• 만화애니메이션 연구
• /
• 통권41호
• /
• pp.455-486
• /
• 2015

1986년 특허등록으로 시작된 3D프린팅 기술은 당시에는 인식 부족으로 일부 기업 외에는 주목받지 못하는 기술이었다. 그러나 20년이 지나 만료되는 특허들이 나오는 오늘날에는 가격도 개인이 구매가능한 선까지 낮아졌고 컴퓨터 성능향상 및 인터넷 정보교류의 보편화로 3D 콘텐츠에 대한 인식이 보편화 되어 산업계는 물론 일반인들에게도 주목 받고 있다. 수정 및 유통이 편리한 디지털 데이터를 기반으로 하면서 금형제작이 필요없는 3D프린터는 제작 공정에서 획기적인 변화를 가져 올 수 있으며 캐릭터 콘텐츠상품 분야에서도 동일한 효과를 얻을 수 있다. 최근 들어 관심을 받고 있는 키덜트 문화의 가장 선두에 있는 다양한 캐릭터 상품 제작에는 3D프린터를 사용하는 것이 필수적인 공정이 되고 있으며 이 같은 캐릭터 콘텐츠 관련 산업현장 수요를 예측해 볼 때, 그리고 특허 만료 및 기술의 공유로 저렴해진 가격 등을 고려해 볼 때, 앞으로 교육현장에서 3D프린터를 활용할 수 있는 인재를 양성하는 교육과정을 도입하여 보다 창의적인 작업을 할 수 있는 인재를 양성하고 취업의 영역과 기회를 확대하는 것은 꼭 진행되어야 할 것이다. 그러나 학교 교육에서 3D프린터를 도입하고자 할 때 얻을 수 있는 정보는 한계가 있다. 언론이나 정보매체에서는 3D 프린터에 대한 장밋빛 미래가치나 산업규모 성장과 같은 일반적인 정보만을 거론하고 있으며 학계에서도 연구의 수준의 프린팅 기술 소개나 산업에서의 적용, 산업 규모 데이터 분석 등 개론수준의 내용 정리에 머무르고 있다. 이러한 정보의 부족은 교육현장에서 문제를 발생시킨다. 장점과 단점 비교와 같은 실질적인 정보 비교 없이 일단 도입 하여 시행착오의 과정 이후에서야 사용을 할 수 있게 됨으로서 시간적, 기회비용이 발생할 수밖에 없는 상황이다. 특히 많은 비용을 들여 도입한 장비가 학교 교육의 특성에 맞지 않는다면 그로 인한 비용손실은 클 것이다. 본 연구의 목적은 관련 전문가들이 아닌 기술관련 기반이 없는 일반 사용자들을 대상으로 하였다. 기존의 의 3D프린터 기술소개의 정도가 아닌 대표적 기술에 따른 사용상의 주의 점과 문제점을 분석하고 장단점을 비교하여 학교 교육, 특히 애니메이션 관련 학과에서 캐릭터 상품 개발과 관련한 교육에서 필요한 3D 프린터는 어떤 특성을 가져야 하는지를 설명하고 앞으로 3D프린터 이용한 교육을 시행하고자 할 때 실질적인 도움이 될 수 있는 정보를 제공하고자 하였다. 본론에서는 지지대 방식, 재료의 종류, 이차원 프린팅 방법, 삼차원 프린팅 방법과 같이 새로운 관점으로 기술을 구분하여 설명하였다. 이렇게 다른 구분 방식을 선택 하게 된 이유는 사용상의 실질적인 문제들을 상호 비교하기 용이하도록 하기 위함이다. 결론적으로 가장 적합한 3D프리터는 출력물의 품질은 다소 부족하지만 비교적 가격대가 저렴하고 재료 및 유지보수비용이 적게 드는 FDM방식의 프린터로 선정하였으며 부가적으로 기술지원이 잘되는 업체를 선정하기를 추천한다.

• 지능정보연구
• /
• 제25권4호
• /
• pp.141-154
• /
• 2019

인터넷 기술과 소셜 미디어의 빠른 성장으로 인하여, 구조화되지 않은 문서 표현도 다양한 응용 프로그램에 사용할 수 있게 마이닝 기술이 발전되었다. 그 중 감성분석은 제품이나 서비스에 내재된 사용자의 감성을 탐지할 수 있는 분석방법이기 때문에 지난 몇 년 동안 많은 관심을 받아왔다. 감성분석에서는 주로 텍스트 데이터를 이용하여 사람들의 감성을 사전 정의된 긍정 및 부정의 범주를 할당하여 분석하며, 이때 사전 정의된 레이블을 이용하기 때문에 다양한 방향으로 연구가 진행되고 있다. 초기의 감성분석 연구에서는 쇼핑몰 상품의 리뷰 중심으로 진행되었지만, 최근에는 블로그, 뉴스기사, 날씨 예보, 영화 리뷰, SNS, 주식시장의 동향 등 다양한 분야에 적용되고 있다. 많은 선행연구들이 진행되어 왔으나 대부분 전통적인 단일 기계학습기법에 의존한 감성분류를 시도하였기에 분류 정확도 면에서 한계점이 있었다. 본 연구에서는 전통적인 기계학습기법 대신 대용량 데이터의 처리에 우수한 성능을 보이는 딥러닝 기법과 딥러닝 중 CNN과 LSTM의 조합모델을 이용하여 감성분석의 분류 정확도를 개선하고자 한다. 본 연구에서는 대표적인 영화 리뷰 데이터셋인 IMDB의 리뷰 데이터 셋을 이용하여, 감성분석의 극성분석을 긍정 및 부정으로 범주를 분류하고, 딥러닝과 제안하는 조합모델을 활용하여 극성분석의 예측 정확도를 개선하는 것을 목적으로 한다. 이 과정에서 여러 매개 변수가 존재하기 때문에 그 수치와 정밀도의 관계에 대해 고찰하여 최적의 조합을 찾아 정확도 등 감성분석의 성능 개선을 시도한다. 연구 결과, 딥러닝 기반의 분류 모형이 좋은 분류성과를 보였으며, 특히 본 연구에서 제안하는 CNN-LSTM 조합모델의 성과가 가장 우수한 것으로 나타났다.

• 지능정보연구
• /
• 제27권2호
• /
• pp.55-78
• /
• 2021

최근 인간과 상호작용할 수 있는 '소셜로봇'을 활용하여 복잡하고 다양한 사회문제를 해소하고 개인의 삶의 질을 제고하려는 시도가 주목받고 있다. 과거 로봇은 인간을 대신해서 산업 현장에 투입되고 노동력을 제공해주는 존재로 인식되었다. 그러나 오늘날의 로봇은 각종 산업분야를 관통하는 핵심 키워드인 'Smart'의 등장을 기점으로 인간과 함께 공존하며 사회적 교감이 가능한 '소셜로봇(Social Robot)'으로 그 개념이 확장되고 있다. 구체적으로 고객을 응대하는 서비스 로봇, 에듀테인먼트(Edutainment) 성격의 로봇, 그리고 인간과의 교감, 상호작용에 주목한 감성로봇 등이 출시되고 있다. 그러나 4차 산업혁명을 계기로 ICT 서비스 환경이 급격한 발전을 이룬 현재까지 소셜로봇의 대중화는 체감되지 않고 있다. 소셜로봇의 핵심 기능이 사용자와의 사회적 교감임을 고려하면, 소셜로봇의 대중화를 촉진하기 위해서는 기기에 적용되는 기술 이외의 요소들도 중요하게 고려할 필요가 있다. 본 연구는 로봇의 디자인 요소가 소셜로봇에 대한 소비자들의 구매를 이끌어내는데 중요하게 작용할 것으로 판단한다. 로봇의 외형이 유발하는 감성은 사용자의 인지, 추론, 평가와 기대를 형성하는 과정에서 중요한 영향을 미치며 나아가 로봇에 대한 태도와 호감 그리고 성능 추론 등에도 영향을 줄 수 있다. 그러나 소셜로봇에 대한 기존 연구들은 로봇의 개발방법론을 제안하거나, 소셜로봇이 사용자에게 제공하는 효과를 단편적으로 검증하는 수준에 머무르고 있다. 따라서 본 연구는 소셜로봇의 외형으로부터 사용자가 느끼는 감성이 소셜로봇에 대한 사용자의 태도에 미치는 영향을 검증해보고자 한다. 이때 서로 다른 출처의 이종 데이터 간 결합을 통하여 소셜로봇 디자인평가 모형을 구성한다. 구체적으로 소셜로봇의 외형에 대하여 사전에 구축된 ABOT Database로부터 다수의 소셜로봇에 대한 세 가지 정량적 지표 데이터를 확보하였다. 소셜로봇의 디자인 감성은 (1) 기존의 디자인평가 문헌과 (2) 소셜로봇 제품 후기와 블로그 등의 온라인 구전, (3) 소셜로봇 디자인에 대한 정성적인 인터뷰를 통해 도출하였다. 이후 사용자 설문을 통하여 각각의 소셜로봇에 대해 사용자가 느끼는 감성과 태도에 대한 평가를 수집하였다. 세부적인 감성 평가항목 23개에 대하여, 차원 축소 방법론을 통해 6개의 감성 차원을 도출하였다. 이어서 도출된 감성 차원들이 사용자의 소셜로봇에 대한 태도에 미치는 영향을 검증하기 위해 회귀분석을 수행하여 감성과 태도 간의 관계를 파악해 보았다. 마지막으로 정량적으로 수집된 소셜로봇의 외형에 대한 지표가 감성과 태도 간의 관계에 영향을 줄 수 있음을 검증하기 위해 조절회귀분석을 수행하였다. 기술적인ABOT Database 속성 지표들과 감성 차원들 간의 순수조절효과를 확인하고, 도출된 조절효과에 대한 시각화를 수행하여 외형, 감성, 그리고 태도 간의 관계를 다각적인 관점에서 해석하였다. 본 연구는 이종간 데이터를 연결하여 소셜로봇의 기술적 속성과 소비자 감성, 태도까지 변수 간 관계를 총체적으로 실증 분석했다는 점에서 이론적 공헌을 가지며, 소셜로봇 디자인 개발 전략에 대한 의사결정을 지원하기 위한 기준으로 소비자 감성의 활용 가능성을 제안하였다는 실무적 의의를 가진다.

• 지능정보연구
• /
• 제27권4호
• /
• pp.1-22
• /
• 2021

텍스트를 바탕으로 한 차원 기반 감성 분석(Aspect-Based Sentiment Analysis)은 다양한 산업에서 유용성을 주목을 받고 있다. 기존의 차원 기반 감성 분석에서는 타깃(Target) 혹은 차원(Aspect)만을 고려하여 감성을 분석하는 연구가 대다수였다. 그러나 동일한 타깃 혹은 차원이더라도 감성이 나뉘는 경우, 또는 타깃이 없지만 감성은 존재하는 경우 분석 결과가 정확하지 않다는 한계가 존재한다. 이러한 문제를 해결하기 위한 방법으로 차원과 타깃을 모두 고려한 감성 분석(Target-Aspect-Sentiment Detection, 이하 TASD) 모델이 제안되었다. 그럼에도 불구하고, TASD 기존 모델의 경우 구(Phrase) 간의 관계인 지역적인 문맥을 잘 포착하지 못하고 초기 학습 속도가 느리다는 문제가 있었다. 본 연구는 TASD 분야 내 기존 모델의 한계를 보완하여 분석 성능을 높이고자 하였다. 이러한 연구 목적을 달성하기 위해 기존 모델에 합성곱(Convolution Neural Network) 계층을 더하여 차원-감성 분류 시 보조 손실(Auxiliary loss)을 추가로 사용하였다. 즉, 학습 시에는 합성곱 계층을 통해 지역적인 문맥을 좀 더 잘 포착하도록 하였으며, 학습 후에는 기존 방식대로 차원-감성 분석을 하도록 모델을 설계하였다. 본 모델의 성능을 평가하기 위해 공개 데이터 집합인 SemEval-2015, SemEval-2016을 사용하였으며, 기존 모델 대비 F1 점수가 최대 55% 증가했다. 특히 기존 모델보다 배치(Batch), 에폭(Epoch)이 적을 때 효과적으로 학습한다는 것을 확인할 수 있었다. 본 연구에서 제시된 모델로 더욱 더 세밀한 차원 기반 감성 분석이 가능하다는 점에서, 기업에서 상품 개발 및 마케팅 전략 수립 등에 다양하게 활용할 수 있으며 소비자의 효율적인 구매 의사결정을 도와줄 수 있을 것으로 보인다.