• 의정연구
• /
• 제26권2호
• /
• pp.113-140
• /
• 2020

이 연구는 공간적 자기상관성(spatial autocorrelation)이라는 개념을 사용해 한국 선거를 처음으로 분석했다는 점에서 의미가 있다. 공간적 자기상관성이란, 공간상의 한 위치에서 발생하는 사건은 그 주변 지역에서 발생하는 사건과는 상관관계가 높다는 것을 의미한다. 제21대 총선 서울지역의 투표율을 관내 사전투표율과 본투표율로 나누고 투표율의 공간적 패턴이 나타나는지 살펴보았다. 기존의 연구가 선거구 단위를 토대로 분석한 것이 대부분이고 개인자료를 사용한 것이라면 이 연구에서는 좀 더 하위 단위인 읍면동 단위를 기준으로 분석했고 공간자료와 집합자료를 사용해 분석하였다. 본투표율의 모란 I (Moran's I) 지수는 0.261로 꽤 높은 공간적 자기상관성을 보인 반면 관내사전투표율의 지수는 0.095로 낮아 통계적 유의성이 있음에도 불구하고 공간적 자기상관성이 거의 없는 것으로 나타났다. 공간적 자기상관성이 강하게 나타난 본투표율을 OLS 회귀모델과 공간통계모델로 비교해 분석해보았다. 일반 회귀모델에서 결정계수인 R²가 0.585261에서, 공간오차모델에서는 0.656631로 상승하여 약 7퍼센트포인트의 설명력 증가를 볼 수 있어 공간통계모델이 설명력이 높다는 사실을 알 수 있었다. 가장 흥미로운 결과는 관내사전투표율과 본투표율의 관계인데, 관내사전투표율이 높은 동은 본투표율이 낮게 나오고, 관내사전투표율이 2% 정도 올라가면 본투표율은 약 1% 정도 떨어지는 것으로 조사되었다. 이 연구에서는 관내사전투표율과 본투표율에 영향을 미치는 변수는 매우 다르고, 관내사전투표율의 상승폭이 본투표율 하락폭과 다르다는 점에서 투표편의제공에 따른 분산효과로만 볼 수 없다는 것을 알 수 있어 기존 연구와 차별성을 가진다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제32권11호
• /
• pp.1111-1120
• /
• 2005

협력적 여과 시스템에서 대부분의 사용자들은 모든 아이템에 대하여 선호도를 평가하지 않으므로 인하여 사용자~아이템 행렬은 희박성을 나타내며, 또한 사용자가 평가하지 않은 아이템으로부터 결측치가 발생한다. 일반적인 결측치 예측 방법은 특정 대상의 사용자가 평가하지 않은 결측치를 이 사용자와 비슷한 흥미를 갖는 사용자들의 평가값을 기반으로 예측하나, 기본 평가값 예측 방법은 사용자-아이템 렬의 결측치를 특정 사용자가 아닌 전체 사용자에 대하여 예측한다. 기본 평가값 예측 방법 중 가장 많이 사용되는 방법은 아이템 평균이나 사용자 평균을 이용한 방법이다. 그러나 이 방법은 아이템이나 사용자의 특성, 또한 데이타 집합의 분포 특성을 전혀 고려하지 않는다는 문제점을 갖는다. 본 논문에서는 이러한 문제점을 해결하기 위하여 데이타 집합에 나타난 사용자의 변동 계수를 이용하는 기본 평가값 예측방법을 제안한다. 제안한 방법에서는 수식을 이용하여 자동적으로 사용자 변동 계수의 임계값을 선택하고, 그 임계값에 따라 사용자 평균에서 아이템 평균으로 전환하여 사용자들의 결측치에 대한 기본 평가값을 결정한다. 그러나 사용자 변동 계수들의 분포 정보로 인하여 사용자 변동 계수와 임계갈이 항상 일정한 관계를 유지하는 것이 아니므로, 제안된 방법에서는 임계값을 선택하기 위하여 사용자 변동 계수의 평균과 변동 계수의 분포 정보를 병합한다. 제안된 방법은 사용자가 영화에 대하여 평가한 MovieLens 데이타 집합을 대상으로 평가되었으며, 기존의 기본 평가값 예측 방법보다 그 성능이 우수함을 보인다.