• Communications for Statistical Applications and Methods
• /
• 제15권6호
• /
• pp.825-835
• /
• 2008

계량경제학 분야에서 널리 쓰이는 MGARCH(multivariate GARCH)모형은 여러개의 시계열자료들의 변동성을 함께 모형화한다. 그러나 변수가 많아질수록 추정해야 할 모수의 수가 급격하게 늘어나는 문제점이 있다. 본 연구에서는 인자 모형을 통해 자료의 차원을 축소시킴로써 이러한 문제를 해결하고자 하였다. 국내의 주가수익률 자료에 통계적 인자 모형과 fundamental factor model을 적용하여 각각의 의미 있는 인자들을 얻은 후 이를 MGARCH모형에 적합시켰다. 또한 두 인자모형을 바탕으로 얻어진 최종 모형들의 MSE, MAD와 VaR(Value at Risk)를 계산하여 예측력을 비교하고자 한다.

• Journal of information and communication convergence engineering
• /
• 제20권4호
• /
• pp.309-316
• /
• 2022

This investigation is aimed at automatic text summarization on large-scale Vietnamese datasets. Vietnamese articles were collected from newspaper websites and plain text was extracted to build the dataset, that included 1,101,101 documents. Next, a new single-document extractive text summarization model was proposed to evaluate this dataset. In this summary model, the k-means algorithm is used to cluster the sentences of the input document using different text representations, such as BoW (bag-of-words), TF-IDF (term frequency - inverse document frequency), Word2Vec (Word-to-vector), Glove, and FastText. The summary algorithm then uses the trained k-means model to rank the candidate sentences and create a summary with the highest-ranked sentences. The empirical results of the F1-score achieved 51.91% ROUGE-1, 18.77% ROUGE-2 and 29.72% ROUGE-L, compared to 52.33% ROUGE-1, 16.17% ROUGE-2, and 33.09% ROUGE-L performed using a competitive abstractive model. The advantage of the proposed model is that it can perform well with O(n,k,p) = O(n^(k+2/p)) + O(nlog₂n) + O(np) + O(nk²) + O(k) time complexity.

• Communications for Statistical Applications and Methods
• /
• 제30권5호
• /
• pp.485-499
• /
• 2023

This study aimed to predict the number of meals served in a group cafeteria using machine learning methodology. Features of the menu were created through the Word2Vec methodology and clustering, and a stacking ensemble model was constructed using Random Forest, Gradient Boosting, and CatBoost as sub-models. Results showed that CatBoost had the best performance with the ensemble model showing an 8% improvement in performance. The study also found that the date variable had the greatest influence on the number of diners in a cafeteria, followed by menu characteristics and other variables. The implications of the study include the potential for machine learning methodology to improve predictive performance and reduce food waste, as well as the removal of subjective elements in menu classification. Limitations of the research include limited data cases and a weak model structure when new menus or foreign words are not included in the learning data. Future studies should aim to address these limitations.

• 한국전자거래학회지
• /
• 제24권2호
• /
• pp.1-14
• /
• 2019

게임은 소프트웨어 특성상 출시 후 사용자들의 반응을 빠르게 파악하여 개선하는 것이 중요하다. 하지만 구글 플레이 앱 스토어 등 사용자들이 게임을 다운로드하고 리뷰를 올릴 수 있는 대부분의 사이트들은 게임 리뷰에 대한 매우 제한적이고 모호한 분류 기능만을 제공한다. 따라서 본 논문에서는 사용자들이 사이트에 올린 게임 리뷰를 보다 명확하고 운영에 유용한 주제들로 자동 분류하는 시스템을 개발한다. 본 논문에서 개발한 시스템은 리뷰에 포함된 단어들을 대표적인 단어 임베딩 모델인 word2vec을 사용하여 벡터들로 변환하고, 이 벡터들과 각 주제 간 유사도를 측정하여 해당 리뷰를 관련된 주제로 분류한다. 특히 분류 성능에 직접적인 영향을 미치는 벡터 간 유사도 측정 방법을 선택하기 위해 본 연구에서는 대표적인 벡터 간 유사도 측정 방법인 유클리디안 유사도, 코사인 유사도, 확장된 자카드 유사도의 성능을 실제 데이터를 사용하여 비교하였다. 또한 어떤 리뷰가 둘 이상의 주제에 해당하는 경우를 위해 임계값에 기반한 다중 분류 방법을 사용하였다. 구글 플레이 앱스토어의 실제 데이터를 사용한 실험 결과 본 시스템은 95%까지의 정확도를 보임을 확인하였다.

• Bulletin of the Korean Chemical Society
• /
• 제7권5호
• /
• pp.367-371
• /
• 1986

Dynamic and equilibrium properties of n-alkane chains immersed in solvent molecules have been investigated by a molecular dynamics method. The n-alkane chain is assumed to be a chain of elements (CH$_2$) interconnected by bonds having a fixed bond length and bond angle, but each bond of the chain is allowed to execute hindered internal rotation. We studied the effect of the number of the chain elements (N$_c$ = 10, 15 and 20) on the equilibrium properties of the system, e.g., the pair correlation functions between a chain element and solvent molecules, g$_{cs}$(r), and between the chain elements, g$_{cc}$(r), and the configurational properties such as the mean-square end-to-end distance < R$^2$ >, the mean-square radius of gyration < S$^2$ >, and the eigenvalues of the moment-of-inertia tensor < S$_i^2$ > / < S$^2$ > (i = 1, 2 and 3). We also studied the dynamic properties of the system, e.g., the autocorrelation function C(A;t) where A = R$^2$(t), = S$^2$(t), or = ${\vec{V}}(t)({\vec{V}}$ = velocity of the center of mass), and the diffusion coefficient D. The g$_{cs}$(r)'s are almost equal irrespective of the change of Nc while g$_{cc}$(r) becomes larger as N$_c$ increases; The MD computed configurational properties < R$^2$2 > and < S$^2$ > were found to be a little different from the values calculated from the statistical equations of < R$^2$ > and < S$^2$ >, it may be due to the fact that our model for the MD simulations includes a long-range volume effect. From the < S$_i^2$ > / < S$^2$ >, it is found that the chain molecule has a nearly spherical shape irrespective of the variation of N$_c$. For the dynamic properties we found that the C(R$^2$;t) and C(S$^2$;t) of lower N$_c$ decay faster than those of higher N$_c$, while the C($\vec V$;t) of the center of mass in the chain is weakly dependent on the N$_c$. The center of mass diffusion coefficient D$_c$ decreases as N$_c$ increases while the end point diffusion coefficient D$_e$ is nearly equal irrespective of the change of N$_c$.

• 경영정보학연구
• /
• 제24권1호
• /
• pp.21-37
• /
• 2022

신약을 개발하는 한 가지 방법의 하나인 신약 재창출(Drug Repositioning)은 이미 사람들에게 사용할 수 있도록 승인된 약물들이 다른 용도로 사용되도록 하여 새로운 적응증을 발견하는 유용한 방법이다. 최근에는 머신러닝 기술의 발달로 방대한 생물학적 정보를 분석하여 신약 개발에 활용하는 경우가 증가하고 있다. 신약 재창출에 머신러닝 기술을 활용하면 효과적인 치료법을 신속하게 찾아내는 데 도움을 줄 것이다. 현재 심각한 급성 호흡기 증후군인 코로나바이러스(COVID-19)에 의한 신종 질병으로 전 세계가 힘든 시간을 보내고 있다. 이미 임상적으로 승인된 약물의 용도를 변경하는 신약 재창출은 COVID-19 환자를 치료하기 위한 치료제의 대안이 될 수 있다. 본 연구는 머신러닝 기법을 활용하여 신약 재창출 분야에 대한 연구 동향을 살펴보고자 한다. Pub Med에서 웹 스크래핑 기법을 사용하여 'Drug Repositioning'이라는 키워드로 총 4,821건의 논문을 수집하였다. 데이터 전처리 후, 4,419건의 논문을 대상으로 빈도분석, LDA 기반 토픽모델링, Random Forest 분류 분석 및 예측 성능평가를 수행하였다. Word2vec 모델을 기반으로 연관어를 분석하였고, PCA 차원 축소 후 K-Means 군집화하여 레이블을 생성한 후, t-SNE 알고리즘을 이용하여 논문이 형성하고 있는 그룹을 시각화하고, LDA 결과에 계층적 군집화를 적용하여 히트맵으로 시각화하였다. 본 연구는 신약 재창출과 관련된 연구 주제가 무엇인지를 파악하고, 머신러닝 알고리즘을 사용하여 대량의 문헌에서 의미 있는 주제를 도출하고 시각화하는 방법을 제시하였다. 향후 신약 재창출 분야의 연구나 개발 전략을 수립하기 위한 기초자료로 활용되는 데 도움을 줄 것이라고 기대한다.

• 한국IT서비스학회지
• /
• 제19권3호
• /
• pp.35-56
• /
• 2020

The purpose of this study is to measure corporate personality by analyzing the internal employees' corporate reviews and to identify the impact of the representative corporate personality on the relationship between job satisfaction of internal employees and the turnover rate of the company. To this end, we first created a dictionary of words representing the corporate personality with a Word2vec method based on words explaining five corporate personalities, such as reliability, initiative, practicality, activism, and femininity, obtained from the preceding study. Next, we analyzed reviews which were written by internal employees on their companies to measure the score of corporate personality at a review level, aggregated the review level scores for each company to calculate the company level score of corporate personality, and assigned to each company the corporate personality with the maximum score among the five such scores. Also, job satisfaction and turnover rate were measured from internal employees' corporate evaluation scores and the percentage of former employees of each company who left a review on the company, respectively. This study collected datasets of corporate reviews, employee information, and corporate information from Job-Planet from 2014 to 2017, conducted a technical statistic check and correlation analysis to confirm the suitability of the datasets, and performed linear regression analysis to evaluate the research model and verify hypotheses. As a result of the analysis, the job satisfaction of the internal staff has a significant negative impact on the corporate's turnover rate. In addition, companies having a personality of reliability, initiative and femininity also showed a significant cause-and-effect relationship between job satisfaction and turnover rate and among them, job satisfaction of companies having a personality, initiative, showed a greater impact on turnover rate. In sum, we not only proposed a novel method of measuring corporate personality, but also showed that corporates need to identify its corporate personality and to utilize a different strategy to reduce their employee's turnover rate depending on the corporate personality.

• 한국콘크리트학회:학술대회논문집
• /
• 한국콘크리트학회 2008년도 추계 학술발표회 제20권2호
• /
• pp.835-838
• /
• 2008

이 연구에서는 FRP(fiber reinforced polymer)로 전단보강된 철근콘크리트(RC) 보의 전단거동을 예측하기 위하여 비선형 유한요소해석을 수행한다. FRP로 전단보강된 RC 보의 유한요소해석을 위하여 이 논문에서는 FRP에 대한 모델링 개념을 소개하며, RC 보와 FRP, 그리고 콘크리트와 FRP 사이의부착 특성을 나타낼 수 있는 수치해석기법을 사용한다. 제안된 모델링 기법에 따라, DSFM에 바탕을둔 2차원 비선형 유한요소해석 프로그램인 VecTor2를 이용하여 유한요소해석을 수행한다. 또한 FRP 로 전단보강된 RC 보의 거동에 대한 DSFM의 적용성을 검증하기 위하여 수치해석결과와 실험결과를 상세히 비교한다.

• 한국컴퓨터정보학회논문지
• /
• 제26권11호
• /
• pp.33-40
• /
• 2021

고도화된 무기체계와 복잡한 전략으로 인하여 지휘관이 분석하고 판단해야 할 정보의 복잡도가 증가하고 있다. 지휘관의 적시적 판단을 위해서 전장의 정보를 지식화하고 분석할 수 있는 지능형 서비스가 필요하다. 지능형 서비스는 전장상황 정보로부터 지식을 추출하는 단계와 지식베이스를 구축하는 단계, 지식베이스로부터 전장상황을 분석하는 단계로 구성된다. 본 논문은 두 번째 단계에서 구축 완료된 지식베이스를 임베딩함으로써 입력 쿼리와 유사한 정보를 추출하는 방안을 연구한다. 지식베이스 임베딩을 위해 문장화 과정이 필요하며 random-walk 알고리즘을 적용한다. 문장화된 정보는 Word2Vec을 활용하여 벡터화되고 코사인 유사도를 통해 입력 쿼리와 유사한 정보를 찾는다. 본 논문에서는 오픈 지식베이스로부터 98개 개체를 기준으로 980개의 문장을 생성하고 100차원의 벡터로 임베딩함으로써 코사인 유사도 기반 유사 개체가 추출됨을 확인했다.

• 한국안전학회지
• /
• 제36권5호
• /
• pp.61-70
• /
• 2021

This study aimed to analyze the research trends of the abstract data of ergonomic studies registered in MEDLINE, a medical bibliographic database, using word embedding. Medical-related ergonomic studies mainly focus on work-related musculoskeletal disorders, and there are no studies on the analysis of words as data using natural language processing techniques, such as word embedding. In this study, the abstract data of ergonomic studies were extracted with a program written with selenium and BeutifulSoup modules using python. The word embedding of the abstract data was performed using the word2vec model, after which the data found in the abstract were vectorized. The vectorized data were visualized in two dimensions using t-Distributed Stochastic Neighbor Embedding (t-SNE). The word "ergonomics" and ten of the most frequently used words in the abstract were selected as keywords. The results revealed that the most frequently used words in the abstract of ergonomics studies include "use", "work", and "task". In addition, the t-SNE technique revealed that words, such as "workplace", "design", and "engineering," exhibited the highest relevance to ergonomics. The keywords observed in the abstract of ergonomic studies using t-SNE were classified into four groups. Ergonomics studies registered with MEDLINE have investigated the risk factors associated with workers performing an operation or task using tools, and in this study, ergonomics studies were identified by the relationship between keywords using word embedding. The results of this study will provide useful and diverse insights on future research direction on ergonomic studies.