• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권3호
• /
• pp.133-140
• /
• 2022

우리는 유학생이 작성한 한국어 쓰기 답안지의 점수 구간을 예측하는 문제에서 세 개의 딥러닝 기반 한국어 언어모델의 예측 성능을 조사한다. 이를 위해 총 304편의 답안지로 구성된 실험 데이터 세트를 구축하였는데, 답안지의 주제는 직업 선택의 기준('직업'), 행복한 삶의 조건('행복'), 돈과 행복('경제'), 성공의 정의('성공')로 다양하다. 이들 답안지는 네 개의 점수 구간으로 구분되어 평어 레이블(A, B, C, D)이 매겨졌고, 총 11건의 점수 구간 예측 실험이 시행되었다. 구체적으로는 5개의 '직업' 답안지 점수 구간(평어) 예측 실험, 5개의 '행복' 답안지 점수 구간 예측 실험, 1개의 혼합 답안지 점수 구간 예측 실험이 시행되었다. 이들 실험에서 세 개의 딥러닝 기반 한국어 언어모델(KoBERT, KcBERT, KR-BERT)이 다양한 훈련 데이터로 미세조정되었다. 또 두 개의 전통적인 확률적 기계학습 분류기(나이브 베이즈와 로지스틱 회귀)도 그 성능이 분석되었다. 실험 결과 딥러닝 기반 한국어 언어모델이 전통적인 기계학습 분류기보다 우수한 성능을 보였으며, 특히 KR-BERT는 전반적인 평균 예측 정확도가 55.83%로 가장 우수한 성능을 보였다. 그 다음은 KcBERT(55.77%)였고 KoBERT(54.91%)가 뒤를 이었다. 나이브 베이즈와 로지스틱 회귀 분류기의 성능은 각각 52.52%와 50.28%였다. 학습된 분류기 모두 훈련 데이터의 부족과 데이터 분포의 불균형 때문에 예측 성능이 별로 높지 않았고, 분류기의 어휘가 글쓰기 답안지의 오류를 제대로 포착하지 못하는 한계가 있었다. 이 두 가지 한계를 극복하면 분류기의 성능이 향상될 것으로 보인다.

• 한국시뮬레이션학회논문지
• /
• 제32권1호
• /
• pp.35-44
• /
• 2023

최근 텍스트 분석으로 트렌드 분석이나 연구 동향 분석을 하는 연구 사례가 많다. 텍스트 분석을 위한 자료 수집에 사용되는 검색어가 약어일 때 약어의 특성상 의미 중의성 해소가 필요하다. 다수의 연구에서는 연구에 필요한 자료를 찾기 위해 수작업으로 자료를 하나씩 읽어 문서를 분류하고 있다. 약어의 의미 중의성 해소를 위한 연구는 단어의 의미를 명확화하는 연구가 대부분이고 지도학습을 이용하고 있다. 약어 중의성 해소를 위한 선행 방법은 약어로 검색된 자료에서 연구 대상 자료를 찾는 문서 분류에는 적합하지 않으며 관련 연구도 부족하다. 본 연구에서는 데이터 전처리 단계에서 비지도 학습 방법인 비음수 행렬 분해 방법으로 토픽 모델링을 진행하여 약어로 수집된 문서를 반자동으로 분류하는 방법을 제시한다. 이를 검증하기 위해 'MSA'라는 약어 검색어로 학술 데이터베이스에서 논문 자료를 수집했다. 수집된 논문 1,401편에서 제안된 방법으로 316편의 Micro Services Architecture와 관련된 논문을 찾았다. 제안된 방법의 문서 분류 정확도는 92.36%로 측정되었다. 제안된 방법이 수작업에 따른 연구자의 시간과 비용을 줄일 수 있기를 기대한다.

• 지능정보연구
• /
• 제22권1호
• /
• pp.187-204
• /
• 2016

소셜 미디어를 이용하는 사용자들이 직접 작성한 의견 혹은 리뷰를 이용하여 상호간의 교류 및 정보를 공유하게 되었다. 이를 통해 고객리뷰를 이용하는 오피니언마이닝, 웹마이닝 및 감성분석 등 다양한 연구분야에서의 연구가 진행되기 시작하였다. 특히, 감성분석은 어떠한 토픽(주제)를 기준으로 직접적으로 글을 작성한 사람들의 태도, 입장 및 감성을 알아내는데 목적을 두고 있다. 고객의 의견을 내포하고 있는 정보 혹은 데이터는 감성분석을 위한 핵심 데이터가 되기 때문에 토픽을 통한 고객들의 의견을 분석하는데 효율적이며, 기업에서는 소비자들의 니즈에 맞는 마케팅 혹은 투자자들의 시장동향에 따른 많은 투자가 이루어지고 있다. 본 연구에서는 중국의 온라인 시나 주식 포럼에서 사용자들이 직접 작성한 포스팅(글)을 이용하여 기존에 제시된 토픽들로부터 핫토픽을 선정하고 탐지하고자 한다. 기존에 사용된 감성 사전을 활용하여 토픽들에 대한 감성값과 극성을 분류하고, 군집분석을 통해 핫토픽을 선정하였다. 핫토픽을 선정하기 위해 k-means 알고리즘을 이용하였으며, 추가로 인공지능기법인 SOM을 적용하여 핫토픽 선정하는 절차를 제시하였다. 또한, 로짓, 의사결정나무, SVM 등의 데이터마이닝 기법을 이용하여 핫토픽 사전 탐지를 하는 감성분석을 위한 모형을 개발하여 관심지수를 통해 선정된 핫토픽과 탐지된 핫토픽을 비교하였다. 본 연구를 통해 핫토픽에 대한 정보 제공함으로써 최신 동향에 대한 흐름을 알 수 있게 되고, 주식 포럼에 대한 핫토픽은 주식 시장에서의 투자자들에게 유용한 정보를 제공하게 될 뿐만 아니라 소비자들의 니즈를 충족시킬 수 있을 것이라 기대된다.

• 한국산학기술학회논문지
• /
• 제15권10호
• /
• pp.6158-6167
• /
• 2014

본 연구는 말레이시아 병원과 유사규모의 한국 병원을 대상으로 보건정보관리자(HIM)의 새로운 역할 7가지에 대한 직무를 비교연구하기 위한 것이다. 말레이시아 병원은 272병상 규모의 종합병원을 선정하였다. 말레이시아는 해당병원을 연구자가 직접 방문하여 담당자 면담 등을 실시하였고 기간은 2013년 7월 22일부터 8월 2일까지 약 2주간이었다. 국내병원은 말레이시아와 병상규모가 유사한 병상대의 종합병원 총 13곳을 대상으로 유선 상 질의응답을 통해 확인하였다. HIM의 새로운 7가지 역할에서는 Health information manager로서 말레이시아 병원은 ICT가, 한국 병원은 조사대상 병원의 30.8%가 역할을 수행하고 있었다. Clinical data specialist역할 관련 classification of disease & procedure는 양국 모두 실시하고 있었고 tumor registry은 말레이시아 병원은 담당하고 있었던 반면 한국 병원에서는 15.4%만이 담당하고 있었다. 퇴원환자 통계는 말레이시아에서는 담당하지 않았고 한국은 76.9%에서 담당하고 있었다. 특수질환 등록업무는 한국은 22.1%에서 담당한 반면 말레이시아는 전체 법정전염병 등록 뿐 아니라 병원출생아와 사망자에 대한 정보등록까지 실시하고 있었다. 그 외 Patient Information Coordinator, Data Quality Manager, Document and Repository Manager, Research and Decision Support Analyst 역할은 양국 모두에서 실시하고 있지 않았다. HIM의 새로운 역할은 한국 중소병원에서 실천률이 낮은 편이다. 따라서 한국전체에서 HIM 역할이 확고히 정립되려면 중소규모 병원까지도 그 역할을 잘 수행할 수 있도록 해당 협회차원의 지속적인 교육, 지원을 통해 일부 대형병원뿐 아니라 중소병원을 포함한 전체 병원에서 역할이 명확화 될 수 있는 노력이 필요하다. 특히 특수질환 등 등록업무는 말레이시아 병원이 한국 병원에 비해 역할이 잘 정립되어 있어 이를 벤치마킹하여 업무를 확대하는 방안도 모색할 필요가 있다고 사료된다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권11호
• /
• pp.471-480
• /
• 2023

국내 건설수주 규모는 2013년 91.3조원에서 2021년 총 212조원으로 특히 민간부문에서 크게 성장하였다. 국내외 시장 규모가 성장하면서, EPC(Engineering, Procurement, Construction) 프로젝트의 규모와 복잡성이 더욱 증가되고, 이에 프로젝트 관리 및 ITB(Invitation to Bid) 문서의 위험 관리가 중요한 이슈가 되고 있다. EPC 프로젝트 발주 이후 입찰 절차에서 실제 건설 회사에게 부여되는 대응 시간은 한정적일 뿐만 아니라, 인력 및 비용의 문제로 ITB 문서 계약 조항의 모든 리스크를 검토하는데 매우 어려움이 있다. 기존 연구에서는 이와 같은 문제를 해결하고자 EPC 계약 문서의 위험 조항을 범주화하고, 이를 AI 기반으로 탐지하려는 시도가 있었으나, 이는 레이블링 데이터 활용의 한계와 클래스 불균형과 같은 데이터 측면의 문제로 실무에서 활용할 수 있는 수준의 지원 시스템으로 활용하기 어려운 상황이다. 따라서 본 연구는 기존 연구와 같이 위험 조항 자체를 정의하고 분류하는 것이 아니라, FIDIC Yellow 2017(국제 컨설팅엔지니어링 연맹 표준 계약 조건) 기준 계약 조항을 세부적으로 분류할 수 있는 AI 모델을 개발하고자 한다. 프로젝트의 규모, 유형에 따라서 세부적으로 검토해야 하는 계약 조항이 다를 수 있기 때문에 이와 같은 다중 텍스트 분류 기능이 필요하다. 본 연구는 다중 텍스트 분류 모델의 성능 고도화를 위해서 최근 텍스트 데이터의 컨텍스트를 효율적으로 학습할 수 있는 ELECTRA PLM(Pre-trained Language Model)을 사전학습 단계부터 개발하고, 해당 모델의 성능을 검증하기 위해서 총 4단계 실험을 진행했다. 실험 결과, 자체 개발한 ITB-ELECTRA 모델 및 Legal-BERT의 앙상블 버전이 57개 계약 조항 분류에서 가중 평균 F1-Score 기준 76%로 가장 우수한 성능을 달성했다.

• 지능정보연구
• /
• 제28권2호
• /
• pp.237-262
• /
• 2022

본 연구는 개인투자자들의 투자의사결정에 도움을 주고자, 증권신고서의 TF-IDF 텍스트 분석과 기계학습을 이용해 공모주의 상장 5거래일 이후 주식 가격 등락을 예측하는 모델을 제시한다. 연구 표본은 2009년 6월부터 2020년 12월 사이에 신규 상장된 691개의 국내 IPO 종목이다. 기업, 공모, 시장과 관련된 다양한 재무적 및 비재무적 IPO 관련 변수와 증권신고서의 어조를 분석하여 예측했고, 증권신고서의 어조 분석을 위해서 TF-IDF (Term Frequency - Inverse Document Frequency)에 기반한 텍스트 분석을 이용해 신고서의 투자위험요소란의 텍스트를 긍정적 어조, 중립적 어조, 부정적 어조로 분류하였다. 가격 등락 예측에는 로지스틱 회귀분석(Logistic Regression), 랜덤 포레스트(Random Forest), 서포트벡터머신(Support Vector Machine), 인공신경망(Artificial Neural Network) 기법을 사용하였고, 예측 결과 IPO 관련 변수와 증권신고서 어조 변수를 함께 사용한 모델이 IPO 관련 변수만을 사용한 모델보다 높은 예측 정확도를 보였다. 랜덤 포레스트 모형은 1.45%p 높아진 예측 정확도를 보였으며, 인공신공망 모형과 서포트벡터머신 모형은 각각 4.34%p, 5.07%p 향상을 보였다. 추가적으로 모형간 차이를 맥니마 검정을 통해 통계적으로 검증한 결과, 어조 변수의 유무에 따른 예측 모형의 성과 차이가 유의확률 1% 수준에서 유의했다. 이를 통해, 증권신고서에 표현된 어조가 공모주의 가격 등락 예측에 영향을 미치는 요인이라는 것을 확인할 수 있었다.

• 대한토목학회논문집
• /
• 제34권2호
• /
• pp.687-697
• /
• 2014

본 연구는 강박스교의 기본계획 단계부터 실시설계 단계까지를 범위로 하여, Building Information Modeling (BIM)을 위한 데이터 모델인 Industry Foundation Classes (IFC)를 통해 구성요소의 의미정보를 생성할 수 있는 방안을 제시하였다. IFC기반의 의미정보 생성에 필요한 항목을 정의하기 위해 강박스교 구성요소의 설계 단계별 분류를 수행하였고, 이를 구성요소의 기능에 따른 물리적 표현요소와 위상에 따른 공간적 표현요소로 구분하여 IFC 프레임워크 내의 사용자 정의 속성집합을 활용하여 IFC에서 지원하지 않는 추가적인 항목을 생성하였다. 추가적으로 생성한 사용자 정의 속성의 유효성을 검토하기 위해 BIM 소프트웨어와 본 연구에서 개발한 강박스교 구성요소 의미정보 입력 인터페이스를 통해 IFC기반의 강박스교의 정보모델을 생성하였고, 이를 기반으로 하여 의미정보 질의를 통한 구성요소의 식별이 가능함을 확인하였다. 또한 IFC기반 강박스교 정보모델을 통해 구성부재의 수량 및 물량 산출을 수행하고, 설계도서를 통해 산출한 수량 및 물량 산출 결과 값과의 비교를 통해 본 연구에서 제안한 방법이 실제 업무에서도 활용할 수 있음을 확인하였다.

• 한국산학기술학회논문지
• /
• 제21권11호
• /
• pp.1-8
• /
• 2020

최근 기하급수적인 인터넷 데이터의 증가로 딥러닝 등의 많은 분야가 발전하였지만 바이럴 마케팅(viral marketing)과 같은 상업적 목적의 광고가 발견되면서 정보증가의 부작용이 발생하고 있다. 이는 양질의 정보를 공유하고자 하는 인터넷의 본질을 훼손하고 있을 뿐만 아니라 사용자는 양질의 정보를 습득하기 위해 검색시간이 증가하는 문제가 야기된다. 이에 본 연구에서는 광고(Ad: Advertisement, 이하 Ad) 글을 정보 전달의 본질을 흐리는 내용의 글이라 정의하였으며 본 정의에 부합하는 정보로 필터링하는 모델을 제안하였다. 제안하는 모델은 광고 필터링 경로와 광고 필터링 성능 개선경로로 구성되었으며 지속적으로 성능이 개선되도록 설계하였다. 광고 글 필터링을 위해 데이터를 수집하고 KorBERT를 사용하여 문서분류를 학습하였다. 본 모델의 성능을 검증하기 위해 실험을 진행하였으며 5개의 주제를 통합한 데이터에 대한 정확도(Accuracy), 정밀도(Precision)는 각각 89.2%, 84.3%의 결과를 나타냈고 광고의 비정형적 특성을 고려하더라도 높은 성능이 보임을 확인하였다. 본 모델을 통해 바이럴 마케팅으로 구성된 문서에서 광고 문단을 판단하고 필터링하여 사용자에게 양질의 정보를 효과적으로 전달하며 검색하는 과정에서 낭비되는 시간과 피로가 감소할 것으로 기대된다.

• 한국안광학회지
• /
• 제19권1호
• /
• pp.121-133
• /
• 2014

목적: 본 연구는 최근 5년간 연령에 따른 근시 유병률 진행을 비교 분석하였다. 방법: 보건복지부 산하 질병관리 본부에서 시행한 2008에서 2012년까지의 국민건강영양조사 자료를 통해 근시 유병률 진행을 비교 분석하였다. 결과: 최근 5년간 자료를 통해 근시를 분류하였고, 연령별 분석결과 약도근시 중 5-11세는 25.5%, 12-18세는 25.1%, 19-29세는 27.3%, 30-39세는 30.7%, 40-49세는 29.6%, 50-59세는 19.2%, 60-69세는 11.8%, 그리고 70세 이상에서는 20.2%의 근시유병률이 각각 나타났다. 중도근시 중 5-11세는 21.7%, 12-18세는 43.6%, 19-29세는 36.2%, 30-39세는 30.0%, 40-49세는 20.4%, 50-59세는 9.9%, 60-69세는 5.2%, 그리고 70세 이상에서는 7.6%의 근시 유병률이 각각 나타났다. 고도근시 중 5-11세는 2.1%, 12-18세는 11.7%, 19-29세는 11.5%, 30-39세는 6.9%, 40-49세는 5.6%, 50-59세는 1.9%, 60-69세는 1.5%, 그리고 70세 이상에서는 1.0%의 근시 유병률이 각각 나타났다. 결론: 근시 유병률 진행 증가에 대한 중요성을 인식하여 국민의 안보건복지와 시력저하 방지를 위한 제도적 장치와 사회적 관심이 더욱 필요할 것을 판단된다.

• 한국컴퓨터정보학회논문지
• /
• 제25권8호
• /
• pp.181-188
• /
• 2020

본 연구에서는 다양한 워드 임베딩 기법이 감성분석의 성과에 미치는 영향을 확인하기 위한 비교연구를 제안한다. 감성분석은 자연어 처리를 사용하여 텍스트 문서에서 주관적인 정보를 식별하고 추출하는 오피니언 마이닝 기법 중 하나이며, 상품평이나 댓글의 감성을 분류하는데 사용될 수 있다. 감성은 긍정적이거나 부정적인 것으로 분류될 수 있기 때문에 일반적인 분류문제 중 하나로 생각할 수 있으며, 이의 분류를 위해서는 텍스트를 컴퓨터가 인식할 수 있는 언어로 변환하여야 한다. 따라서 단어나 문서와 같은 텍스트를 자연어 처리에서 벡터로 변형하여 진행하는데 이를 워드 임베딩이라고 한다. 워드 임베딩 기법은 Bag of Words, TF-IDF, Word2Vec 등 다양한 기법이 사용되고 있는데 지금까지 감성분석에 적합한 워드 임베딩 기법에 대한 연구는 많이 진행되지 않았다. 본 연구에서는 영화 리뷰의 감성분석을 위해 다양한 워드 임베딩 기법 중 Bag of Words, TF-IDF, Word2Vec을 사용하여 그 성과를 비교 분석한다. 분석에 사용할 연구용 데이터 셋은 텍스트 마이닝에서 많이 활용되고 있는 IMDB 데이터 셋을 사용하였다. 분석 결과, TF-IDF와 Bag of Words의 성과가 Word2Vec보다 우수한 것으로 나타났으며 TF-IDF는 Bag of Words보다 성과가 우수하였으나 그 차이가 매우 크지는 않았다.