• Title/Summary/Keyword: First-Level Categories

Search Result 323, Processing Time 0.024 seconds

회사채 신용등급 예측을 위한 SVM 앙상블학습 (Ensemble Learning with Support Vector Machines for Bond Rating)

  • 김명종
    • 지능정보연구
    • /
    • 제18권2호
    • /
    • pp.29-45
    • /
    • 2012
  • 회사채 신용등급은 투자자의 입장에서는 수익률 결정의 중요한 요소이며 기업의 입장에서는 자본비용 및 기업 가치와 관련된 중요한 재무의사결정사항으로 정교한 신용등급 예측 모형의 개발은 재무 및 회계 분야에서 오랫동안 전통적인 연구 주제가 되어왔다. 그러나, 회사채 신용등급 예측 모형의 성과와 관련된 가장 중요한 문제는 등급별 데이터의 불균형 문제이다. 예측 문제에 있어서 데이터 불균형(Data imbalance) 은 사용되는 표본이 특정 범주에 편중되었을 때 나타난다. 데이터 불균형이 심화됨에 따라 범주 사이의 분류경계영역이 왜곡되므로 분류자의 학습성과가 저하되게 된다. 본 연구에서는 데이터 불균형 문제가 존재하는 다분류 문제를 효과적으로 해결하기 위한 다분류 기하평균 부스팅 기법 (Multiclass Geometric Mean-based Boosting MGM-Boost)을 제안하고자 한다. MGM-Boost 알고리즘은 부스팅 알고리즘에 기하평균 개념을 도입한 것으로 오분류된 표본에 대한 학습을 강화할 수 있으며 불균형 분포를 보이는 각 범주의 예측정확도를 동시에 고려한 학습이 가능하다는 장점이 있다. 회사채 신용등급 예측문제를 활용하여 MGM-Boost의 성과를 검증한 결과 SVM 및 AdaBoost 기법과 비교하여 통계적으로 유의적인 성과개선 효과를 보여주었으며 데이터 불균형 하에서도 벤치마킹 모형과 비교하여 견고한 학습성과를 나타냈다.

텍스트 마이닝을 활용한 지역 특성 기반 도시재생 유형 추천 시스템 제안 (Suggestion of Urban Regeneration Type Recommendation System Based on Local Characteristics Using Text Mining)

  • 김익준;이준호;김효민;강주영
    • 지능정보연구
    • /
    • 제26권3호
    • /
    • pp.149-169
    • /
    • 2020
  • 현 정부의 주요 국책사업 중 하나인 도시재생 뉴딜사업은 매년 100 곳씩, 5년간 500곳을대상으로 50조를 투자하여 낙후된 지역을 개발하는 것으로 언론과 지자체의 높은 이목이 집중되고 있다. 그러나, 현재 이 사업모델은 면적 규모에 따라 "우리동네 살리기, 주거정비지원형, 일반근린형, 중심시가지형, 경제기반형" 등 다섯 가지로 나뉘어 추진되어 그 지역 본래의 특성을 반영하지 못하고 있다. 국내 도시재생 성공 키워드는 "주민 참여", "지역특화" "부처협업", "민관협력"이다. 성공 키워드에 따르면 지자체에서 정부에게 도시재생 사업을 제안할 때 지역주민, 민간기업의 도움과 함께 도시의 특성을 정확히 이해하고 도시의 특성에 어울리는 방향으로 사업을 추진하는 것이 가장 중요하다는 것을 알 수 있다. 또한 도시재생 사업 후 발생하는 부작용 중 하나인 젠트리피케이션 문제를 고려하면 그 지역 특성에 맞는 도시재생 유형을 선정하여 추진하는 것이 중요하다. 이에 본 연구는 '도시재생 뉴딜 사업' 방법론의 한계점을 보완하기 위해, 기존 서울시가 지역 특성에 기반하여 추진하고 있는 "2025 서울시 도시재생 전략계획"의 도시재생 유형을 참고하여 도시재생 사업지에 맞는 도시재생 유형을 추천하는 시스템을 머신러닝 알고리즘을 활용하여 제안하고자 한다. 서울시 도시재생 유형은 "저이용저개발, 쇠퇴낙후, 노후주거, 역사문화자원 특화" 네 가지로 분류된다 (Shon and Park, 2017). 지역 특성을 파악하기 위해 총 4가지 도시재생 유형에 대해 사업이 진행된 22개의 지역에 대한 뉴스 미디어 10만여건의 텍스트 데이터를 수집하였다. 수집된 텍스트를 이용하여 도시재생 유형에 따른 지역별 주요 키워드를 도출하고 토픽모델링을 수행하여 유형별 차이가 있는 지 탐색해 보았다. 다음 단계로 주어진 텍스트를 기반으로 도시재생 유형을 추천하는 추천시스템 구축을 위해 텍스트 데이터를 벡터로 변환하여 머신러닝 분류모델을 개발하였고, 이를 검증한 결과 97% 정확도를 보였다. 따라서 본 연구에서 제안하는 추천 시스템은 도시재생 사업을 진행하는 과정에서 신규 사업지의 지역 특성에 기반한 도시재생 유형을 추천할 수 있을 것으로 기대된다.

중국 당대~금대 목조 건축의 귀포 변천에 관한 연구 - 좌우대의 결구 유형을 중심으로 - (A Study on the Changes in Gwi-po from Tang to Jin Dynasty in China - Focusing on the connection type of Jwau-dae(左右隊) -)

  • 이병춘;이호열
    • 헤리티지:역사와 과학
    • /
    • 제48권3호
    • /
    • pp.96-119
    • /
    • 2015
  • 이 연구는 중국의 중세 목조건축을 대상으로 귀포(轉角鋪作)의 변천을 고찰한 것이다. 연구의 목적은 당대(唐代)부터 금대(金代)에 건축된 목조건축 중 중국정부가 전국중점문물보호단위(國保)로 지정 보호하고 있는 71동의 건물을 대상으로 귀포의 시기별 변천 양상을 살펴보고 변화요인을 파악하는데 있다. 이 연구에서는 귀포를 구성하는 좌우대(左右隊)의 다양한 결구유형에 주목하여 귀포의 변천과 전개과정을 고찰했다. 이 연구의 결과는 다음과 같다. 귀포의 형식 변화는 건축을 주도했던 장인들의 좌우대에 대한 인식 변화와 깊은 관련이 있다. 초기의 귀포에서는 소첨과 대첨으로 구성되는 중공조(重?造) 구성과 일두삼승(一斗三升)의 첨차 구성 원칙이 잘 유지되었으나 건축기술의 발달로 귀포의 출목부(出目部)에 귀잡이한대(말각공)와 좌우대가 결구되면서 다양한 형식이 나타났다. 초기의 귀포에서 진일보한 과도기형 귀포는 홀수 단에 놓인 좌우대의 모양에 따라 세 가지 유형으로 구분된다. 즉 귀한대에 면해 좌우대의 뺄목이 형성되지 않은 '무(無)뺄목형'(요, 북송)을 비롯한 좌우대의 뺄목이 사두(?頭)와 같은 모양인 '사두뺄목형'(북송, 금)과 좌우대의 뺄목이 소공두(小?頭)와 같은 '소공두형'(남송, 금)이 그것이다. 귀포의 후기형인 정형은 각 출목에 사두가 결구되는 유형으로 비록 요대에 형성되었지만 폭넓게 적용된 시기는 원대이후로 추정된다. 요대(遼代)에 이르러 건물의 지붕이 대형화되고 처마가 길게 돌출되는 변화가 나타나면서 하중이 집중되는 귀포를 구조적으로 보강할 필요가 생겼다. 이 시기에 처음 사용된 귀잡이한대는 귀포의 구조 보강을 위해 사용되었지만 이후 귀포의 형식 변화에 큰 영향을 미친 것으로 파악된다. 그리고 요대(遼代)에 발달한 공포재인 익형공(翼型?)은 귀포를 비롯한 건물의 공포형식이 투심조(偸心造)에서 계심조(計心造)로 변화하는데 큰 영향을 주었으며, 이와 같은 변화는 무앙계 건축을 중심으로 귀포의 정형화에 가장 큰 영향을 미쳤다. 하지만 동시기 하앙계 건축에서는 무앙계에 비해 귀포가 '사두(?頭)뺄목형'에서 '소공두형'으로 바뀌는 변화가 서서히 일어났다. 무엇보다 귀포의 변화에 요대의 건축특성이 중요한 역할을 하였음이 주목된다.