• 대한전자공학회논문지TC
• /
• 제47권8호
• /
• pp.74-84
• /
• 2010

본 논문에서는 개미 군집 최적화 (Ant Colony Optimization; ACO) 및 A* 휴리스틱 알고리즘이 융합된 선호도 기반 경로탐색 알고리즘을 제안한다. 최근 ITS (Intelligent Transportation Systems)의 개발과 함께 차량용 내비게이션의 사용이 증가하면서 경로탐색 알고리즘의 중요성이 더욱 높아지고 있다. 기존의 Dijkstra 및 A*와 같은 대부분의 최단경로 탐색 알고리즘은 최단거리 또는 최단시간 경로 탐색을 목표로 한다. 하지만 이러한 경로 탐색 결과는 더 안전하고 특정 경로를 선호하는 운전자를 위한 최적의 경로가 아니다. 따라서 본 논문에서는 선호도 기반 최단 경로 탐색 알고리즘을 제안한다. 제안된 알고리즘은 주어진 맵의 링크 속성 정보를 이용하며, 각 링크에 대한 사용자 선호도는 내비게이션 사용자에 의해 설정되어 진다. 제안된 알고리즘은 C로 구현하였으며, 64노드 및 118링크로 구성된 맵에서 다양한 파라미터를 통해 성능을 측정한 결과 본 논문에서 제안한 휴리스틱 융합 알고리즘은 선호도 기반 경로뿐만 아니라 최단 경로 탐색에도 적합함을 알 수 있었다.

• 한국산업정보학회논문지
• /
• 제8권3호
• /
• pp.76-84
• /
• 2003

소프트웨어 에이전트에 의해서, 일상 업무는 자동화 되어왔으며, 그에 따라 사람이 담당하는 업무는 특정 업무범위로 축소되고 있다. 그러나 아직까지 대부분의 에이전트는 전체 업무 프로세스의 일부 단계에서만 그 역할을 수행할 뿐이다. 자동화 업무에서의 주요 단계에서 사용자들을 지원하기 위하여 특정 방향으로 협상 당사자들을 설득하는 데 있어서 소프트웨어 에이전트의 역할은 필수적이다. 사용되는 협상의 종류는 매우 여러 가지 이지만, 본 논문은 '협상에 기초한 경쟁적 비즈니스 환경' 과 같은 특정 협상행위에 중점을 두고 있다. 이러한 환경에서의 협상을 위해서 자율적 에이전트는 환경적 변수(예: 협상 경쟁자 수, 각 협상 참여자 수, 협상업무가 완료되는 최대한의 시간, 사용자의 선호도)를 중점적으로 고려하고 있다. 경쟁적 비즈니스 환경에서는 협상진행 중에 끼어 들어 계약을 성사시키는 잠재 협상 경쟁자들이 있지만 자동화된 협상을 위하여 제안된 이전의 협상 결정함수들은 단지 시간이나 정해진 수의 협상참여자들만을 변수로 사용해왔다. 따라서 본 논문은 경쟁적 시장환경에서 잠재적 경쟁자에 대한 고려가 포함된 협상 결정 함수와 그러한 고려사항이 포함되지 않은 협상 결정 함수에 대한 기능의 평가를 시도했다. 이 평가를 위해서 본 논문은 다수의 구매자와 판매자가 제한된 자원을 위해 한 공간에서 경쟁하는 전자상거래 시장을 적용 범위로 선택했다.

• 방송공학회논문지
• /
• 제17권2호
• /
• pp.270-283
• /
• 2012

다채널 TV, IPTV 및 Smart TV 서비스의 등장으로 인해 수많은 방송 채널과 방대한 TV 프로그램 콘텐츠가 시청자 단말로 제공됨으로써 시청자들은 자신이 원하는 콘텐츠를 쉽게 찾고 소비하는 것이 어려운 TV 시청 환경을 맞게 되었다. 따라서 TV 사용자들에게 자신이 선호하는 콘텐츠를 자동 추천해 줌으로써 원하는 콘텐츠로의 접근성을 증대시키는 것은 미래의 지능형 TV 서비스에 있어서 주요한 이슈이다. 이에 본 논문에서는 사용자의 선호 취향과 대중의 선호취향을 모두 고려한 협업필터링 개념의 통계적 기계학습 기반 TV 프로그램 추천 모델을 제시한다. 이를 위해 시청한 TV 콘텐츠에 대한 선호 토픽을 사용자의 시청 선호도로 보고, 최근 널리 활용되고 있는 LDA(Latent Dirichlet Allocation)모델을 TV 프로그램 추천 모델에 적용하였다. LDA 기반 TV 프로그램 추천 성능을 개선하기 위해 본 논문에서는 TV시청 이용내역 데이터를 기반으로, TV 사용자들의 관심 토픽을 은닉 변수로 하고, TV 사용자들의 관심 토픽에 대한 다양성을 반영하기 위해 은닉 변수의 확률분포 특성을 비대칭 디리클레(Dirichlet) 분포로 모형화하여 실험에 적용하였다. 제안된 LDA 기반 TV 프로그램 자동 추천 방법의 성능을 검증하기 위해, 유사 시청 특성을 갖는 사용자 그룹에 대해 상위 5개의 TV 프로그램을 일주일 단위로 추천하였을 경우 평균 66.5%, 2개월 단위의 추천에 대해서는 평균 77.9%의 precision 추천 성능을 확인할 수 있었다.

• 인터넷정보학회논문지
• /
• 제18권4호
• /
• pp.51-59
• /
• 2017

클라우드 컴퓨팅이 발전하면서, 전체적인 관리 비용을 최소화하기 위해 자원 관리 기술이 중요하다. 클라우드 환경에서 사용자 선호도에 기반한 호스트의 활용과 가상머신들의 요구사항은 본질적으로 자주 바뀐다. 이러한 문제를 해결하기 위해, 호스트와 가상 머신들이 분류가 되지 않은 상황에서 효율적인 자원 할당 방법을 연구할 필요가 있다. 에너지 소비를 절약하기 위해 액티브 호스트를 줄일 때, 가상머신들을 다른 호스트로 이주할때 임계값을 사용한다. 가상머신의 자원 요구량과 호스트의 자원 이용량을 분류할 때 Fuzzy Logic을 이용하여 적응성 가상머신 할당 및 이주 방법을 제안한다. 제안한 방법은 자원의 요구량에 따라 가상머신들을 분류한 뒤 가장 적은 자원활용도를 갖는 호스트에게 자원을 할당하며, 과부하된 호스트들로부터 가상머신을 이주시킬 때 상위 임계치를 설정하기 위해 각 호스트들의 자원 활용도가 사용된다. 이주하기 위한 후보 가상머신들을 선택할 때, 호스트에서 높은 자원을 가진 가상머신을 선택한다. 시뮬레이션을 통해 연구 결과를 평가하였고, 평가 결과 다른 가상머신 할당 방법들보다 효율적임을 증명하였다.

• 재활치료과학
• /
• 제9권3호
• /
• pp.23-34
• /
• 2020

목적 : 최근 건강한 삶의 질 증진을 위해 모바일 기반의 헬스 서비스 제공을 원하는 개인 늘어나고 있다. 본 연구는 고령자의 건강한 라이프스타일 확립을 위하여 라이프스타일 평가와 케어를 할 수 있는 앱 개발의 기초자료로써 활용하고자, 사용자의 요구도와 선호도를 조사, 분석하였다. 연구방법 : 지역사회에 거주하는 55세 이상의 스마트폰을 이용하는 장노년층 총 84명을 대상으로 설문 조사가 실시되었다. 자료 분석은 SPSS version 25.0을 이용하여 기술통계와 일원 배치 분산분석을 하였다. 결과 : 라이프스타일 평가 및 케어 앱의 콘텐츠와 관련하여 고령자가 중요하게 여기는 분야는 하루 걸음수 측정, 전반적 신체활동, 혈압측정, 수면 수준 측정, 균형잡힌 식습관 측정, 일일 수행 활동의 종류 및 시간 측정에서 전반적으로 높은 요구도를 보였다. 이러한 라이프스타일이 관리 될 수 있도록 앱 안에서 보여지는 기록에 대한 선호도로는 '하루 걸음 수를 그래프로 기록 및 관리기능', '하루음식 섭취 열량을 제공', '일일 운동의 시행 횟수와 시간을 제공', '시간별 활동의 종류와 수행시간을 제공' 등이 라이프스타일의 관리를 위한 기록 부분에 필요한 콘텐츠로 조사되었다. 또한 그룹 간 차이로는 장년층에서는 활동참여를 주요한 콘텐츠로 보는 반면, 고령층은 이에 대한 중요도를 적게 보였다. 결론 : 본 연구는 고령자의 건강과 삶의 질 증진을 위한 모바일 헬스 기반의 라이프스타일의 프로파일링 및 케어를 앱 개발을 위해 사용자가 필요로 하는 컨텐츠를 조사하고, 컨텐츠의 디스플레이방식에 대한 선호도를 조사, 분석하였다, 이는 향후 모바일 헬스 기반의 라이프스타일 평가 및 케어 앱 개발에 있어서 중요한 기초자료가 될 것으로 사료된다.

• 지식경영연구
• /
• 제21권3호
• /
• pp.27-44
• /
• 2020

사용자의 정보 과부하 문제의 해결을 목표로 하는 추천 시스템은 개인의 선호를 추론하여 이에 부합하는 아이템을 필터링하여 제공한다. 추천 시스템 관련 기법 중 가장 성공적으로 알려져 있는 협업 필터링은 최근까지 다양한 성능 개선 시도가 이루어지고 있으며 여러 분야에 적용되고 있다. 본 연구에서는 이와 같은 협업 필터링의 성공에 기반하여 소비자의 구매 의사결정에 영향을 미칠 수 있는 시각 정보를 추천 시스템에 반영할 수 있는 VizNCS를 제안한다. 이를 위하여 먼저, 비정형 데이터인 시각 정보에서 특징을 추출하기 위해 합성곱 신경망을 사용하였다. 다음으로, 합성곱 신경망으로 부터 도출된 이미지 특성 정보를 추천 시스템에 반영하기 위하여 기존의 딥러닝 기반의 추천 시스템 중 다른 정보로 확장이 용이한 NCF 기법을 응용하였다. 본 연구에서 제안한 VizNCS의 성능 비교 실험 결과 기본 NCF보다 더 높은 성능을 보였으며 카테고리별 성능 비교 실험을 통해 시각 정보에 영향을 받는 카테고리와 그렇지 않은 카테고리를 발견하였다. 결론적으로 본 연구에서 제안한 VizNCS는 시각정보를 개인화된 추천에 직접 활용함에 따라 시각 정보에 영향을 받는 소비자들의 구매의사결정 행태를 반영할 수 있어 추천 시스템 성능 향상에 기여하였다. 또한, 지금까지 활용이 미미했던 이미지 데이터로 추천 시스템의 원천 데이터 영역을 확장함에 따라 다양한 원천 데이터의 활용 방안을 제시하였다.

• 방송공학회논문지
• /
• 제16권3호
• /
• pp.520-529
• /
• 2011

본 논문에서는 SVC(Scalable Video Coding) 및 MVC(Multiview Video Coding) 등의 다계층(miulti-layer) 비디오의 효율적인 적응 HTTP 스트리밍을 위한 MPEG-2 TS(Transport Stream) 헤더의 확장을 제안한다. 먼저 TS로 다중화한 SVC/MVC를 HTTP를 통하여 스트리밍할 경우 계층별 적응 스트리밍을 지원하기 위한 기존 TS의 한계점을 분석하고, TS 헤더의 확장을 통하여 TS 레벨에서 효율적인 적응을 제공하는 시그널링(signaling) 기법을 제시한다. 본 논문의 헤더 확장은 TS의 적응 헤더(adaptation header)의 사적 데이터 필드(private data field)를 이용하여 스케일러빌리티 및 뷰 정보를 기술함으로써 TS와의 호환성을 유지하면서 TS 레벨에서의 다양한 스케일러블 계층 단위로 적응(adaptation)을 가능하게 한다. 제안한 기법과 기존의 PID(packet ID)를 사용한 방법에 대하여 적응의 유연성 및 복잡도 등을 비교 분석한다. 또한 제안한 기법의 TS 오버헤드 증가를 분석하고 이를 최소화하기 위한 헤더 확장 기법을 제안한다.

• 정보교육학회논문지
• /
• 제14권3호
• /
• pp.291-300
• /
• 2010

협동 학습은 학습자들을 소그룹으로 나누어 상호 협력하여 학습하게 함으로써 학습자의 학업 성취감을 향상시키는 것을 그 목적으로 한다. 그러므로 효과적인 소그룹 생성을 위한 몇몇 기존 연구들이 존재하며, 대부분 연구에서는 교과목, 교수자, 그리고 학습자의 정보로부터 변인 요소들을 추출하고 이를 기반으로 소그룹을 생성한다. 그러나 아직까지 많은 연구들은 특정 교과목에 의존적인 그룹 생성 방법을 제안하고 있을 뿐 다양한 교과목을 대상으로 그룹을 생성하기위한 방법을 제안한 연구는 많지 않다. 더욱이 그룹 생성을 위해 자동화된 시스템을 제안한 연구는 찾아보기 힘들다. 본 논문에서는 다양한 교과목 상황에 따라 그에 맞는 소그룹을 자동으로 생성하는 시스템을 제안한다. 제안된 시스템은 교과목의 기본 정보만을 입력받아 자동으로 그룹을 생성하거나 사용자가 필요하다고 판단되면 추가로 변인 요소를 입력받아 자동으로 소그룹을 생성한다. 본 논문에서는 다양한 변인 요소를 반영하기 위하여 규칙(Rule)을 정의하고 규칙을 기반으로 소그룹을 생성하는 방법을 제안한다. 또한 본 논문은 제안한 그룹 생성 시스템의 사용성을 평가하여 다양한 교과목이 존재하는 대학교육을 대상으로 실제 응용에서 활용 가능함을 보인다.

• 한국언론정보학보
• /
• 제36권
• /
• pp.374-398
• /
• 2006

본 연구는 위성 DMB 콘텐츠의 장르 소비를 이용자의 장르 레퍼토리와 장르 선호도, 장르소비 유사성으로 구분한 뒤, 위성 DMB 이용 동기가 이와 같은 장르 소비 형태에 영향을 끼치는 가를 탐색적으로 살펴보기 위한 것이다. 연구 결과, 첫째, 응답자들의 위성 DMB 이용 동기에서는 무료함 해소가 평균 3.65로 가장 높은 동기였으며, 다음으로 뉴스교통 정보 3.63, 이동 중 TV 이용 3.45, 휴대 편리 3.40 등의 순으로 나타났다. 이는 위성 DMB가 이동 중 무료함을 해소하거나 뉴스 등의 정보 욕구를 충족시킬 수 있는 매체적 특성을 갖는다는 점을 의미한다. 둘째, 위성 DMB 이용 동기의 하위차원을 확인하기 위해, 16개 이용 동기 평가항목을 대상으로 인자분석을 행했다. 이와 같은 인자분석을 통해서, 총 3개의 인자가 규명되었고 이는 전체 변량의 69.9%를 설명했다. 이들 위성 DMB 이용 동기는 각각 오락적 동기, 사회적 동기, 정보적 동기 등으로 구분되는 것으로 나타났다. 셋째, 응답자들의 위성 DMB 이용 동기에 따른 장르선호도를 회귀분석을 통해 살펴본 결과, 위성 DMB 이용 동기는 장르 선호도에 유의미한 영향을 끼치고 있는 것으로 나타나고 있다. 특히 오락성 동기와 정보성 동기가 대부분의 장르 선호도를 결정하는 요인으로 나타났다. 넷째, 위성 DMB 장르 레퍼토리 결정요인을 탐색하기 위해 인구사회학적 요인, 이용 동기, 매체 이용 시간을 선행 변인으로 투입한 위계적 회귀분석 결과, 위성 DMB 장르 레퍼토리를 결정하는 핵심 요인이 이용 동기 요인이라는 것을 살펴볼 수 있다. 다섯째, 위성 DMB 장르 소비 유사집단을 구분하는 결정요인을 살펴보기 위해, 로지스틱 회귀분석을 행한 결과, 장르 다양 소비 집단 및 비소비 집단을 구분하는 주요 요인은 이용 동기 및 DMB 이용량이었다. 전체적으로, 위성 DMB 이용 동기는 장르 선호도, 장르 레퍼토리, 장르 소비 유사성 등과 같은 콘텐츠 장르 소비 구조에 유의미한 영향을 끼치는 것으로 이해할 수 있다.

• 디지털융복합연구
• /
• 제19권8호
• /
• pp.319-325
• /
• 2021

무선 기술의 고도화 및 이동통신 기술의 인프라가 빠르게 성장함에 따라 AI 기반 플랫폼을 적용한 시스템이 사용자의 주목을 받고 있다. 특히 사용자의 취향이나 관심사 등을 이해하고, 선호하는 아이템을 추천해주는 시스템은 고도화된 전자상거래 맞춤형 서비스 및 스마트 홈 등에 적용되고 있다. 그러나 이러한 추천 시스템은 다양한 사용자들의 취향이나 관심사 등에 대한 선호도를 실시간으로 반영하기 어렵다는 문제가 있다. 본 연구에서는 이러한 문제를 해소하기 위해 GRU(Gated Recurrent Unit) 언어 모델을 이용한 Fuzzy-AHP 기반 영화 추천 시스템을 제안하였다. 본 시스템에서는 사용자의 취향이나 관심사를 실시간으로 반영하기 위해 Fuzzy-AHP를 적용하였다. 또한 대중들의 관심사 및 해당 영화의 내용을 분석하여 사용자가 선호하는 요인과 유사한 영화를 추천하기 위해 GRU 언어 모델 기반의 모델을 적용하였다. 본 추천 시스템의 성능을 검증하기 위해 학습 모듈에서 사용된 스크래핑 데이터를 이용하여 학습 모델의 적합성을 측정하였으며, LSTM(Long Short-Term Memory) 언어 모델과 Epoch 당 학습 시간을 비교하여 학습 수행 속도를 측정하였다. 그 결과 본 연구의 학습 모델의 평균 교차 검증 지수가 94.8%로 적합하다는 것을 알 수 있었으며, 학습 수행 속도가 LSTM 언어 모델보다 우수함을 확인할 수 있었다.