• 유통과학연구
• /
• 제10권1호
• /
• pp.43-52
• /
• 2012

2011년은 유엔(UN)이 지정한 '세계 산림의 해'이다. 최근 들어 산림은 환경, 경제, 사회, 문화 등 우리 사회 제 분야에서 그 가치와 기능이 점차 확대되고 있다. 특히 기후변화에 따른 지구환경문제가 국제적인 아젠다로 부각되면서, 산림은 지구온난화의 주범인 이산화탄소에 대한 유일한 흡수 원으로서 그 가치가 새롭게 조명되고 있다. 또한 산림은 생태관광자원의 주요한 구성요소의 하나로서 현재 생태관광객이 널리 이용하는 자원이기도 하다. 게다가 한국의 경우 국토의 60%이상을 차지하는 산림은 국민들한테 아주 좋은 생태환경을 제공함과 동시에 국민들의 생태관광지에 대한 환경보전의식도 제고를 가져왔다. 따라서 환경에 대한 관심이 급증하면서 보전가치가 우수한 산림생태지역을 방문하는 관광객이 매년 큰 폭으로 증가함과 동시에 정부에서도 많은 관심을 보이고 있다. 반면에 생태환경은 관광지를 개발하는 과정과 결과에서 부적절한 개발로 오히려 손상을 받게 되는 경우가 더 많으며, 생태관광객의 높은 환경의식과 엇갈려 실패를 보는 경우도 존재한다. 그럼에도 불구하고 생태관광객의 환경에 대한 관점이나 의식 등에 관한 연구가 미흡하여 지속가능한 생태관광개발에서 생태관광지와 관광객사이에 초점을 맞추지 못하고 있는 실정이다. 따라서 본 연구는 산림생태관광의 지속가능한 발전을 위하여 산림자원을 이용한 생태관광객과 그들의 환경의식을 정의하여 관광지에 대한 매력성, 만족 및 관광 후 태도에 어떠한 영향관계가 있는지 실증적으로 규명함으로서, 관광객의 입장에서 어떠한 생태관광지를 선호하는지를 파악하는데 그 중점을 두었다. 연구결과 산림생태관광객의 높은 자연보호의식은 관광지 매력성, 만족 및 관광 후 태도에 모두 유의한 영향을 미치는 것으로 해석되었고 환경오염의식은 관광지 매력성 유의한 영향을 미치지 못하는 것으로 해석되었다. 이에 따라 우리는 지속적인 생태관광지 개발과 생태관광 프로그램을 작성함에 있어서 관광객의 자연보호의식 전환 및 생태관광객의 심리적 반응을 중심으로 진행되어야 한다는 점을 시사한다.

• 지능정보연구
• /
• 제23권2호
• /
• pp.71-88
• /
• 2017

언어모델은 순차적으로 입력된 자료를 바탕으로 다음에 나올 단어나 문자를 예측하는 모델로 언어처리나 음성인식 분야에 활용된다. 최근 딥러닝 알고리즘이 발전되면서 입력 개체 간의 의존성을 효과적으로 반영할 수 있는 순환신경망 모델과 이를 발전시킨 Long short-term memory(LSTM) 모델이 언어모델에 사용되고 있다. 이러한 모형에 자료를 입력하기 위해서는 문장을 단어 혹은 형태소로 분해하는 과정을 거친 후 단어 레벨 혹은 형태소 레벨의 모형을 사용하는 것이 일반적이다. 하지만 이러한 모형은 텍스트가 포함하는 단어나 형태소의 수가 일반적으로 매우 많기 때문에 사전 크기가 커지게 되고 이에 따라 모형의 복잡도가 증가하는 문제가 있고 사전에 포함된 어휘 외에는 생성이 불가능하다는 등의 단점이 있다. 특히 한국어와 같이 형태소 활용이 다양한 언어의 경우 형태소 분석기를 통한 분해과정에서 오류가 더해질 수 있다. 이를 보완하기 위해 본 논문에서는 문장을 자음과 모음으로 이루어진 음소 단위로 분해한 뒤 입력 데이터로 사용하는 음소 레벨의 LSTM 언어모델을 제안한다. 본 논문에서는 LSTM layer를 3개 또는 4개 포함하는 모형을 사용한다. 모형의 최적화를 위해 Stochastic Gradient 알고리즘과 이를 개선시킨 다양한 알고리즘을 사용하고 그 성능을 비교한다. 구약성경 텍스트를 사용하여 실험을 진행하였고 모든 실험은 Theano를 기반으로 하는 Keras 패키지를 사용하여 수행되었다. 모형의 정량적 비교를 위해 validation loss와 test set에 대한 perplexity를 계산하였다. 그 결과 Stochastic Gradient 알고리즘이 상대적으로 큰 validation loss와 perplexity를 나타냈고 나머지 최적화 알고리즘들은 유사한 값들을 보이며 비슷한 수준의 모형 복잡도를 나타냈다. Layer 4개인 모형이 3개인 모형에 비해 학습시간이 평균적으로 69% 정도 길게 소요되었으나 정량지표는 크게 개선되지 않거나 특정 조건에서는 오히려 악화되는 것으로 나타났다. 하지만 layer 4개를 사용한 모형이 3개를 사용한 모형에 비해 완성도가 높은 문장을 생성했다. 본 논문에서 고려한 어떤 시뮬레이션 조건에서도 한글에서 사용되지 않는 문자조합이 생성되지 않았고 명사와 조사의 조합이나 동사의 활용, 주어 동사의 결합 면에서 상당히 완성도 높은 문장이 발생되었다. 본 연구결과는 현재 대두되고 있는 인공지능 시스템의 기초가 되는 언어처리나 음성인식 분야에서 한국어 처리를 위해 다양하게 활용될 수 있을 것으로 기대된다.