• 지능정보연구
• /
• 제22권4호
• /
• pp.193-215
• /
• 2016

최근 다양한 소셜 네트워크 서비스의 증가로 인해 사용자들은 각자의 목적 및 취향에 따라 여러 매체를 동시에 이용하는 경향을 보이고 있다. 또한 특정 주제에 대한 정보를 수집할 때에도 소셜 네트워크 서비스, 인터넷 뉴스, 블로그 등 여러 매체를 동시에 활용하는 것이 일반적이다. 하지만 다양한 매체를 통해 유통되는 문서들은 서로 유사한 주제, 심지어는 동일한 내용을 다루더라도 각 매체 별 정책 및 기준에 따라 각기 다른 카테고리로 관리되고 있으며, 이는 이종 매체를 아우르는 범위에서 특정 카테고리에 대한 탐색을 수행하고자 하는 시도에 걸림돌로 작용하고 있다. 이러한 제약을 극복하기 위해, 본 연구에서는 기존 매체 고유의 카테고리 체계는 그대로 유지하면서 이종 매체 간 카테고리 매핑을 수행하는 방법을 제시한다. 즉, 개별 문서를 다양한 매체의 관점에서 재분류하고 이러한 결과를 문서에 2차원 레이블로 저장함으로써, 이종 매체에 속한 다양한 문서들을 마치한 매체에 속한 것과 같이 동일한 카테고리 기준으로 탐색할 수 있는 논리적 장치를 제안한다. 본 논문에서는 국내 인터넷 뉴스 포털 사이트 두 곳의 뉴스 기사 6,000건에 대해 제안 방법론을 적용한 실험을 통해 각 기사에 매체와 카테고리 정보로 구성된 2차원 레이블을 부여하였으며, 매체 간, 지도 학습과 준지도 학습 간, 동질 학습 데이터와 이질학습 데이터 간의 정확도 비교 실험을 수행하였다. 특히 매우 흥미롭게도, 일부 카테고리에서 이질 학습 데이터를 사용한 준지도 학습의 분류 정확도가 지도 학습 및 동질 학습 데이터를 사용한 준지도 학습의 분류 정확도보다 높게 나타나는 현상을 발견하였다.

• Journal of Nutrition and Health
• /
• 제51권6호
• /
• pp.590-598
• /
• 2018

최근 인기 있는 반조리 식품 시장의 성장과 더불어 소비자의 음식에 대한 관여도가 높아짐에 따라 맛성분을 기초로 하는 소스 종류가 다양하게 출시되고 있다. 따라서 소스 시장이 점차 성장함에 따라, 본 연구에서는 미국과 일본 소비자의 음식관여도 (FIS)와 함께 다양해지는 소스 제형 종류 중 하나인 블록형 소스에 대한 친숙도에 대한 인식과 더불어 호감도, 기대도가 향후 블록형 소스 이용의도에 긍정적인 영향을 미치는지에 대하여 국적별로 비교하여 분석하고자 하였다. 선행연구를 바탕으로 개발된 설문 조사지를 이용하여 미국 소비자 150명과 일본 소비자 150명을 대상으로 설문조사를 수행하였으며, 그 중 총 미국 149부와 일본 112부가 분석에 이용되었다. 그 결과 FIS에 대해 미국 소비자는 '요리하는 것은 재미있는 일이 아니다(역코딩)', '나는 먹었거나 앞으로 먹을 것에 대해 이야기하고 싶다', '내가 여행 시 가장 기대하는 것들 중 하나가 그곳의 음식을 먹는 것이다', '나는 음식을 먹은 후에 대부분 청소를 한다', '나는 음식 쇼핑을 대부분 내가 한다', '나는 테이블이 멋지게 세팅되어 있는지 신경 쓴다'에 대해 일본 소비자보다 높게 인식하는 것으로 나타났다. 일본 소비자의 경우 '나는 음식에 대한 생각을 매일 하지 않는다 (역코딩)', '다른 일상적인 결정과 비교할 때, 음식 선택은 그다지 중요하지 않다 (역코딩)', '나는 다른 사람들과 나 자신을 위해 요리를 즐긴다', '내가 식사할 때 음식이 어떤 맛인지에 대해 다른 사람에게 말하지 않는다 (역코딩)', '나는 음식을 섞거나 자르는 것을 좋아하지 않는다(역코딩)'에 대해 미국 소비자보다 높게 인식하는 것으로 나타났다. 따라서 미국 소비자는 일본 소비자에 비해 요리 과정이나 테이블 세팅, 식품 쇼핑 등 음식 자체 보다는 음식을 제공하는 방법에 대해 더 높게 인식하는 것으로 나타났으며, 이는 선행연구와 비슷한 경향을 보였다. 일본 소비자는 미국 소비자에 비해 음식을 준비하고 먹는 과정에 대해 더 높게 인식하는 것으로 판단된다. 더불어 미국 응답자의 71.1%, 일본 응답자의 26.7%가 '블록형 소스 이용 경험 없음'으로 나타나, 미국 소비자는 일본 소비자에 비해 블록형 소스 이용 빈도가 낮은 것으로 나타났다. 이러한 결과로서 미국 소비자의 블록형 소스에 대한 친숙도를 제외하고 호감도, 기대도가 블록형 소스 이용 의도에 정(+)의 영향을 미치는 것으로 나타났으나, 반대로 일본 소비자는 블록형 소스에 대한 호감도를 제외하고 친숙도, 기대도가 블록형 소스 이용 의도에 정(+)의 영향을 미치는 것으로 나타났다. 따라서 이러한 결과를 바탕으로 미국 소비자는 물만 부으면 음식이 완성되는 간편한 한식 혹은 식품 쇼핑 시 편리함을 강조 할 수 있는 컨셉으로 블록형 소스에 대한 호감도와 기대도를 높이는 전략을 이용하며, 일본은 한식 만드는 과정을 도와주는 개념으로 블록형 소스에 대한 친숙도와 기대도를 높이는 전략을 통해 시장에 접근해야 할 것으로 판단된다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.1-23
• /
• 2018

E-commerce 환경의 발전으로 소비자들은 다양한 상품들을 한 자리에서 폭 넓게 비교할 수 있게 되었다. 하지만 온라인 쇼핑몰에 올라와있는 상당량의 주요 상품 정보들이 이미지 형태이기 때문에 컴퓨터가 인지할 수 있는 텍스트 기반 검색 시스템에 반영될 수 없다는 한계가 존재한다. 이러한 한계점은 일반적으로 기존 기계학습 기술 및 OCR(Optical Character Recognition) 기술을 활용해, 이미지 형태로 된 키워드를 인식함으로써 개선할 수 있다. 그러나 기존 OCR 기술은 이미지 안에 글자가 아닌 그림이 많고 글자 크기가 작으면 낮은 인식률을 보인다는 문제가 있다. 이에 본 연구에서는 기존 기술들의 한계점을 해결하기 위하여, 딥러닝 기반 사물인식 모형 중 하나인 SSD(Single Shot MultiBox Detector)를 개조하여 이미지 형태의 상품 카탈로그 내의 텍스트 인식모형을 설계하였다. 하지만 이를 학습시키기 위한 데이터를 구축하는 데 상당한 시간과 비용이 필요했는데, 이는 지도학습의 방법론을 따르는 SSD 모형은 훈련 데이터마다 직접 정답 라벨링을 해줘야 하기 때문이다. 본 연구는 이러한 문제점을 해결하기 위해 '훈련 데이터 자동 생성 프로그램'을 함께 개발하였다. 훈련 데이터 자동 생성 프로그램을 통해 수작업으로 데이터를 만드는 것에 비하여 시간과 비용을 대폭 절감할 수 있었으며, 생성된 훈련용 데이터를 통해 모형의 인식 성능을 높일 수 있었다. 더 나아가 실험연구를 통해 자동으로 생성된 훈련 데이터의 특징별로 인식기 모형의 성능에 얼마나 큰 영향을 끼치는지 알아보고, 성능 향상에 효과적인 데이터의 특징을 분석하였다. 본 연구를 통해서 개발된 상품 카탈로그 내 텍스트 인식모형과 훈련 데이터 자동 생성 프로그램은 온라인 쇼핑몰 판매자들의 상품 정보 등록 수고를 줄여줄 수 있으며, 구매자들의 상품 검색 시 결과의 정확성을 향상시키는 데 기여할 수 있을 것으로 기대한다.

• 지능정보연구
• /
• 제23권2호
• /
• pp.1-17
• /
• 2017

딥러닝 프레임워크의 대표적인 기능으로는 '자동미분'과 'GPU의 활용' 등을 들 수 있다. 본 논문은 파이썬의 라이브러리 형태로 사용 가능한 프레임워크 중에서 구글의 텐서플로와 마이크로소프트의 CNTK, 그리고 텐서플로의 원조라고 할 수 있는 티아노를 비교하였다. 본문에서는 자동미분의 개념과 GPU의 활용형태를 간단히 설명하고, 그 다음에 logistic regression을 실행하는 예를 통하여 각 프레임워크의 문법을 알아본 뒤에, 마지막으로 대표적인 딥러닝 응용인 CNN의 예제를 실행시켜보고 코딩의 편의성과 실행속도 등을 확인해 보았다. 그 결과, 편의성의 관점에서 보면 티아노가 가장 코딩 하기가 어렵고, CNTK와 텐서플로는 많은 부분이 비슷하게 추상화 되어 있어서 코딩이 비슷하지만 가중치와 편향을 직접 정의하느냐의 여부에서 차이를 보였다. 그리고 각 프레임워크의 실행속도에 대한 평가는 '큰 차이는 없다'는 것이다. 텐서플로는 티아노에 비하여 속도가 느리다는 평가가 있어왔는데, 본 연구의 실험에 의하면, 비록 CNN 모형에 국한되었지만, 텐서플로가 아주 조금이지만 빠른 것으로 나타났다. CNTK의 경우에도, 비록 실험환경이 달랐지만, 실험환경의 차이에 의한 속도의 차이의 편차범위 이내에 있는 것으로 판단이 되었다. 본 연구에서는 세 종류의 딥러닝 프레임워크만을 살펴보았는데, 위키피디아에 따르면 딥러닝 프레임워크의 종류는 12가지가 있으며, 각 프레임워크의 특징을 15가지 속성으로 구분하여 차이를 특정하고 있다. 그 많은 속성 중에서 사용자의 입장에서 볼 때 중요한 속성은 어떤 언어(파이썬, C++, Java, 등)로 사용가능한지, 어떤 딥러닝 모형에 대한 라이브러리가 잘 구현되어 있는지 등일 것이다. 그리고 사용자가 대규모의 딥러닝 모형을 구축한다면, 다중 GPU 혹은 다중 서버를 지원하는지의 여부도 중요할 것이다. 또한 딥러닝 모형을 처음 학습하는 경우에는 사용설명서가 많은지 예제 프로그램이 많은지 여부도 중요한 기준이 될 것이다.

• 한국기록관리학회지
• /
• 제10권2호
• /
• pp.75-99
• /
• 2010

인터넷과 컴퓨터의 발전으로 다양한 환경이 끊임없이 제공되고, 이로 인해 대량의 디지털 리소스가 축적, 발신되고 있다. 이는 다양한 문제를 가져왔고, 우리는 디지털 리소스를 미래에 이용가능하도록 지속하고 보존하기 위한 기본적인 문제에 직면하게 되었다. 디지털 리소스를 장기간 보존하기 위해서는 리소스에 적합한 보존 방침과 방법이 필요하고, 따라서 여러 스탠다드가 개발되고 사용되어지고 있다. 메타데이터는 디지털 리소스를 장기간 유지하기 위한 디지털 아카이브에서 가장 중요한 구성요소 중 하나 이다. 디지털 리소스의 아카이빙과 보존을 위해 사용되는 메타데이터는 많이 있다. 그러나 각각의 스탠다드 는 주된 어플리케이션에 따라 각각의 특징을 가지고 있다. 이는 각각의 스키마가 특정한 어플리케이션에 따라 적절하게 선택하고 맞춰지지 않으면 안 되는 것을 의미한다. 경우에 따라서는DCMI의 어플리케이션 프레임워크와 METS와 같이, 스키마는 거대한 프레임워크와 컨테이너 메타데이터로 결합되어 있다. 다양한 메타데이터가 있는 가운데, 본 논문에서는 아카이브를 행하기 위해 용이되어 있는 메타데이터 스키마로, 공문서 혹은 행정문서등의 아카이브를 위해 기술하고 있는 ISAD(G), 디지털 리소스를 위해 작성된 EAD, 보존한 디지털 리소스를 위해 메타데이터 프레임워크를 정의하고 있는 OAIS, 디지털 리소스의 보존을 위한 PREMIS, 그리고 리소스의 관리와 검색을 위해 작성된 AGLS Metadata를 사용하여, '보존해야 되는 리소스에 하나의 메타데이터만을 선택해서 이용한다면 어떠한 문제가 생기는 가'라고 하는 의문을 바탕으로 접근하였다. 본 논문은　기록 생애주기 모델을 기초로, 스탠다드의 특징분석을 통해서 알게 된 메타데이터 스탠다드의 특징을 보여주고 있다. 특징은 이들 스탠다드의 메타데이터 기술요소가 기록 생애주기에서의 작업(task)에 관련하는 것을 간단하게 단일의 프레임워크로 보여줬다. 메타데이터 기술요소의 상세한 분석을 통해서, 우리는 기술 생애주기의 단계와 기술요소 간의 관계의 관점에서부터 스탠다드의 특징을 확실하게 할 수 있었다. 메타데이터 스키마간의 매핑은 다른 스키마가 기록 생애주기에서 사용되기에 장기 보존과정에 있어 자주 요구된다. 따라서 이러한 스키마의 상호운용성을 향상시키기 위해서는 통일된 프레임워크를 구축하는 것이 중요하다. 이 연구에서는 디지털 아카이빙과 보존에 사용되는 다른 메타데이터 스키마의 상호운용성을 기초로 제시한다.

• 한국지리정보학회지
• /
• 제20권3호
• /
• pp.67-79
• /
• 2017

정시성이 보장된 도시철도에 대한 수송 의존도가 높아짐에 따라 수송 능력 뿐만 아니라 이용객의 편의성이 중요시 되고 있다. 이에 본 연구에서는 도시철도역사의 개선 및 신규 역사 건설 시 이동속도, 환승거리와 같은 보행 환경을 사전에 정량적으로 평가하기 위한 시뮬레이터를 개발하였다. 시뮬레이터는 3차원 실내지도 저작 모듈과 보행 알고리즘을 수행하는 모듈로 구성되어 있다. 3차원 실내지도 저작 모듈에서는 3차원 공간 모델링, 네트워크 생성 및 평가 결과 표출 등의 기능을 수행하며, 보행 알고리즘에서는 경로탐색, 통행량 배정, 종합서비스 수준 평가 등의 기능이 있다. 이러한 기능의 핵심적인 부분은 공간정보 DB와 동적 통행정보 DB를 유기적으로 연결하여, 전후 상황 등 다양한 시나리오의 적용과 분석을 반복적으로 수행할 수 있다는 점이다. 또한, 향후 시뮬레이터의 활용 방안 제시를 위해 실제 운영 중인 역사를 대상으로 Test-Bed를 구축하고, 역사통행로의 개선 전 후의 보행 속도를 분석하여 개선 효과에 대한 정량적 지표를 산출하였으며, 향후 추가적인 분석을 위한 DB의 확장 가능성에 대해 논의하였다.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2006년도 추계 종합학술대회 논문집
• /
• pp.333-336
• /
• 2006

e-마켓플레이스는 기업과 기업간의 비지니스 거래를 지원하기 위한 B2B e-Business 시스템의 일종이다. e-마켓플레이스가 활성화된다면 기업간의 거래비용을 절감할 수 있을 뿐만 아니라 판매기회 확대를 도모할 수 있어서 관련 산업의 발전을 기대할 수 있다. 이러한 관점에서 관광산업에서도 e-마켓플레이스의 도입과 활성화가 필요하다. 관광 e-마켓플레이스의 참여자는 여행사, 숙박업체, 운송업체 등 관광관련 기업들이 될 수 있지만 관광객들도 관광 e-마켓플레이스에서 다양한 관광상품을 구입하거나 관광콘텐츠를 검색하기를 원할 것이다. 따라서, 관광 e-마켓플레이스는 기존의 B2B e-Business시스템 특성뿐만 아니라 B2C e-Business 시스템 특성을 동시에 갖고 있어야 한다. 본 논문에서는 관광 e-마켓플레이스의 성공에 영향을 미칠 수 있는 요인들을 파악해보고자 한다. 기존의 B2B e-마켓플레이스의 성공요인과 B2C 관광 웹사이트의 성공 요인들을 분석하여 관광 e-마켓플레이스의 성공영향요인을 설정하고 관광업체 들을 대상으로 설문조사를 실시할 것이다. 수집된 데이터를 로지스틱 회귀분석과 의사 결정나무 분석을 통하여 관광 e-마켓플레이스의 성공을 위한 유의한 시사점을 도출할 것이다.

• 대한교통학회지
• /
• 제23권6호
• /
• pp.91-102
• /
• 2005

사람들은 지식을 저장할 때 독립적으로 분리하여 저장하기 않고 지식을 조직화하여 저장한다. 이와 갈이 사람들이 지식을 위계적으로 저장하는 방법을 최적경로 탐색기법에 도입하고자 한다. 지금까지의 최적경로를 탐색하는 경우에는 각 링크의 통행비용만을 이용하여 교통정보를 제공하고 있다. 그 결과 실제 운전자들이 장거리 통행에서 최적경로를 탐색시 고속도로 선호도를 반영하는데 미흡하였다. 따라서 본 연구에서는 거리에 따른 경로탐색에 있어 binary logistic regression을 이용하여 간선도로 선택확률모형을 개발하여 장거리를 탐색할 때 도로의 위계를 반영하는 최적경로탐색기법을 도입하였다. 또한 최적 경로를 탐색할 경우에 기존 방법은 탐색 시점을 기준으로 한 교통상황을 기반으로 최적경로를 제공하였다. 이는 운전자가실제로 주행을 하면서 경험하게 되는 링크의 통행시간과는 차이를 보이게 된다. 이런 단점을 해결하기 위해 링크의 통행시간을 예측하는 방안이 있다. 확률과정 모형을 이용하여 예측된 링크 통행기간을 기반으로 최적경로 탐색에 적용하였다. 확률과정 모형은 장기 예측에는 다른 모형보다 오차가 적게 발생하며 데이터 양이 많이 축척되어 있는 경우에 다른 예측기법보다 유리하다. 데이터가 균일하게 있지 않아도 적용이 가능하다. 도로 위계를 고려한 방법과 기존의 방법의 탐색속도를 비교한 결과 탐색 노드의 수가 증가함에 따라서 위계를 고려한 방법이 기존의 방법보다 탐색속도가 향상된다. 도로위계를 고려한 방법을 적용하여 탐색한 결과와 택시운전사들의 설문조사를 통해 얻어진 답안을 서로 비교한 결과 많이 일치함을 알 수 있었다.

• 정보처리학회논문지D
• /
• 제9D권2호
• /
• pp.173-184
• /
• 2002

본 논문에서는 대용량 시퀀스 데이터베이스에 타임 워핑을 지원하는 인덱스 기반 서브시퀀스 매칭에 관하여 논의한다. 타임 워핑은 시퀀스의 길이가 서로 다른 경우에도 유사한 패턴을 갖는 시퀀스들을 찾을 수 있도록 해준다. 최근의 연구에서 타임 워핑을 지원하는 효과적인 전체 매칭 기법을 제안된바 있다. 이 기법은 데이터 시퀀스들로부터 타임 워핑에 영향을 받지 않는 특징 벡터들의 집합을 대상으로 인덱스를 구성한다. 또한, 특징 공간상에서의 필터링을 위하여 삼각형 부등식을 만족하는 타임 워핑 거리의 하한 함수를 사용한다. 본 연구에서는 이 기존의 연구에 슬라이딩 윈도우를 기반으로 하는 접두어-질의 방법을 결합하는 새로운 기법을 제안한다. 인덱싱을 위하여 각 슬라이딩 윈도우와 대응되는 서브 시퀀스로부터 특징 벡터를 추출하고, 이 특징 벡터를 인덱싱 애트리뷰트로 사용하는 다차원 인덱스를 구성한다. 질의 처리를 위하여, 조건을 만족하는 질의 접두어들에 대한 특징 벡터들을 이용하여 다수의 인덱스 검색을 수행한다. 제안된 기법은 대용량의 데이터베이스에서도 효과적인 서브시퀀스 매칭을 지원한다. 본 연구에서는 제안된 기법이 착오 기각을 유발시키지 않음을 증명한다. 제안된 기법의 우수성을 규명하기 위하여 다양한 실험을 수행한다. 실험 결과에 따르면, 제안된 기법은 실제 S&P 500 주식 데이터와 대용량의 생성 데이터 모두에 대하여 큰 성능 개선 효과를 보이는 것으로 나타났다.

• 문화기술의 융합
• /
• 제6권3호
• /
• pp.431-436
• /
• 2020

정보의 생명주기가 비교적 짧은 과학기술정보를 무료 또는 유료로 제공하는 정보서비스기관들에게는 그 어느 때보다도 빠르게 변하는 이용자니즈와 행태를 반영하고 최신기술을 접목시켜야 하는 필요성이 대두되고 있다. 본 연구의 목적은 과학기술정보 이용자들의 국내 및 국외 과학기술정보사이트들에 대한 일반적인 인지도와 과학기술정보 속성 별 중요도를 비교 분석하여 각 시스템 별 개선점을 도출하는 데에 있다. 과학기술정보 이용자, 총 816명이 온라인 설문조사에 참여하였으며, 수집한 데이터는 IPA(Importance Performance Analysis) 기법을 포함한 정량적 방법으로 분석하였다. 중요도는 회귀분석을 통해 산출된 임팩트 수치로 평가하였다. 데이터 분석 결과, 과학기술정보사이트에 대한 이용자들의 일반적 인지도는 국가과학기술정보서비스가 비교적 높게 나타났으며, 이와 함께 Google Scholar, Science Direct 등이 높게 나타났다. Google Scholar는 개선영역보다는 많은 강점을 갖춘 것으로 나타났다. 사용자가 선호하는 시스템에 대한 보다 나은 이해는 기존 시스템의 부족한 부분을 개선하는 데 좋은 원동력이 된다. 과학기술정보서비스시스템의 정보검색의 강화 즉, 검색속도 및 기능을 향상시킬 필요가 있으며 편의성 및 사용성을 높인 이용자인터페이스 또한 개선이 요구된다.