• 지능정보연구
• /
• 제17권4호
• /
• pp.95-108
• /
• 2011

인터넷 비즈니스의 활성화에 따라서 기업은 고객의 인물정보 및 거래정보를 활용하여 보다 맞춤화된 개인화 서비스를 제공하고 있다. 기존의 고객군별 예측기법은 유사한 고객들을 군집화하여 고객군별로 예측모델을 수립하는 것으로, 구매가 많고 충성도가 높은 핵심고객에게 요구되는 일대일 서비스를 제공하는 데는 한계가 있다. 반면 일대일 고객별 예측기법은 각 고객에게 고도로 맞춤화된 서비스를 제공하지만, 과거 구매이력이 많지 않은 고객 이나 신규 고객에게는 정확한 개인화 서비스를 제공하지 못한다. 본 연구는 고객의 구매빈도에 따라서 유사 고객들과의 군집화 수준을 동적으로 조정하는 새로운 지능형 개인화 시스템을 제안한다. 제안된 시스템은 과거 구매가 많은 고객들에 대해서는 일대일 예측모델을 수립하지만, 구매 빈도가 낮은 고객의 경우 다른 고객들과의 최적화된 군집화를 통해 예측모델을 수립한다. 본 기법을 Neilsen의 음료수 구매 데이터셋에 적용하여 고객의 일회 구매금액 및 구매품목을 예측한 결과, 기존 두 예측기법들에 비하여 적정한 계산비용(computational cost)으로 더욱 정확한 개안화 서비스를 제공할 수 있음을 확인하였다.

• 헤리티지:역사와 과학
• /
• 제53권3호
• /
• pp.80-109
• /
• 2020

신라사천왕사는 670년 '조창(祖創)'된 이후 '개창(攺刱)'을 거쳐 679년에 낙성된 밀교사원이다. 본 연구는 근년의 발굴조사 성과와 사원건립과정 및 조영척도에 관한 고찰 결과를 바탕으로, 사천왕사건축의 설계기술 해명을 시도한 것이다. 연구결과는 다음과 같다. (1) 부지 조성에 있어서는, 낭산 남록 상에 1방(坊)의 크기를 상정, 그 남북 폭을 3등분한 후, 그 중 2구획분을 평탄부로 설정했을 가능성이 있다. (2) '조창'에 있어서는, 평탄면 남단을 경계로 하여 300척(尺)평방의 규모를 상정, 그 중심에 '선축기단'을 축조했던 것으로 추정되는데, 초기구상으로써 문두루(신인(神印))의 장치를 목적으로 한, 외원 2주(肘)(3척(尺)), 내원 1주(肘)(1.5척(尺))의 단(壇) 평면 의장을 자체 고안, 그것의 100배를 중심곽 규모 및 배치 계획에 있어서의 근거로 설정해 두었을 가능성이 있다.(3) '개창'에 있어서는, '선축기단'의 중심을 금당 중심으로 고수할 경우 발생되는 목탑·금당간거리 협소 문제를 인지, 초기구상으로부터 중심곽 규모 및 배치를 조정했던 것으로 판단된다. (4) 당탑 및 단석의 배치는, 확정된 중심곽 규모(280척(尺)×320척(尺))를 대상으로 한 분할에 기초해 결정되었는데, 동서방향에 있어서는 중심곽 동서 폭을 4등분하는 선상으로 정한 반면, 남북방향에 있어서는 중심곽 짜임새상의 특성에 입각, 동서회랑의 도리칸 분할과 조정을 통해 익랑 위치를 확정한 후, 이를 기준해 금당·단석을 배치했다고 추정된다. (5) 당탑 및 단석 등의 규모는 각 건물의 정면 기단 폭에 의해 제어되었던 것으로 인정된다. 특히 금당·목탑의 규모는 중심곽 동서 폭의 4등분으로부터 시작되는 단위분수적 분할의 반복을 통해 결정된 것으로 판단되는데, 이는 단의 평면의장을 전형으로 한 자기유사성에 연원을 둔 것으로 이해된다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1505-1514
• /
• 2022

영상정합은 다시기 및 다중센서 고해상도 위성영상을 효과적으로 활용하기 위해 필수적으로 선행되는 중요한 과정이다. 널리 각광받고 있는 딥러닝 기법은 위성영상에서 복잡하고 세밀한 특징을 추출하여 영상 간 빠르고 정확한 유사도 판별에 사용될 수 있음에도 불구하고, 학습자료의 양과 질이 결과에 영향을 미치는 딥러닝 모델의 한계와 고해상도 위성영상 기반 학습자료 구축의 어려움에 따라 고해상도 위성영상의 정합에는 제한적으로 적용되어 왔다. 이에 본 연구는 영상정합에서 가장 많은 시간을 소요하는 정합쌍 추출 과정에서 딥러닝 기반 기법의 적용성을 확인하기 위하여, 편향성이 존재하는 고해상도 위성영상 데이터베이스로부터 딥러닝 영상매칭 학습자료를 구축하고 학습자료의 구성이 정합쌍 추출 정확도에 미치는 영향을 분석하였다. 학습자료는 12장의 다시기 및 다중센서 고해상도 위성영상에 대하여 격자 기반의 Scale Invariant Feature Transform(SIFT) 알고리즘을 이용하여 추출한 영상쌍에 참과 거짓의 레이블(label)을 할당한 정합쌍과 오정합쌍의 집합으로 구축되도록 하였다. 구축된 학습자료로부터 정합쌍 추출을 위해 제안된 Siamese convolutional neural network (SCNN) 모델은 동일한 두 개의 합성곱 신경망 구조에 한 쌍을 이루는 두 영상을 하나씩 통과시킴으로써 학습을 진행하고 추출된 특징의 비교를 통해 유사도를 판별한다. 본 연구를 통해 고해상도 위성영상 데이터 베이스로부터 취득된 자료를 딥러닝 학습자료로 활용 가능하며 이종센서 영상을 적절히 조합하여 영상매칭 과정의 효율을 높일 수 있음을 확인하였다. 다중센서 고해상도 위성영상을 활용한 딥러닝 기반 영상매칭 기법은 안정적인 성능을 바탕으로 기존 수작업 기반의 특징 추출 방법을 대체하고, 나아가 통합적인 딥러닝 기반 영상정합 프레임워크로 발전될 것으로 기대한다.

• 공연문화연구
• /
• 제19호
• /
• pp.88-123
• /
• 2009

경산자인단오제는 1971년 중요무형문화재 제44호 '한장군놀이'로 지정되었다가 2007년 '경산자인단오제'로 명칭이 확대 변경된 영남지방의 지역축제이다. 그러나 처음에 일부분만 지정함으로 말미암아 각 분야별로 연결성이 없는 혼합체처럼 전승되었고, 고증에서도 소외되어 많은 문제를 안고 있다. 경산자인단오제의 주된 분류는 큰굿, 여원무, 호장굿, 한묘제, 자인팔광대 등 5분야로 나뉘어지는데, 이제 분야별로 문제를 살피고자 한다. 1. 큰굿 1) 큰굿의 절차와 내용의 문제 : 대구·경산지역 굿의 특성 2) 현재의 굿연행자 외에 지역 전통굿을 연행할 수 있는 무녀의 유무 3) '큰굿'의 명칭의 문제 : 예, '한장군굿' 아니면 그대로 '큰굿' 4) 큰굿 전후에 영신과정과 송신과정이 없는 단오제의 문제와 복원방안 2. 여원무 1) 여원무와 여원화의 본질 2) 여고생 수백명이 하는 매스게임의 문제 3) 여원무의 기원과 전승에 대한 고형논의 3. 호장굿 1) 호장굿의 배역구성의 변천과정 2) 호장굿의 동선구조와 성격 3) 호장굿의 명칭과 성격의 문제 4. 자인팔광대놀이 1) 창작한 마당극과 유사성 문제 2) '팔광대'라는 명칭 문제 3) 일반적인 탈놀이의 진행구조와 다른 점 4) 춤사위와 몸짓이 영남지방 탈춤과 다른 특성 이상과 같은 경산자인단오제 연행의 종합적인 개선방안은 다음과 같다. 첫째, 경산자인단오제의 복원은 전통성이 확실한 인접 단오제와 별신제의 연행방식을 벤치막킹(bench-marking)하자는 것이다. 둘째, 경산자인단오제의 중심 콘텐츠(contents)는 '한 장군굿'으로 축제의 주도 역할은 굿이 담당해야 한다. 셋째, 한국 축제의 구조적 원리를 수용하고, 연행방식과 연행원리를 전통 연행물과 일치시켜야 한다. 넷째, 경산자인단오제는 예술과 민속과 축제가 종합적이고 총체성을 띤 문화제인 만큼, 각 분야를 연계하고 유기적으로 연행 시나리오(scenario)를 재구성하자는 것이다. 다섯째, 올바른 전승과 책임있는 연행을 위해서는 분야별 예능보유자와 전수교육조교를 폭넓게 인정해야 한다. 여섯째, 전통축제의 재현과 더불어 다양한 축제 레퍼토리(repertory)를 찾아내고 개발하고 지역 경제에 도움이 되는 관광상품 개발과 체험활동의 기회를 제공하는 등의 스펙터클(spectacle)화해야 한다.