• 디자인학연구
• /
• 제17권1호
• /
• pp.89-98
• /
• 2004

행태 중심적 공간디자인은 인간의 심리를 기반으로 한 행동의 시스템적 접근을 필요로 한다. 또한 인간과 환경은 상보성(相補性)을 지닌 전체로서의 인식을 필요로 하며, 인간과 공간 역시 상호작용을 전제로 하는 총체적 현상으로 파악하여야 함을 의미한다. 또한 행태 지향적 공간을 디자인하는 것은 단지 물리적 실체를 형상화하고 조정하는 행위뿐만 아니라 심리적, 행위적 현상들을 이해하고 해석하여 반영하는 것을 의미한다. 그리고 인간개인에 대한 분석뿐만 아니라 인간집단의 상호작용에 관한 이해이다. 또한 공간인식에 있어서 물질의 이동이 아닌, 에너지의 순환과 변화요인에 대한 분석이 중요하다. 이것은 이용자의 행태와 심리에 대한 파악이 단순히 편리함을 위한 합리적 목적을 지향하는 것이 아님을 뜻한다. 즉, 인간과 공간에 대한 구조를 물리적 요소로 분해하고 정형화된 데이터에 근거하여 디자인하는 것과 달리, 공간과 인간 사이에 발생하는 행동패턴과 심리적 현상을 이해하는 것에 목적이 있다. 따라서 행태가 일어나는 본질을 파악함으로써 보다 인간 중심적인 공간 디자인을 구현할 수 있다. 그리고 이용자 중심의 또 다른 관점의 디자인 프로세스를 창출할 수 있으며, 인간, 공간, 환경의 총체적 어메니티, 즉 보다 나은 환경 질을 만들 수 있다. 이를 위해서는 인간활동, 즉 행위체계에 대한 자각이 선행되어져야 하며, 디자인을 위한 접근이 예측적 관념이 아닌, 준 과학적 체계 속에서 프로세스로 구현되어야 한다. 본 연구는 이러한 관점을 기초로 인간의 행태를 기본으로 한 디자인 언어로 도출되는 프로세스를 모색한다. 즉, 이용자의 관찰을 통해 공간 행태의 본질과 행위체계를 분석하고, 이를 공간디자인 프로그램에 반영하여 조형언어로 발전된다면 인간과 환경에 대한 새로운 디자인 프로세스가 나타날 수 있다. 결론적으로, 이용자의 행위와 심리를 디자인에 반영함으로써, 물리적 데이터에 근거한 기존의 공공공간 디자인과는 달리, 인간 삶의 질적 향상을 지향하고 보다 인간 중심적인 디자인이 창출될 수 있다.

• 지능정보연구
• /
• 제29권1호
• /
• pp.143-174
• /
• 2023

인공지능의 발전과 함께 딥러닝을 활용한 인공지능 광학문자인식 기법 (Artificial Intelligence powered Optical Character Recognition, AI-OCR) 의 등장은 기존의 이미지 처리 기반 OCR 기술의 한계를 넘어 다양한 형태의 이미지로부터 여러 언어를 높은 정확도로 읽어낼 수 있는 모델로 발전하였다. 특히, AI-OCR은 인력을 통해 대량의 다양한 서류 처리 업무를 수행하는 금융업에 있어 그 활용 잠재력이 크다. 본 연구에서는 금융권내 활용을 위한 AI-OCR 모델의 구성과 설계를 제시하고, 이를 효율적으로 적용하기 위한 플랫폼 구축 및 활용 사례에 대해 논한다. 금융권 특화 딥러닝 모델을 만듦에 있어 금융 도메인 데이터 사용은 필수적이나, 개인정보보호법 이하 실 데이터의 사용이 불가하다. 이에 본 연구에서는 딥러닝 기반 데이터 생성 모델을 개발하였고, 이를 활용하여 AI-OCR 모델 학습을 진행하였다. 다양한 서류 처리에 있어 유연한 데이터 처리를 위해 단계적 구성의 AI-OCR 모델들을 제안하며, 이는 이미지 전처리 모델, 문자 탐지 모델, 문자 인식 모델, 문자 정렬 모델 및 언어 처리 모델의 선택적, 단계적 사용을 포함한다. AI-OCR 모델의 배포를 위해 온프레미스(On-Premise) 및 프라이빗 클라우드(Private Cloud) 내 GPU 컴퓨팅 클러스터를 구성하고, Hybrid GPU Cluster 내 컨테이너 오케스트레이션을 통한 고효율, 고가용 AI-OCR 플랫폼 구축하여 다양한 업무 및 채널에 적용하였다. 본 연구를 통해 금융 특화 AI-OCR 모델 및 플랫폼을 구축하여 금융권 서류 처리 업무인 문서 분류, 문서 검증 및 입력 보조 시스템으로의 활용을 통해 업무 효율 및 편의성 증대를 확인하였다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.183-203
• /
• 2018

전통적으로 신문 매체는 국내외에서 발생하는 사건들을 살피는 데에 가장 적합한 매체이다. 최근에는 정보통신 기술의 발달로 온라인 뉴스 매체가 다양하게 등장하면서 주변에서 일어나는 사건들에 대한 보도가 크게 증가하였고, 이것은 독자들에게 많은 양의 정보를 보다 빠르고 편리하게 접할 기회를 제공함과 동시에 감당할 수 없는 많은 양의 정보소비라는 문제점도 제공하고 있다. 본 연구에서는 방대한 양의 뉴스기사로부터 데이터를 추출하여 주요 사건을 감지하고, 사건들 간의 관련성을 판단하여 사건 네트워크를 구축함으로써 독자들에게 현시적이고 요약적인 사건정보를 제공하는 기법을 제안하는 것을 목적으로 한다. 이를 위해 2016년 3월에서 2017년 3월까지의 한국 정치 및 사회 기사를 수집하였고, 전처리과정에서 NPMI와 Word2Vec 기법을 활용하여 고유명사 및 합성명사와 이형동의어 추출의 정확성을 높였다. 그리고 LDA 토픽 모델링을 실시하여 날짜별로 주제 분포를 계산하고 주제 분포의 최고점을 찾아 사건을 탐지하는 데 사용하였다. 또한 사건 네트워크를 구축하기 위해 탐지된 사건들 간의 관련성을 측정을 위하여 두 사건이 같은 뉴스 기사에 동시에 등장할수록 서로 더 연관이 있을 것이라는 가정을 바탕으로 코사인 유사도를 확장하여 관련성 점수를 계산하는데 사용하였다. 최종적으로 각 사건은 각의 정점으로, 그리고 사건 간의 관련성 점수는 정점들을 잇는 간선으로 설정하여 사건 네트워크를 구축하였다. 본 연구에서 제시한 사건 네트워크는 1년간 한국에서 발생했던 정치 및 사회 분야의 주요 사건들이 시간 순으로 정렬되었고, 이와 동시에 특정 사건이 어떤 사건과 관련이 있는지 파악하는데 도움을 주었다. 또한 일련의 사건들의 시발점이 되는 사건이 무엇이었는가도 확인이 가능하였다. 본 연구는 텍스트 전처리 과정에서 다양한 텍스트 마이닝 기법과 새로이 주목받고 있는 Word2vec 기법을 적용하여 봄으로써 기존의 한글 텍스트 분석에서 어려움을 겪고 있었던 고유명사 및 합성명사 추출과 이형동의어의 정확도를 높였다는 것에서 학문적 의의를 찾을 수 있다. 그리고, LDA 토픽 모델링을 활용하기에 방대한 양의 데이터를 쉽게 분석 가능하다는 것과 기존의 사건 탐지에서는 파악하기 어려웠던 사건 간 관련성을 주제 동시출현을 통해 파악할 수 있다는 점에서 기존의 사건 탐지 방법과 차별화된다.