• 지능정보연구
• /
• 제29권1호
• /
• pp.307-325
• /
• 2023

코로나19 팬데믹의 장기화로 인해 실내 생활에 지쳐가는 사람들이 우울감, 무기력증 등을 해소하기 위해 근거리의 산과 국립공원을 찾는 빈도가 폭발적으로 증가하였다. 자연으로 나온 수많은 사람들이 오가는 걸음을 멈추고 숨을 돌리며 쉬어가는 장소가 있는데 바로 약수터이다. 산이나 국립공원이 아니더라도 근린공원 또는 산책로에서도 간간이 찾아볼 수 있는 약수터는 수도권에만 약 6백여개가 위치해 있다. 하지만 불규칙적이고 수작업으로 수행되는 수질검사로 인해 사람들은 실시간으로 검사 결과를 알 수 없는 상태에서 약수를 음용하게 된다. 따라서 본 연구에서는 약수터 수질에 영향을 미치는 요인을 탐색하고 다양한 곳에 흩어져 있는 데이터를 수집하여 실시간으로 약수터 수질을 예측할 수 있는 모델을 개발하고자 한다. 데이터 수집의 한계로 인해 서울과 경기로 지역을 한정한 후 데이터 관리가 잘 이루어지고 있는 18개 시의 약 300여개 약수터를 대상으로 2015~2020년의 수질 검사 데이터를 확보하였다. 약수터 수질 적합 여부에 영향을 미칠 것으로 여겨지는 다양한 요인들 중 두 차례의 검토를 거쳐 총 10개의 요인을 최종 선별하였다. 최근 주목받고 있는 자동화 머신러닝 기술인 AutoML 기법을 활용하여 20여가지의 머신러닝 기법들 중 예측 성능 기준 상위 5개의 모델을 도출하였으며 그 중 catboost 모델이 75.26%의 예측 분류 정확도로 가장 높은 성능을 가지고 있음을 확인하였다. 추가로 SHAP 기법을 통해 분석에 사용한 변인들이 예측에 미치는 절대적인 영향력을 살펴본 결과 직전 수질 검사에서 부적합 판정을 받았는지 여부가 가장 중요한 요인이었으며 그 외 평균 기온, 과거 연속 2번 수질 부적합 판정 기록 유무, 수질 검사 당일 기온, 약수터 고도 등이 수질 부적합 여부에 영향을 미치고 있음을 확인하였다.

• 공연문화연구
• /
• 제22호
• /
• pp.253-285
• /
• 2011

90년대 중반 이후 빠른 속도로 증가하였던 축제는, 비록 적절한 속도의 조정을 받기는 하겠지만, 앞으로도 계속 그 수가 늘어날 것으로 보인다. 특히 직접적인 체험과 참여 속에서 자신들의 문화예술적 욕구를 실현하고자 하는 사람들의 수가 많아지면서 축제에 대한 수요의 정도와 구체성은 더욱 높아질 것으로 판단된다. 그러나 현재 우리나라의 축제문화는 아직도 직접적인 참여보다는 관객의 입장에서 수동적으로 즐기는 경향이 강하고 이러한 경향은 축제문화가 삶 속에 뿌리 내리기 전까지는 당분간 지속되리라고 볼 때, 늘어나는 축제의 상당부분은 축제 참여자가 여전히 관객으로 남아 있는 공연예술축제가 되리라는 점에 대해서 의심의 여지가 없다. 따라서 현재 일반시민들의 참여적 문화예술적 욕구를 공연예술축제로 충족시키기 위한 다양한 방법이 모색되고 있는 것도 사실이다. 이로 인해 공연예술축제의 예술성과 축제성이 각각의 특성을 어떻게 잘 표현해 내는가는 중요한 문제가 되고 있다. 공연예술축제에서는 축제적 특성과 예술적 특성 간에 상호 충돌과 갈등이 일어날 수밖에 없어서 이 두 요소에 대한 면밀한 분석의 필요성이 지속적으로 제기되고 있다. 특히 최근 공연예술축제는, 여타 종류의 축제들과 비교해 보았을 때, 상대적으로 많은 예산을 필요로 하기 때문에 자생력의 문제로부터 자유롭기가 어렵다는 점, 단기간에 빠른 속도로 공연예술축제가 증가하면서 프로그램이나 재원의 구성에서 차별성이나 독립성을 충분히 확보할 수 있는 여유를 갖지 못하고 있다는 점 등의 문제점들이 지적되고 있다. 이러한 문제들로 인해 공연예술축제가 예술성과 축제성보다는 상업적 대중성에 영합할 수밖에 없는 상황이 자주 발생하여 축제가 지녀야 할 가장 기본적인 요소인 자율성에 침해를 당하는 경우도 발생한다. 따라서 공연예술축제가 현대사회에서 가지는 중요성이 점차 커져가고 있는 것이 사실이라면, 공연예술축제가 가진 기본적인 속성에 대한 보다 면밀한 분석은 반드시 수행되어야 할 것이다. 본 연구에서는 아비뇽페스티벌의 사례를 중심으로 공연예술축제에서 예술성과 축제성의 특성이 발현되는 양상을 살펴보면서, 우리나라의 공연예술축제의 미래 발전방향을 예측하는데 참조 가능한 시사점을 찾고자 한다. 이러한 연구는 공연예술축제의 본질적 성격과 의미 그리고 미래의 방향성을 이해할 수 있는 기회를 제공하여 향후 보다 구체화된 문제 중심적 축제연구의 진전에 기여할 수 있을 것으로 기대된다.

• 벤처창업연구
• /
• 제18권4호
• /
• pp.37-50
• /
• 2023

벤처캐피탈은 유망한 기술력과 우수인력을 갖춘 창업 초기 단계부터 성장단계의 유망 중소벤처기업에 필요한 자본을 투자하고 경영 및 기술 등을 지원하여 성장 이후 다양한 수단을 통해 투자금을 회수하여 이익을 실현하는 벤처생태계의 핵심주체로서의 역할을 하고 있다. 벤처캐피탈의 업무는 다양한 출자자(LP)를 모집하여 벤처투자조합(펀드)을 결성을 통해 성장성이 있는 중소벤처기업에 투자하고 기업이 성장함에 따라 투자금을 회수하여 출자자들에게 배분과 재투자를 하는 것이다. 벤처투자에 있어 가장 중요한 역할을 담당하고 있는 벤처캐피탈리스트의 주요 업무는 유망기업발굴, 기업분석 및 평가, 투자심사, 사후관리, 투자회수 등이며 특히 임원급 이상의 경우 펀드레이징(펀드결성)이 중요한 업무이다. 벤처캐피탈의 성공지표는 펀드결성과 투자수익률에 있으며 벤처캐피탈리스트는 투자와 회수 및 펀드결성등의 업무성과로 연봉, 성과급, 승진 등 보상이 이루어지고 있다. 최근 급격히 성장하는 벤처투자시장에 비해 투자인력은 부족하며 이에 투자성과 제고를 위해 인력양성과 장기근속을 위한 인프라와 시스템을 갖추기 위해 벤처캐피탈은 많은 노력을 하고 있으나 다른 산업에 비해 벤처캐피탈 산업의 연구 자체가 부족할 뿐만 아니라 주로 계량적인 관점에서 연구가 이루어졌다. 이에 본 연구는 벤처캐피탈의 투자 경험, 권한위임, 직무적합성, 동료 관계 등이 펀드결성과 투자수익률에 미치는 영향력을 연구하고 실증적인 분석하였으며, 투자 경험이 많을수록, 권한위임이 클수록, 직무적합성이 높을수록 동료 관계가 좋을수록 투자성과에 정(+)의 영향을 미쳤다. 이러한 실증연구 결과는 향후 벤처캐피탈은 직무적합성이 높고 투자 경험이 많은 벤처캐피탈리스트가 장기근속을 할 수 있도록 직무환경 조성과 인력운영 전략이 필요하다는 시사점을 제시하였다.

• 한국조경학회지
• /
• 제52권2호
• /
• pp.51-63
• /
• 2024

건설분야의 전면 BIM 도입을 위한 정부정책이 실행 중인 가운데, 조경 BIM 모델의 구축 및 활용은 아직까지 저작도구의 한계, 자연소재 모델링의 어려움, 라이브러리 등 BIM 콘텐츠 부족 등의 문제로 어려움을 겪고 있다. 특히 수목은 조경분야의 전문성을 대표하는 설계요소로서 BIM 모델 제작시 반드시 포함되어야 하지만 모델링 과정에서 종종 생략되거나 필요한 정보가 포함되지 않아 BIM 데이터 품질을 저하시킨다. 이에 본 연구에서는 BIM 표준을 준수하고 조경실무에서 상용화할 수 있는 수목 라이브러리를 개발함으로써 조경 BIM 모델의 구축과 활용에 도움을 주고자 하였다. 이를 위해 Revit을 기반으로 수목의 3D 형상과 속성정보 항목을 선정하여 교목과 관목의 라이브러리를 개발하였다. 형상정보는 수종 고유의 특징을 표현하되 단순화하여 LOD200, LOD300, LOD350 수준으로 작성하였고, 속성정보는 수목의 품명, 규격, 물량산출에 필요한 정보 외에도 생태적 속성정보와 환경성능 정보를 포함하여 총 24개의 항목을 포함시켰다. 파일은 객체명만으로도 조경분야의 객체로서 위계가 드러나고 수목의 구분이 이루어지도록 명칭을 부여하였다. 이렇게 개발한 수목 라이브러리를 활용하여 공동주택단지의 조경 BIM 모델을 작성하고 사용성을 검토하였다. 그 결과, 수목 라이브러리를 사용하여 조경 BIM 모델을 효과적으로 구축할 수 있었으며 도면 작성, 물량 산출, 디자인 검토 등 BIM 모델의 기본적인 활용방안에서 적절히 운용되는 것을 확인할 수 있었다. 본 연구에서 개발한 라이브러리에는 지피초화류가 제외되었으며, 수목의 환경성능 등 다양한 데이터베이스가 아직 구축되지 않아 속성정보에 변수들이 탑재되지 않았다는 한계가 있다. 앞으로 자연소재에 대한 BIM 모델링 도구 및 기술 개발, 다양한 데이터베이스 구축에 대한 노력이 필요하며, 라이브러리의 제작, 관리, 보급 및 유통을 담당할 주체와 시스템을 마련해 나가야 한다.

• 벤처창업연구
• /
• 제18권6호
• /
• pp.87-104
• /
• 2023

최근 COVID-19 장기화 영향과 원자재 가격 급등으로 국내 대출금리가 가파르게 오르면서 빚으로 버티는 중소기업에 대한 우려가 커지고 있다. 또한, 높은 대출금리와 금융권의 대출심사 시 과도한 제출서류와 재무제표 위주의 심사로 인해 경영 환경에 힘든 중소기업의 대출은 거절되는 경우도 증가하고 있다. 따라서 중소기업의 자금조달과 투자 활성화 방안에 대한 논의가 필요하기에 본 연구는 중소기업의 ESG 제도의 활용을 통한 투자증진방안을 확인하였다. 본 연구의 목적은 비재무적 지표로 활용되는 ESG 평가지표의 활용이 중소기업의 기업가치를 예측하는 데 도움이 되며, 중소기업이 ESG 정보공시에 적극적으로 참여해야 하는 중요성을 제시하는 것이다. 본 연구는 자금조달이 중요한 중소기업의 ESG 도입과 실천의 필요성을 제언하며, 비재무적 지표의 활용이 기업가치를 예측하는 데 도움이 된다는 것을 실증적인 결과로 제시하였다. 연구결과, 중소기업의 ESG 성과와 기업가치는 정(+)의 관계를 가졌다. 중소기업의 ESG 부문별 등급과 기업가치는 모두 정(+)의 영향 관계를 맺는 것으로 볼 수 있다. ESG 종합등급은 기업가치에 긍정적 영향을 미치는 것으로 확인되었고 뿐만 아니라 ESG 환경, 사회, 지배구조 등급이 높은 중소기업일수록 기업가치를 높게 평가받는다는 것을 확인할 수 있었다. 연구결과에 따르면, 중소기업에게도 ESG 평가지표의 활용이 필요함을 제시하고, 중소기업의 성장을 도모하기 위해서는 중소기업의 기업가치를 재조명하는 방안을 연구하는 것이 필요함을 제언한다. 따라서, 본 연구는 중소기업의 ESG 경영과 기업가치의 관계에 대한 이해를 통해 중소기업의 ESG 경영 전략 수립 방안이 필요하다는 점과 ESG 정보공시를 위한 노력이 곧 중소기업의 정보 비대칭성을 해결하는 데 도움이 될 수 있음을 시사한다.

• 한국수자원학회논문집
• /
• 제57권5호
• /
• pp.333-346
• /
• 2024

수량과 수질 및 수생태를 동시에 고려한 수자원 관리를 위해서는 신뢰도 높은 중기 유량 예측 기술이 필수적이다. 이를 위해서는 기상자료의 특성에 대한 이해와 더불어, 시공간 해상도가 낮은 기상예측 정보를 고해상도 분포형 수문모형에서 효과적으로 활용하는 기술이 중요하다. 본 연구에서는 분포형 수문모형 WRF-Hydro와 선행시간 288시간까지의 기상정보를 제공하는 Global Data Assimilation and Prediction System (GDAPS)를 활용해 고해상도 중기 유량 예측을 수행하고 적용성을 검토하였다. 이를 위해 대상 유역인 낙동강 지류 금호강 유역에 대해 100 m 공간해상도의 WRF-Hydro모형을 구축하고 기상지상관측자료 Automatic Weather Stations (AWS)& Automated Synoptic Observing Systems (ASOS), 기상수치예보모형 GDAPS, 기상재분석자료 Global Land Data Assimilation System (GLDAS)를 입력자료로 적용한 유량 예측 모의 결과를 비교하였다. 2020~2022년 기간 3개의 강우사상에 대해 유역 평균 누적 강우량을 분석 결과, AWS&ASOS대비 GDAPS는 36%~234%, GLDAS 재분석자료는 80%~153% 범위의 과소 및 과대 산정되었음을 확인하였다. AWS&ASOS입력자료로 한 유량 예측 결과는 KGE, NSE지표가 유역 말단 강창교 지점 기준 0.6이상이었으나, GDAPS 기반 유량 모의는 강우 사상에 따라 KGE 값이 0.871~-0.131로 큰 변동성이 확인되었다. 한편, 첨두 유량 오차는 GDAPS가 GLDAS보다 크거나 비슷했지만, 첨두 홍수 발생시간의 오차는 AWS&ASOS, GDAPS, GLDAS가 각각 평균 3.7시간, 8.4시간, 70.1시간으로, 첨두 발생시간 측면에서는 GDAPS의 오차가 GLDAS보다 적었다. GDAPS를 입력자료로 한 WRF-Hydro 고해상도 중기 유량 예측은 첨두 유량의 불확실성은 크지만, 첨두 유량 발생시점에 대한 정확도는 상대적으로 높아 수자원 시설 운영에 효과적으로 활용될 수 있을 것으로 판단된다.

• 지능정보연구
• /
• 제23권2호
• /
• pp.123-138
• /
• 2017

주식 시장은 거래자들의 기업과 시황에 대한 기대가 반영되어 움직이기에, 다양한 원천의 텍스트 데이터 분석을 통해 주가 움직임을 예측하려는 연구들이 진행되어 왔다. 주가의 움직임을 예측하는 것이기에 단순히 주가의 등락 뿐만이 아니라, 뉴스 기사나 소셜 미디어의 반응에 따라 거래를 하고 이에 따른 수익률을 분석하는 연구들이 진행되어 왔다. 주가의 움직임을 예측하는 연구들도 다른 분야의 텍스트 마이닝 접근 방안과 동일하게 단어-문서 매트릭스를 구성하여 분류 알고리즘에 적용하여 왔다. 문서에 많은 단어들이 포함되어 있기 때문에 모든 단어를 가지고 단어-문서 매트릭스를 만드는 것보다는 단어가 문서를 범주로 분류할 때 기여도가 높은 단어들을 선정하여야 한다. 단어의 빈도를 고려하여 너무 적은 등장 빈도나 중요도를 보이는 단어는 제거하게 된다. 단어가 문서를 정확하게 분류하는 데 기여하는 정도를 측정하여 기여도에 따라 사용할 단어를 선정하기도 한다. 단어-문서 매트릭스를 구성하는 기본적인 방안인 분석의 대상이 되는 모든 문서를 수집하여 분류에 영향력을 미치는 단어를 선정하여 사용하는 것이었다. 본 연구에서는 개별 종목에 대한 문서를 분석하여 종목별 등락에 모두 포함되는 단어를 중립 단어로 선정한다. 선정된 중립 단어 주변에 등장하는 단어들을 추출하여 단어-문서 매트릭스 생성에 활용한다. 중립 단어 자체는 주가 움직임과 연관관계가 적고, 중립 단어의 주변 단어가 주가 상승에 더 영향을 미칠 것이라는 생각에서 출발한다. 생성된 단어-문서 매트릭스를 가지고 주가의 등락 여부를 분류하는 알고리즘에 적용하게 된다. 본 연구에서는 종목 별로 중립 단어를 1차 선정하고, 선정된 단어 중에서 다른 종목에도 많이 포함되는 단어는 추가적으로 제외하는 방안을 활용하였다. 온라인 뉴스 포털을 통해 시가 총액 상위 10개 종목에 대한 4개월 간의 뉴스 기사를 수집하였다. 3개월간의 뉴스 기사를 학습 데이터로 분류 모형을 수립하였으며, 남은 1개월간의 뉴스 기사를 모형에 적용하여 다음 날의 주가 움직임을 예측하였다. 본 연구에서 제안하는 중립 단어 활용 알고리즘이 희소성에 기반한 단어 선정 방안에 비해 우수한 분류 성과를 보였다.

• 지능정보연구
• /
• 제24권2호
• /
• pp.111-124
• /
• 2018

본 연구는 만성질환 중의 하나인 고지혈증 유병을 예측하는 분류모형을 개발하고자 한다. 이를 위해 SVM과 meta-learning 알고리즘을 이용하여 성과를 비교하였다. 또한 각 알고리즘에서 성과를 향상시키기 위해 변수선정 방법을 통해 유의한 변수만을 선정하여 투입하여 분석하였고 이 결과 역시 각각 성과를 비교하였다. 본 연구목적을 달성하기 위해 한국의료패널 2012년 자료를 이용하였고, 변수 선정을 위해 세 가지 방법을 사용하였다. 먼저 단계적 회귀분석(stepwise regression)을 실시하였다. 둘째, 의사결정나무(decision tree) 알고리즘을 사용하였다. 마지막으로 유전자 알고리즘을 사용하여 변수를 선정하였다. 한편, 이렇게 선정된 변수를 기준으로 SVM, meta-learning 알고리즘 등을 이용하여 고지혈증 환자분류 예측모형을 비교하였고, TP rate, precision 등을 사용하여 분류 성과를 비교분석하였다. 이에 대한 분석결과는 다음과 같다. 첫째, 모든 변수를 투입하여 분류한 결과 SVM의 정확도는 88.4%, 인공신경망의 정확도는 86.7%로 SVM의 정확도가 좀 더 높았다. 둘째, stepwise를 통해 선정된 변수만을 투입하여 분류한 결과 전체 변수를 투입하였을 때보다 각각 정확도가 약간 높았다. 셋째, 의사결정나무에 의해 선정된 변수 3개만을 투입하였을 때 인공신경망의 정확도가 SVM보다 높았다. 유전자 알고리즘을 통해 선정된 변수를 투입하여 분류한 결과 SVM은 88.5%, 인공신경망은 87.9%의 분류 정확도를 보여 주었다. 마지막으로, 본 연구에서 제안하는 meta-learning 알고리즘인 스태킹(stacking)을 적용한 결과로서, SVM과 MLP의 예측결과를 메타 분류기인 SVM의 입력변수로 사용하여 예측한 결과, 고지혈증 분류 정확도가 meta-learning 알고리즘 중에서는 가장 높은 것으로 나타났다.

• 지능정보연구
• /
• 제23권4호
• /
• pp.127-146
• /
• 2017

상품자산(Commodity Asset)은 주식, 채권과 같은 전통자산의 포트폴리오의 안정성을 높이기 위한 대체투자자산으로 자산배분의 형태로 투자되고 있지만 주식이나 채권 자산에 비해 자산배분에 대한 모델이나 투자전략에 대한 연구가 부족한 실정이다. 최근 발전한 기계학습(Machine Learning) 연구는 증권시장의 투자부분에서 적극적으로 활용되고 있는데, 기존 투자모델의 한계점을 개선하는 좋은 성과를 나타내고 있다. 본 연구는 이러한 기계학습의 한 기법인 SVM(Support Vector Machine)을 이용하여 상품자산에 투자하는 모델을 제안하고자 한다. 기계학습을 활용한 상품자산에 관한 기존 연구는 주로 상품가격의 예측을 목적으로 수행되었고 상품을 투자자산으로 자산배분에 관한 연구는 찾기 힘들었다. SVM을 통한 예측대상은 투자 가능한 대표적인 4개의 상품지수(Commodity Index)인 골드만삭스 상품지수, 다우존스 UBS 상품지수, 톰슨로이터 CRB상품지수, 로저스 인터내셔날 상품지수와 대표적인 상품선물(Commodity Futures)로 구성된 포트폴리오 그리고 개별 상품선물이다. 개별상품은 에너지, 농산물, 금속 상품에서 대표적인 상품인 원유와 천연가스, 옥수수와 밀, 금과 은을 이용하였다. 상품자산은 전반적인 경제활동 영역에 영향을 받기 때문에 거시경제지표를 통하여 투자모델을 설정하였다. 주가지수, 무역지표, 고용지표, 경기선행지표 등 19가지의 경제지표를 이용하여 상품지수와 상품선물의 등락을 예측하여 투자성과를 예측하는 연구를 수행한 결과, 투자모델을 활용하여 상품선물을 리밸런싱(Rebalancing)하는 포트폴리오가 가장 우수한 성과를 나타냈다. 또한, 기존의 대표적인 상품지수에 투자하는 것 보다 상품선물로 구성된 포트폴리오에 투자하는 것이 우수한 성과를 얻었으며 상품선물 중에서도 에너지 섹터의 선물을 제외한 포트폴리오의 성과가 더 향상된 성과를 나타남을 증명하였다. 본 연구에서는 포트폴리오 성과 향상을 위해 기존에 널리 알려진 전통적 주식, 채권, 현금 포트폴리오에 상품자산을 배분하고자 할 때 투자대상은 상품지수에 투자하는 것이 아닌 개별 상품선물을 선정하여 자체적 상품선물 포트폴리오를 구성하고 그 방법으로는 기간마다 강세가 예측되는 개별 선물만을 골라서 포트폴리오를 재구성하는 것이 효과적인 투자모델이라는 것을 제안한다.

• 지능정보연구
• /
• 제26권3호
• /
• pp.149-169
• /
• 2020

현 정부의 주요 국책사업 중 하나인 도시재생 뉴딜사업은 매년 100 곳씩, 5년간 500곳을대상으로 50조를 투자하여 낙후된 지역을 개발하는 것으로 언론과 지자체의 높은 이목이 집중되고 있다. 그러나, 현재 이 사업모델은 면적 규모에 따라 "우리동네 살리기, 주거정비지원형, 일반근린형, 중심시가지형, 경제기반형" 등 다섯 가지로 나뉘어 추진되어 그 지역 본래의 특성을 반영하지 못하고 있다. 국내 도시재생 성공 키워드는 "주민 참여", "지역특화" "부처협업", "민관협력"이다. 성공 키워드에 따르면 지자체에서 정부에게 도시재생 사업을 제안할 때 지역주민, 민간기업의 도움과 함께 도시의 특성을 정확히 이해하고 도시의 특성에 어울리는 방향으로 사업을 추진하는 것이 가장 중요하다는 것을 알 수 있다. 또한 도시재생 사업 후 발생하는 부작용 중 하나인 젠트리피케이션 문제를 고려하면 그 지역 특성에 맞는 도시재생 유형을 선정하여 추진하는 것이 중요하다. 이에 본 연구는 '도시재생 뉴딜 사업' 방법론의 한계점을 보완하기 위해, 기존 서울시가 지역 특성에 기반하여 추진하고 있는 "2025 서울시 도시재생 전략계획"의 도시재생 유형을 참고하여 도시재생 사업지에 맞는 도시재생 유형을 추천하는 시스템을 머신러닝 알고리즘을 활용하여 제안하고자 한다. 서울시 도시재생 유형은 "저이용저개발, 쇠퇴낙후, 노후주거, 역사문화자원 특화" 네 가지로 분류된다 (Shon and Park, 2017). 지역 특성을 파악하기 위해 총 4가지 도시재생 유형에 대해 사업이 진행된 22개의 지역에 대한 뉴스 미디어 10만여건의 텍스트 데이터를 수집하였다. 수집된 텍스트를 이용하여 도시재생 유형에 따른 지역별 주요 키워드를 도출하고 토픽모델링을 수행하여 유형별 차이가 있는 지 탐색해 보았다. 다음 단계로 주어진 텍스트를 기반으로 도시재생 유형을 추천하는 추천시스템 구축을 위해 텍스트 데이터를 벡터로 변환하여 머신러닝 분류모델을 개발하였고, 이를 검증한 결과 97% 정확도를 보였다. 따라서 본 연구에서 제안하는 추천 시스템은 도시재생 사업을 진행하는 과정에서 신규 사업지의 지역 특성에 기반한 도시재생 유형을 추천할 수 있을 것으로 기대된다.