A previous study (Berzaghi et al., 2001) evaluated the performance of 3 calibration methods, modified partial least squares (MPLS), local PLS (LOCAL) and artificial neural networks (ANN) on the prediction of the chemical composition of forages, using a large NIR database. The study used forage samples (n=25,977) from Australia, Europe (Belgium, Germany, Italy and Sweden) and North America (Canada and U.S.A) with reference values for moisture, crude protein and neutral detergent fibre content. The spectra of the samples were collected using 10 different Foss NIR Systems instruments, only some of which had been standardized to one master instrument. The aim of the present study was to evaluate the behaviour of these different calibration methods when predicting the same samples measured on different instruments. Twenty-two sealed samples of different kind of forages were measured in duplicate on seven instruments (one master and six slaves). Three sets of near infrared spectra (1100 to 2500nm) were created. The first set consisted of the spectra in their original form (unstandardized); the second set was created using a single sample standardization (Clone1); the third was created using a multiple sample procedure (Clone6). WinISI software (Infrasoft International Inc., Port Mathilda, PA, USA) was used to perform both types of standardization, Clone1 is just a photometric offset between a “master” instrument and the “slave” instrument. Clone6 modifies both the X-axis through a wavelength adjustment and the Y-axis through a simple regression wavelength by wavelength. The Clone1 procedure used one sample spectrally close to the centre of the population. The six samples used in Clone 6 were selected to cover the range of spectral variation in the sample set. The remaining fifteen samples were used to evaluate the performances of the different models. The predicted values for dry matter, protein and neutral detergent fibre from the master Instrument were considered as “reference Y values” when computing the statistics RMSEP, SEPC, R, Bias, Slope, mean GH (global Mahalanobis distance) and mean NH (neighbourhood Mahalanobis distance) for the 6 slave instruments. From the results we conclude that i) all the calibration techniques gave satisfactory results after standardization. Without standardization the predicted data from the slaves would have required slope and bias correction to produce acceptable statistics. ii) Standardization reduced the errors for all calibration methods and parameters tested, reducing not only systematic biases but also random errors. iii) Standardization removed slope effects that were significantly different from 1.0 in most of the cases. iv) Clone1 and Clone6 gave similar results except for NDF where Clone6 gave better RMSEP values than Clone1. v) GH and NH were reduced by half even with very large data sets including unstandardized spectra.
기업 경쟁력 강화의 중요한 이슈인 대량 개별화(mass-customization)의 실행을 위하여 통합 고객관계 관리 프로세스로서의 CRM(customer relationship management)에 대한 관심과 활용에 대한 필요성은 점점 더 높아지고 있다. 특히, 기존 고객들의 구매 정보를 기반으로 고객의 구매 패턴을 파악하고 의도를 예측하는 것은 오늘날 실질적인 판매 전략을 수립하는 마케팅 분야에서 상당히 큰 비중을 차지하고 있다. 고객의 구매의도 예측에는 대량의 데이터로부터 과거에 인지하지 못했던 의미 있고, 근거 있는 정보를 추출하는 데이터마이닝(datamining)이 주로 사용되고 있다. 기존의 구매의도 예측에 사용된 데이터마이닝 기법들은 주로 신경망(neural networks)과 로지스틱 회귀분석(logistic regression analysis)이었는데, 예측 정확성 및 모형 구축의 어려움으로 인한 다양한 문제점들이 제기되고 있는 실정이다. 따라서, 본 논문에서는 기존의 기법들이 가지고 있는 단점들을 개선하기 위하여 신경망과 로지스틱 회귀분석 외에 연관규칙(association rule), 연관성 매트릭스(association matrix), 의사결정 나무(decision tree), 베이지안 망(bayesian network), SVM(support vector machine) 기법들을 추가로 제안하였다. 본 연구의 목적은 고객의 특정 상품에 대한 구매의도 예측을 위하여 새로운 알고리즘을 제시하기보다는 기존의 다양한 데이터마이닝 기법들을 적용시켜 봄으로써, 가장 우수한 예측성과를 나타내는 기법을 발견하는 것이다. 연구에 사용된 자료는 기존의 연구에서는 적용되지 않았던 편의점의 영수증 데이터이다. 예측 목표상품은 카테고리화 된 '우유'와 '냉동식품'이며, 제안된 기법들의 신뢰성을 위하여 전체 데이터를 10개의 training과 test 셋으로 중복되지 않게 구분함과 동시에 10번의 교차 검증(cross validation)을 실시하였다. 실험 결과 SVM이 영수증 데이터를 이용한 고객의 특정 상품에 대한 구매의도 예측에서 가장 우수한 성과를 나타내는 것을 확인하였다.
도심기반시설은 도시 내 인간의 활동을 위해 필수적으로 공급해야 할 시설이나 도심 내의 입지선정과 관련하여 위험시설로 인식되어 많은 갈등이 야기되고 있다. 대표적인 도심의 통신전력 기반시설인 변전소 역시 전력수요의 증가에 따라 도심지에 반드시 존치해야 함에도 불구하고 사회민원이 발생함에 따라 이러한 갈등을 구체적이고 과학적인 근거에 따라 판단하고 객관적인 해결방안을 도출할 필요가 있게 되었다. 이에 본 연구에서는 아파트 가격을 결정짓는 일반적인 요소들과 아파트 단지와 변전소의 직선상의 거리를 독립변수로 사용하고, 아파트 가격을 종속변수로 단위면적당 매매가를 선정하여, 시설 위치를 포함한 아파트가격 결정요인들이 각각 어떠한 영향을 주었는지를 헤도닉 가격모형을 활용한 회귀분석과 인공신경망 분석을 통해 분석하였다. 결과 일부 대상 변전소의 경우 아파트 단지와 거리가 가까울수록 매매가격이 떨어지며 변전소가 아파트가격에 미치는 영향력의 범위는 600m이내 인 것으로 나타났다. 본 연구에서는 변전소의 입지가 아파트 가격에 영향을 미치는지를 객관적 데이터와범 용적인 모형으로 분석함으로써, 변전소의 입지가 부동산의 경제적 가치를 분석하는 방법적 토대를 제공하였다.
East Asia, which includes China, Japan, Korea, and Mongolia, is highly impacted by hydroclimate extremes such drought, flood, and typhoon recent year. In 2017, more than 18.5 million hectares of crops have been damaged in China, and Korea has suffered economic losses as a result of severe drought. Satellite-derived rainfall products are becoming more accurate as space and time resolution become increasingly higher, and provide an alternative means of estimating ground-based rainfall. In this study, we verified the availability of rainfall products by comparing widely used satellite images such as Climate Hazards Groups InfraRed Precipitation with Station (CHIRPS), Global Precipitation Climatology Centre (GPCC), and Precipitation Estimation From Remotely Sensed Information Using Artificial Neural Networks-Climate Data Record (PERSIANN-CDR) with ground stations in East Asia. Also, the satellite-based rainfall products were used to calculate the Standardized Precipitation Index (SPI). The temporal resolution is based on monthly images and compared with the past 30 years data from 1989 to 2018. The comparison between rainfall data based on each satellite image products and the data from weather station-based weather data was shown by the coefficient of determination and showed more than 0.9. Each satellite-based rainfall data was used for each grid and applied to East Asia and South Korea. As a result of SPI analysis, the RMSE values of CHIRPS were 0.57, 0.53 and 0.47, and the MAE values of 0.46, 0.43 and 0.37 were better than other satellite products. This satellite-derived rainfall estimates offers important advantages in terms of spatial coverage, timeliness and cost efficiency compared to analysis for drought assessment with ground stations.
지능형교통체계의 핵심적인 부분으로써 첨단교통정보체계가 제 역할을 효율적으로 수행하기 위해서는 실시간으로 교통정보제공을 위해 도로에 설치된 각종 정보수집체계들로부터 수집된 정보를 적절히 처리하여 정확하고 신속하게 통행시간 변화를 파악하고 산출하는 것은 무엇보다도 중요하다. 현재 구간통행시간은 Beacon, GPS, AVI 등을 이용한 구간검지체계나 Loop 검지기, 영상검지기, RTMS 등을 이용한 지점검지체계로부터 산출$\cdot$추정되어진다. 구간검지기체계로부터 산출되는 통행시간은 정확하나 이미 정보제공 구간을 통과한 차량에 의해 산출되기 때문에 실시간 정보제공을 위한 수단으로서는 한계가 있다. 또한 동시간대 지점검지기 자료를 이용하여 추정되는 통행시간은 산출방법에 따라서 그 정확도가 크게 달라지며 각 구간에 존재하는 다른 차량의 교통특성에 의해 산출되기 때문에 실제 통행시간값과 차이가 발생 한다. 본 연구에서는 지점별 검지기자료와 구간통행시간의 관계를 고려하여 신경망을 이용한 통행시간추정방법을 제시하였다. 입력변수에 따라 분류된 모형을 남산1호터널구간의 검지기 데이터와 AVI 자료를 이용하여 통행시간을 추정해본 결과 지체발생시간대 90$\%$ 이상이 5$\~$15분 이내로 수렴하였으며 시간에 따른 추정 통행시간의 변화가 전반적으로 실제통행시간과 비슷한 추세를 보였다. 또한 기존에 발생하던 정보제공시점의 시간처짐 현상 및 뒤늦게 발생하던 지체발생 및 해소가 완화되었다.
과학과 기술로 우리 인류는 오늘날의 발달된 문명과 문화의 모습을 이루었고 삶의 질을 높여 왔지만, 환경 위기의 주요 원인으로 과학과 기술이 지목되고, 인간 중심주의 또는 기술 중심주의에 대한 비판도 많이 제기되어 왔다. 그럼에도 우리가 더 높은 질의 삶을 영위하려 한다면, 우리는 생명 유지에 유익한 환경 기술, 특히 정보 기술을 더욱 발전시켜야 하며, 정보 기술을 환경 문제를 해결하는 의사 결정에서 종합적으로 활용해야 한다. 환경 의사 결정 이론을 정초하기 위한 논의에서, 논자는 우선 과학 기술과 사회의 관계에 관해 Barbour의 맥락적 상호 작용론의 관점을 고찰한다. 그 관점에 따르면, 사회의 시대적 필요성의 맥락에 따라 과학 기술은 개발되고 사회 내에서 자율성을 갖게 되기 때문에, 지식 정보 기반 사회에서 다양하게 나타나는 정보 기술의 지위를 우호적으로 확립시킬 수 있다. 다음으로 다양한 정보 기술-지리 정보 시스템, 의사 결정 지원 시스템, 지식 기반전문가 시스템, 그리고 인공 신경 망-의 출현이 환경 정보를 처리하는 데 도움이 되고 궁극적으로 과학 기술자가 환경 의사 결정에서 정보 기술의 활용 가능성이 예시적으로 논증된다. 따라서 이러한 제안이 성공적으로 활용된다면, 환경의 여러 구성요소들 간의 가장 적합한 상태가 발현되는 방향으로 환경 시스템을 설계하고 구현하여 가장 적합한 삶의 환경 시스템을 만들 수 있을 것이다.
본 연구소에서는 호소 수질오염의 중요한 관심대상인 영양상태를 평가하기 위해 원격탐 사기법을 적용하였다. 원격탐사기법을 적용하는데 있어서 기존의 회귀식을 이용한 방법과는 달리 분류기법을 사용하여 영양상태를 평가하였다. 부영양화는 조류의 이상증식에 의해 유발되므로, 수 체의 조류농도와 밀접한 항목인 클로로필 a와 투명도를 원격탐사 데이터에 적용하였다. 본 연구 에서 영향상태의 분류는 최대우도법과 최소거리법을 이용하였으며, 다음과 같은 결과를 얻었다. 첫째, 광역수계의 영양상태 평가시 원격탐사 데이터를 적용함에 있어 기초적인 분류기법만을 수 행하여도 70%이상의 정확도를 얻을 수 있었다. 둘째, 분류정확도면에서 최소거리법이 최대우도법에 비하여 양호하게 나타났다. 이것은 샘플이 정규분포를 이루고는 있으나 통계적인 기법을 적용하기에는 샘플수가 너무 적은 것에 기인한 것 으로 차후 통계적 분포에 영향을 받지 않는 인공신경망을 이용한 분류기법의 도입이 요구된다. 셋째, 본 연구결과를 이용하면 수계의 영양상태를 신속하고 주기적이며 가시적인 분석평가를 할 수 있어 호소의 영양상태 진행정도에 따라 적절한 대응책을 수립하는데 기초자료로서 활용할 수 있을 것으로 기대된다.
이 연구의 목적은 기업가적 혁신성을 정확하게 예측하는 고도화된 분석 모델을 탐색하는 것이다. 기업가정신 연구 분야에서는 최초로, 데이터 과학적 접근방식에 해당되는 기계학습(Machine learning)을 이용해 기업가적 혁신성(entrepreneurial innovativeness)을 예측하는 모델을 제시한다. 예측모델을 구축하기 위하여 Global Entrepreneurship Monitor(GEM)의 62개국 22,099건 데이터를 이용한다. 27개 설명변수로 이뤄진 데이터 셋을 토대로 전통적 통계방법인 다중회귀분석과, 회귀트리, 랜덤포레스트, XG부스트, 인공신경망 등 기계학습을 이용한 예측모델을 구축하고 각 모델의 성능을 비교한다. 모델의 성능 평가를 위해 RMSE(Root mean square error), MAE(Mean absolute error)와 상관관계(Correlation) 등 지표를 사용한다. 분석 결과 5가지 기계학습 기반 모델은 모두 전통적 방법에 비해 우수한 성능을 보였으며, 예측 성능이 가장 좋은 모델은 XG부스트였다. XG부스트를 통한 기업가적 혁신성 예측에 있어서 기여도가 높은 변수는 창업가의 기회인지 및 시장 확장의 교차항 변수이며, 이는 신시장에서 기회를 획득하고자 하는 유형의 창업기업이 높은 혁신성을 보인다는 점을 확인했다. 이 연구는 고도화된 분석방법인 기계학습을 이용해 새로운 예측모델을 제시, 기업가정신 연구의 시야를 확장했다는 점에서 의의를 지닌다.
소스코드에 대한 정적 분석은 광범위한 소스코드에 대해서 잔존하는 보안약점을 찾는 것으로 정적 분석 도구를 활용하여 점검을 하고, 그 결과에 대해서 정적 분석 전문가가 정탐 및 오탐 분석을 한다. 이 과정에서 분석양이 많고 오탐의 비율이 높아 많은 시간과 노력이 들어가게 되어 효율적으로 분석하는 방안이 요구되고 있다. 또한 전문가들은 정·오탐 분석을 할 때 결함이 발생한 라인의 소스코드만 보고 분석을 하는 경우는 드물다. 결함의 유형에 따라서 주변의 소스코드를 같이 분석하고 최종 분석 결과를 내리게 된다. 이러한 정적 분석 도구를 사용하여 전문가가 정·오탐을 판별하는 어려움을 해결하기 위해서 본 논문에서는 정적 분석 도구가 찾은 보안약점이 정탐인지 아닌지를 전문가가 아닌 인공지능을 통해 판별하는 방법을 제안한다. 또한 이러한 기계학습에 사용되는 학습 데이터(결함주변 소스코드)의 크기가 성능에 어떤 영향을 미치는지 실험을 통해 최적의 크기를 확인하였다. 이 결과를 통해 정적 분석 후 정·오탐을 분류하는 정적 분석 전문가의 업무에 도움을 줄 것으로 기대한다.
최근 수문 및 수자원 분야에서 위성영상의 활용성이 높아짐에 따라 관련 전용 위성 개발연구와 연계하여 위성을 활용한 증발산량과 토양수분량 산정 연구의 필요성이 강조되고 있다. 본 연구에서는 이러한 위성을 기반으로 증발산량 및 토양수분량의 국내 연구현황과 그 산정 방법론을 조사하여 현재까지의 연구동향을 파악하고자 하였다. 국내 연구현황을 세부 방법론 별로 살펴본 결과 일반적으로 증발산량의 경우는 Surface Energy Balance Algorithm for Land (SEBAL), Mapping Evapotranspiration with Internalized Calibration (METRIC)과 같은 에너지수지 기반 모형과 Penman-Monteith (PM) 및 Priestley-Taylor (PT) 산출식을 기반으로 산정되었으며, 토양수분량의 경우 능동형(AMSR-E, AMSR2, MIRAS, SMAP) 및 수동형(ASCAT, SAR)와 같은 마이크로파 센서를 통한 산정이 주를 이루었다. 통계적 측면에서는 증발산량 및 토양수분량 공통적으로 회귀식 및 인공지능을 이용한 산출사례를 찾을 수 있었다. 또한 위성기반 자료들을 이용한 Evaporative Stress Index (ESI), Temperature-Vegetation Dryness Index (TVDI), Soil Moisture Deficit Index (SMDI) 등의 다양한 지표를 산정하여 가뭄 특성파악에 적용한 연구 사례도 다수 있었으며, 지표모형(Land Surface Model, LSM)을 기반으로 하여 위성 다중센서에서 얻을 수 있는 주요 자료들을 활용해 증발산량과 토양수분량의 수문순환인자를 산출하기도 하였다. 본 논문에서는 이렇게 기존 연구사례 조사 및 내용파악 과정을 통해 위성을 활용한 주요 세부 방법론을 비교·검토 제시함으로써 관련 연구분야 기준 참고자료로의 활용 및 향후 위성기반 관련 수문순환 자료 산출 고도화 연구의 초석을 다지고자 한다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.