• 지능정보연구
• /
• 제18권3호
• /
• pp.35-51
• /
• 2012

클라우드 컴퓨팅은 컴퓨팅 자원에 대해 확장 가능한 요구중심의 서비스를 인터넷상에서 제공하는 인터넷 기반의 컴퓨팅이라 할 수 있다. 이러한 환경에서 서비스 사용자가 만족하는 서비스를 선정하여 제공하는 문제는 인터넷과 모바일 기술의 발전에 따라 향후에 다양하고 수많은 클라우드 서비스가 제공되는 경우 매우 중요한 이슈중의 하나가 된다. 과거 연구의 대부분은 요구사항과 연관된 개념의 유사성을 기반으로 하거나 사용자 요구사항의 다양성이 결여되어 있어 사용자의 만족도 향상에 한계를 보이고 있다. 본 논문에서 제안하는 방안은 서비스 만족도 향상을 위해 속성의 개념 유사성 대신에 서비스 속성의 기능적 포함 관계와 규격 등을 기반으로 구성되는 서비스 속성 그래프(Service Attribute Graph : SAG)를 도입하여 사용한다. 뿐만 아니라, 다양한 사용자 선호도를 반영하고 문자, 숫자, 부울린 등 여러 가지 속성 값 유형들을 고려함으로서 서비스 속성의 다양성을 지원한다. 본 논문의 가장 큰 의미는 다른 연구들과 달리 여러 가지 사용자 선호도를 통합적으로 고려하면서 그래프 기반의 선정 방안을 처음으로 제시하고 있다는 점이다.

• 기록학연구
• /
• 제16호
• /
• pp.201-256
• /
• 2007

최근 국가기록원과 민주화운동기념사업회 사료관 등 한국의 주요 아카이브즈와 매뉴스크립트 보존소는 학생과 교사를 대상으로 하는 기록정보 서비스를 적극 추진하고 있다. 이에, 영국의 TNA와 미국의 NARA 및 LC에서 제공하고 있는 학생과 교사 대상의 기록정보 서비스 선진사례에 대한 분석과, 한국의 기록관리 현실 및 교육과정에 대한 분석을 기반으로 하여, 학생과 교사를 대상으로 하는 기록정보 서비스의 개발과정에서 발생할 주요 문제점을 분석하고 이의 해결방안을 제시하고자 한다. 학생과 교사 대상의 기록정보 서비스는 '서비스 개발을 통한 이용 활성화'와 '기록관리 품질의 점진적 향상'이라는 목적하에 진행되어야 한다. 고객군은 '한국사 교수 학습 당사자로서의 학생과 교사'로 세분화하여 식별할 수 있다. 교육과정과 교육환경을 분석한 결과, 기록정보는 교수 학습자료용으로 개발되어야 하며, 이를 위해서는 기록정보를 콘텐츠화할 필요가 있다. 따라서 서비스의 성격은 '교수 학습자료용 기록정보 콘텐츠 서비스'로 개념화할 수 있다. 콘텐츠 서비스를 개념화하고 구성한 후 실제로 개발하는 전 과정에서는 다음의 사항이 핵심적이다. 첫째, 고객 중심의 서비스로 개발되어야 한다. 둘째, 기록관리의 체계화와 전통적인 기록관리 서비스의 활성화에도 기여할 수 있는 방향으로 개발되어야 한다. 셋째, 교육용 서비스 담당자를 중심으로 한 협업체계가 구축되어야 한다. 넷째, 기록정보와 주제별 교수 학습활동이 연계될 수 있도록 개발되어야 한다. 다섯째, 콘텐츠의 수량보다 콘텐츠의 품질을 우선으로 해야 한다. 여섯째, 다른 기관과의 서비스 제휴를 적극적으로 모색해야 한다. 한편, 초 중 고 교육과정이 개정되어 2011년에는 모든 국사 교과서가 새로운 내용으로 보급될 예정이고, 서책형 교과서뿐만 아니라 디지털 교과서도 개발되고 있는 상황에 비추어볼 때, 이 시기에 학생 교사 대상의 서비스가 획기적으로 발전된다면, 기록문화의 창달에 큰 도움이 될 것이다. 이 시기를 적극 활용하여, 한국사를 교수 학습하는 430만명의 학생과 1만 4천명의 교사가 한 학기에 한 번 이상 교수 학습자료용 기록정보 콘텐츠 서비스로 교수 학습하게 한다는 비전을 수립하고, 교수 학습자료용 기록정보 콘텐츠 서비스를 성공적으로 개발 보급하기 위해 다음과 같은 사항을 추진할 것을 제언한다. 첫째, '고객 중심의 서비스' 개념을 확립하고 체계화해야 한다. 둘째, 교육과정과 교과서를 심도 깊게 분석해야 한다. 셋째, 교육용 기록정보 콘텐츠 서비스 방법론을 개발해야 한다. 넷째, 기록관리 전문가집단과 교사집단의 전략적 협력체계를 수립해야 한다. 다섯째, 2011년까지의 단계별 추진 과제와 추진 일정을 수립해야 한다. 기록문화의 창달을 위한 알찬 씨앗이 초 중 고등학교에도 하루빨리 뿌려지기를 기대한다.

• 기록학연구
• /
• 제39호
• /
• pp.193-228
• /
• 2014

최근 우리나라는 공공의 기록관리 뿐만 아니라 크고 작은 민간 아카이브에 대한 관심이 높아지고 있다. 이러한 흐름에 따라 설립된 민간 아카이브는 설립 및 관리 주체가 상이할 뿐만 아니라 목적, 형태, 기록의 유형 등이 다양하고, 예산과 인력의 부족, 전문적인 기록관리 담당자가 부재하기 때문에 체계적으로 기록을 관리하기는 쉽지 않다. 시스템에 대한 요구는 계속해서 증대되고 있으나, 이를 해결할 수 있는 전문인력과 예산의 부족으로 난항을 겪고 있다. 이에 민간 아카이브의 시스템에 대한 부담감의 돌파구로서 공개 소프트웨어 기록시스템이 가지는 의미와 동향을 소개하고, AtoM 기능을 상세하게 살펴보았다. 공개 소프트웨어인 AtoM은, 웹 기반의 시스템으로서 웹 브라우저를 통해 접속하여 사용하기 때문에 비교적 사용법이 간편하고 웹 서비스 또한 데이터베이스 서버에 요청하는 방식을 통해 가능하다. 무료로 이용가능하다는 장점을 비롯하여 특정 운영체제나 애플리케이션에 의해 제약을 받지 않고 설치와 운영이 편리하며 호환성, 확장가능성 등이 높아 예산과 인력의 부족을 겪고 있는 민간 아카이브에서 유용하게 사용될 수 있을 것이다. 데이터 관리의 측면에서도 공유와 검색, 활용 등에 대한 상호운용성이 뛰어나기 때문에 향후 민간 아카이브 및 기관 간의 네트워크를 통한 기록물 활용에도 유리하게 작용할 수 있을 것으로 보인다. 추가로, Omeka와의 연계를 통한 전시서비스 기능 확장, Archivematica를 통한 장기보존 등 많은 논의가 필요하다. 그간 공공중심으로 이루어지던 기록관리가 민간으로 그 저변이 확대되어 균형을 이루게 될 수 있는 초석으로 공개 소프트웨어로서의 기록시스템이 역할을 할 수 있을 것으로 기대한다.

• 지능정보연구
• /
• 제23권4호
• /
• pp.77-110
• /
• 2017

최근 인터넷 기반의 웹 및 모바일 기기를 통한 소비 패턴의 다양화와 개성화가 급진전됨에 따라 전통적 유통채널인 오프라인 매장의 효율적 운영이 더욱 중요해졌다. 매장의 매출과 수익 모두를 제고하기 위해 매장은 소비자에게 가장 매력적인 상품을 적시에 공급-판매 해야 하는데 많은 상품들 중에서 어떤 SKU를 취급하는 것이 판매 확률을 높이고 재고 비용을 낮출 수 있는지에 대한 연구가 부족한 실정이다. 특히, 여러 지역에 걸쳐 다수의 오프라인 매장을 통해 상품을 판매하는 기업의 경우 고객에게 매력적인 적절한 SKU를 추천 받아 취급할 수 있다면 매장의 매출 및 수익률 제고에 도움이 될 것이다. 본 연구에서는 개인화 추천에 이용되어 왔던 협업 필터링과 하이브리드 필터링 등의 추천 시스템(Recommender System)을 국가별, 지역별로 복수의 판매 매장을 통해 동종 브랜드를 취급하는 유통 기업의 매장 단위 취급 SKU 추천 방식을 제안하였다. 각 매장의 취급 품목별 구매 데이터를 활용하여 각 매장 별 유사성(Similarity)을 계산하고 각 매장의 SKU별 판매 이력에 따라 협업 필터링을 하여 최종적으로 매장에 개별 SKU를 추천하였다. 또한 매장 프로파일 데이터를 활용하여 주변수 분석 (PCA : Principal Component Analysis) 및 군집 분석(Clustering)을 통하여 매장을 4개의 군집으로 분류한 뒤 각 군집 내에서 협업 필터링을 적용한 하이브리드 필터링 방식으로 추천 시스템을 구현하고 실제 판매 데이터를 바탕으로 두 방식의 성능을 측정하였다. 현존하는 대부분의 추천 시스템은 사용자에게 영화, 음악 등의 아이템을 추천하는 방식으로 연구가 진행되어 왔고 실제로 산업계에서의 적용 또한 개인화 추천 시스템이 주류를 이루고 있다. 그 동안 개인화 서비스 영역에서 주로 다루어져 왔던 이러한 추천 시스템을 동종 브랜드를 취급하는 유통 기업의 매장 단위에 적용하여 각 매장의 취급 SKU를 추천하는 방식에 대한 연구는 거의 이루어지지 않고 있는 실정이다. 기존 추천 방법론의 추천 적용 대상이 '개인의 영역이었다면 본 연구에서는 국가별, 지역별로 복수의 판매 매장을 통해 개인의 영역을 넘어 매장의 영역으로 확대하여 동종 브랜드를 취급하는 유통 기업의 매장 단위 취급 SKU 추천 방식을 제안하고 있다. 또한 기존의 추천시스템은 온라인에 한정되었다면 이를 오프라인으로 활용 범위를 넓히고, 기존 개인을 기반으로 분석을 하는 것보다 매장영역으로 확대 적용하기에 적합한 알고리즘을 개발하기 위해 데이터마이닝 기법을 적용하여 추천 방법을 제안한다. 본 연구의 결과가 갖는 의의는 개인화 추천 알고리즘을 동일 브랜드를 취급하는 복수의 판매 매장에 적용하여 의미 있는 결과를 도출하고 실제 기업을 대상으로 시스템으로 구축하여 활용할 수 있는 구체적 방법론을 제시했다는 데에 있다. 개인화 영역을 위주로 이루어졌던 기존의 추천 시스템과 관련한 학계의 연구 영역을 동종 브랜드를 취급하는 기업의 판매 매장으로 확장시킨 첫 시도라는 데에도 의미가 있다. 2014년 03주차 ~ 05주차 전(全) 매장 판매 수량 실적 Top 100개 SKU로 추천의 대상을 한정하여 협업 필터링과 하이브리드 필터링 방식으로 52개 매장 별로 취급 SKU를 추천하고, 추천 받은 SKU에 대한 2014년 06주차 매장별 판매 실적을 집계하여 두 추천 방식의 성과를 비교하였다. 두 추천 방식을 비교한 이유는 본 연구의 추천 방법이 기존 추천 방식 보다 높은 성과를 입증하기 위해 단순히 오프라인에 협업필터링을 적용한 것을 기준 모델로 정의하였다. 이 기준 모델에 오프라인 매장 관점의 특성을 잘 반영한 본 연구 모델인 하이브리드 필터링 방법과 비교 함으로써 성과를 입증한다. 연구에서 제안한 방식은 기존 추천 방식보다 높은 성과를 나타냈으며, 이는 국내 대기업 의류업체의 실제 판매데이터를 활용하여 입증하였다. 본 연구는 개인 수준의 추천시스템을 그룹수준으로 확장하여 효율적으로 접근하는 방법을 이론적인 프레임 워크를 만들었을 뿐 아니라 실제 데이터를 기반으로 분석하여 봄으로써 실제 기업들이 적용해 볼 수 있다는 점에서 연구의 가치가 크다.