• 지능정보연구
• /
• 제20권4호
• /
• pp.107-120
• /
• 2014

본 연구에서는 사회연결망분석기법 중 하나인 구조적 공백 분석 결과를 이용하여 추천과정에 사용자의 정성적이고 감성적인 정보를 반영할 수 있는 협업필터링 기반의 추천시스템을 제안한다. 협업필터링은 추천기술 중 가장 많이 활용되고 있지만 전통적으로 확장성과 희박성 등의 문제점뿐 만 아니라 사용자-상품 매트릭스의 선호도만을 이용하여 추천을 함으로써 사용자의 정성적이고 감성적인 정보를 추천과정에 반영하지 못한다는 한계점이 있다. 본 연구에서 제안하는 추천시스템은 사회연결망분석에서 중심성 분석과 함께 연결망 내의 주요개체를 탐지할 수 있는 구조적 공백 분석을 이용하여 연결망 내의 대표 사용자들을 추출한 후 이들을 중심으로 군집을 형성한 후 각 군집색인 협업필터링을 수행하는 과정을 통해 전통적인 협업필터링에서 반영하지 못했던 정성적, 감성적 정보를 반영한다. 한편, 군집색인 협업필터링을 수행함으로써 추천의 효율성을 높일 수 있는 장점도 있다. 본 연구에서는 실제 사용자들의 상품에 대한 선호도 평가점수와 사용자들의 사회연결망 정보를 수집하여 실험을 수행하고 전통적인 협업필터링과 다양한 형태의 협업필터링과의 추천성과 비교를 통하여 제안하는 시스템의 유용성을 확인한다. 비교모형으로는 전통적인 협업필터링, 임의 군집색인 기반 협업필터링, k평균 군집색인 기반 협업필터링을 이용한 추천시스템이며, 실험 결과, 제안한 모형이 다른 비교모형에 비해 추천성과의 정확도가 가장 우수하였다. 추천성과의 차이에 대한 통계적 유의성 검정 결과, 제안 모형은 전통적인 협업필터링 기반의 추천시스템과는 통계적으로 유의한 성과 차이가 없었으나, 다른 두 모형에 대해서는 통계적으로 유의한 성과의 차이가 있는 것으로 나타났다.

• 한국산림과학회지
• /
• 제87권2호
• /
• pp.164-172
• /
• 1998

Promoter가 없는 외래유전자를 이용하여 형질전환(形質轉換)시키고자 할 때의 최적조건(最適條件) 및 효율적인 형질전환체(形質轉換體)의 검정방법을 구명(究明)하고자 산림청(山林廳) 임목육종연구소(林木育種硏究所)에 식재된 잡종 포플러 양황철 62-9클론을 사용하여 재분화를 유도하고, 기내(器內) 형질전환실험(形質轉換實驗)을 실시하였다. 기내(器內)에서 식물체 재분화 유도를 위해서는 배지조성과 호르몬 농도의 조합이 가장 영향을 많이 끼치는 요인이었다. 여러 조합으로 엽조직 ($5{\times}5mm$ leaf strip)을 시료로 하여 MS 기본배지에 0, 0.01, 0.1, 0.5, $0.1mg/{\ell}$ NAA, 0.2, 0.5, 1.0, $2.0mg/{\ell}$ BAP를 혼합 처리하여 배양한 결과, $0.1mg/{\ell}$ NAA, $0.5mg/{\ell}$ BAP를 첨가한 호르몬 조합에서 즐기 분화율 및 explant당 분화된 부정줄기수가 상대적인 비율 94%(11.4개)로서 가장 높았다. 따라서 형질전환(形質轉換)된 엽조직(葉組織)을 재분화 시킬 때 이 조건을 줄기분화유도 배지 (SIM ; shoot-inducing medium)로 사용하였다. 선발유전자에 의한 항생제(抗生濟)의 선발농도(選拔濃度)를 알기 위해 pBI121로 형질전환(形質轉換)실험을 한 결과, cocultivation한 후 $100mg/{\ell}$ Km(kanamycin) 또는 $60mg/{\ell}$ G418(geneticin)이 첨가된 SIM 3 배지에서 2주가 경과하면서 육안으로 형질전환(形質轉換)된 부정아를 관찰할 수 있었고 이 부정아를 SIM 3로 옮긴지 6주 후에는 0.5-1cm 크기의 부정줄기로 자랐다. 그러나 대조(對照) 엽조직(葉組織)은 부정아형성이 거의 되지 않아, 선발유전자의 항생제(抗生濟) 선발농도(選拔濃度)는 이 조건이 최적임을 알 수 있었다. 또한 형질전환체(形質轉換體)의 재분화율을 높이기 위해 5-azacytidine을 처리한 결과, 항생제(抗生濟) 선발배지하에서 재분회율을 5.7%에서 26.7%까지 높일 수 있었다. Fluorometric 및 histochemical assay 방법으로 GUS 유전자의 활성(活生)을 검정한 결과 vector system간에 형질전환율(形質轉換率)이 서로 다름을 확인할 수 있었다. LBA4404/pBI121을 vector로 사용한 양황철의 기내(器內) 형질전환(形質轉換) 실험에서는 낮은 形짧훌훌換率(5.7%)을 보였다. 그러나 보다 응양성(應梁性)이 높은 super virulence 유전자를 포함하는 pEHA101을 helper plasmid로 하여 실험한 결과 형질전환율(形質轉換率)이 35.9%로 pAL4404보다 훨씬 효과적인 것으로 나타났다. 따라서 promoter가 없는 외래유전자를 이용하여 promoter tagging을 하고자 할 때 형질전환(形質轉換)실험에는 helper plasmid로써 pEHA101을 이용하는 것이 적합한 것으로 판명되었다.

• Nuclear Medicine and Molecular Imaging
• /
• 제42권5호
• /
• pp.394-400
• /
• 2008

목적: 줄기 세포에서 렌티바이러스와 아데노바이러스를 이용해 유전자를 전달하였을 때 유전자 발현 정도를 정량적으로 비교하는 연구는 보고되지 않았다. 저자들은 쥐의 중간엽줄기세포(이하 rMSC)에 사람 나트륨/옥소 공동수송체 (이하 hNIS) 유전자를 렌티바이러스와 아데노바이러스를 통하여 전달하고 발현 정도를 정량적으로 비교해 보았다. 대상 및 방법: hNIS를 발현하는 rMSE (lenti-hNIS-rMSC)의 생산은 hNIS유전자를 렌티바이러스 벡터인 pLenti/UbC/V5-DEST (Invitrogen)에 클로닝하여 pLenti-hNIS를 얻은 후 rMSC에 감염시켜서 3주간 blasticidin으로 선별하였다. hNIS를 발현하는 재조합 아데노바이러스(Rad-hNIS)는 homologous recombination 방법에 의하여 생산하였으며 Rad-hNIS의 rMSC에 대한 transduction efficiency는 Rad-GFP를 사용하여 MOI 1, 5, 20, 고리고 100에서 평가하였고 그 결과는 각각 $19.1{\pm}4.7%$, $54.0{\pm}6.4%$, $85.7{\pm}8.7%$, 그리고 $98.4{\pm}1.3%$이었다. 두 바이러스 전달 시스템에서 hNIS의 발현정도를 ummunocytochemistry, western blot 그리고 방사성옥소 섭취실험을 통해 평가하였다. 결과: Immunocytochemistry와 western blot으로 hNIS 단백질의 양을 비교하였을 때 lenti-hNIS-rMSC에서 발현하는 hNIS 단백질의 양은 Rad-hNIS를 rMSC에 MOI 20으로 감염시킨 경우보다는 많았으나 MOI 50 보다는 작았다. 그러나 방사성옥소 섭취실험에서 lenti-hNIS-rMSC ($29,704{\pm}6,659\;picomole/10^6\;cells$)는 MOI 100의 Rad-hNIS를 rMSE에 감염시킨 경우($6,168{\pm}2,134\;picomole/10^6\;cells)$ 보다도 높은 섭취율을 보였다. 결론: 렌티바이러스를 통하여 hNIS를 rMSC에서 발현하도록 했을 때 아데노바이러스를 전달 벡터로 사용한 경우에 비하여 단백질 발현 양은 상대적으로 적었으나 hNIS의 기능은 더 우수하였다. hNIS를 리포터 유전자로 사용한 줄기세포추적은 벡터에 따른 유전자 발현효율의 차이를 고려하고 시행되어야 할 것으로 생각한다.

• 수산해양기술연구
• /
• 제37권4호
• /
• pp.302-307
• /
• 2001

본 연구는 잠수기 어업용 수중무선전화기를 설계하는데 있어 최적의 반송 주파수와 송신 신호의 음원 준위를 결정할 목적으로 우리 나라 잠수기 주 조업장의 하나인 거제와 통영 해역의 해양 배경소음과 조업중인 잠수기 어장의 수중 소음에 대하여 검토, 고찰한 결과를 요약하면 다음과 같다. 1. 거제와 통영의 잠수기 어장의 해양 배경 소음을 분석한 결과, 음압 준위는 25∼301kHz 부근에서 가장 낮아 52∼57dB이었고, 주변 통항 선박량과 산업시설이 많은 거제 해역이 통영 해역보다 약 5dB 더 높았다. 2. 거제와 통영의 잠수기 어선의 조업중의 수중소음을 비교하면, 최저 음압준위는 30kHz 부근에서 거제 어장에서는 67dB로서 통영의 62d묘보다 5dB 높은 음압 준위를 나타냈다. 이것은 거제 해역은 잠수기 어선의 규모도 통영 해역의 잠수기 어선보다 약간 크고, 분사기를 사용하여 작업하는데 비해 통영 해역은 잠수기 어선의 크기도 상대적으로 작고, 주 어획 대상물이 달라 분사기를 사용하지 않는 것이 그 원인으로 판단된다. 3. 거제 해역의 패류 채취용 분사기를 사용할 때의 수중 소음의 음압 준위는 102dB었다. 4. 거제 해역의 조업중에 대한 수중 배경 소음을 67dB라 가정할 때, 최대 500m까지 통화하기 위한 송신 신호의 음원 준위는 131dB 정도이다. 그러나, 통영 해역의 잠수기 조업은 분사기를 사용하지 않는 조업으로 이 경우 배경 소음은 약 62dB로서 송신 신호의 음원 준위는 126dB정도이다. 잠수기 조업중이 아닌 경우 즉, 스쿠버 다이버용 수중무선 전화기인 경우에는 배경 소음이 52∼57dB이므로 송신 신호의 음원 준위는 l16∼121dB이면 될 것으로 판단된다. 협동학습 모형이 수학 수업에 보다 발전적으로 널리 적용되기를 기대한다.cal results well visualized the streamlines, pressure fields, and speed vectors of a simple cambered and slot cambered otter board with slot size 0.02C. The slot cambered one with slot size 0.02C was shown that pressure field was distributed moderately on front and back side of otter board. And, the delay and decrease of separation were favorably achieved by flow through slot. 4. Computed result on the pattern of hydrodynamic field and the values of C/sub L/ and C/sub D/ by the commercial CFD code, FLUENT, show almost the same as those of the experimental result.erence was found in its fragrance. And, no difference was found in brightness and viscosity between samples. As a result of conducting the palatability test, no difference was showed in the appearance, but as for the overall palatability

• 지능정보연구
• /
• 제23권2호
• /
• pp.71-88
• /
• 2017

언어모델은 순차적으로 입력된 자료를 바탕으로 다음에 나올 단어나 문자를 예측하는 모델로 언어처리나 음성인식 분야에 활용된다. 최근 딥러닝 알고리즘이 발전되면서 입력 개체 간의 의존성을 효과적으로 반영할 수 있는 순환신경망 모델과 이를 발전시킨 Long short-term memory(LSTM) 모델이 언어모델에 사용되고 있다. 이러한 모형에 자료를 입력하기 위해서는 문장을 단어 혹은 형태소로 분해하는 과정을 거친 후 단어 레벨 혹은 형태소 레벨의 모형을 사용하는 것이 일반적이다. 하지만 이러한 모형은 텍스트가 포함하는 단어나 형태소의 수가 일반적으로 매우 많기 때문에 사전 크기가 커지게 되고 이에 따라 모형의 복잡도가 증가하는 문제가 있고 사전에 포함된 어휘 외에는 생성이 불가능하다는 등의 단점이 있다. 특히 한국어와 같이 형태소 활용이 다양한 언어의 경우 형태소 분석기를 통한 분해과정에서 오류가 더해질 수 있다. 이를 보완하기 위해 본 논문에서는 문장을 자음과 모음으로 이루어진 음소 단위로 분해한 뒤 입력 데이터로 사용하는 음소 레벨의 LSTM 언어모델을 제안한다. 본 논문에서는 LSTM layer를 3개 또는 4개 포함하는 모형을 사용한다. 모형의 최적화를 위해 Stochastic Gradient 알고리즘과 이를 개선시킨 다양한 알고리즘을 사용하고 그 성능을 비교한다. 구약성경 텍스트를 사용하여 실험을 진행하였고 모든 실험은 Theano를 기반으로 하는 Keras 패키지를 사용하여 수행되었다. 모형의 정량적 비교를 위해 validation loss와 test set에 대한 perplexity를 계산하였다. 그 결과 Stochastic Gradient 알고리즘이 상대적으로 큰 validation loss와 perplexity를 나타냈고 나머지 최적화 알고리즘들은 유사한 값들을 보이며 비슷한 수준의 모형 복잡도를 나타냈다. Layer 4개인 모형이 3개인 모형에 비해 학습시간이 평균적으로 69% 정도 길게 소요되었으나 정량지표는 크게 개선되지 않거나 특정 조건에서는 오히려 악화되는 것으로 나타났다. 하지만 layer 4개를 사용한 모형이 3개를 사용한 모형에 비해 완성도가 높은 문장을 생성했다. 본 논문에서 고려한 어떤 시뮬레이션 조건에서도 한글에서 사용되지 않는 문자조합이 생성되지 않았고 명사와 조사의 조합이나 동사의 활용, 주어 동사의 결합 면에서 상당히 완성도 높은 문장이 발생되었다. 본 연구결과는 현재 대두되고 있는 인공지능 시스템의 기초가 되는 언어처리나 음성인식 분야에서 한국어 처리를 위해 다양하게 활용될 수 있을 것으로 기대된다.

• 지능정보연구
• /
• 제18권2호
• /
• pp.29-45
• /
• 2012

회사채 신용등급은 투자자의 입장에서는 수익률 결정의 중요한 요소이며 기업의 입장에서는 자본비용 및 기업 가치와 관련된 중요한 재무의사결정사항으로 정교한 신용등급 예측 모형의 개발은 재무 및 회계 분야에서 오랫동안 전통적인 연구 주제가 되어왔다. 그러나, 회사채 신용등급 예측 모형의 성과와 관련된 가장 중요한 문제는 등급별 데이터의 불균형 문제이다. 예측 문제에 있어서 데이터 불균형(Data imbalance) 은 사용되는 표본이 특정 범주에 편중되었을 때 나타난다. 데이터 불균형이 심화됨에 따라 범주 사이의 분류경계영역이 왜곡되므로 분류자의 학습성과가 저하되게 된다. 본 연구에서는 데이터 불균형 문제가 존재하는 다분류 문제를 효과적으로 해결하기 위한 다분류 기하평균 부스팅 기법 (Multiclass Geometric Mean-based Boosting MGM-Boost)을 제안하고자 한다. MGM-Boost 알고리즘은 부스팅 알고리즘에 기하평균 개념을 도입한 것으로 오분류된 표본에 대한 학습을 강화할 수 있으며 불균형 분포를 보이는 각 범주의 예측정확도를 동시에 고려한 학습이 가능하다는 장점이 있다. 회사채 신용등급 예측문제를 활용하여 MGM-Boost의 성과를 검증한 결과 SVM 및 AdaBoost 기법과 비교하여 통계적으로 유의적인 성과개선 효과를 보여주었으며 데이터 불균형 하에서도 벤치마킹 모형과 비교하여 견고한 학습성과를 나타냈다.

• 지능정보연구
• /
• 제25권2호
• /
• pp.25-38
• /
• 2019

정보화 시대의 넘쳐나는 콘텐츠들 속에서 사용자의 관심과 요구에 맞는 양질의 정보를 선별해내는 과정은 세대를 거듭할수록 더욱 중요해지고 있다. 정보의 홍수 속에서 사용자의 정보 요구를 단순한 문자열로 인식하지 않고, 의미적으로 파악하여 검색결과에 사용자 의도를 더 정확하게 반영하고자 하는 노력이 이루어지고 있다. 구글이나 마이크로소프트와 같은 대형 IT 기업들도 시멘틱 기술을 기반으로 사용자에게 만족도와 편의성을 제공하는 검색엔진 및 지식기반기술의 개발에 집중하고 있다. 특히 금융 분야는 끊임없이 방대한 새로운 정보가 발생하며 초기의 정보일수록 큰 가치를 지녀 텍스트 데이터 분석과 관련된 연구의 효용성과 발전 가능성이 기대되는 분야 중 하나이다. 따라서, 본 연구는 주식 관련 정보검색의 시멘틱 성능을 향상시키기 위해 주식 개별종목을 대상으로 뉴럴 텐서 네트워크를 활용한 지식 개체명 추출과 이에 대한 성능평가를 시도하고자 한다. 뉴럴 텐서 네트워크 관련 기존 주요 연구들이 추론을 통해 지식 개체명들 사이의 관계 탐색을 주로 목표로 하였다면, 본 연구는 주식 개별종목과 관련이 있는 지식 개체명 자체의 추출을 주목적으로 한다. 기존 관련 연구의 문제점들을 해결하고 모형의 실효성과 현실성을 높이기 위한 다양한 데이터 처리 방법이 모형설계 과정에서 적용되며, 객관적인 성능 평가를 위한 실증 분석 결과와 분석 내용을 제시한다. 2017년 5월 30일부터 2018년 5월 21일 사이에 발생한 전문가 리포트를 대상으로 실증 분석을 진행한 결과, 제시된 모형을 통해 추출된 개체명들은 개별종목이 이름을 약 69% 정확도로 예측하였다. 이러한 결과는 본 연구에서 제시하는 모형의 활용 가능성을 보여주고 있으며, 후속 연구와 모형 개선을 통한 성과의 제고가 가능하다는 것을 의미한다. 마지막으로 종목명 예측 테스트를 통해 본 연구에서 제시한 학습 방법이 새로운 텍스트 정보를 의미적으로 접근하여 관련주식 종목과 매칭시키는 목적으로 사용될 수 있는 가능성을 확인하였다.

• 한국응용곤충학회지
• /
• 제13권4호
• /
• pp.181-204
• /
• 1974

우리나라에서의 벼 줄무늬잎마름병의 발생, 피해, 기생범위, 전염 및 방제에 관하여 1965년부터, 1974년까지 실시한 연구결과를 다음과 같이 보고한다. 1. 발생 못자리에서 줄무늬잎마름병의 피해는 $1.3-8\%$였고 포장에서는 입도중의 발병주율보다 재생도에서의 발생율이 높았으며 보통기재배보다도 조기재배에서 발병이 많았다. 또 포장에서 발병주의 분포는 대체로 휴반가까이에 많은 경향이었다. 벼 엽기별 피해에서 라병성인 일본계 벼의 경우 못자리 때인 3엽기에서 7엽기까지는 감염되면 $100\%$ 고사하였으며 9엽기에서는 $50\%$, 11엽기는 $20\%$, 13엽기 이후에는 고사주를 볼 수 없었다. 참복기간은 3-7엽기에서는 7-15일이었고 9-15엽기에서는 15-30일이었다. 저항성인 통일벼의 경우 1.5-5엽기 접종구는 비교적 발병이 많았으나 9엽기 이후부터는 현저히 떨어져 15엽기 이후는 발병을 거의 볼 수 없었다. 그리고 감염된 것은 초장이 짧고 등숙율과 임실비율이 떨어지는 경향이었다. 2. 기주범위 기주범위를 구명하기 위하여 작물과 목초 및 잡초 36종을 공시하여 아래와 같이 21종의 기주를 밝혀 내었다. 작물: 벼, 보리, 밀 , 귀리, 라이맥, 조, 옥수수, 기장, 참피 목초: 티모시, 빗살대, 이타리안라이그라스, 패래니 알라이그라스, 죤슨그라스, 슈단그라스 잡초 : 들피, 겨피, 방울피, 잠자리피, 개미피, 바랭이, 민바랭이, 좀바랭이, 방동사니대가리, 강아지풀, 비노리, 참새, 포아풀, 독새풀, 우산대바랭이, 개보리, 겨풀, 쇠풀, 조개풀, 넓은 잎 개수염은 새로운 기주로 밝혀졌다. 3. 충매전염 우리나라의 애멸구화기는 5회였으며 수원에서의 제2회성충 최성기는 6월 20일 경이고 제3회성충 최성기는 7월 30일 경이었다. 진주는 수원보다 제2회성충 최성기가 5-7일 빨랐고 진주에서는 제3회성충 최성기의 발생량이 많은 것이 달랐다. 애멸구 세대별 보독충율은 월동약충이 $10-15\%$였고 제1세대유충은 $9\%$, 제2회성충은 $17\%$, 제2세대유충은 $8\%$, 나머지 화기에서는 약 $10\%$였는데 보독충율은 남부지방보다 높은 경향이었다. 1966년부터 1970년생 사이의 애멸구 보독충율은 해에 따라 다소 차가 있었으며 화기별로는 제2회성충과 제3회성충의 보독충율이 높았다. 분리한 애멸구보독충을 재분리하여 이를 교배하였더니 차대에서는 보독충율이 $90\%$인 애멸구를 얻을 수 있었으며 애멸구충령별로는 3, 4, 5령충의 감염능력이 높았고 애멸구 무독충의 바이러스 재획득율은 평균$7.9\%$였고 여기에서 얻어진 친화성계통이라 할지라고 3회접종시험결과 계속하여 3회까지 벼에 바이러스를 매개하지 않았다. 또 애멸구보독충의 감염최적온도는 $25-30^{\circ}C$였으며, $15^{\circ}C$이하에는 감염이 일어나지 않을때도 있었다. 그리고 애멸구기생봉의 기생율은 6월부터 8월말까지 $5-48\%$였으며 7월 10일경이 $32-48\%$로서 가장 높았다.