권3호
• /
• pp.381-400
• /
• 2023

인공지능과 빅데이터를 활용하여 실세계의 다양하고 복잡한 문제를 해결해야 하는 시대가 도래함에 따라 수학적 접근을 통하여 실제적인 문제를 해결할 수 있는 문제해결역량이 요구되고 있다. 실제 2015 개정 수학과 교육과정과 2022개정 수학과 교육과정은 수학적 모델링을 실세계의 문제를 해결하는 활동과 역량으로써 강조하고 있다. 하지만 국내외 교과서에 제시되는 실세계 문제는 실제 상황에서 거의 일어나지 않은 인위적인 문제의 비율이 높은 실정이다. 이에 따라 국내외에서는 수학적 모델링 과제의 특징 중 현실성에 주목하며 학생들의 일상을 반영하고 있는 진정성 있는 과제의 필요성을 제안하고 있다. 하지만 기존의 연구들은 현실성에 대한 이론적인 제안에 초점이 맞춰져 있으며, 현실성에 대한 교사의 인식과 현실성을 과제에 반영하는 교사의 역량을 분석한 연구는 미흡하다. 이에 따라 본 연구는 수학적 모델링을 위한 과제의 특징 중 현실성에 대한 현직 수학 교사의 인식과 현실성을 과제에 반영하는 과제 개발 역량을 분석하는 데에 목적을 두었다. 먼저 이를 위해 선행연구를 분석하여 현실성을 위한 5가지 조건을 정립하였다. 이후 수학적 모델링을 주제로 교사 직무 연수를 시행하였으며, 이에 참여한 교사 41명을 대상으로 사전-사후 조사를 실시하였다. 이때 사전-사후 조사에서는 현실성이 반영되지 않은 과제를 제시하였으며, 주어진 과제가 현실성을 반영하고 있는지를 판단하고, 그 판단의 근거를 현실성을 위한 5가지 조건 중에 선택할 수 있도록 하였다. 이후 사전-사후 조사에서 현직 수학 교사들이 선택한 객관식 선택지를 코딩하여 빈도분석을 시행하였으며, 사전-사후로 빈도를 비교하여 현직 수학 교사들의 현실성에 대한 인식변화를 확인하였다. 또한 현직 수학 교사들이 제작한 수학적 모델링 과제를 현실성의 관점에서 평가하여 교사들의 과제 개발 역량을 확인하였다. 그 결과, 현직 수학 교사들이 과제에 대한 현실성을 판단할 때, '수학 밖의 실생활 소재를 사용' 이라는 현실성에 대한 단편적인 조건만을 고려하는 미흡한 인식에서 현실성의 5가지 조건을 다각도로 고려하는 인식으로 변화됨을 보여주었다. 특별히 사전-사후 조사에서 현실성에 대한 판단이 뒤바뀐 현직 수학 교사들을 중심으로 판단의 근거들을 확인한 결과, 현실성을 위한 5가지 조건들 중에 특정 조건을 사전 조사에서는 현실성의 기준으로 고려하지 않았다가 사후 조사에서는 현실성의 기준으로 고려하게 된 현직 수학 교사들의 인식의 변화를 확인할 수 있었다. 더불어, 현직 수학 교사들이 수학적 모델링을 위해 개발한 과제를 평가한 결과, 현직 수학 교사들은 현실성을 수학적 모델링 과제에 반영하는 역량을 보였다. 다만 현실성의 5가지 조건 중 '학생들의 일상에서 일어날 수 있는 상황', '문제 해결의 필요성', '실세계 현상으로서의 결론 요구'에 대해서는 상대적으로 낮은 반영 비율을 보였다. 또한 사후 조사에서 과제의 현실성에 대해 올바른 판단을 할 수 있었던 교사 집단보다 올바른 판단을 할 수 없었던 교사 집단에서 과제 개발 역량이 낮은 교사들의 비율이 좀 더 많이 나타났다. 이러한 연구 결과를 바탕으로 본 연구는 수학 교사들이 수학적 모델링을 수업에 활용할 수 있도록 하기 위한 교사 교육의 방향성을 제안하였다.

• 인터넷정보학회논문지
• /
• 제15권3호
• /
• pp.101-107
• /
• 2014

본 논문에서는 랜드마크 윈도우 기반의 빈발 패턴 마이닝 기법을 분석하고 성능을 평가한다. 본 논문에서는 Lossy counting 알고리즘과 hMiner 알고리즘에 대한 분석을 진행한다. 최신의 랜드마크 알고리즘인 hMiner는 트랜잭션이 발생할 때 마다 빈발 패턴을 마이닝 하는 방법이다. 그래서 hMiner와 같은 랜드마크 기반의 빈발 패턴 마이닝을 온라인 마이닝이라고 한다. 본 논문에서는 랜드마크 윈도우 마이닝의 초기 알고리즘인 Lossy counting와 최신 알고리즘인 hMiner의 성능을 평가하고 분석한다. 우리는 성능평가의 척도로 마이닝 시간과 트랜잭션 당 평균 처리 시간을 평가한다. 그리고 우리는 저장 구조의 효율성을 평가하기 위하여 최대 메모리 사용량을 평가한다. 마지막으로 우리는 알고리즘이 안정적으로 마이닝이 가능한지 평가하기 위해 데이터베이스의 아이템 수를 변화시키면서 평가하는 확장성 평가를 수행한다. 두 알고리즘의 평가 결과로, 랜드마크 윈도우 기반의 빈발 패턴 마이닝은 실시간 시스템에 적합한 마이닝 방식을 가지고 있지만 메모리를 많이 사용했다.

• 인터넷정보학회논문지
• /
• 제21권4호
• /
• pp.17-23
• /
• 2020

인간의 특성과 관련된 측정 항목을 나타내는 생체정보는 도난이나 분실의 염려가 없으므로 높은 신뢰성을 가진 보안 기술로서 큰 주목을 받고 있다. 이러한 생체정보 중 지문은 본인 인증, 신원 파악 등의 분야에 주로 사용된다. 신원을 파악할 때 지문 이미지에 인증을 수행하기 어려운 상처, 주름, 습기 등의 문제가 있을 경우, 지문 전문가가 전처리단계를 통해 직접 지문에 어떠한 문제가 있는지 파악하고 문제에 맞는 영상처리 알고리즘을 적용해 문제를 해결한다. 이때 지문에 상처와 주름이 있는 지문 영상을 판별해주는 인공지능 소프트웨어를 구현하면 손쉽게 상처나 주름의 여부를 확인할 수 있고, 알맞은 알고리즘을 선정해 쉽게 지문 이미지를 개선할 수 있다. 본 연구에서는 이러한 인공지능 소프트웨어의 개발을 위해 캄보디아 왕립대학교의 학생 1,010명, Sokoto 오픈 데이터셋 600명, 국내 학생 98명의 모든 손가락 지문을 취득해 총 17,080개의 지문 데이터베이스를 구축했다. 구축한 데이터베이스에서 상처나 주름이 있는 경우를 판별하기 위해 기준을 확립하고 전문가의 검증을 거쳐 데이터 어노테이션을 진행했다. 트레이닝 데이터셋과 테스트 데이터셋은 캄보디아의 데이터, Sokoto 데이터로 구성하였으며 비율을 8:2로 설정했다. 그리고 국내 학생 98명의 데이터를 검증 데이터 셋으로 설정했다, 구성된 데이터셋을 사용해 Classic CNN, AlexNet, VGG-16, Resnet50, Yolo v3 등의 다섯 가지 CNN 기반 아키텍처를 구현해 학습을 진행했으며 지문의 상처와 주름 판독에서 가장 좋은 성능을 보이는 모델을 찾는 연구를 수행했다. 다섯가지 아키텍처 중 지문 영상에서 상처와 주름 여부를 가장 잘 판별할 수 있는 아키텍처는 ResNet50으로 검증 결과 81.51%로 가장 좋은 성능을 보였다.

• 정보교육학회논문지
• /
• 제24권4호
• /
• pp.337-367
• /
• 2020

본 연구에서는 미래 인재 양성을 위한 SW교육의 확대 및 차기 개정 교육과정에서 초·중·고의 일관성 있는 SW교육 적용 체계를 마련하기 위해 차세대 SW교육 표준모델을 개발하였다. 2017~2018년 학계에서 수행된 초·중등 SW교육 표준 모델 연구를 바탕으로 국내외 SW교육에 관한 기초 조사 및 분석, 유관기관 및 전문가 공개 포럼, 글로벌 SW교육 워크샵, 대국민 공청회 등을 통해 초·중·고등학교 SW 교육을 위한 일관성 있는 적용 체계를 갖추고, 이후 고등교육 및 산업분야에 연계가능한 차세대 SW교육 표준 모델을 개발하였다.

• 한국산학기술학회논문지
• /
• 제18권1호
• /
• pp.262-268
• /
• 2017

최근 건물의 에너지 소비량이 전체 에너지 소비량의 약 20.5%를 차지하면서 건물의 에너지 고효율과 저소비에 대한 관심이 높이지고 있다. 또한 에너지 분석 및 평가에 다양한 연구가 이루어지고 있다. 건물의 초기설계 단계에서 에너지 분석 및 평가를 수행하고 적용할 경우 매우 효과적인 것으로 알려져 있다. 그러나 초기설계 단계에서는 창면적비, 외피면적 등 개괄적인 수준의 정보를 이용하여 에너지성능을 평가하기 때문에 자재 및 설비 등의 상세정보가 포함된 설계를 기준으로 평가하는 실시설계 단계의 결과와 많은 차이를 보일 수밖에 없다. 지금까지 대부분의 연구들은 건물에 설치되는 자재 및 설비 등에 대한 상세정보가 명확해지는 실시설계 단계에서의 분석 및 평가에 관한 것으로 초기설계 단계에서 이들 정보를 보완하는 연구는 미흡하다. 따라서 건물의 생애주기 동안 발생되는 에너지환경 정보를 구축하여 확률/통계적 방법으로 초기설계 단계에서 분석/평가에 정확한 정보를 제공할 수 있다면 에너지환경 분석의 정확성을 향상 시킬 수 있을 것이다. 그러나 아직까지 국내에서 에너지 사용에 대한 실적정보가 구축된 사례가 없다. 따라서 본 연구에서는 에너지환경 실적정보 구축을 위해 에너지환경 분석에 대해 고찰을 수행하고 분석하였다. 그리고 연구의 결과로 건물의 생애주기 정보 구축에 활용할 수 있는 정보분류체계와 정보 개념모델, 그리고 에너지환경 정보의 취득 및 제공을 위한 서비스 개념모델을 제시하여 향후 실적정보 시스템 개발 연구의 기초 자료로 활용하도록 하였다. 본 연구의 결과는 실적정보 지원 관리시스템 구축에 활용되어 초기설계 단계에서 입력정보를 보완하여 분석/평가의 신뢰성을 높일 수 있을 것이다. 만약 실적정보가 구축된다면 초기설계 단계에서 에너지환경 분석 및 평가를 위한 확률/통계 혹은 인공지능 등의 방법에 학습데이터로 활용될 수 있을 것이다.

• 지능정보연구
• /
• 제17권4호
• /
• pp.241-254
• /
• 2011

Support vector machines(SVM)은 비교적 최근에 등장한 데이터마이닝 기법이지만, 재무, CRM 등의 경영학 분야에서 많이 연구되고 있다. SVM은 인공신경망과 필적할 만큼의 예측 정확도를 보이는 사례가 많았지만, 암상자로 불리는 인공신경망 모형에 비해 구축된 예측모형의 구조를 이해하기 쉽고, 인공신경망에 비해 과도적합의 가능성이 적어서 적은 수의 데이터에서도 적용 가능하다는 장점을 가지고 있다. 하지만, 일반적인 SVM을 이용하려면, 인공신경망과 마찬가지로 여러 가지 설계요소들을 설계자가 선택하여야 하기 때문에 임의성이 높고, 국부 최적해에 수렴할 가능성도 크다. 또한, 많은 수의 데이터가 존재하는 경우에는 데이터를 분석하고 이용하는데 시간이 소요되고, 종종 잡음이 심한 데이터가 포함된 경우에는 기대하는 수준의 예측성과를 얻지 못할 가능성이 있다. 본 연구에서는 일반적인 SVM의 장점을 그대로 유지하면서, 전술한 두 가지 단점을 보완한 새로운 SVM 모형을 제안한다. 본 연구에서 제안하는 모형은 사례선택기법을 일반적인 SVM에 융합한 것으로 대용량의 데이터에서 예측에 불필요한 데이터를 선별적으로 제거하여 예측의 정확도와 속도를 제고할 수 있는 방법이다. 본 연구에서는 잡음이 많고 예측이 어려운 것으로 알려진 재무 데이터를 활용하여 제안 모형의 유용성을 확인하였다.

• 지능정보연구
• /
• 제15권4호
• /
• pp.1-22
• /
• 2009

월드와이드웹(WWW)은 유용한 정보를 포함하는 자료들의 집합에서 유용한 작업을 수행할 수 있는 서비스들의 집합으로 변화하고 있다. 새롭게 등장하고 있는 웹서비스 기술은 향후 웹의 기술적 변화를 추구하며 최근의 웹의 변화에 중요한 역할을 수행할 것으로 기대된다. 웹서비스는 어플리케이션 간의 통신을 위한 호환성 표준을 제시하며 기업 내/외를 아우를 수 있는 어플리케이션 상호작용 및 통합을 촉진한다. 웹서비스를 서비스 중심 컴퓨팅환경으로서 운용하기 위해서는 웹서비스 저장소는 조직화되어 있어야 할 뿐 아니라, 사용자들의 요구에 맞는 웹서비스 컴포넌트를 찾을 수 있는 효율적인 도구들을 제공하여야 한다. 서비스 중심 컴퓨팅을 위한 웹서비스의 중요성이 증대됨에 따라 웹서비스 발견을 효율적으로 제공할 수 있는 기법의 수요 또한 증대된다. 웹서비스 발견을 위한 많은 기법들이 제안되어 왔지만, 대부분의 선행연구들은 활용하기에는 제대로 발달하지 못하였거나 특정 도메인에 너무 치중하여 일반화하기 어려웠다. 이 논문에서는 군집화기법과 XML기반의 서비스 기술표준인 WSDL의 의미적 가치를 활용하여 다수의 웹서비스를 군집화하는 프레임워크를 제안한다. 웹서비스 발견이라는 연구영역에 최초로 데이터마이닝 기법을 적용한 연구이다. 본 논문에서 제안하는 방식은 여러 흥미로운 요소들이 있다: (1) 서비스 사용자와 제공자들의 사전지식 요구를 최소화한다 (2) 특정 도메인에 과도하게 치중한 온톨로지를 피한다 (3) 웹서비스들 간의 의미론적 관계를 시각화할 수 있다. 이 논문에서 인공신경 정신망 네트워크를 기반으로 하여 프로토타입 시스템을 개발하였으며, 실제 운용되고 있는 웹서비스 저장소로부터 획득한 실제 웹서비스들을 사용하여 제안하는 웹서비스 조직화 프레임워크를 실증적으로 평가하였으며 제안하는 방식의 효용성을 보여주는 실험결과를 보고한다.

• 경영과정보연구
• /
• 제36권4호
• /
• pp.33-51
• /
• 2017

제4차 산업혁명의 등장과 경제성장으로 인한 '국민 삶의 질 향상' 요구 증대로 인해 의료서비스의 질과 의료비용에 대한 국민들의 요구수준이 향상되고 있으며, 이로 인해 인공지능이 의료현장에 도입되고 있다. 하지만 인공지능이 의료분야에 활용된 사례를 살펴보면 '삶의 질'에 직접적인 영향을 끼치는 만성피부질환에 활용된 사례는 부족한 실정이며, 만성피부질환 중 대표적 질병인 아토피피부염은 정성적 진단 방법으로 인해 진단의 객관성을 확보할 수 없다는 한계가 존재한다. 본 연구에서는 아토피피부염의 객관적 중증도 평가 방법을 마련하여 아토피피부염 환자의 삶의 질을 향상시키고자 다음과 같은 연구를 수행하였다. 첫째, 가톨릭대학교 의과대학 성모병원의 데이터베이스로부터 아토피피부염 환자의 이미지 데이터를 수집했으며, 수집된 이미지 데이터에 대한 정제 및 라벨링 작업을 수행하여 모델 학습과 검증에 적합한 데이터를 확보했다. 둘째, 지능형 아토피피부염 중증도 진단 모형에 적합한 이미지 인식 알고리즘을 파악하기 위해 다양한 CNN 알고리즘들을 병변별 학습용 데이터로 학습시키고, 검증용 데이터를 활용하여 해당 모델의 이미지 인식 정확도를 측정했다. 실증분석 결과 홍반(Erythema)의 경우 'ResNet V1 101', 긁은 정도(Excoriation)의 경우 'ResNet V2 50'이 90% 이상의 정확도를 기록하였으며, 태선화(Lichenification)의 경우 학습용 데이터 부족의 한계로 인해 두 병변보다 낮은 89%의 정확도를 보였다. 해당 결과를 통해 이미지 인식 알고리즘이 단순한 사물 인식 분야뿐만 아니라 전문적 지식이 요구되는 분야에도 높은 성능을 나타낸다는 것을 실증적으로 입증했으며, 본 연구는 실제 아토피피부염 환자의 이미지 데이터를 활용했다는 측면에서 실제 임상환경에서 활용성이 높을 것으로 사료된다.

• 한국석유지질학회지
• /
• 제6권1_2
• /
• pp.20-24
• /
• 1998

전문가 시스템(expert system)은 충분한 지식과 경험을 가지고 있는 한 분야의 전문가가 실제로 문제에 접근 해결해 나가는 방식대로 전산 시스템을 구성하여 이러한 시스템을 통해 컴퓨터가 대신 문제를 해결하도록 제작된 인공지능 방식의 한 소프트웨어이다. 이번 연구에서는 퇴적층의 퇴적상과 퇴적환경 분석을 위해 미국 사우스 캐롤라이나 대학에서 본래 1990년에 개발되었던 PLAYMAKER의 지식베이스의 일부를 새로 수정 보완하여 제작한 PLAYMAKER2를 활용하여 퇴적층의 퇴적상과 퇴적환경을 분석하였다. 연구대상은 동해 울릉분지 남서부 제 VI-1 광구에 분포하는 최대 층후 10,000 m에 달하는 신생대 후기 퇴적층으로서, 이 곳의 퇴적층은 크게 상·하부 두 부분-마이오세충과 플라이오-플라이스토세층-으로 구분된다. PLAYMAKER2에 의해 분석되어 신뢰값으로 표시된 신생대 후기 퇴적층에 대한 퇴적환경과 퇴적상해석 결과를 요약해 보면, 마이오세층의 퇴적환경은 사면: $57.4\%$, 연안: $21.4\%$, 대양저: $10.1\%$의 순이고, 퇴적상은 해저 선상지: $35.7\%$, 대륙사면: $26.3\%$, 삼각주: $16.1\%$, 심해저 평원: $6.1\%$, 대륙붕: $3.2\%$, 대륙붕단: $1.4\%$ 순이다. 또한 플라이오-플라이스토세층에 대한 PALYMAKER2의 해석 결과는 퇴적환경은 사면: $59.0\%$, 연안: $22.8\%$, 대양저: $7.0\%$의 순이고, 퇴적상은 삼각주: $24.1\%$, 대륙사면: $22.2\%$, 해저 선상지: $17.3\%$, 대륙붕: $7.0\%$, 심해저 평원: $4.8\%$, 대륙붕단: $2.6\%$ 순이다. PLAYMAKER2에 의한 마이오세층과 플라이오-플라이스토세층에 대한 퇴적환경과 퇴적상 해석결과와 기존 연구자들에 의한 고전적인 퇴적상 해석 결과를 비교해 보면 두 퇴적층 모두 큰 차이를 보이지 않는데 이는 PLAYMAKER2전문가 시스템이 비교적 양호하게 퇴적층의 퇴적환경과 퇴적상을 해석할 수 있음을 보여주는 것으로 평가된다. 다만 PLAYMAKER2가 보다 신뢰할 만한 퇴적환경 해석을 위한 전문가 시스템으로 구축되기 위해서는 향후 많은 퇴적학 전문가들이 추가로 참여하여 기존 규칙들을 재검증하고 새로운 규칙들을 첨가함으로써 보디 세련된 지식베이스를 개발하여야 할 것으로 판단된다.