• 한국주조공학회지
• /
• 제41권2호
• /
• pp.144-152
• /
• 2021

세계 주조산업의 현황 분석을 바탕으로 최근 20년간의 한국 주조산업의 국제경쟁력을 살펴보았다. 한국 주물 총 생산량은 252만톤, 1업체당 생산량인 주물 생산성은 2,831톤으로 모두 세계 8위이고, 3년 전에 비해 총 생산량은 한 순위 내려간 상황이고, 주물생산성은 순위를 유지하고 있다. 한국은 10대 주물강국 중 유일하게 생산량이 감소한 국가로 분석된다. 세계 상황과 비슷하게 한국의 주물제품은 회주철 38%, 구상흑연주철 31%, 알루미늄 15%, 주강 9%로 구성된다. 본 조사에서는 한국의 주조산업 통계를 얻기 위해 2020년 4월부터 약 9개월간의 용역사업을 실시하였다. 한국 표준 산업분류에 의해 각종 통계조사와 표본 심층조사를 통하여 국내 주조산업의 다양한 내용을 평가하였다. 각 기업체의 수와 지역별 분포, 종사자 수와 외국인 비율, 각 직능별 분포도 확인하였고, 기업 규모에 따른 R&D 투자현황도 살펴보았다. 그와 함께 주조산업의 버는 힘을 측정하기 위해 매출액, 수출액, 영업 및 순수익률 등을 분석하였다. 또한 각 기업에서 중점적으로 활용하는 공정에 따라 주조산업을 세분하여 분류하고, 각 공정별 매출, 수출, 수익률 현황도 파악하여, 활용 공정별 현황도 기초 조사하였다. 이러한 자료를 바탕으로 국내 주조산업이 지속성장하기 위한 다음과 같은 분야에 대해 다양한 제언을 제시하였다; 세계 순위, 한계 기업 구조조정, 국내 기술인력 양성, 기업규모별, 공정별 차별화된 지원정책.

• 지능정보연구
• /
• 제24권2호
• /
• pp.195-220
• /
• 2018

본 연구는 비트코인 가격 변화량에 영향을 미치는 요인에 대한 실증 분석을 수행하였다. 기존 연구들은 암호화폐와 관련해 블록체인 시스템의 보안성, 암호화폐가 불러일으키는 경제적 파급효과 및 법적 시사점, 소비자 수용 및 사용 의도와 사회현상을 중심으로 이루어졌다. 그러나 암호화폐 가격 변화가 급등과 급락을 반복하면서 많은 사회적 문제를 야기했음에도 불구하고 암호화폐의 가격 변화에 영향을 미치는 요인에 대한 실증적 연구는 부족하다. 때문에 본 연구에서 암호화폐 가격 변화에 미치는 영향 요인을 도출하기 위해 암호화폐 중 가장 대표적인 비트코인을 중심으로 분석을 진행하였다. 분석을 위해 소비자, 산업, 거시경제 세 가지 차원에서 가설을 수립, 각 차원의 변수에 대한 시계열 데이터를 수집하였다. 단위근 검정을 통해 시계열 데이터에 대한 가성 회귀를 제거하고 안정성을 검증한 후, 비트코인 가격 변화량에 영향을 미칠 수 있는 요인들에 대한 회귀 분석을 실시하였다. 분석 결과 비트코인 가격 변화량은 비트코인 거래 금지에 대한 검색 트래픽, 미국 달러지수 변화량과는 음의 상관관계를, GPU 벤더의 주가 변화량, 원유 가격 변화량과는 양의 상관관계를 갖는 것을 확인했다. 그 이유로는 비트코인 거래 금지는 비트코인 존폐와 관련해 투자심리에 부정적 영향을 미친 것으로 판단되며, GPU 벤더 주가는 비트코인 생산 단가 증가와 관련해 비트코인 가격에 영향을 미친 것으로 해석된다. 미국 달러지수와는 반대로 움직임으로서 비트코인이 금의 성격을 갖고 있음을 확인하였으며, 원유 가격과의 관계를 통해 원자재와 같은 투자 자산의 역할도 갖고 있음을 확인하였다. 본 연구의 결과를 통해 비트코인이 가진 성격을 규명하였으며, 비트코인 가격 변화 요인에 대한 실증 검증을 통해, 그 동안 부족했던 비트코인 가격 변화 요인을 규명하였고, 해당 요인들을 통해 실무적으로 소비자나 금융기관, 정부 기관에 대해 비트코인에 대한 전략적인 접근방법에 대한 가이드를 제공할 수 있다는 점에서 의의가 있다.

• 지능정보연구
• /
• 제27권2호
• /
• pp.1-15
• /
• 2021

추천시스템은 사용자의 기호를 파악하여 물품 구매 결정을 도와주는 역할을 할 뿐만 아니라, 비즈니스 전략의 관점에서도 중요한 역할을 하기에 많은 기업과 기관에서 관심을 갖고 있다. 최근에는 다양한 추천시스템 연구 중에서도 NLP와 딥러닝 등을 결합한 하이브리드 추천시스템 연구가 증가하고 있다. NLP를 이용한 감성분석은 사용자 리뷰 데이터가 증가함에 따라 2000년대 중반부터 활용되기 시작하였지만, 기계학습 기반 텍스트 분류를 통해서는 텍스트의 특성을 완전히 고려하기 어렵기 때문에 리뷰의 정보를 식별하기 어려운 단점을 갖고 있다. 본 연구에서는 기계학습의 단점을 보완하기 위하여 BERT 기반 감성분석을 활용한 추천시스템을 제안하고자 한다. 비교 모형은 Naive-CF(collaborative filtering), SVD(singular value decomposition)-CF, MF(matrix factorization)-CF, BPR-MF(Bayesian personalized ranking matrix factorization)-CF, LSTM, CNN-LSTM, GRU(Gated Recurrent Units)를 기반으로 하는 추천 모형이며, 실제 데이터에 대한 분석 결과, BERT를 기반으로 하는 추천시스템의 성과가 가장 우수한 것으로 나타났다.