• 한국식품위생안전성학회지
• /
• 제29권2호
• /
• pp.131-140
• /
• 2014

본 연구에서는 LC-MS/MS를 이용하여 페니실린계 동물용의약품 8종, 암피실린, 아목시실린, 클록사실린, 디클록사실린, 나프실린, 옥사실린, 페니실린 G, 페니실린 V의 동시분석법을 확립하고 잔류실태조사를 수행하였다. 피페라실린을 내부표준물질으로 적용하였으며, 이동상으로는 0.05% 포름산 용액와 0.05% 포름산 아세토니트릴 용액을 gradient mode로 사용하였고 $C_{18}$ 칼럼을 이용하여 분석하였다. 각 분석물질은 MRL의 0.25, 0.5, 1, 2, 4, 8배 농도범위에서 검량선을 작성하여 $R^2{\geq}0.99$의 직선성 및 재현성을 확인하였다. 소고기, 돼지고기, 닭고기에 대하여 MRL의 0.5, 1, 2배인 세 가지 농도에서 6회 반복으로 분석을 실시한 결과, 평균 회수율은 71.0~106%, 상대표준편차는 4.0~11.2%, LOD는 0.003~0.008 mg/kg, LOQ는 0.01~0.03 mg/kg이었다. 국내 유통 소고기, 돼지고기, 닭고기에서 페니실린계 항생제 8종의 분석결과, 총 193건 중 경기도 지역의 국내산 소고기 1건에 대해서 클록사실린이 MRL 이하인 0.08 mg/kg이 검출되었으며, 나머지 192건의 검체에서는 불검출로 분석되었다. 본 연구를 통하여 확립된 페니실린계 동물용의약품 8종 동시분석법은 식육에 대한 페니실린계 동물용의약품의 안전관리 체계 방안을 제시하기 위한 기초자료로 활용 가능한 것으로 사료된다.

• 지능정보연구
• /
• 제24권2호
• /
• pp.221-241
• /
• 2018

최근 딥러닝 기술이 주목을 받고 있다. 대중들의 관심을 받았던 국제 이미지 인식 기술 대회(ILSVR)와 알파고(AlphaGo)에서 사용된 딥러닝 기술이 바로 합성곱 신경망(CNN; Convolution Neural Network)이다. 합성곱 신경망은 입력 이미지를 작은 구역으로 나누어 부분적인 특징을 인식하고 이것을 결합하여 전체를 인식하는 특징을 가진다. 이러한 딥러닝 기술이 우리의 생활에 있어 많은 변화를 야기할 것이라는 기대를 주고 있지만 현재까지는 이미지 인식과 자연어 처리 등에 그 성과가 국한되어 있다. 비즈니스 문제에 대한 딥러닝 활용은 아직까지 초기 연구 단계로 향후 마케팅 응답 예측이나 허위 거래 식별, 부도 예측과 같은 전통적 비즈니스 문제들에 대해 보다 깊게 활용되고 그 성능이 입증된다면 딥러닝 기술의 활용 가치가 보다 더 주목받게 될 것으로 기대된다. 이러한 때 비교적 고객 식별이 용이하고 활용 가치가 높은 빅데이터를 보유하고 있는 전자상거래 기업의 사례를 바탕으로 하여 딥러닝 기술의 비즈니스 문제 해결 가능성을 진단해보는 것은 학술적으로 매우 의미 있는 시도라 할 수 있겠다. 이에 본 연구에서는 전자상거래 기업의 고객 행태 예측력을 높이기 위한 방안으로 합성곱 신경망을 활용한 '이종 정보 결합(Heterogeneous Information Integration)의 CNN 모델'을 제시한다. 이는 정형과 비정형 정보를 결합하여 다층 퍼셉트론 구조의 합성곱 신경망에서 학습시키는 모델로서 최적의 성능을 발휘하도록 '이종 정보 결합'과 '비정형 정보의 벡터 전환', 그리고 '다층 퍼셉트론 설계'로 하는 3개의 내부 아키텍처를 정의하고 각 아키텍처 단위로 구성되는 방식에 따른 성능을 평가하여 그 결과를 바탕으로 제안 모델을 확정하고 그 성능을 평가해보고자 한다. 고객 행태 예측을 위한 목표 변수는 전자상거래 기업에서 중요하게 관리하고 있는 재구매 고객, 이탈 고객, 고빈도 구매 고객, 고빈도 반품 고객, 고단가 구매 고객, 고할인 구매 고객 등 모두 6개의 이진 분류 문제로 정의한다. 제안한 모델의 유용성을 검증하기 위해서 국내 특정 전자상거래 기업의 실제 데이터를 활용하여 실험을 수행하였다. 실험 결과 정형과 비정형 정보를 결합하여 CNN을 활용한 제안 모델이 NBC(Naïve Bayes classification)과 SVM(Support vector machine), 그리고 ANN(Artificial neural network)에 비해서 예측 정확도와 F1 Measure가 높게 평가되었다. 또 NBC, SVM, ANN에서 정형 정보만을 사용할 때 보다 정형과 비정형 정보를 결합하여 입력 변수로 함께 활용한 경우에 예측 정확도가 향상되는 것으로 나타났다. 따라서 실험 결과로부터 비정형 정보의 활용이 고객 행태 예측의 정확도 향상에 기여한다는 점과 CNN 기법의 특징 추출 알고리즘이 VOC에 사용된 단어들의 분포와 위치 정보를 해석하여 문장의 의미를 파악하는데 효과적이라는 점을 실증적으로 확인하였다는데 그 의미가 있다고 할 수 있겠다. 이를 통해서 CNN 기법이 지금까지 소개된 이미지 인식이나 자연어 처리 분야 외에 비즈니스 문제 해결에도 활용 가치가 높다는 점을 확인하였다는데 이 연구의 의의가 있다 하겠다.