• 산업식품공학
• /
• 제15권1호
• /
• pp.56-63
• /
• 2011

쌀국수 제품의 품질을 향상시키기 위한 방법으로서 기존의 쌀국수에 파스타가 지닌 물성 및 조리 상의 장점을 접목하고자 파스타의 제조원료인 세몰리나를 글루텐이 소량 첨가된 쌀가루에 대해 함량을 달리하여(0-20%, w/w) 대체하여 생면을 제조하였다. 제조된 생면을 끓인 조리면의 품질을 측정한 결과 전분노화가 다소 억제되며, 씹는 맛("ldente")이 증가하고, 끓이는 과정에서 일어나는 전분유출이 감소하여 전반적으로 제품의 품질이 향상되었다. 생면의 제조과정에서는 반죽의 점성 이 커져 반죽이 잘 뭉치고 단단해져 면대형성이 향상되는 효과가 기대되었다. RVA 측정에 따른 전분혼합액의 호화개시온도(pasting time)는 10% 첨가까지는 거의 영향이 없다가 20% 첨가구에서 최고 1.2 증가한 반면 최고점도(peak viscosity)는 첨가량 15% 이상부터 큰 폭으로 감소하였다. 전분의 breakdown값 역시 세몰리나 첨가량이 늘수록 급격히 줄어 shear thinning이 줄어들며 10% 이상 첨가구에서 최종점도(final viscosity)와 setback값 차이가 크게 줄어 노화억제에 의해 조리면이 딱딱해지는 정도가 감소하는 효과가 예상되었다. 생면을 끓일 때 국수에 의한 수분흡수가 낮아져 조리면의 중량 및 부피 변화가 감소되었으며 국물의 탁도가 증가되지 않아 전분침출 억제기능이 확인되었다. 조리면의 색도에 명도(L)는 감소하였으며 적색도(a)와 황색도(b)가 증가하였으나 일정 수준(15%) 이상이 되면 그 영향이 적게 나타났다. 적은 양(5%)의 세몰리나 첨가에 의해서도 Texture Analyzer로 측정된 경도(hardness), 탄력성(springiness), 응집성(cohesiveness), 검성(gumminess) 및 씹힘성(chewiness)과 같은 모든 텍스쳐 특성치 및 인장강도가 소량(5%)의 첨가에 의해서도 현저히 증가하였으나 10% 이상에서는 변화폭이 줄어는 공통적인 변화양상을 보였다. 이상의 결과를 토대로 세몰리나를 첨가한 쌀국수를 제조하는 경우 원료비용 및 기능성을 고려할 때 쌀가루:세몰리나 최적 첨가비율은 9:1(10%, w/w)로 제시되었다.

• 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.