• 한국컴퓨터그래픽스학회논문지
• /
• 제14권4호
• /
• pp.35-39
• /
• 2008

협업 시스템은 원거리의 다수 사용자들이 시간과 공간의 제약을 받지 않고 공동의 작업을 진행 할 수 있도록 서비스를 제공하는 시스템이다. 하지만 모든 시스템들이 그렇듯이 처음 사용할 때는 여러 가지 시행작오가 생기게 된다. 가상분자모델링 시스템인 VRMMS[1]는 여러 사용자들이 온라인상에서 분자 구조를 관찰하고 시뮬레이션 결과를 확인 할 수 있고 또한 피드백까지 줄 수 있는 협업시스템인데, 분자 모델을 연구하는 사람들에게는 유용한 시스템이지만 익숙하게 분자 구조를 조작하기 위해서는 인터페이스에 대한 학습이 필요하다. 가장 좋은 방법은 직접 만나서 교육을 시켜주는 것이지만 한 장소가 아닌 여러 장소에서 원격으로 실험을 진행하는 상황에서는 사용법에 대한 직접적인 교육이 힘들기 때문에 시행착오 기간이 길어질 수 있다. 본 논문에서는 이러한 시행착오를 줄이기 위해 가상의 현실세계인 세컨드라이프[2]를 통해 분자 구조를 관찰하고 시뮬레이션을 할 수 있는 협업시스템을 제안한다. 각각의 사용자들은 가상세계에서 자신의 아바타를 통해 가상분자모델링 시스템인 VRMMS를 사용하여 현실 세계에서와 같은 방식으로 실험을 진행할 수 있으며, 실험에 익숙하지 않는 사용자들은 실험방법을 직접 보고 따라 해 볼 수 있어서 좋은 학습효과를 기대할 수 있다.

• 비파괴검사학회지
• /
• 제24권4호
• /
• pp.390-395
• /
• 2004

iSIMS는 한국 수력원자력 주식회사의 원자력발전소에서 수행하는 가동전/중 검사 절차를 지원하는 웹베이스의 통합 정보 시스템이다. 이 시스템은 가동전/중 검사에 적합한 적용규격(CODE, Standards) 및 규제기관에서 원하는 규제조건 등과 부합하는 검사 계획단계에서 최종 보고서 단계까지의 전체 검사공정을 지원하는데 목적을 두고 있다. 이 시스템의 주요 기능은 검사계획, 검사 및 보고서출력, 검사과정 통제 및 해당 검사부위의 정보 찾기와 그 부위를 비쥬얼하게 찾아 갈 수 있는 자원관리 부분으로 구성된다 본 시스템은 해당 용접부에 대해 2D로 된 위치정보와 3D로 제공되는 비쥬얼정보를 제공하고 이들은 데이터베이스 응용프로그램과 인터페이스 하여 서로에 대한 정보를 공유하여 사용자에게 제공한다. iSMIS는 데이터베이스 관리 도구, 2D와 3D 비쥬얼 도구 등의 상용 소프트웨어 패키지를 사용하여 구현하였다. iSIMS에 대한 주요 기능과 기술은 본문에 기술하였다.

• 한국산학기술학회논문지
• /
• 제15권5호
• /
• pp.2641-2654
• /
• 2014

스마트 디바이스 환경에서 잡지산업은 높은 복잡도와 극심한 불확실성을 지닌 가치 네트워크 생태계로 변화하였다. 본 논문은 사례연구방법을 적용하여 디지털 컨버전스와 스마트 디바이스 환경에서 잡지 생태계 모델과 외국 잡지사들의 적응 전략을 연구하였다. 분석 결과, 외국 잡지들의 콘텐츠 생산은 커뮤니티, 전문가 사회집단/조직, 창조적 사용자, 미디어/콘텐츠 기업들이 잡지사 또는 잡지 플랫폼과 협업하는 체계로 작동되고 있었다. 잡지사 주도형 플랫폼인지, 플랫폼의 플랫폼인지, 사용자 주도형 플랫폼인지에 따라 이 체계는 다른 특징과 패턴을 보여주고 있었다. 미디어/콘텐츠 기업과의 협업 사례로서는 허핑턴 포스트, 지니오, 잡지사들과의 협업 사례로서는 아마존 매거진, 북스브이, 그리고 전문가 사회집단/조직과의 협업 사례로서는 허핑턴 포스트, 와이어드, 창조적 사용자 커뮤니티와의 협업 사례로서는 플립보드를 들 수 있다. 외국의 사례잡지 콘텐츠는 잡지 플랫폼을 통한 거래를 본격화하면서 종이책 잡지, 전자책 잡지, 웹진, 앱진, 기사별 상품군으로서 분기되고 있다. 콘텐츠 사용 영역에서 사용자/독자들은 잡지 플랫폼과 관련된 스마트 디바이스를 통해 클라우드 컴퓨팅과 인공 지능 그리고 모듈식 개인화라는 기술 환경을 활용하여 커뮤니티, 전문가 집단, 창조적 사용자로서 잡지사와 관계를 가지고 상호작용하는 선순환 구조를 작동시키고 있었다.

• 지능정보연구
• /
• 제17권1호
• /
• pp.17-35
• /
• 2011

집단지성은 개인들의 협업과 경쟁을 통한 공통이해에 기반한 생산으로서 대중의 지혜를 창출하는 개별 지성들의 통합체라고 할 수 있다. 집단지성의 활용은 공개와 공유 그리고 참여의 기본 철학을 갖고 있는 웹 2.0의 주요한 설계원칙으로 자리잡은 후로, 이와 관련된 연구가 다양하게 진행되고 있다. 이 논문은 개인들간의 관계와 상호작용에 대한 인식을 기반으로 집단지성을 밝혀보려는 방법론을 제안한다. 응용대상은 정보검색과 분류 분야이며, 개인지성의 표현과 도출을 위해 개인 컨스트럭트 이론과 지식 그리드 기법에 퍼지관계이론을 적용한다. 개인의 개별적인 지성은 헤세 다이어그램의 형태로 구현된 지성 구조로 표현하여 내재된 지식적인 의미를 분석한다. 논문의 목적인 집단지성의 도출은 개인지성들의 비교를 통해 상호간 공유와 일치를 찾아낼 수 있는 유사성 이론의 도입에 의해 이루어진다. 제안하는 방법론은 퍼지관계 이론 및 퍼지 매칭 알고리즘을 기반으로 실험 데이터로부터 유사성을 측정하고, 개인지성들을 대표할 수 있는 최적의 집단지성을 이끌어내고자 한다.

• 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.

• 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.