• 지능정보연구
• /
• 제29권4호
• /
• pp.185-205
• /
• 2023

코로나19 팬데믹 이후 관광 산업이 회복되면서 많은 관광객들이 다양한 플랫폼을 활용하고 리뷰를 남기고 있지만, 대량의 데이터 속에서 유용한 정보를 찾기 어려워 아직도 여행지 선정 과정에서 많은 시간과 비용이 낭비되고 있다. 이에 따라 많은 연구들이 진행되고 있지만, 평점이 없거나 플랫폼별로 다른 형태의 평점 제공으로 인해 연구에 한계를 가지고 있으며, 평점과 리뷰 내용이 일치하지 않는 경우도 있어 추천 모델 구축에 어려움을 주고 있다. 본 연구에서는 이러한 문제를 해결하기 위해 7,104개의 제주도 지역 관광지 리뷰를 활용하여 제주도에 특화된 관광지 만족도 정량 지수를 개발하고 이를 활용하여 '평점 예측 모델'을 구축하였다. 모델의 성능을 확인하기 위해 실험 데이터 700건의 평점을 본 연구에서 개발된 모델과 LSTM을 활용하여 예측 하였으며, 제안된 모델이 LSTM 보다 약 4.67% 높은 73.87%의 가중 정확도로 성능이 더 우수한 것을 확인하였다. 본 연구의 결과를 통해 평점과 리뷰 내용 사이의 불일치 문제를 해결하고, 평점이 없는 리뷰나 다양한 형태의 평점을 정형할 수 있으며, 다른 도메인에 적용하여 여행의 모든 분야에서 신뢰할 수 있는 평점 지표를 제공할 수 있을 것으로 기대된다.

• 한국어병학회지
• /
• 제36권2호
• /
• pp.323-336
• /
• 2023

This study was conducted to find out the effect of yeast by-products discarded after beer production as feed additives for carp (Cyprinus carpio). After producing feed by adding high-temperature dried beer yeast by-products (HD), freeze-dried beer yeast by-products (FD), and freeze-dried fermented beer yeast by-products (FF) after lactobacilli fermentation, innate immunity indicators, survival rates, and challenge experiments were evaluated. Both ACH50 and lysozyme activity were significantly increased (p<0.05) in the experimental group of FF 0.2% and 0.5% compared to the control group from day 7 to day 21. In addition, phagocyte activity was significantly increased (p<0.05) in the group of FF 0.5% compared to the control group at all time points. Both IL-1β and TNF-α expression levels increased significantly in the FD and FF groups on day 21 compared to the control group (p<0.05). In addition, the FF 0.5% group showed significantly higher expression levels (p<0.05) at all time points. Similarly, IL-10 expression increased significantly (p<0.05) in FF 0.2% and 0.5% groups at all time points. SOD gene expression was significantly increased in FD 0.5% and all FF groups on day 14 and 21 (p<0.05). The results of a 10-day challenge experiment using Edwardsiella piscicida (E. piscicida) showed a higher relative survival rate than the control group at all concentrations that fed FD and FF. In summary, it is estimated that 0.5% FF can effectively improve the innate immunity, growth rate, and antibacterial properties of carp rather than using discarded beer yeast supernatant alone as a functional feed additive.

• 한국ITS학회 논문지
• /
• 제23권2호
• /
• pp.157-172
• /
• 2024

자율주행 기술은 상용화될 경우 교통 네트워크에 안전성, 이동성, 환경성을 개선할 잠재력을 지니고 있다. 그러나, 센서 기능의 저하와 원거리 검지의 한계는 자율주행 차량의 안전한 주행을 방해할 수 있으므로 인근 차량과 인프라에서 수집한 정보를 활용하여 보완하는 자율협력주행이 필수적이다. 또한, HDV, AV, CAV는 인지할 수 있는 정보의 범위가 각기 다르고 이에 따른 대응 프로토콜이 상이하기 때문에 자율주행 기술 과도기에 발생하는 혼재 교통류에서의 대응책이 필요하다. 자율주행 차량 보급률, 도로 구간별 특성 차이를 복합적으로 고려한 교통류 최적화 연구가 부족하다. 본 연구는 인프라 가이던스 유스케이스 및 자율주행차량 MPR별 안전성, 이동성, 환경성에 따른 가중치를 개발하는 것을 목적으로 한다. AHP 가중치를 개발하기 위해 MPR을 고려한 Hybrid AHP와 인프라 가이던스 구간 및 상황 별 AHP를 결합하고 통합 평가지표를 개발하였다. 분석결과, LOS A-B × MPR 10% × 분·합류부 및 엇갈림구간은 안전성 가중치(0.841)가 가장 높은 구간인 동시에 이동성 가중치(0.112)가 가장 낮은 구간이였으며, LOS A-B × MPR 50% × CAV 전용도로의 안전성 가중치(0.605)가 가장 낮은 구간인 동시에 이동성 가중치(0.335)가 가장 높은 구간으로 도출되었다. 본 연구의 결과를 기반으로 혼재 교통류를 최적화하기 위한 차량 별 통행 우선권을 부여하는데 활용할 수 있다.

• 지능정보연구
• /
• 제28권4호
• /
• pp.251-273
• /
• 2022

최근 텍스트 분석을 딥러닝에 적용한 연구가 꾸준히 이어지고 있으며, 특히 대용량의 데이터 셋을 학습한 사전학습 언어모델을 통해 단어의 의미를 파악하여 요약, 감정 분류 등의 태스크를 수행하려는 연구가 활발히 이루어지고 있다. 하지만 기존 사전학습 언어모델이 특정 도메인을 잘 이해하지 못한다는 한계를 나타냄에 따라, 최근 특정 도메인에 특화된 언어모델을 만들고자 하는 방향으로 연구의 흐름이 옮겨가고 있는 추세이다. 도메인 특화 추가 사전학습 언어모델은 특정 도메인의 지식을 모델이 더 잘 이해할 수 있게 하여, 해당 분야의 다양한 태스크에서 성능 향상을 가져왔다. 하지만 도메인 특화 추가 사전학습은 해당 도메인의 말뭉치 데이터를 확보하기 위해 많은 비용이 소요될 뿐 아니라, 고성능 컴퓨팅 자원과 개발 인력 등의 측면에서도 많은 비용과 시간이 투입되어야 한다는 부담이 있다. 아울러 일부 도메인에서 추가 사전학습 후의 성능 개선이 미미하다는 사례가 보고됨에 따라, 성능 개선 여부가 확실하지 않은 상태에서 도메인 특화 추가 사전학습 모델의 개발에 막대한 비용을 투입해야 하는지 여부에 대해 판단이 어려운 상황이다. 이러한 상황에도 불구하고 최근 각 도메인의 성능 개선 자체에 초점을 둔 추가 사전학습 연구는 다양한 분야에서 수행되고 있지만, 추가 사전학습을 통한 성능 개선에 영향을 미치는 도메인의 특성을 규명하기 위한 연구는 거의 이루어지지 않고 있다. 본 논문에서는 이러한 한계를 극복하기 위해, 실제로 추가 사전학습을 수행하기 전에 추가 사전학습을 통한 해당 도메인의 성능 개선 정도를 선제적으로 확인할 수 있는 방안을 제시한다. 구체적으로 3개의 도메인을 분석 대상 도메인으로 선정한 후, 각 도메인에서의 추가 사전학습을 통한 분류 정확도 상승 폭을 측정한다. 또한 각 도메인에서 사용된 주요 단어들의 정규화된 빈도를 기반으로 해당 도메인의 특수성을 측정하는 지표를 새롭게 개발하여 제시한다. 사전학습 언어모델과 3개 도메인의 도메인 특화 사전학습 언어모델을 사용한 분류 태스크 실험을 통해, 도메인 특수성 지표가 높을수록 추가 사전학습을 통한 성능 개선 폭이 높음을 확인하였다.

• 벤처창업연구
• /
• 제17권2호
• /
• pp.33-51
• /
• 2022

본 연구는 2011년부터 2020년까지 코스닥 신규상장 기업 467곳을 대상으로 하여 상장 전 벤처투자를 유치한 경험이 있는 기업(VI)과 유치 경험이 없는 기업(NVI)으로 구분한 후, 상장실적과 상장 후 성장성을 종속변수로 설정하여 차이가 존재하는지를 실증분석하였다. 기술통계량, 평균차이분석, 그리고 다중회귀분석을 수행하였고, 독립변수로는 VC투자, 상장 시 기업의 업력, 기업의 업종, 기업 소재지역, 창투사의 규모 및 업력, 창투사의 전문성, 투자기업과의 적합도를 나타내는 지표를 활용하였다. 분석 결과 VC 투자를 받은 기업의 상장실적과 상장 후 성장성이 더 우수함을 통계적 유의성에 근거하여 제한적으로 관찰하였다. VC 투자의 경우 주로 상장 소요기간에 대해 부(-)의 영향을, 매출액 증가율에 대해 정(+)의 영향을 주었다. VC 투자금액의 경우에는 상장소요기간에 부(-)의 효과를, IPO시 시가총액에 정(+)의 효과를 미치며, 성장성 지표 중에서는 기업의 실질적 경영지표 중 하나인 매출액 증가율에 대하여 정(+)의 영향을 나타내었다. 한편, 본 연구는 분석대상 기업의 업종이 연구개발 특수업종에 해당하는 경우, 상장 이후 성장성에 제한적이지만 유의한 정(+)의 효과를 확인하였다. 또한 기업 업력이 시가총액 증가율에 유의한 정(+)의 영향을 미치는 것을 일부 연도에서 확인하였는데, 이는 장기적이고 안정적인 경영능력을 보이는 경우 단기에 급속한 성장을 나타낼 때보다 시장에서 더 높은 시가총액을 달성할 수 있게 됨을 의미한다. 추가로 앵커창투사의 특성변수들에 대해서도 투자기업의 상장실적 및 상장 후 성장성에 유의미한 영향을 미치는지 살펴보았는데, 앵커창투사의 전문성 수준이 높으면 IPO 시점에서 더욱 높은 시가총액을 인정받는 것으로 나타났으나 그 외 다른 특성변수들에서는 통계적 유의성이 매우 국소적으로만 나타났다. 기존 선행연구와의 차별점은 지금까지도 코로나19에 의한 팬데믹 사태가 기업환경에 중대한 영향을 미치는 상황 속에서 우리나라 벤처캐피탈 생태계를 면밀하게 재검토하고자 하였고, 보다 효과적인 변수들을 도입하여 기업의 업종 영향을 살펴보는 등 특례상장과 같은 관련된 정책의 타당성 평가를 간접적으로나마 시도하였다는 점이다. 즉, 단순히 투자여부를 살펴보는 것에 더하여 VC 투자금액 또한 변수로 활용함으로써, 해당 금액의 수준에 따른 영향 또한 실증분석하였다. 본 논문은 이러한 탐색적 분석결과에 기반하여 기술특례상장제도 또는 벤처생태계로의 자금투입과 같은 정책들이 효과가 있음을 검증하였다. 그러나 최근 기술 발전 속도가 급격하게 증가하는 추세를 고려할 때 성장 동력을 충분히 가진 기업이 규제 또는 여론의 관성 등에 의해 성장성을 잃지 않도록 관련 제도를 신속하게 정비해야 하고, 지역 발전에 있어 업종을 특화할 수 있도록 도와주어야 하며, 회수시장 역시 보다 성장할 필요가 있다. 본 연구의 한계는 데이터가 충분히 확보되지 않아 가설 검정을 10% 유의수준 하에서 수행하고 결과를 해석하였으며, 회귀모형 분석 시 상대적으로 낮은 수준의 수정된 결정계수 값이 보고되었다는 점이다. 각 변수의 효과성을 통계적으로 확인하려는 본 논문의 시도에 기반하여, 추가적인 후속 연구에서는 모형 등을 보완해 나가길 기대한다.

• 지능정보연구
• /
• 제25권2호
• /
• pp.77-97
• /
• 2019

제 4차 산업혁명의 초연결 환경에서 발생하는 많은 양의 데이터는 제 4차 산업혁명을 기존의 생산 환경과 구분지어 주는 주요한 요소이다. 이러한 환경은 데이터를 필요로 하는 동시에 데이터를 생산하는 양면적인 특징을 가진다. 때문에 앞으로의 정보 시스템은 기존의 정보시스템보다 양적인 측면에서 더 많은 데이터를 처리해야 하며, 질적인 측면에서는 많은 데이터 중 사용자의 목적에 부합하는 목표 데이터만을 추출하는 능력이 요구된다. 작은 규모의 정보 시스템에서는 사람이 그 시스템을 정확히 이해하고 필요한 정보를 획득하는 것이 가능하지만, 시스템에 대해 정확한 이해가 어려워진 다양하고 복잡한 시스템에서는 원하는 정보를 획득하는 것이 점점 더 어려워진다. 이러한 문제는 데이터를 사람뿐 아니라 컴퓨터가 이해할 수 있는 온톨로지로 표현하여 다양한 정보처리가 가능하도록 하는 시맨틱 웹(Semantic Web) 구축이 해결책이 될 수 있다. 군에서도 현재 대부분의 업무가 정보 시스템을 통해 이루어지고 있는데, 정보의 입력이나 가공 등 단순처리 중심으로 구축된 기존 시스템이 점점 더 많은 양의 데이터를 포함하게 되면서 시스템을 쉽게 활용하기 위한 노력이 필요한 상황이다. 본 연구에서는 온톨로지를 통한 지능형 의사결정지원시스템의 예로 온톨로지 기반 군수상황관리체계를 제안하고자 한다. 온톨로지 기반 군수상황관리체계는 기존의 군수정보체계의 복잡한 정보를 직관적으로 보여주기 위해 구축된 군수상황관리체계를 온톨로지를 통해 구축하였으며, 성과기반군수지원 계약관리, 부품사전 등의 유용한 기능을 추가 식별하여 온톨로지에 포함하였다. 또한 구축된 온톨로지가 의사결정지원에 활용할 수 있는지를 확인하기 위해 시맨틱 웹 기술을 통해 기본적인 질의응답은 물론 추론 및 함수를 통한 분석기능을 구현하였다.

• 한국전자거래학회지
• /
• 제25권2호
• /
• pp.15-27
• /
• 2020

본 연구는 일정계획을 위한 간트 차트(Gantt Chart) 생성과정을 세로로 세우면 일자형만 존재하는 테트리스(Tetris) 게임과 유사하다는 아이디어에서 출발하였다. 테트리스 게임에서 X축은 M개의 설비(Machine)들이 되고 Y축은 시간이 된다. 모든 설비에서 모든 종류(Type)의 주문은 분리 없이 작업 가능하나 작업물 종류가 다를 경우에는 시간지체 없이 작업 준비비용(SetupCost)이 발생한다는 가정이다. 본 연구에서는 앞에서 설명한 게임을 간트리스(Gantris)라 명명하고 게임환경을 구현 하였으며, 심층 강화학습을 통해서 학습한 인공지능이 실시간 스케줄링한 일정계획과 인간이 실시간으로 게임을 통해 수립한 일정계획을 비교하였다. 비교연구에서 학습환경은 단일 주문목록 학습환경과 임의 주문목록 학습환경에서 학습하였다. 본 연구에서 수행한 비교대상 시스템은 두 가지로 4개의 머신(Machine)-2개의 주문 종류(Type)가 있는 시스템(4M2T)과 10개의 머신-6개의 주문종류가 있는 시스템(10M6T)이다. 생성된 일정계획의 성능지표로는 100개의 주문을 처리하는데 발생하는 Setup Cost, 총 소요 생산시간(makespan)과 유휴가공시간(idle time)의 가중합이 활용되었다. 비교연구 결과 4M2T 시스템에서는 학습환경에 관계없이 학습된 시스템이 실험자보다 성능지표가 우수한 일정계획을 생성하였다. 10M6T 시스템의 경우 제안한 시스템이 단일 학습환경에서는 실험자보다 우수한 성능 지표의 일정계획을 생성하였으나 임의 학습환경에서는 실험자보다 부진한 성능지표를 보였다. 그러나 job Change 횟수 비교에서는 학습시스템이 4M2T, 10M6T 모두 사람보다 적은 결과를 나타내어 우수한 스케줄링 성능을 보였다.

• 지능정보연구
• /
• 제19권3호
• /
• pp.127-139
• /
• 2013

최근 지식기반 사회의 진입과 더불어 지식재산에 대한 관심이 증가하고 있다. 특히 하이테크산업을 이끌고 있는 ICT기업들은 지식재산의 체계적 관리를 위하여 끊임없이 노력하고 있다. 기업의 지적 자본을 대표하는 특허정보가 지속적으로 축적됨에 따라 정량적인 분석이 가능해졌다. 특허정보를 통하여 특허수준부터 기업수준, 산업수준, 국가 수준에 이르기 까지 다양한 수준에서의 분석이 가능하다. 특허정보는 기술 현황을 파악하거나 성과에 미치는 영향을 분석하는데 활용되고 있다. 특허 인용 정보를 활용한 분석은 크게 두 가지로, 인용 횟수를 활용하는 인용지표 분석과 인용관계를 바탕으로 한 네트워크분석으로 나뉜다. 네트워크를 통한 분석은 지식 영향의 흐름을 나타내며, 이를 통하여 기술의 변화를 확인할 수 있을 뿐만 아니라 앞으로의 연구 방향을 예측할 수 있다. 네트워크를 활용한 분석 분야에서는 기업이 차지하는 네트워크상에서의 위치가 기업성과에 미치는 영향을 다각도에서 분석하는 연구가 진행되고 있다. 본 연구에서는 소셜네트워크분석 기법을 활용하여 특허 인용을 기반으로 한 기업 간의 네트워크를 도출하고 특허 인용 네트워크에서 차지하는 기업의 위치적 특성이 기업성과에 미치는 영향을 분석하였다. 이를 위해 미국 S&P500에 등록된 IT 및 통신서비스 기업 가운데 74개 기업을 표본으로 선정하였다. 소셜네트워크분석을 통하여 개별 기업들의 아웃디그리 중심성, 매개 중심성, 효율성(구조적 공백)을 측정하여 네트워크 상에서의 위치적 우위를 나타내는 독립변수로서 이용하였으며, 기업성과 변수로는 순이익을 사용하였다. 실증 분석 결과, 각각의 네트워크 지표는 기업성과인 순이익에 통계적으로 유의한 영향을 미치는 것으로 나타났다. 두 가지 중심성 지표는 기업성과에 정(+)의 영향을 미친 반면, 구조적 공백으로 인한 위치적 우위를 나타내는 효율성은 기업성과에 부정적(-)인 영향을 미치는 것으로 나타났다. 세 가지 네트워크 지표를 동시에 고려할 경우에는 매개 중심성만이 기업성과에 대해 통계적 유의성을 보였다. 분석 결과를 토대로 연구의 발견점을 토의하고 시사점을 논의하였다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.175-197
• /
• 2021

최근 딥 러닝 기술의 발전으로 뉴스, 블로그 등 다양한 문서에 포함된 텍스트 분석에 딥 러닝 기술을 활용하는 연구가 활발하게 수행되고 있다. 다양한 텍스트 분석 응용 가운데, 텍스트 분류는 학계와 업계에서 가장 많이 활용되는 대표적인 기술이다. 텍스트 분류의 활용 예로는 정답 레이블이 하나만 존재하는 이진 클래스 분류와 다중 클래스 분류, 그리고 정답 레이블이 여러 개 존재하는 다중 레이블 분류 등이 있다. 특히, 다중 레이블 분류는 여러 개의 정답 레이블이 존재한다는 특성 때문에 일반적인 분류와는 상이한 학습 방법이 요구된다. 또한, 다중 레이블 분류 문제는 레이블과 클래스의 개수가 증가할수록 예측의 난이도가 상승한다는 측면에서 데이터 과학 분야의 난제로 여겨지고 있다. 따라서 이를 해결하기 위해 다수의 레이블을 압축한 후 압축된 레이블을 예측하고, 예측된 압축 레이블을 원래 레이블로 복원하는 레이블 임베딩이 많이 활용되고 있다. 대표적으로 딥 러닝 모델인 오토인코더 기반 레이블 임베딩이 이러한 목적으로 사용되고 있지만, 이러한 기법은 클래스의 수가 무수히 많은 고차원 레이블 공간을 저차원 잠재 레이블 공간으로 압축할 때 많은 정보 손실을 야기한다는 한계가 있다. 이에 본 연구에서는 오토인코더의 인코더와 디코더 각각에 스킵 연결을 추가하여, 고차원 레이블 공간의 압축 과정에서 정보 손실을 최소화할 수 있는 레이블 임베딩 방법을 제안한다. 또한 학술연구정보서비스인 'RISS'에서 수집한 학술논문 4,675건에 대해 각 논문의 초록으로부터 해당 논문의 다중 키워드를 예측하는 실험을 수행한 결과, 제안 방법론이 기존의 일반 오토인코더 기반 레이블 임베딩 기법에 비해 정확도, 정밀도, 재현율, 그리고 F1 점수 등 모든 측면에서 우수한 성능을 나타냄을 확인하였다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.57-73
• /
• 2021

ICT 인프라의 이상탐지를 통한 유지보수와 장애 예방이 중요해지고 있다. 장애 예방을 위해서 이상탐지에 대한 관심이 높아지고 있으며, 지금까지의 다양한 이상탐지 기법 중 최근 연구들에서는 딥러닝을 활용하고 있으며 오토인코더를 활용한 모델을 제안하고 있다. 이는 오토인코더가 다차원 다변량에 대해서도 효과적으로 처리가 가능하다는 것이다. 한편 학습 시에는 많은 컴퓨터 자원이 소모되지만 추론과정에서는 연산을 빠르게 수행할 수 있어 실시간 스트리밍 서비스가 가능하다. 본 연구에서는 기존 연구들과 달리 오토인코더에 2가지 요소를 가미하여 이상탐지의 성능을 높이고자 하였다. 먼저 다차원 데이터가 가지고 있는 속성별 특징을 최대한 부각하여 활용하기 위해 멀티모달 개념을 적용한 멀티모달 오토인코더를 적용하였다. CPU, Memory, network 등 서로 연관이 있는 지표들을 묶어 5개의 모달로 구성하여 학습 성능을 높이고자 하였다. 또한, 시계열 데이터의 특징을 데이터의 차원을 늘리지 않고 효과적으로 학습하기 위하여 조건부 오토인코더(conditional autoencoder) 구조를 활용하는 조건부 멀티모달 오토인코더(Conditional Multimodal Autoencoder, CMAE)를 제안하였다. 제안한 CAME 모델은 비교 실험을 통해 검증했으며, 기존 연구들에서 많이 활용된 오토인코더와 비교하여 AUC, Accuracy, Precision, Recall, F1-score의 성능 평가를 진행한 결과 유니모달 오토인코더(UAE)와 멀티모달 오토인코더(Multimodal Autoencoder, MAE)의 성능을 상회하는 결과를 얻어 이상탐지에 있어 효과적이라는 것을 확인하였다.