• 지능정보연구
• /
• 제21권1호
• /
• pp.65-82
• /
• 2015

최근 경제적 사회적 부가가치를 창출할 수 있는 유망분야를 선정하여 국가 전략 및 정책 수립 시 반영하기 위해 미래 핵심 이슈를 발견하고 트렌드를 분석하는 것에 대한 관심이 급증하고 있다. 기존에는 미래의 핵심 기술이나 이슈를 발견하고 트렌드 분석을 통해 미래유망분야를 선정하는 연구를 위해 문헌 조사 또는 전문가 평가와 같은 정성적 연구방법이 사용되어 왔다. 그러나 이 연구방법은 대량의 정보로부터 결과를 도출하는데 많은 시간과 비용이 소요될 뿐만 아니라 전문가의 주관적인 가치가 반영될 가능성이 존재한다. 이와 같은 한계점을 보완하고자 최근 국토교통, 안전, 정보통신기술 등 다양한 분야에서 미래유망분야를 선정하기 위하여 정성적 연구방법에 텍스트 마이닝과 같은 정량적 연구방법을 상호 보완적으로 활용하는 방식으로 트렌드 분석을 수행하는 연구 방법론의 패러다임 변화가 시도되고 있다. 본 연구는 항공산업 전반적인 분야에 빅데이터 분석 방법인 텍스트 마이닝 기법을 적용하여 항공 분야의 연구동향을 파악하고 미래유망분야를 전망하였다. 텍스트 마이닝 기법 중하나인 토픽 분석을 이용하여 항공산업 전반적인 분야의 문서 집합 내 잠재된 토픽을 추출하고, 연도별로 핵심 토픽의 추이를 분석하였다. 분석 결과 항공산업의 미래유망분야로 항공안전정책, 항공운임(저가항공), 그리고 친환경 고연비 연료가 도출되었다. 본 연구결과는 분석 대상을 논문에 한정하여 수행하였다는 한계점이 존재하나, 항공산업 분야의 핵심 이슈를 도출하기 위하여 텍스트 마이닝 기반의 트렌드 분석에 대한 활용가능성을 제시하고, 미래유망분야를 선정하기 위한 정량적인 분석 방법론의 전형을 마련하였다는 점에서 의의가 있다.

• 한국산학기술학회논문지
• /
• 제17권10호
• /
• pp.331-337
• /
• 2016

높이가 5m와 10m인 사면부와 사면하부지반으로 이루어진 지반조건에 대하여 여러 가지 강도정수를 갖는 사면하부지반을 가정하고 안정해석을 수행한 결과 사면하부 끝단에 억지말뚝을 설치할 수 있는 사면하부지반의 강도정수의 범위를 얻을 수 있었고 표로써 제시하였다. 사면높이가 5m인 경우 사면하부지반의 점착력이 10kPa일 때 내부마찰각은 $15^{\circ}$인 경우까지 억지말뚝의 설치가 가능하며 점착력이 20kPa와 25kPa인 경우 내부마찰각이 $0^{\circ}$일 때만 억지말뚝의 설치가 가능하였다. 사면높이가 10m인 경우 사면하부지반의 점착력이 10kPa일 때 내부마찰각은 $20^{\circ}$인 경우까지 억지말뚝의 설치가 가능하며 점착력이 40kPa, 45kPa 그리고 50kPa인 경우에는 내부마찰각이 $0^{\circ}$인 경우만 억지말뚝의 설치가 가능함을 알 수 있었다. 가정한 사면에 적용한 억지말뚝에 대한 해석결과에 따르면 억지말뚝의 길이와 최대 휨모멘트의 크기는 내부마찰각의 존재여부에 큰 영향을 받음을 알 수 있었다. 사면하부지반의 내부마찰각이 $0^{\circ}$인 경우 필요한 억지말뚝의 길이 $D_s$와 d는 각각 내부마찰각이 $5^{\circ}$인 경우에 비해 4.6배와 8.0배 컸다. 사면하부지반의 내부마찰각이 $0^{\circ}$인 경우 억지말뚝에 발생하는 최대 휨모멘트는 내부마찰각이 $5^{\circ}$인 경우에 비해 24.6배 컸다. 억지말뚝을 적용한 사면하부지반의 내부마찰각이 $0^{\circ}$인 경우 억지말뚝의 길이 및 억지말뚝에 발생하는 최대 휨모멘트의 크기가 상당히 커서 억지말뚝의 적용을 어렵게 함을 알 수 있었다. 본 연구결과를 통해 볼 때 비배수상태에 있는 포화점토지반상에 성토를 하는 경우에는 압밀이 발생하는 시간적 여유를 갖도록 완속 성토함으로써 억지말뚝의 길이와 발생 최대 휨모멘트를 대폭적으로 감소시킬 수 있을 것으로 기대된다.

• 헤리티지:역사와 과학
• /
• 제45권3호
• /
• pp.114-159
• /
• 2012

송대는 정치 경제 그리고 문화를 통틀어 중국 역사상의 중요한 전환기이며, 정치제도와 경제체제, 사상의식과 문화특징 등 모든 면에서 중요한 변혁이 있었다. 이러한 변화는 대부분 당대(唐代) 후기에 시작되어 북송시기에 완성되었다. 물론 그 발전이 비교적 긴 과정을 거쳤지만, 그 변화는 거대하고도 본질적인 것이었다. 때문에 각 분야의 제도에 비교적 강력하게 나타났으며, 그 가운데 도성의 조직체계와 특징에서 더욱 뚜렷하게 드러난다. 송대 정치제도 변화의 핵심은 동한(東漢) 이래 형성된 사족문벌제도(士族門閥制度)가 철저하게 붕괴되고 황제를 중심으로 긴밀하고 완벽한 관료체제가 형성되었다는 것으로, 송대는 고도로 집중된 중앙집권체제를 이루었다. 이는 대략 재상(宰相)집단의 형성, 중앙정권의 권력분화, 황제의 지방통제 강화, 관리선출과 과거제도의 개선 등의 내용을 포괄한다. 이로부터 황제는 전 분야에 뻗치는 막강한 권력을 쥐게 되었으며, 각종 제도의 제정은 황제의 권력과 지위 강화라는 목적으로 직결되지 않는 것이 없었다. 동시에 송대는 경제가 고도로 발전한 시기로, 농촌에서는 조전제(租田制)를 핵심으로 하는 생산구조가 형성되어 농업발전이 극대화되었고, 만당(晩唐) 시기부터 농업과 수공업 기술의 발전에 힘입어 상품경제의 발전이 가속화되기 시작하여, 송대에 이르러서는 상업의 사회경제적 위상이 크게 향상되고 나아가 도시경제체계를 형성하게 되었다. 정치제도의 변화와 경제적 발전이 각종 도시제도의 형성에 영향을 미친 것이다. 이 글에서는 1980년대 초기 이후로 북송 동경 변량성(東京 지금의 河南省 開封市)에 대해 진행된 고고학적 작업을 정리하고, 또한 그 성과에 근거하여 북송 동경 변량성의 특징을 간략하게 종합해 보고자 한다.

• 헤리티지:역사와 과학
• /
• 제45권1호
• /
• pp.148-173
• /
• 2012

창덕궁과 창경궁이 공유하는 후원인 동궐 후원은 조선왕조의 시대상을 반영하는 기술과 사상이 집약된 후원으로서 단연코 한국 조경문화의 백미라고 할 수 있다. 왕실의 휴식공간이었을 뿐만 아니라 국가의 상징적 의례와 인재양성의 장이 되었던 동궐 후원은 일제강점기를 거치면서 상당부분 훼철되어 과거의 면모가 일축되었다. 창경궁 북쪽의 후원권역은 일제에 의해 완전히 변형되어, 현재는 주합루에서 옥류천에 이르는 몇 개소의 영역이 후원으로서의 명맥을 유지하고 있다. 이중에서 본 연구의 대상이 되는 존덕정 영역은 인조 연간에 옥류천 개발이 완료된 직후부터 화원(花園)으로 조성된 정원으로서, 심추정, 척뇌당, 폄우사, 망춘정, 천향각, 청심정 등의 정자가 존덕정을 중심으로 승경의 요점지에 자리 잡은 화목류와 연지 중심의 공간이었으나 현재 존덕정과 심추정, 폄우사만이 남아 있고, 그 외의 정자들은 멸실되거나 변형된 상태로 존재하고 있다. 이에 본 연구에서는 각 건축물에서 감상되는 수요소, 식생, 점경물 등을 분석함으로써 원형적인 조영의도를 구명하는데 주력하였으며, 동궐 후원의 진정성 있는 복원 정비와 조경 시설물을 둘러싼 환경의 보전에 관한 기초적인 지식정보 구축을 위하여 존덕정 영역의 정자인 심추정, 망춘정, 척뇌당, 천향각, 청연각의 5개 정자의 역사적 기록과 조영실태가 고찰되었다. 이들은 "궁궐지"와 실록에는 명칭이 언급되어 있지만 "동궐도"에는 그 이름이 나타나지 않는데, 관련된 문헌자료가 망라되어 고증이 시도되었다. 이중 척뇌당과 심추정은 동궐도상에서 추정 건물을 뚜렷하게 밝힐 수 있었고, 존덕정 서북쪽에 위치한 용도가 불분명한 건물은 천향각 내지는 망춘정이었다고 추정하였으며, 태청문의 담장이 본래 청연각에 둘러쳐져 있었던 담장이었다는 가설도 제시하였다. 뿐만 아니라 이제껏 동궐도와 동궐 후원연구에서 난관으로 여겨졌던 창덕궁 동북쪽 모퉁이에 위치한 용도와 명칭이 불분명한 건물일곽에 대해서는 연산군과 숙종이 사용했던 기록이 발견되었고, 궁궐 사람들 모르게 유희생활을 하는 임금만의 별당이었음을 밝힐 수 있었다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.43-61
• /
• 2019

최근 4차 산업혁명과 함께 인공지능 기술에 대한 연구가 활발히 진행되고 있으며, 이전의 그 어느 때보다도 기술의 발전이 빠르게 진행되고 있는 추세이다. 이러한 인공지능 환경에서 양질의 지식베이스는 인공지능 기술의 향상 및 사용자 경험을 높이기 위한 기반 기술로써 중요한 역할을 하고 있다. 특히 최근에는 인공지능 스피커를 통한 질의응답과 같은 서비스의 기반 지식으로 활용되고 있다. 하지만 지식베이스를 구축하는 것은 사람의 많은 노력을 요하며, 이로 인해 지식을 구축하는데 많은 시간과 비용이 소모된다. 이러한 문제를 해결하기 위해 본 연구에서는 기계학습을 이용하여 지식베이스의 구조에 따라 학습을 수행하고, 이를 통해 자연어 문서로부터 지식을 추출하여 지식화하는 방법에 대해 제안하고자 한다. 이러한 방법의 적절성을 보이기 위해 DBpedia 온톨로지의 구조를 기반으로 학습을 수행하여 지식을 구축할 것이다. 즉, DBpedia의 온톨로지 구조에 따라 위키피디아 문서에 기술되어 있는 인포박스를 이용하여 학습을 수행하고 이를 바탕으로 자연어 텍스트로부터 지식을 추출하여 온톨로지화하기 위한 방법론을 제안하고자 한다. 학습을 바탕으로 지식을 추출하기 위한 과정은 문서 분류, 적합 문장 분류, 그리고 지식 추출 및 지식베이스 변환의 과정으로 이루어진다. 이와 같은 방법론에 따라 실제 지식 추출을 위한 플랫폼을 구축하였으며, 실험을 통해 본 연구에서 제안하고자 하는 방법론이 지식을 확장하는데 있어 유용하게 활용될 수 있음을 증명하였다. 이러한 방법을 통해 구축된 지식은 향후 지식베이스를 기반으로 한 인공지능을 위해 활용될 수 있을 것으로 판단된다.

• 한국인터넷방송통신학회논문지
• /
• 제23권3호
• /
• pp.35-43
• /
• 2023

본 연구의 목적은 행정서비스 활용을 위한 디지털 트윈 정책 연구이다. 본 연구는 1,000명의 대상을 기반으로한 모바일 설문조사를 통해 진행되었으며 그 연구 결과는 다음과 같다. 첫쨰, 디지털 트윈을 활용하기 위해 경기도 측면에서 적용할 수 있는 적절한 서비스 발굴이 선행되어야 한다. 경기도의 현장 업무에 적절한 디지털 트윈 서비스 발굴 시도가 우선적으로 선행되고 이를 통한 업무의 효율성 증진이 필요하다. 둘쨰, 경기도 디지털 트윈 행정서비스는 중앙정부 사업과의 중복성은 방지하고 연계 활용 가능한 모델을 구축해야 하며, 도와 시군의 현안 연관성이 높고 수요자 즉 도민이 원하는 행정서비스를 중심으로 추진되어야 한다. 셋쨰, 행정서비스 운영방식은 경기도의 디지털 트윈 행정서비스 개발을위해서 시범사업 참여를 통한 표준모델 구축 방안을 검토해야 한다. 사업 추진 방식으로 경기도가 주관기관이 되어, 협약사업 방식으로 추진하고, 경기도 디지털 트윈 자문위원단을 통해 사업 추진 전반에 대한 지원 체계를 마련하라는 것을 제언하고자 한다. 넷째, 전담부서와 행정서비스 구축, 운영, 관리 등을 위한 관련 제도 마련이 되어야 한다. 경기도에서 디지털 트윈 실현을 위해서는 사업 추진 및 운영과 법·제도적 개선을 위한 다양한 역할을 수행 할 수 있는 전담 조직이 필요하며, 전담 조직 지정을 위해서 기존 부서의 확대 개편 방안과 신설 부서 운영에 대한 검토가 필요하다. 본 연구의 한계 요인은 경기도 중심의 참여자들에 대한 조사로서 향후에는 전국을 기반으로 연구하는 것을 제언한다. 본 연구의 기대효과는 디지털 트윈 서비스를 공적인 업무를 적용시 활용할 수 있는 기초 자료로 이용할 수 있다.

• 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.

• 지능정보연구
• /
• 제26권4호
• /
• pp.127-148
• /
• 2020

데이터 센터는 컴퓨터 시스템과 관련 구성요소를 수용하기 위한 물리적 환경시설로, 빅데이터, 인공지능 스마트 공장, 웨어러블, 스마트 홈 등 차세대 핵심 산업의 필수 기반기술이다. 특히, 클라우드 컴퓨팅의 성장으로 데이터 센터 인프라의 비례적 확장은 불가피하다. 이러한 데이터 센터 설비의 상태를 모니터링하는 것은 시스템을 유지, 관리하고 장애를 예방하기 위한 방법이다. 설비를 구성하는 일부 요소에 장애가 발생하는 경우 해당 장비뿐 아니라 연결된 다른 장비에도 영향을 미칠 수 있으며, 막대한 손해를 초래할 수 있다. 특히, IT 시설은 상호의존성에 의해 불규칙하고 원인을 알기 어렵다. 데이터 센터 내 장애를 예측하는 선행연구에서는, 장치들이 혼재된 상황임을 가정하지 않고 단일 서버를 단일 상태로 보고 장애를 예측했다. 이에 본 연구에서는, 서버 내부에서 발생하는 장애(Outage A)와 서버 외부에서 발생하는 장애(Outage B)로 데이터 센터 장애를 구분하고, 서버 내에서 발생하는 복합적인 장애 분석에 중점을 두었다. 서버 외부 장애는 전력, 냉각, 사용자 실수 등인데, 이와 같은 장애는 데이터 센터 설비 구축 초기 단계에서 예방이 가능했기 때문에 다양한 솔루션이 개발되고 있는 상황이다. 반면 서버 내 발생하는 장애는 원인 규명이 어려워 아직까지 적절한 예방이 이뤄지지 못하고 있다. 특히 서버 장애가 단일적으로 발생하지 않고, 다른 서버 장애의 원인이 되기도 하고, 다른 서버부터 장애의 원인이 되는 무언가를 받기도 하는 이유다. 즉, 기존 연구들은 서버들 간 영향을 주지 않는 단일 서버인 상태로 가정하고 장애를 분석했다면, 본 연구에서는 서버들 간 영향을 준다고 가정하고 장애 발생 상태를 분석했다. 데이터 센터 내 복합 장애 상황을 정의하기 위해, 데이터 센터 내 존재하는 각 장비별로 장애가 발생한 장애 이력 데이터를 활용했다. 본 연구에서 고려되는 장애는 Network Node Down, Server Down, Windows Activation Services Down, Database Management System Service Down으로 크게 4가지이다. 각 장비별로 발생되는 장애들을 시간 순으로 정렬하고, 특정 장비에서 장애가 발생하였을 때, 발생 시점으로부터 5분 내 특정 장비에서 장애가 발생하였다면 이를 동시에 장애가 발생하였다고 정의하였다. 이렇게 동시에 장애가 발생한 장비들에 대해서 Sequence를 구성한 후, 구성한 Sequence 내에서 동시에 자주 발생하는 장비 5개를 선정하였고, 선정된 장비들이 동시에 장애가 발생된 경우를 시각화를 통해 확인하였다. 장애 분석을 위해 수집된 서버 리소스 정보는 시계열 단위이며 흐름성을 가진다는 점에서 이전 상태를 통해 다음 상태를 예측할 수 있는 딥러닝 알고리즘인 LSTM(Long Short-term Memory)을 사용했다. 또한 단일 서버와 달리 복합장애는 서버별로 장애 발생에 끼치는 수준이 다르다는 점을 감안하여 Hierarchical Attention Network 딥러닝 모델 구조를 활용했다. 본 알고리즘은 장애에 끼치는 영향이 클 수록 해당 서버에 가중치를 주어 예측 정확도를 높이는 방법이다. 연구는 장애유형을 정의하고 분석 대상을 선정하는 것으로 시작하여, 첫 번째 실험에서는 동일한 수집 데이터에 대해 단일 서버 상태와 복합 서버 상태로 가정하고 비교분석하였다. 두 번째 실험은 서버의 임계치를 각각 최적화 하여 복합 서버 상태일 때의 예측 정확도를 향상시켰다. 단일 서버와 다중 서버로 각각 가정한 첫 번째 실험에서 단일 서버로 가정한 경우 실제 장애가 발생했음에도 불구하고 5개 서버 중 3개의 서버에서는 장애가 발생하지 않은것으로 예측했다. 그러나 다중 서버로 가정했을때에는 5개 서버 모두 장애가 발생한 것으로 예측했다. 실험 결과 서버 간 영향이 있을 것이라고 추측한 가설이 입증된 것이다. 연구결과 단일 서버로 가정했을 때 보다 다중 서버로 가정했을 때 예측 성능이 우수함을 확인했다. 특히 서버별 영향이 다를것으로 가정하고 Hierarchical Attention Network 알고리즘을 적용한 것이 분석 효과를 향상시키는 역할을 했다. 또한 각 서버마다 다른 임계치를 적용함으로써 예측 정확도를 향상시킬 수 있었다. 본 연구는 원인 규명이 어려운 장애를 과거 데이터를 통해 예측 가능하게 함을 보였고, 데이터 센터의 서버 내에서 발생하는 장애를 예측할 수 있는 모델을 제시했다. 본 연구결과를 활용하여 장애 발생을 사전에 방지할 수 있을 것으로 기대된다.