Recently, various approaches to recommendation systems have been studied in terms of the quality of recommendation system. A recommender system basically aims to provide personalized recommendations to users for specific items. Most of these systems always recommend the most relevant items of users or items. Traditionally, the evaluation of recommender system quality has focused on the various predictive accuracy metrics of these. However, recommender system must be not only accurate but also useful to users. User satisfaction with recommender systems as an evaluation criterion of recommender system is related not only to how accurately the system recommends but also to how much it supports the user's decision making. In particular, highly serendipitous recommendation would help a user to find a surprising and interesting item. Serendipity in this study is defined as a measure of the extent to which the recommended items are both attractive and surprising to the users. Therefore, this paper proposes an application of serendipity measure to recommender systems to evaluate the performance of recommender systems in terms of recommendation system quality. In this study we define relevant or attractive unexpectedness as serendipity measure for assessing recommendation systems. That is, serendipity measure is evaluated as the measure indicating how the recommender system can find unexpected and useful items for users. Our experimental results show that highly serendipitous recommendation such as item-based collaborative filtering method has better performance than the other recommendations, i.e. user-based collaborative filtering method in terms of recommendation system quality.
Lee, Jun Seok;Lee, Chong Eun;Park, Ji Hae;Seo, Sam;Lee, Kyoo Won
Journal of The Korean Ophthalmological Society
/
v.59
no.12
/
pp.1173-1180
/
2018
Purpose: We evaluated the postoperative accuracy of intraocular lens power prediction for patients undergoing phacotrabeculectomy and identified preoperative factors associated with refractive outcome in those with primary open-angle glaucoma (POAG). Methods: We retrospectively reviewed the medical records of 27 patients who underwent phacotrabeculectomy to treat POAG. We recorded all discrepancies between predicted and actual postoperative refractions. We compared the data to those of an age- and sex-matched control group that underwent uncomplicated cataract surgery during the same time period. Preoperative factors associated with the mean absolute error (MAE) were identified via multivariate regression analyses. Results: The mean refractive error of the 27 eyes that underwent phacotrabeculectomy was comparable to that of the 27 eyes treated via phacoemulsification (+0.02 vs. -0.01 D, p = 0.802). The phacotrabeculectomy group exhibited a significantly higher MAE (0.65 vs. 0.35 D, p = 0.035) and more postoperative astigmatism (-1.07 vs. -0.66 D, p = 0.020) than the phacoemulsification group. The preoperative anterior chamber depth (ACD) and the changes in the postoperative intraocular pressure (IOP) were significantly associated with a greater MAE after phacotrabeculectomy. Conclusions: POAG treatment via combined phacoemulsification/trabeculectomy was associated with greater error in terms of final refraction prediction, and more postoperative astigmatism. As both a shallow preoperative ACD and a greater postoperative change in IOP appear to increase the predictive error, these two factors should be considered when planning phacotrabeculectomy.
Journal of the Korea Academia-Industrial cooperation Society
/
v.22
no.4
/
pp.228-234
/
2021
Real estate market participants need to have a sense of predicting real estate prices in decision-making. Commonly used methodologies, such as regression analysis, ARIMA, and VAR, have limitations in predicting the value of an asset, which fluctuates due to unknown variables. Therefore, to mitigate the limitations, an artificial neural was is used to predict the price trend of apartments in Seoul, the hottest real estate market in South Korea. For artificial neural network learning, the learning model is designed with 12 variables, which are divided into macro and micro factors. The study was conducted in three ways: (Ed note: What is the difference between case 1 and 2? Is case 1 micro factors?)CASE1 with macro factors, CASE2 with macro factors, and CASE3 with the combination of both factors. As a result, CASE1 and CASE2 show 87.5% predictive accuracy during the two-year experiment, and CASE3 shows 95.8%. This study defines various factors affecting apartment prices in macro and microscopic terms. The study also proposes an artificial network technique in predicting the price trend of apartments and analyzes its effectiveness. Therefore, it is expected that the recently developed learning technique can be applied to the real estate industry, enabling more efficient decision-making by market participants.
Choi, Hye Rang;Choi, Bo-Yoon;Cho, Jae Hoon;Lim, Young Chang
Korean Journal of Otorhinolaryngology-Head and Neck Surgery
/
v.61
no.11
/
pp.600-604
/
2018
Background and Objectives This study aimed to identify a reliable preoperative predictive factor for the development of thyroid cancer in patients with atypia of undetermined significance (AUS) identified by fine needle aspiration biopsy (FNAB). Subjects and Method This was a retrospective cohort study. Two hundred and ninety-nine patients diagnosed with AUS by preoperative FNAB who underwent curative thyroid surgery at our institution between September 2005 and February 2014 were analyzed. Clinical, radiological and molecular features were investigated as preoperative predictors for postoperative permanent malignant pathology. Results The final pathologic results revealed 36 benign tumors including nodular hyperplasia, follicular adenoma, adenomatous goiter, nontoxic goiter, and lymphocytic thyroiditis, as well as 263 malignant tumors including 1 follicular carcinoma and 1 invasive follicular carcinoma; the rest were papillary thyroid carcinomas. The malignancy rate was 87.9%. The following were identified as risk factors for malignancy by univariate analysis: $BRAF^{V600E}$ gene mutation, specific ultrasonographic findings including smaller nodule size, low echogenicity of the nodule, and irregular or spiculated margin (p<0.05). Multivariate analysis revealed that only $BRAF^{V600E}$ mutation was a statistically significant risk factor for malignancy (p<0.05). When $BRAF^{V600E}$ mutation was positive, 98.5% of enrolled patients developed malignant tumors. In addition, the diagnostic rate of malignancy in these cases was approximately 16-fold higher than BRAF-negative cases. Conclusion Patients with AUS thyroid nodules should undergo $BRAF^{V600E}$ gene mutation analysis to improve diagnostic accuracy and if the mutation is confirmed, surgery is recommended due to the high risk of malignancy.
Predicting a company's financial bankruptcy is traditionally one of the most crucial forecasting problems in business analytics. In previous studies, prediction models have been proposed by applying or combining statistical and machine learning-based techniques. In this paper, we propose a novel intelligent prediction model based on the simulated annealing which is one of the well-known optimization techniques. The simulated annealing is known to have comparable optimization performance to the genetic algorithms. Nevertheless, since there has been little research on the prediction and classification of business decision-making problems using the simulated annealing, it is meaningful to confirm the usefulness of the proposed model in business analytics. In this study, we use the combined model of simulated annealing and machine learning to select the input features of the bankruptcy prediction model. Typical types of combining optimization and machine learning techniques are feature selection, feature weighting, and instance selection. This study proposes a combining model for feature selection, which has been studied the most. In order to confirm the superiority of the proposed model in this study, we apply the real-world financial data of the Korean companies and analyze the results. The results show that the predictive accuracy of the proposed model is better than that of the naïve model. Notably, the performance is significantly improved as compared with the traditional decision tree, random forests, artificial neural network, SVM, and logistic regression analysis.
Kwon, Chiheon;Kang, Koung Mi;Byun, Min Soo;Yi, Dahyun;Song, Huijin;Lee, Ji Ye;Hwang, Inpyeong;Yoo, Roh-Eul;Yun, Tae Jin;Choi, Seung Hong;Kim, Ji-hoon;Sohn, Chul-Ho;Lee, Dong Young
Investigative Magnetic Resonance Imaging
/
v.25
no.3
/
pp.164-171
/
2021
Purpose: Mild cognitive impairment (MCI) is a prodromal stage of Alzheimer's disease (AD). Brain atrophy in this disease spectrum begins in the medial temporal lobe structure, which can be recognized by magnetic resonance imaging. To overcome the unsatisfactory inter-observer reliability of visual evaluation, quantitative brain volumetry has been developed and widely investigated for the diagnosis of MCI and AD. The aim of this study was to assess the prediction accuracy of quantitative brain volumetry using a fully automated segmentation software package, NeuroQuant®, for the diagnosis of MCI. Materials and Methods: A total of 418 subjects from the Korean Brain Aging Study for Early Diagnosis and Prediction of Alzheimer's Disease cohort were included in our study. Each participant was allocated to either a cognitively normal old group (n = 285) or an MCI group (n = 133). Brain volumetric data were obtained from T1-weighted images using the NeuroQuant software package. Logistic regression and receiver operating characteristic (ROC) curve analyses were performed to investigate relevant brain regions and their prediction accuracies. Results: Multivariate logistic regression analysis revealed that normative percentiles of the hippocampus (P < 0.001), amygdala (P = 0.003), frontal lobe (P = 0.049), medial parietal lobe (P = 0.023), and third ventricle (P = 0.012) were independent predictive factors for MCI. In ROC analysis, normative percentiles of the hippocampus and amygdala showed fair accuracies in the diagnosis of MCI (area under the curve: 0.739 and 0.727, respectively). Conclusion: Normative percentiles of the hippocampus and amygdala provided by the fully automated segmentation software could be used for screening MCI with a reasonable post-processing time. This information might help us interpret structural MRI in patients with cognitive impairment.
In this paper, we investigated the carbonization characteristics of lignin hydrochar prepared by hydrothermal carbonization and established a model for predicting the carbonization degree using near-infrared spectroscopy and partial least squares regression. The carbon content of the hydrothermally carbonized lignin at the temperature of 200 ℃ was higher by approximately 3 wt% than that of the untreated sample, and the carbon content tended to gradually increase as the heating time increased. Hydrothermal carbonization made lignin more carbon-intensive and more homogeneous by eliminating the microparticles. The discriminant and predictive models using near-infrared spectroscopy and partial least squares regression approppriately determined whether hydrothermal carbonization has been applied and predicted the carbon content of hydrothermal carbonized lignin with high accuracy. In this study, we confirmed that we can quickly and nondestructively predict the carbonization characteristics of lignin hydrochar manufactured by hydrothermal carbonization using a partial least squares regression model combined with near-infrared spectroscopy.
First principle-based modeling studies have been performed to improve the heat exchange efficiency of ORV and optimize operation, but the heat transfer coefficient of ORV is an irregular system according to time and location, and it undergoes a complex modeling process. In this study, FNN, LSTM, and AutoML-based modeling were performed to confirm the effectiveness of data-based modeling for complex systems. The prediction accuracy indicated high performance in the order of LSTM > AutoML > FNN in MSE. The performance of AutoML, an automatic design method for machine learning models, was superior to developed FNN, and the total time required for model development was 1/15 compared to LSTM, showing the possibility of using AutoML. The prediction of NG and seawater discharged temperatures using LSTM and AutoML showed an error of less than 0.5K. Using the predictive model, real-time optimization of the amount of LNG vaporized that can be processed using ORV in winter is performed, confirming that up to 23.5% of LNG can be additionally processed, and an ORV optimal operation guideline based on the developed dynamic prediction model was presented.
In the era of the 4th industrial revolution, smart factories have received great attention, where production and manufacturing technology and ICT converge. With the development of IoT technology and big data, automation of production systems has become possible. In the advanced manufacturing industry, production systems are subject to unscheduled performance degradation and downtime, and there is a demand to reduce safety risks by detecting and reparing potential errors as soon as possible. This study designs a model based on supervised and unsupervised learning for detecting anomalies. The accuracy of XGBoost, LightGBM, and CNN models was compared as a supervised learning analysis method. Through the evaluation index based on the confusion matrix, it was confirmed that LightGBM is most predictive (97%). In addition, as an unsupervised learning analysis method, MD, AE, and LSTM-AE models were constructed. Comparing three unsupervised learning analysis methods, the LSTM-AE model detected 75% of anomalies and showed the best performance. This study aims to contribute to the advancement of the smart factory by combining supervised and unsupervised learning techniques to accurately diagnose equipment failures and predict when abnormal situations occur, thereby laying the foundation for preemptive responses to abnormal situations. do.
KIPS Transactions on Software and Data Engineering
/
v.8
no.10
/
pp.397-402
/
2019
Accurately predicting cancer prognosis to provide appropriate treatment strategies for patients is one of the critical challenges in bioinformatics. Many researches have suggested machine learning models to predict patients' outcomes based on their gene expression data. Gene expression data is high-dimensional numerical data containing about 17,000 genes, so traditional researches used feature selection or dimensionality reduction approaches to elevate the performance of prognostic prediction models. These approaches, however, have an issue of making it difficult for the predictive models to grasp any biological interaction between the selected genes because feature selection and model training stages are performed independently. In this paper, we propose a novel two-dimensional image formatting approach for gene expression data to achieve feature selection and prognostic prediction effectively. Node2Vec is exploited to integrate biological interaction network and gene expression data and a convolutional neural network learns the integrated two-dimensional gene expression image data and predicts cancer prognosis. We evaluated our proposed model through double cross-validation and confirmed superior prognostic prediction accuracy to traditional machine learning models based on raw gene expression data. As our proposed approach is able to improve prediction models without loss of information caused by feature selection steps, we expect this will contribute to development of personalized medicine.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.