• 제목/요약/키워드: Trend Ranking

검색결과 64건 처리시간 0.018초

K-Means 군집모형과 계층적 군집(교차효율성 메트릭스에 의한 평균연결법, Ward법)모형 및 혼합모형을 이용한 컨테이너항만의 클러스터링 측정에 대한 실증적 비교 및 검증에 관한 연구 (An Empirical Comparison and Verification Study on the Containerports Clustering Measurement Using K-Means and Hierarchical Clustering(Average Linkage Method Using Cross-Efficiency Metrics, and Ward Method) and Mixed Models)

  • 박노경
    • 한국항만경제학회지
    • /
    • 제34권3호
    • /
    • pp.17-52
    • /
    • 2018
  • 본 논문에서는 K-Means 군집모형과 계층적 군집모형, 혼합모형으로, 아시아 38개 컨테이너항만 들의 2006년부터 2015년까지의 자료와 선석길이, 수심, 총면적, 크레인 수를 투입물, 컨테이너화물처리량을 산출물로 하여 국내대표 컨테이너항만 들(부산, 인천, 광양항)이 클러스터링 해야만 하는 항만들을 적출해 내는 측정방법을 보여 주고 비교, 분석, 검증하였다. 실증분석의 주요한 결과는 다음과 같다. 첫째, 10년간의 자료를 이용한 분석에서 클러스터링 후의 효율성 증가폭이 큰 순서대로 살펴보면 평균연결법[average linkage(AL)]은 42.04% 상승, Mixed Ward는 35.01% 상승, 경험법칙[rule of thumb(RT)]&Elbow는 30.47% 상승, Ward는23.65% 상승, Mixed AL는 23.25% 상승의 순서였다. 둘째, RT와 Elbow모형에 의한 국내항만들의 클러스터링을 살펴보면 (1)부산항은 두바이, 홍콩, 광저우, 칭타오, 포트 클랑, 싱가포르, 림찬방 (2)인천항은 하이파, 포트슐탄 카부스, 담만, 크호르 파칸, 탄중프리옥, 탄중퍼락, 동경, 나고야, 오사카, 카라치, 오아심, 마닐라, 다바오, 콜롬보, 킬롱, 방콕, (3)광양항은 아카바, 크호르 파칸, 광정우, 닝보, 칭타오, 포트 클랑, 카오슝, 림찬방 항과 클러스터링 해야만 하는 것으로 나타났다. 셋째, 최적 군집 수를 살펴보면 AL(6개), Mixed Ward(5개), RT&ELBOW (4개), Ward(5개), Mixed AL(6개)가 최적 군집 수인 것으로 나타났다. 넷째, 전문가 그룹에 의해서 선호되는 항만들과 본 실증분석결과에 의해서 도출된 국내항만들의 클러스터링 되는 항만들과의 일치성 여부는 부산항은 80%, 인천항은 17%, 광양항은 50%수준에서 일치하는 것으로 검증되었다. 본 논문이 제안하고 있는 정책적인 측면의 의미는 첫째, 항만정책입안자, 항만운영관리자들이 본 연구에서 사용한 모형들을 항만의 클러스터링에 도입하여 벤치마킹항만들을 선정해야만 한다. 둘째, 실증분석의 결과로서 도출된, 국내항만들의 참조항만, 클러스터링항만들에 대하여, 그들 항만들의 항만개발, 운영방안 등에 대한 내용을 비교 분석하고 벤치마킹이 필요한 부분은 신속하게 도입하여 실시하는 것이 필요하다는 점이다.

부트스트랩 DEA모형과 게임교차효율성모형을 이용한 항만클러스터링 측정에 대한 실증적 비교연구 (An Empirical Comparative Study of the Seaport Clustering Measurement Using Bootstrapped DEA and Game Cross-efficiency Models)

  • 박노경
    • 한국항만경제학회지
    • /
    • 제32권1호
    • /
    • pp.29-58
    • /
    • 2016
  • 본 논문에서는 부트스르랩DEA모형과 게임교차효율성모형으로, 아시아 38개 컨테이너항만들의 11년간 자료를 4개의 투입요소(선석길이, 수심, 총면적, 크레인 수), 1개의 산출요소(컨테이너화물처리량)를 이용하여 국내항만(부산, 인천, 광양항)들이 어떤 항만들과 클러스터링 해야만 하는지에 대한 측정방법을 실증적으로 보여 주고 분석하였다. 실증분석의 주요한 결과는 다음과 같다. 첫째, 2003년부터 2013년까지 전체자료를 이용한 편의수정 된 부트스트랩 평균효율성 측정의 주요한 결과를 살펴보면, (1) LT모형의 효율성 수치가 SW모형의 효율성 수치보다 그 모형의 엄격성 때문에 더 낮게 나타나는 경향을 보이고 있다. (2) 전체 자료에 대한 SW모형의 부트스트랩 평균효율성 수치는 0.7660, LT모형은 0.7341로 나타났다. 둘째, 게임교차효율성 모형에 의한 국내항만들의 클러스터링을 살펴보면 국내항만들은 홍콩항, 상해항, 광저우항, 닝보항, 포트클랑항, 싱가포르항, 카오슝항, 키롱항, 방콕항과 클러스터링하는 것이 좋은 것으로 나타났다. 셋째, 부트스트랩 DEA모형에 의한 국내항만들의 클러스터링 후 효율성 변화분석의 주요한 결과는 부트스트랩 SW모형에서는 모두 상승[부산:6.46%, 인천:3.92%, 광양:2.78%]하였으나, 부트스트랩 LT모형에서는 인천항(2.11%)만 상승하고, 부산항(-1.86%), 광양항(-0.124%)은 하락하였다. 넷째, 게임교차효율성 모형에 의한 클러스터링 후의 국내항만의 효율성 변화를 살펴보면 광양항(0.131%)만 상승하고 부산항(-1.08%)과 인천항(-0.009%)은 하락하였다. 다섯째, 효율성 순위를 검정한 윌콕슨부호순위검정에서는 세 가지 모형[부트스트랩 DEA모형(SW)과 게임교차효율성 모형(72.83%), 부트스트랩 DEA모형(LT)과 게임교차효율성모형(68.91%)]사이에 순위에 차이가 없는 것으로 나타났다. 본 논문이 갖는 정책적인 함의는 첫째, 항만정책입안자들이 본 연구에서 사용한 두 가지 모형을 항만의 클러스터링 정책에 도입하여 해당항만이 발전할 수 있는 전략을 수립하고 이행해 나가야만 한다는 점이다. 둘째, 본 논문의 실증분석결과 국내항만들의 참조항만, 클러스터링항만들로서 나타난 아시아항만들에 대하여, 그들 항만들의 항만개발, 운영에 대한 내용을 정밀하게 분석하고 도입하여 실시하는 것이 필요하다.

인공신경망모형(다층퍼셉트론, 방사형기저함수), 사회연결망모형, 타부서치모형을 이용한 컨테이너항만의 클러스터링 측정 및 2단계(Type IV) 교차효율성 메트릭스 군집모형을 이용한 실증적 검증에 관한 연구 (A Study on Containerports Clustering Using Artificial Neural Network(Multilayer Perceptron and Radial Basis Function), Social Network, and Tabu Search Models with Empirical Verification of Clustering Using the Second Stage(Type IV) Cross-Efficiency Matrix Clustering Model)

  • 박노경
    • 예술인문사회 융합 멀티미디어 논문지
    • /
    • 제9권6호
    • /
    • pp.757-772
    • /
    • 2019
  • 본 논문에서는 아시아 38개 컨테이너항만 들을 대상으로 10년(2007년-2016년)동안의 4개의 투입요소(선석길이, 수심, 총면적, 크레인 수)와 1개의 산출요소(컨테이너화물 처리량)를 이용하여 인공신경망모형(다층퍼셉트론, 방사형기저함수)으로 클러스터링에 영향을 미친 요소들을 파악하였으며, 1단계 교차효율성 메트릭스를 이용한 군집 수를 사회연결망모형과 타부서치모형에 적용하여 클러스터링을 파악하고 효율성을 측정하였다. 또한 2단계효율성 메트릭스모형을 이용한 클러스터링을 파악하고 효율성을 측정하여 1단계 교차효율성 메트릭스에 의한 측정결과와 비교하였다. 주요한 실증분석 결과는 다음과 같다. 첫째, 인공신경망모형에 의해서 측정해 보았을 때, 군집에 영향을 많이 미친 요소별로 제시해 보면 컨테이너화물 처리량, 선석길이와 수심, 총면적, 크레인 수의 순서로 나타났다. 둘째, 사회연결망분석에서는 2단계 교차효율성(Type IV)메트릭스에 의한 군집은 benevolent 와 aggressive 모형에서 매년 동일한 결과를 보였다. 셋째, 클러스터링 후에 1단계 교차효율성 모형에 비해서 사회연결망 모형 분석과 타부서치 모형 분석에서 국내항만들의 효율성이 거의(사회연결망 모형에서 인천항의 경우 제외) 악화되는 것으로 나타났다. 다섯째, 일반적인 투입지향, 규모수확불변하의 CCR모형의 효율성 측정결과와 비교했을 때는 클러스터링이 모든 항만들에 대해서 약 37%이상의 효율성을 증대시켰다. 여섯째, 사회연결망모형과 타부서치모형에 의해서 클러스터링 되는 항만들은 부산항(고베, 오사카, 포트클랑, 탄중 펠파스, 마닐라항), 인천항(사히드 라자히, 광양), 광양항(아카바, 포트 슐탄 카바스, 담만, 크호르 파칸, 인천)으로 나타났다. 한국항만당국은 본 연구에서 이용된 방법을 도입하여 항만개선방안을 마련해야만 한다.

토픽 모델링을 이용한 트위터 이슈 트래킹 시스템 (Twitter Issue Tracking System by Topic Modeling Techniques)

  • 배정환;한남기;송민
    • 지능정보연구
    • /
    • 제20권2호
    • /
    • pp.109-122
    • /
    • 2014
  • 현재 우리는 소셜 네트워크 서비스(Social Network Service, 이하 SNS) 상에서 수많은 데이터를 만들어 내고 있다. 특히, 모바일 기기와 SNS의 결합은 과거와는 비교할 수 없는 대량의 데이터를 생성하면서 사회적으로도 큰 영향을 미치고 있다. 이렇게 방대한 SNS 데이터 안에서 사람들이 많이 이야기하는 이슈를 찾아낼 수 있다면 이 정보는 사회 전반에 걸쳐 새로운 가치 창출을 위한 중요한 원천으로 활용될 수 있다. 본 연구는 이러한 SNS 빅데이터 분석에 대한 요구에 부응하기 위해, 트위터 데이터를 활용하여 트위터 상에서 어떤 이슈가 있었는지 추출하고 이를 웹 상에서 시각화 하는 트위터이슈 트래킹 시스템 TITS(Twitter Issue Tracking System)를 설계하고 구축 하였다. TITS는 1) 일별 순위에 따른 토픽 키워드 집합 제공 2) 토픽의 한달 간 일별 시계열 그래프 시각화 3) 토픽으로서의 중요도를 점수와 빈도수에 따라 Treemap으로 제공 4) 키워드 검색을 통한 키워드의 한달 간 일별 시계열 그래프 시각화의 기능을 갖는다. 본 연구는 SNS 상에서 실시간으로 발생하는 빅데이터를 Open Source인 Hadoop과 MongoDB를 활용하여 분석하였고, 이는 빅데이터의 실시간 처리가 점점 중요해지고 있는 현재 매우 주요한 방법론을 제시한다. 둘째, 문헌정보학 분야뿐만 아니라 다양한 연구 영역에서 사용하고 있는 토픽 모델링 기법을 실제 트위터 데이터에 적용하여 스토리텔링과 시계열 분석 측면에서 유용성을 확인할 수 있었다. 셋째, 연구 실험을 바탕으로 시각화와 웹 시스템 구축을 통해 실제 사용 가능한 시스템으로 구현하였다. 이를 통해 소셜미디어에서 생성되는 사회적 트렌드를 마이닝하여 데이터 분석을 통한 의미 있는 정보를 제공하는 실제적인 방법을 제시할 수 있었다는 점에서 주요한 의의를 갖는다. 본 연구는 JSON(JavaScript Object Notation) 파일 포맷의 1억 5천만개 가량의 2013년 3월 한국어 트위터 데이터를 실험 대상으로 한다.