• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2000년도 추계정기학술대회:지능형기술과 CRM
• /
• pp.289-299
• /
• 2000

This study provides an application of datamining approach to CQI(Continuous Quality Improvement) using the discharge summary. First, we found a process variation in hospital infection rate by SPC (Statistical Process Control) technique. Second, importance of factors influencing hospital infection was inferred through the decision tree analysis which is a classification method in data-mining approach. The most important factor was surgery followed by comorbidity and length of operation. Comorbidity was further divided into age and principal diagnosis and the length of operation was further divided into age and chief complaint. 24 rules of hospital infection were generated by the decision tree analysis. Of these, 9 rules with predictive prover greater than 50% were suggested as guidelines for hospital infection control. The optimum range of target group in hospital infection control were Identified through the information gain summary. Association rule, which is another kind of datamining method, was performed to analyze the relationship between principal diagnosis and comorbidity. The confidence score, which measures the decree of association, between urinary tract infection and causal bacillus was the highest, followed by the score between postoperative wound disruption find postoperative wound infection. This study demonstrated how datamining approach could be used to provide information to support prospective surveillance of hospital infection. The datamining technique can also be applied to various areas fur CQI using other hospital databases.

• 한국산업융합학회 논문집
• /
• 제26권2_2호
• /
• pp.315-325
• /
• 2023

Recently, various dynamic risk analysis methods have been suggested for estimating the risk index by predicting the possibility of accidents and damage. It is necessary to maintain and support the safety system for responding to accidents by continuously updating the probability of accidents and the results of accidents, which are quantitative standards of ship risk. In this study, when a LNG leakage that may occur in the LN G Fuel Gas Supply System (FGSS) room during LN G bunkering operation, a reliability physical model was prepared by the change in monitoring data as physical parameters to estimate the accident probability. The scenario in which LNG leakage occur were configured with FT (Fault Tree), and the coefficient of the covariate model and Weibull distribution was estimated based on the monitoring data. The possibility of an LNG leakage, which is the top event of FT, was confirmed by changes in time and monitoring data. A method for estimating the LNG leakage based on the reliability physical analysis is proposed, which supports fast decision-making by identifying the potential LNG leakage at the accident.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 추계학술발표대회
• /
• pp.55-56
• /
• 2022

Hypertension is a severe health problem and increases the risk of other health issues, such as heart disease, heart attack, and stroke. In this research, we propose a machine learning-based prediction method for the risk of chronic hypertension. The proposed method consists of four main modules. In the first module, the linear interpolation method fills missing values of the integration of gas and meteorological datasets. In the second module, the OrdinalEncoder-based normalization is followed by the Decision tree algorithm to select important features. The prediction analysis module builds three models based on k-Nearest Neighbors, Decision Tree, and Random Forest to predict hypertension levels. Finally, the features used in the prediction model are explained by the DeepSHAP approach. The proposed method is evaluated by integrating the Korean meteorological agency dataset, natural gas leakage dataset, and Korean National Health and Nutrition Examination Survey dataset. The experimental results showed important global features for the hypertension of the entire population and local components for particular patients. Based on the local explanation results for a randomly selected 65-year-old male, the effect of hypertension increased from 0.694 to 1.249 when age increased by 0.37 and gas loss increased by 0.17. Therefore, it is concluded that gas loss is the cause of high blood pressure.

• 한국컴퓨터정보학회논문지
• /
• 제21권6호
• /
• pp.9-19
• /
• 2016

In finance literature, stock liquidity showing how stocks can be cashed out in the market has received rich attentions from both academicians and practitioners. The reasons are plenty. First, it is known that stock liquidity affects significantly asset pricing. Second, macroeconomic announcements influence liquidity in the stock market. Therefore, stock liquidity itself affects investors' decision and managers' decision as well. Though there exist a great deal of literature about stock liquidity in finance literature, it is quite clear that there are no studies attempting to investigate the stock liquidity issue as one of decision making problems. In finance literature, most of stock liquidity studies had dealt with limited views such as how much it influences stock price, which variables are associated with describing the stock liquidity significantly, etc. However, this paper posits that stock liquidity issue may become a serious decision-making problem, and then be handled by using data mining techniques to estimate its future extent with statistical validity. In this sense, we collected financial data set from a number of manufacturing companies listed in KRX (Korea Exchange) during the period of 2010 to 2013. The reason why we selected dataset from 2010 was to avoid the after-shocks of financial crisis that occurred in 2008. We used Fn-GuidPro system to gather total 5,700 financial data set. Stock liquidity measure was computed by the procedures proposed by Amihud (2002) which is known to show best metrics for showing relationship with daily return. We applied five data mining techniques (or classifiers) such as Bayesian network, support vector machine (SVM), decision tree, neural network, and ensemble method. Bayesian networks include GBN (General Bayesian Network), NBN (Naive BN), TAN (Tree Augmented NBN). Decision tree uses CART and C4.5. Regression result was used as a benchmarking performance. Ensemble method uses two types-integration of two classifiers, and three classifiers. Ensemble method is based on voting for the sake of integrating classifiers. Among the single classifiers, CART showed best performance with 48.2%, compared with 37.18% by regression. Among the ensemble methods, the result from integrating TAN, CART, and SVM was best with 49.25%. Through the additional analysis in individual industries, those relatively stabilized industries like electronic appliances, wholesale & retailing, woods, leather-bags-shoes showed better performance over 50%.

• 한국지능시스템학회논문지
• /
• 제13권4호
• /
• pp.386-390
• /
• 2003

데이터마이닝은 많은 양의 데이터로부터 의사결정에 유용한 패턴을 발견하는 과정으로서 최근 경영 및 공학 분야의 폭넓은 영역에서 많은 관심을 모으고 있다. 어떤 그룹을 여러 하위그룹으로 분류해내는 일은 데이터마이닝의 주요 내용 중 하나이다. 의사결정나무로 알려진 트리기반 기법은 그러한 분류모형을 수립하는 데 효율적인 방안을 제공한다 트리학습에 있어서 우선적인 관건은 목표변수에 의해 측정되는 노드불순도를 최소화하는 것이다. 하지만 공정관측, 마케팅과학, 임상분석 등과 같은 문제에서는 여러 목표변수를 동시에 고려해야 하는 상황이 쉽게 등장하는 데, 본 논문의 목적은 이처럼 다변량 목표변수를 갖는 데이터셋에서 활용할 수 있는 노드불순도 측정방안을 제시하는 데 있다. 아울러 수치 예를 이용하여 적용결과에 대해 논의한다.

• 한국IT서비스학회지
• /
• 제19권1호
• /
• pp.103-112
• /
• 2020

Job seekers are making various efforts to find a good company and companies attempt to recruit good people. Job search activities through self-introduction essay are nowadays one of the most active processes. Companies spend time and cost to reviewing all of the numerous self-introduction essays of job seekers. Job seekers are also worried about the possibility of acceptance of their self-introduction essays by companies. This research builds a classification model and conducted an experiments to classify self-introduction essays into pass or fail using deep learning and decision tree techniques. Real world data were classified using stratified sampling to alleviate the data imbalance problem between passed self-introduction essays and failed essays. Documents were embedded using Doc2Vec method developed from existing Word2Vec, and they were classified using logistic regression analysis. The decision tree model was chosen as a benchmark model, and K-fold cross-validation was conducted for the performance evaluation. As a result of several experiments, the area under curve (AUC) value of PV-DM results better than that of other models of Doc2Vec, i.e., PV-DBOW and Concatenate. Furthmore PV-DM classifies passed essays as well as failed essays, while PV_DBOW can not classify passed essays even though it classifies well failed essays. In addition, the classification performance of the logistic regression model embedded using the PV-DM model is better than the decision tree-based classification model. The implication of the experimental results is that company can reduce the cost of recruiting good d job seekers. In addition, our suggested model can help job candidates for pre-evaluating their self-introduction essays.

• Journal of the Korean Data and Information Science Society
• /
• 제22권5호
• /
• pp.877-884
• /
• 2011

의사결정나무는 데이터마이닝의 대표적인 알고리즘으로서, 의사결정 규칙을 도표화하여 관심대상이 되는 집단을 몇 개의 소집단으로 분류하거나 예측을 수행하는 방법이다. 일반적으로 의사결정나무의 모형 생성 시, 입력 변수의 수가 많을 경우 생성된 의사결정모형은 복잡한 형태가 될 수 있고, 모형 탐색 및 분석에 있어 어려움을 겪기도 한다. 이때 입력변수들 간의 내재적인 관련성은 없으나, 외적 변수에 의하여 각 변수가 우연히 어떤 다른 변수와 연결됨으로써 관련성이 있는 것으로 나타나는 것을 종종 볼 수 있다. 이에 본 논문에서는 의사결정나무 생성 시, 입력 변수에 대한 외적 관계를 파악할 수 있는 다중외적연관성규칙을 이용하여 의사결정나무 생성에 불필요한 입력변수를 제거하는 방법을 제시하고 그 효율성을 파악하기 위하여 실제 자료에 적용하고자 한다.

• 한국사회복지학
• /
• 제60권3호
• /
• pp.129-150
• /
• 2008

본 연구는 노인장기요양보험제도 2차 시범사업 결과를 바탕으로 우리나라 노인의 요양시설 서비스 이용에 영향을 미치는 요인을 탐색해 보고자 하였다. 이론적 모형으로는 앤더선과 뉴만(Andersen and Newman)의 행동주의 모델을 토대로 하여 영향요인을 구분하였으며, 연구방법은 의사결정분석을 이용하였다. 분석결과 서비스 이용에 가장 큰 영향을 미치는 것은 대상 노인의 서비스 이용의향이었으며, 이러한 선행요인 다음 중요한 요인으로 자원 요인(수발자 있음 및 동거가족 여부)으로 나타났다. 욕구요인으로는 인지장애가 있는 경우, 치매로 인한 문제행동이 있는 경우, 기본적 일상생활수행능력에 있어 완전도움을 받아야 하는 경우로 나타났다. 이러한 분석결과는 앤더슨과 뉴만의 행동주의 이론의 과정을 그대로 보여주고 있음을 알 수 있는데, 즉 선행요인과 자원요인에 의해 서비스 이용형태가 달라지며, 이러한 선행요인과 자원요인은 욕구요인과 결합하여 실제 서비스 이용에 영향을 주는 것으로 나타났다. 이를 통해 본 연구는 시설 서비스 이용 대상자의 욕구요인을 정확히 파악하여 이에 적절한 서비스 내용을 구축하고 지역사회 내 시설서비스 이용노인을 선별하는데 기초 자료를 제공하는데 기여하고자 한다.

• 한국지반신소재학회논문집
• /
• 제12권2호
• /
• pp.67-74
• /
• 2013

본 연구에서는 의사결정나무모형을 적용하여 개발된 급경사지재해 예측프로그램 SHAPP ver 1.0을 이용하여 강원도 횡성군 우천면 하대리 일대 영동고속도로 주변에 대한 급경사지재해 예측을 실시하였다. 이를 위하여 먼저 대상지역의 총 10개소에서 토층시료를 채취하고, 이에 대한 토질시험을 실시하였다. 대상지역에 대한 토질시험결과를 토대로 투수계수와 간극비에 대한 주제도를 작성하고 수치지형도를 이용하여 지형의 경사분석을 실시하였다. 이를 이용하여 급경사지재해 예측을 실시한 결과 총 27,776개의 해석셀 가운데 2,120개의 셀에서 급경사지재해가 발생될 것으로 예측되었다. 이때 해석셀의 크기는 $5m{\times}5m$이므로 급경사지재해 발생예상 면적은 $53,000m^2$으로 나타났다.

• 지능정보연구
• /
• 제8권2호
• /
• pp.139-157
• /
• 2002

본 연구에서는 기존 협업 필터링의 문제점을 해결할 수 있는 효율적인 상품추천 방법론을 제시하고자 한다. 연구에서 제시하는 상품추천 방법론은 기존 협업 필터링 알고리즘의 데이터 희박성 문제 및 동의어 문제를 극복하기 위하여 판매 데이터로 구성된 제품 계층도(Product Taxonomy)를 이용하며, 이 계층도를 기반으로 한 연관 규칙(association rule)과 의사결정 나무를 사용한다. 본 연구에서는 제시한 방법론을 단계별로 설명하였을 뿐만 아니라, 실제 H 백화점 데이터를 이용하여 적용하였다. 다양한 경우에 대하여 실험을 한 결과, 기존의 협업 필터링 알고리즘이 갖고있는 문제점을 상당히 해결하였음을 제시하였다. 이 연구에서 제시한 상품 추천 방법론은 현재 기업이 직면한 경쟁환경 하에서 고객이 과연 누구이며, 고객이 진정 무엇을 원하고 있는지를 파악하는데 도움을 줄 것이며, 고객관계관리 (CRM)를 효율적으로 구현하는 방법론으로 사용될 것으로 기대된다.