• 한국지구과학회지
• /
• 제34권4호
• /
• pp.303-312
• /
• 2013

중위도 기압골과 태풍 이동속도와의 상호작용에 대한 예측에서 한국기상청 전구자료동화예측시스템(GDAPS) 모델 바이어스 경향을 알아보기 위해 태풍 산바 사례가 선정되었다. 이 연구는 태풍 분석 및 예측 시스템(TAPS) 및 기상정보시스템-3(COMIS-3)에 저장된 태풍자료로부터 2012년 9월 15일 00UTC로 초기화 된 한국 기상청 GDAPS 분석장과 예측장을 사용하였다. 먼저 해면기압장은 500 hPa 제트구역과 연관하여 중위도 하층 저기압이 발생됨을 보여주었다. 이후 태풍 산바가 중위도 지역으로 들어온 후, 태풍의 이동속도가 증가될 것이라 예측되었다. 특히, 태풍 산바가 9월 17일 00UTC와 06UTC에 전향을 할 시점에 태풍 산바는 중위도 기압골 전면에서 중위도 서풍대와 상호작용을 하였다. 반면, 기상청 GDAPS 해면기압 예측장은 하층 중위도 저기압의 강도를 분석장보다 약하게 예측하였다. 결국 태풍 산바의 이동속도에 영향을 주는 중위도 순환은 분석장보다 느리게 나타났다. 이 순환은 500 hPa에서 제트가 약화됨으로서 증명되었다. 이런 이유로, 기상청 GDAPS 예측장은 태풍 산바가 중위도 기압골과 상호작용함으로써 느린 이동속도의 바이어스를 나타내었다.

• 과학교육연구지
• /
• 제41권3호
• /
• pp.334-350
• /
• 2017

이 연구의 목적은 첫째, 자유학기제에 적합한 과학 탐구 중심의 융합인재교육 프로그램을 개발하고 둘째, 자유학기제 교육과정의 중학생에게 적용하여, 학생들의 과학, 기술/공학, 수학에 대한 흥미, 자기효능감 및 관련 진로 선택에 미치는 효과를 살펴보는데 있다. 프로그램 개발을 위해 문헌 조사와 선행 연구를 바탕으로 개발의 방향을 과학 탐구 중심으로 정하고 프로그램 주제 및 개발 모형을 선정하였다. 개발된 프로그램 초안의 적절성을 위해 2회에 걸쳐 예비 적용과 전문가 집단의 컨설팅을 통해 수정 보완하였다. 연구의 대상은 2015년부터 자유학기제가 전면 시행된 광역시 소재 G중학교 1학년 92명이며, 프로그램 적용 전 후에 학생들에게 나타나는 흥미, 자기효능감 및 진로 선택 변화를 알아보고자 단일집단 사전 사후 대응표본 t-검정을 실시하였다. 프로그램의 적용은 2015년 10월 첫째 주부터 10월 셋째 주까지 진행되었으며 사전 검사 및 사후 검사는 프로그램 처치 전 후 1주일 이내에 각각 실시하였다. 또한 학생들의 구체적인 반응을 알아보고자 14명을 선택하여 심층 면담을 실시하였다. 이에 따른 연구의 결과는 다음과 같다. 첫째, 분석(Analysis)-설계(Design)-제작(Build)-평가(Assessment)의 4단계로 구성된 ADBA 모형을 적용하여 'RC 비행기' 주제의 융합인재교육을 개발하였다. 개발된 프로그램은 학생들의 흥미와 관심사에 기반을 둔 체계적 전문적 프로그램으로 학생들의 학습 동기를 유발한다는 점과 능동성을 갖춘 자기주도적 학습 경험을 제공할 수 있다는 점에 의의가 있다. 둘째, 개발된 융합인재교육 프로그램은 자유학기제 교육과정 내 중학생의 과학, 기술/공학, 수학에 대한 흥미, 자기효능감, 관련 진로 선택의 모든 정의적 영역에서 통계적으로 유의미한 효과를 미쳤다. 흥미 영역은 과학, 기술/공학, 수학 교과에 대한 학생들의 인식 변화에 기인하며, 자기효능감 영역은 과학, 기술/공학, 수학 교과에 대해 학생들의 성공적인 경험을 통해서 상승하였으며, 진로 선택 영역은 과학, 기술/공학, 수학이 실생활에 유용하고 해당 직업을 가지면 재미있을 것이라는 인식의 변화로 상승하였다. 이 연구로 개발된 융합인재교육 프로그램은 자유학기제 정책의 교육 목적에 적합하며 자유학기제와 융합인재교육의 접목이라는 점에서 중요한 의미를 가진다. 또한 중학생들의 '행복교육'과, '창의 융합형 인재' 양성에 기여할 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
• /
• 제24권1호
• /
• pp.253-266
• /
• 2018

본 연구는 질의 응답(QA) 시스템에서 사용하는 개체명 인식(NER)의 성능을 향상시키기 위하여 시퀀스 태깅 방법론을 적용한 새로운 방법론을 제안한다. 사용자의 질의를 입력 받아 데이터베이스에 저장된 정답을 추출하기 위해서는 사람의 언어를 컴퓨터가 알아들을 수 있도록 구조화 질의어(SQL)와 같은 데이터베이스의 언어로 전환하는 과정이 필요한데, 개체명 인식은 사용자의 질의에서 데이터베이스에 포함된 클래스나 데이터 명을 식별하는 과정이다. 기존의 데이터베이스에서 질의에 포함된 단어를 검색하여 개체명을 인식하는 방식은 동음이의어와 문장성분 구를 문맥을 고려하여 식별하지 못한다. 다수의 검색 결과가 존재하면 그들 모두를 결과로 반환하기 때문에 질의에 대한 해석이 여러 가지가 나올 수 있고, 계산을 위한 시간복잡도가 커진다. 본 연구에서는 이러한 단점을 극복하기 위해 신경망 기반의 방법론을 사용하여 질의가 가지는 문맥적 의미를 반영함으로써 이러한 문제를 해결하고자 했고 신경망 기반의 방법론의 문제점인 학습되지 않은 단어에 대해서도 문맥을 통해 식별을 하고자 하였다. Sequence Tagging 분야에서 최신 기술인 Bidirectional LSTM-CRF 모델을 도입함으로써 신경망 모델이 가진 단점을 해결하였고, 학습되지 않은 단어에 대해서는 온톨로지 기반 특성치를 활용하여 문맥을 반영한 추론을 사용하였다. 음악 도메인의 온톨로지(Ontology) 지식베이스를 대상으로 실험을 진행하고 그 성능을 평가하였다. 본 연구에서 제안한 방법론인 L-Bidirectional LSTM-CRF의 성능을 정확하게 평가하기 위하여 학습에 포함된 단어들뿐만 아니라 학습에 포함되지 않은 단어들도 포함한 질의를 평가에 사용하였다. 그 결과 L-Bidirectional LSTM-CRF 모형을 재학습 시키지 않아도 학습에 포함되지 않은 단어를 포함한 질의에 대한 개체명 인식이 가능함을 확인하였고, 전체적으로 개체명 인식의 성능이 향상됨을 확인할 수 있었다.

• 정보처리학회논문지D
• /
• 제10D권6호
• /
• pp.885-896
• /
• 2003

무선인터넷 기술의 발달과 응용의 확산으로 인하여 위치정보(Location Information)를 이용한 서비스 형태는 아주 다양하여 지고 있으며, LBS(Location-Based Services)라는 형태로 국내외 시장에서 급속히 학장하고 있다. 이러한 서비스의 기본정보인 위치정보는 고부가가치의 정보로 인정되고 있으며 또한 이러한 위치를 기반으로 한 서비스는 기존의 GIS(Geographic Information System)를 일반사람들에게 생활 속의 정보로 밀접하게 홀용할 수 있게 되었다. 즉, LBS로 인하여 GIS는 새로운 패러다임의 전환을 맞이하게 되었으며 대용량 이동체 데이터베이스 (MODB : Moving Object Database) 는 LBS를 위한 핵심 플랫폼 기능으로 인식되고 있다, 이러한 대용량 이동체 데이터베이스와 이동통신망과의 위치획득 인터페이스를 통한 위치정보 획득 기능은 아주 중요한 요소가 되며, 향후 위치를 기반으로 한 다양한 서비스가 제공될 경우, 이동성을 가지는 수많은 고객의 위치정보를 획득함으?? 심각한 시스템의 부하는 미리 예측할 수가 있다. 즉, 대용량의 이동체의 위치정보를 획득함에 있어서, 심각한 통신부하로 인한 LBS 플랫폼의 성능 저하가 발생 할 수가 있다. 따라서, MODB에서는 위치획득 기능은 안정적인 LBS플랫폼이 이동통신망으로부터 대용량의 위치정보를 획득함에 있어서, 이동체의 과거 이동 패턴을 이용하여 불필요한 위치정보 획득 회수를 줄임으로써 시스템 부하를 줄이고자 한다. 본 논문에서는 이러한 이동체의 이동 패턴을 이용하여 다양한 위치획득 모델을 설계하였으며, 시뮬레이션 환경에서 위치획득 모델을 구현함으로써 성능을 평가하였다.A가 다른 처리보다 높았다.구된다.을 나타냈다. 정소, 난소 및 자궁의 조직검사에서는 모든 투여구간에 커다란 변화는 없었다.이라는 중요성에 비추어, 사회문화주의 이론의 제안을 통해 아동의 수학 학습에서의 교사의 적극적인 역할의 가능성을 제시하고 있다. 삼림경관를 나타내었다. 각 화분대 및 아분대 우점수목의 기후환경에 대응하는 생태적 특징으로 작성한 가상 기온변화곡선의 내용은 다음과 같다: 화분대 I은 Butula우점기로서 약 57,000년 BP까지 형성되었으며, 상대적 한냉기로 간주된다. 화분대 II는 EMW우점시기로서 $57,000{\sim}43$,000년 BP에 형성되었으며, Alt Wurm에서 mittel W${\"{u}}$rm으로 전환되는 Interstadial로 간주된다. 화분대 III은 43,000~15,000년 BP간의 가장 오랜 시기를 포함하며, mittel Wurm${\sim}$Jung Wurm기에 해당한다. 한냉기인 화분대 III시기 중에는 Betula, Pinus, Picea 등의 목본류가 교대로 우점하는데, YY1에서 Quercus 와 Picea의 화분조성 변화로 볼 때 아분대 IIId시기가 가장 한냉하였을 것으로 추정된다. 화분아분대 IVa는 하부 화분대와 상부 화분대간의 전환기층으로서 피나무(Tilia)속 우점기로 나타나며, Holocene에 해당하는 화분대 IVb와 V는 약 7,000년 BP부터 현재까지 식생변화로 각각 Quercus와 Pinus가 우점하는 시기로 한국 동해안의 曺(1979)의 화분대 I과 II에 각각 대비된다. Bartlein et al.(1986)의 diagram을 통해 볼 때, 영양지역의

• 지능정보연구
• /
• 제25권1호
• /
• pp.43-61
• /
• 2019

최근 4차 산업혁명과 함께 인공지능 기술에 대한 연구가 활발히 진행되고 있으며, 이전의 그 어느 때보다도 기술의 발전이 빠르게 진행되고 있는 추세이다. 이러한 인공지능 환경에서 양질의 지식베이스는 인공지능 기술의 향상 및 사용자 경험을 높이기 위한 기반 기술로써 중요한 역할을 하고 있다. 특히 최근에는 인공지능 스피커를 통한 질의응답과 같은 서비스의 기반 지식으로 활용되고 있다. 하지만 지식베이스를 구축하는 것은 사람의 많은 노력을 요하며, 이로 인해 지식을 구축하는데 많은 시간과 비용이 소모된다. 이러한 문제를 해결하기 위해 본 연구에서는 기계학습을 이용하여 지식베이스의 구조에 따라 학습을 수행하고, 이를 통해 자연어 문서로부터 지식을 추출하여 지식화하는 방법에 대해 제안하고자 한다. 이러한 방법의 적절성을 보이기 위해 DBpedia 온톨로지의 구조를 기반으로 학습을 수행하여 지식을 구축할 것이다. 즉, DBpedia의 온톨로지 구조에 따라 위키피디아 문서에 기술되어 있는 인포박스를 이용하여 학습을 수행하고 이를 바탕으로 자연어 텍스트로부터 지식을 추출하여 온톨로지화하기 위한 방법론을 제안하고자 한다. 학습을 바탕으로 지식을 추출하기 위한 과정은 문서 분류, 적합 문장 분류, 그리고 지식 추출 및 지식베이스 변환의 과정으로 이루어진다. 이와 같은 방법론에 따라 실제 지식 추출을 위한 플랫폼을 구축하였으며, 실험을 통해 본 연구에서 제안하고자 하는 방법론이 지식을 확장하는데 있어 유용하게 활용될 수 있음을 증명하였다. 이러한 방법을 통해 구축된 지식은 향후 지식베이스를 기반으로 한 인공지능을 위해 활용될 수 있을 것으로 판단된다.

• 경영정보학연구
• /
• 제25권2호
• /
• pp.145-162
• /
• 2023

자산운용은 수많은 변수와 인간의 심리까지도 통찰해야 하는 복잡하고 어려운 분야이다. 따라서 전통적으로 전문가의 영역이었으며, 이러한 서비스를 받는 데 많은 비용이 들었다. 이러한 시장에 변화가 일어나고 있는데, 이른바 4차산업혁명으로 일컫는 디지털혁명이 그 동인이다. 그 중에서도 인공지능(Artificial Intelligence) 기술을 활용한 로보어드바이저(Robo-Advisor) 서비스는 그 백미이다. 편리한 접근성과 저렴한 비용으로 투자자문 서비스의 대중화가 가능하기 때문이다. 본 연구는 국내에서 서비스 사용자와 제공자의 로보어드바이저 선정 시, 어떤 요인들이 핵심적으로 중요한지, 또한 사용자와 제공자 집단 간의 선정요인에서 어떤 인식차이가 있는지를 밝히고자 하였다. 연구의 틀은 마케팅믹스 4C 모형을 기반으로 하였고, 모형의 설계와 분석은 델파이조사와 AHP를 활용하였다. 연구설계를 통해 4개의 주기준과 15개의 하부기준이 도출되었고, 연구의 발견내용은 다음과 같다. 첫째, 4개 주기준에서의 중요도는 양 집단 공히, 고객니즈> 고객편의> 고객비용> 고객소통 순으로 나타났다. 둘째, 15개의 하부기준들을 살펴보면 투자목적 Coverage, 투자성향 Coverage, 수수료 수준과 접근 편리성 요인이 가장 중요한 것으로 나타났다. 셋째, 집단 간을 비교하여 살펴보면 사용자 집단에서는 수수료 수준과 접근 편리성 요인이 가장 중요하게 나타났고, 제공자 집단에서는 투자목적 Coverage와 투자성향 Coverage 요인을 중요하게 인식하고 있는 것으로 나타났다. 본 연구는 실무적으로 유용한 시사점을 도출하였다. 먼저 로보어드바이저 서비스 확산을 위한 설계 시, 4개의 주기준과 15개 하부기준 가중치 차이에 따른 중요도 우선순위를 감안하여 사용자 지향적인 시스템 구축을 할 수 있는 근거를 마련하였다. 또한 집단 비교에서 나타난 각 하부기준의 우선순위 차이와, 가중치 차이가 큰 하부기준들에 대한 원인 파악, 제공자 집단 내의 전략/마케팅 담당과 시스템개발 담당 간 요인에 대한 인식 차이를 해소하기 위한 공감대 형성 등이 매우 중요함을 제시하였다. 학문적으로는 다수의 로보어드바이저 선정요인들을 도출함으로써 다양한 시각과 관점을 제시한 초기 연구라는 점에서 유의미하다. 본 연구의 발견점들을 통하여 국내에서도 성공적인 사용자 지향적 로보어드바이저 시스템을 구축하고 확산시켜 사용자들에게 도움을 줄 수 있기 기대한다.

• 한국제4기학회지
• /
• 제20권1호
• /
• pp.51-66
• /
• 2006

미국 해양대기청의 CCM3 기후모델을 이용하여 마지막최대빙하기 (Last Glacial Maximum (LGM))의 동아시아기후변화를 시뮬레이션 하였다. 이용된 수치모델의 수평해상도는 약 75km로 동아시아의 비교적 상세한 지형 및 기후 기작들이 표현된다. 현재 기후는 미국 해양대기청 에서 제공한 월평균 표층해수가 경계조건으로 이용되었으며, LGM 실험은 CLIMAP 프로젝트에서 복원된 표층해수가 경계조건으로 이용되었다. 또한 LGM실험에서는 현재 의 이산화탄소농도(330 ppm) 보다 낮았던 대기 이산화탄소농도 (200 ppm)가 적용되었고, 대륙빙하를 포함한 LGM 지표지형이 표현되었다. LGM 경계조건하에서 한국 서해와 동해의 대륙사면에서는 표층 온도가 겨울철에 약 18도 정도 현재보다 낮게 나타나며, 여름철에는 약 2도 정도 높게 나타나는데, 이와 같은 온도 변화는 한국 서해가 빙하기때 해수면 하강에 따라 지표로 드러남으로서 표층 열용량의 차이가 나타나기 때문이다. 전체적으로 마지막최대빙하기에 동아시아 내륙에서는 표층온도가 약 4-6도 감소하며, 주변해역을 포함하여 약 7.1도 하강하는 것으로 시뮬레이션 되는데, 이와 같은 온도감소는 이산화탄소농도 감소에 따른 장파복사량의 증가에 기인한다. 표층의 온도감소는 물수지의 약화를 초래하는데, 겨울철 아시아의 남동부에서 강수량이 약 1-4 mm/day 감소하며, 여름철에는 중국에서의 감수감소가 나타난다. 대체로 마지막최대 빙하기동안 동북아시아에서 현재보다 약 50%정도 감수가 감소하는 것으로 시뮬레이션 된다. 증발량도 감소하는 것으로 나타나지만, 강수의 감소가 더 커서 지난빙하기동안 동아시아는 대체로 건조한 기후가 나타나며, 이와 같은 결과는 다른 지역에서 보이고 있는 결과와 잘 일치한다. 결론적으로 고해상도 수치모델은 전 지구 영역 하에서 동아시아의 기후변화를 잘 시뮬레이션 하고 있다.mu}M$에서 $9.1{\mu}M$까지, 알테미아 경우 $16.13{\mu}M$에서 $45.8{\mu}M$까지, 그리고 배합 사료 공급시에는 $36.5{\mu}M$에서 $120.1{\mu}M$까지 상승하였다. 일간 수질 변화에 따른 용존 무기 질소(로티퍼; 7.0 g/일, 알테미아; 24.7 g/일, 배합 사료; 140.9 g/일)와 인(로티퍼; 0.7 g/일, 알테미아; 0.7 g/일, 배합 사료; 2.2 g/일) 배출량은 배합 사료 공급 시기에 유의적으로 높았다(P<0.05). 이와 같은 결과는 상업적 볼락 대량 종묘 시설에서 사육 시스템 내 수질 및 사육 관리를 위한 중요한 정보를 제공할 것이다.였다. 2종의 박하 추출물 투여군들 사이에는 혈청 GPT 활성에 대한 유의적인 차이가 나타나지 않았다. 7.과산화물질 (TBARS)의 함량은 정상군에 비해 음성대조군에서 약간의 함량 증가가 관찰되었으나 유의적인 수준은 아니었으며 대부분의 박하 추출물 투여군과 Silymarin 투여군에서 과산화지질이 비슷한 수준으로 증가하여 박하는 알콜에 의한 과간화지질생성에 대한 저해효과가 낮은 것으로 확인되었다. 8. 상대간장중량은 각 실험군별로 상대간장중량에서의 차이는 다소 있었으나 유의성은 없었다.mg/ml로 한 EtOAc 분획물은 26의 돌연변이 유발성을 보였다. 이상의 결과로 부터 뽕나무를 이용한 식용 제품생산을 고려할 때 추출물들의 제조와 선택을 가름하는 자료로서의 활용이 기대되며 앞으로 in vivo test 등 더욱 연구할 필요가 있을 것으로 사료된다.0^{-4}\;pg/cell$로 60 kHz로 병행 추출한 복분자 water 분획층의 $19.5{\times}10^{-4}\;pg/cell$보다 높은 분비량을 나타내었다.

• 지능정보연구
• /
• 제26권2호
• /
• pp.131-145
• /
• 2020

산업혁신의 흐름에 발맞추어 다양한 분야에서 활용되고 있는 IoT 기술은 빅데이터의 접목을 통한 새로운 비즈니스 모델의 창출 및 사용자 친화적 서비스 제공의 핵심적인 요소로 부각되고 있다. 사물인터넷이 적용된 디바이스에서 누적된 데이터는 사용자 환경 및 패턴 분석을 통해 맞춤형 지능 시스템을 제공해줄 수 있어 편의 기반 스마트 시스템 구축에 다방면으로 활용되고 있다. 최근에는 이를 공공영역 혁신에 확대 적용하여 CCTV를 활용한 교통 범죄 문제 해결 등 스마트시티, 스마트 교통 등에 활용하고 있다. 그러나 이미지 데이터를 활용하는 기존 연구에서는 개인에 대한 사생활 침해 문제 및 비(非)일반적 상황에서 객체 감지 성능이 저하되는 한계가 있다. 본 연구에 활용된 IoT 디바이스 기반의 센서 데이터는 개인에 대한 식별이 불필요해 사생활 이슈로부터 자유로운 데이터로, 불특정 다수를 위한 지능형 공공서비스 구축에 효과적으로 활용될 수 있다. 대다수의 국민들이 일상적으로 활용하는 도시철도에서의 지능형 보행자 트래킹 시스템에 IoT 기반의 적외선 센서 디바이스를 활용하고자 하였으며 센서로부터 측정된 온도 데이터를 실시간 송출하고, CNN-LSTM(Convolutional Neural Network-Long Short Term Memory) 알고리즘을 활용하여 구간 내 보행 인원의 수를 예측하고자 하였다. 실험 결과 MLP(Multi-Layer Perceptron) 및 LSTM(Long Short-Term Memory), RNN-LSTM(Recurrent Neural Network-Long Short Term Memory)에 비해 제안한 CNN-LSTM 하이브리드 모형이 가장 우수한 예측성능을 보임을 확인하였다. 본 논문에서 제안한 디바이스 및 모델을 활용하여 그간 개인정보와 관련된 법적 문제로 인해 서비스 제공이 미흡했던 대중교통 내 실시간 모니터링 및 혼잡도 기반의 위기상황 대응 서비스 등 종합적 메트로 서비스를 제공할 수 있을 것으로 기대된다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.219-239
• /
• 2019

개인에게 맞춤형 서비스를 제공하는 것이 중요해지면서 개인화 추천 시스템 관련 연구들이 끊임없이 이루어지고 있다. 추천 시스템 중 협업 필터링은 학계 및 산업계에서 가장 많이 사용되고 있다. 다만 사용자들의 평점 혹은 사용 여부와 같은 정량적인 정보에 국한하여 추천이 이루어져 정확도가 떨어진다는 문제가 제기되고 있다. 이와 같은 문제를 해결하기 위해 현재까지 많은 연구에서 정량적 정보 외에 다른 정보들을 활용하여 추천 시스템의 성능을 개선하려는 시도가 활발하게 이루어지고 있다. 리뷰를 이용한 감성 분석이 대표적이지만, 기존의 연구에서는 감성 분석의 결과를 추천 시스템에 직접적으로 반영하지 못한다는 한계가 있다. 이에 본 연구는 리뷰에 나타난 감성을 수치화하여 평점에 반영하는 것을 목표로 한다. 즉, 사용자가 직접 작성한 리뷰를 감성 수치화하여 정량적인 정보로 변환해 추천 시스템에 직접 반영할 수 있는 새로운 알고리즘을 제안한다. 이를 위해서는 정성적인 정보인 사용자들의 리뷰를 정량화 시켜야 하므로, 본 연구에서는 텍스트 마이닝의 감성 분석 기법을 통해 감성 수치를 산출하였다. 데이터는 영화 리뷰를 대상으로 하여 도메인 맞춤형 감성 사전을 구축하고, 이를 기반으로 리뷰의 감성점수를 산출한다. 본 논문에서 사용자 리뷰의 감성 수치를 반영한 협업 필터링이 평점만을 고려하는 전통적인 방식의 협업 필터링과 비교하여 우수한 정확도를 나타내는 것을 확인하였다. 이후 제안된 모델이 더 개선된 방식이라고 할 근거를 확보하기 위해 paired t-test 검증을 시도했고, 제안된 모델이 더 우수하다는 결론을 도출하였다. 본 연구에서는 평점만으로 사용자의 감성을 판단한 기존의 선행연구들이 가지는 한계를 극복하고자 리뷰를 수치화하여 기존의 평점 시스템보다 사용자의 의견을 더 정교하게 추천 시스템에 반영시켜 정확도를 향상시켰다. 이를 기반으로 추가적으로 다양한 분석을 시행한다면 추천의 정확도가 더 높아질 것으로 기대된다.