• 제목/요약/키워드: simple system

검색결과 9,694건 처리시간 0.037초

Ensemble of Nested Dichotomies 기법을 이용한 스마트폰 가속도 센서 데이터 기반의 동작 인지 (Ensemble of Nested Dichotomies for Activity Recognition Using Accelerometer Data on Smartphone)

  • 하으뜸;김정민;류광렬
    • 지능정보연구
    • /
    • 제19권4호
    • /
    • pp.123-132
    • /
    • 2013
  • 최근 스마트 폰에 다양한 센서를 내장할 수 있게 되었고 스마트폰에 내장된 센서를 이용항 동작 인지에 관한 연구가 활발히 진행되고 있다. 스마트폰을 이용한 동작 인지는 노인 복지 지원이나 운동량 측정. 생활 패턴 분석, 운동 패턴 분석 등 다양한 분야에 활용될 수 있다. 하지만 스마트 폰에 내장된 센서를 이용하여 동작 인지를 하는 방법은 사용되는 센서의 수에 따라 단일 센서를 이용한 동작인지와 다중 센서를 이용한 동작인지로 나눌 수 있다. 단일 센서를 이용하는 경우 대부분 가속도 센서를 이용하기 때문에 배터리 부담은 줄지만 다양한 동작을 인지할 때에 특징(feature) 추출의 어려움과 동작 인지 정확도가 낮다는 문제점이 있다. 그리고 다중 센서를 이용하는 경우 대부분 가속도 센서와 중력센서를 사용하고 필요에 따라 다른 센서를 추가하여 동작인지를 수행하며 다양한 동작을 보다 높은 정확도로 인지할 수 있지만 다수의 센서를 사용하기 때문에 배터리 부담이 증가한다는 문제점이 있다. 따라서 본 논문에서는 이러한 문제를 해결하기 위해 스마트 폰에 내장된 가속도 센서를 이용하여 다양한 동작을 높은 정확도로 인지하는 방법을 제안한다. 서로 다른 10가지의 동작을 높을 정확도로 인지하기 위해 원시 데이터로부터 17가지 특징을 추출하고 각 동작을 분류하기 위해 Ensemble of Nested Dichotomies 분류기를 사용하였다. Ensemble of Nested Dichotomies 분류기는 다중 클래스 문제를 다수의 이진 분류 문제로 변형하여 다중 클래스 문제를 해결하는 방법으로 서로 다른 Nested Dichotomy 분류기의 분류 결과를 통해 다중 클래스 문제를 해결하는 기법이다. Nested Dichotomy 분류기 학습에는 Random Forest 분류기를 사용하였다. 성능 평가를 위해 Decision Tree, k-Nearest Neighbors, Support Vector Machine과 비교 실험을 한 결과 Ensemble of Nested Dichotomies 분류기를 사용하여 동작 인지를 수행하는 것이 가장 높은 정확도를 보였다.

K-Means Clustering 알고리즘과 헤도닉 모형을 활용한 서울시 연립·다세대 군집분류 방법에 관한 연구 (A Study on the Clustering Method of Row and Multiplex Housing in Seoul Using K-Means Clustering Algorithm and Hedonic Model)

  • 권순재;김성현;탁온식;정현희
    • 지능정보연구
    • /
    • 제23권3호
    • /
    • pp.95-118
    • /
    • 2017
  • 최근 도심을 중심으로 연립 다세대의 거래가 활성화되고 직방, 다방등과 같은 플랫폼 서비스가 성장하고 있다. 연립 다세대는 수요 변화에 따른 시장 규모 확대와 함께 정보 비대칭으로 인해 사회적 문제가 발생 되는 등 부동산 정보의 사각지대이다. 또한, 서울특별시 또는 한국감정원에서 사용하는 5개 또는 25개의 권역 구분은 행정구역 내부를 중심으로 설정되었으며, 기존의 부동산 연구에서 사용되어 왔다. 이는 도시계획에 의한 권역구분이기 때문에 부동산 연구를 위한 권역 구분이 아니다. 이에 본 연구에서는 기존 연구를 토대로 향후 주택가 격추정에 있어 서울특별시의 공간구조를 재설정할 필요가 있다고 보았다. 이에 본 연구에서는 연립 다세대 실거래가 데이터를 기초로 하여 헤도닉 모형에 적용하였으며, 이를 K-Means Clustering 알고리즘을 사용해 서울특별시의 공간구조를 다시 군집하였다. 본 연구에서는 2014년 1월부터 2016년 12월까지 3년간 국토교통부의 서울시 연립 다세대 실거래가 데이터와 2016년 공시지가를 활용하였다. 실거래가 데이터에서 본 연구에서는 지하거래 제거, 면적당 가격 표준화 및 5이상 -5이하의 실거래 사례 제거와 같이 데이터 제거를 통한 데이터 전처리 작업을 수행하였다. 데이터전처리 후 고정된 초기값 설정으로 결정된 중심점이 매번 같은 결과로 나오게 K-means Clustering을 수행한 후 군집 별로 헤도닉 모형을 활용한 회귀분석을 하였으며, 코사인 유사도를 계산하여 유사성 분석을 진행하였다. 이에 본 연구의 결과는 모형 적합도가 평균 75% 이상으로, 헤도닉 모형에 사용된 변수는 유의미하였다. 즉, 기존 서울을 행정구역 25개 또는 5개의 권역으로 나뉘어 실거래가지수 등 부동산 가격 관련 통계지표를 작성하던 방식을 속성의 영향력이 유사한 영역을 묶어 16개의 구역으로 나누었다. 따라서 본 연구에서는 K-Means Clustering 알고리즘에 실거래가 데이터로 헤도닉 모형을 활용하여 연립 다세대 실거래가를 기반으로 한 군집분류방법을 도출하였다. 또한, 학문적 실무적 시사점을 제시하였고, 본 연구의 한계점과 향후 연구 방향에 대해 제시하였다.

TV 시청률과 마이크로블로그 내용어와의 시간대별 관계 분석 (Analysis of the Time-dependent Relation between TV Ratings and the Content of Microblogs)

  • 최준연;백혜득;최진호
    • 지능정보연구
    • /
    • 제20권1호
    • /
    • pp.163-176
    • /
    • 2014
  • 소셜미디어 확산으로 많은 사용자들이 SNS를 통해 자신의 생각과 의견을 표출하며 다른 사용자들과 상호작용하고 있다. 특히 트위터와 같은 마이크로블로그는 짧은 문장을 통해 영화, TV, 사회 현상 등과 같은 공통의 주제에 대해 많은 사람이 즉각적으로 의견을 표출하고 교환하는 플랫폼의 역할을 수행하고 있다. TV방송 프로그램에 대해서도 의견과 감정을 마이크로블로그를 통해 표출하고 있는데, 본 연구에서는 마이크로블로그의 내용과 시청률과의 관계를 살펴보기 위해, 지난 공중파 방송 프로그램에 대한 트윗을 수집하고 부적절한 트윗들을 제거한 후 형태소 분석을 수행하였다. 추출된 형태소뿐 아니라 이모티콘, 신조어 등 사용자가 입력한 모든 단어들을 후보 자질로 삼아 시청률과의 상관관계를 분석하였다. 실험을 위해 2013년 1월부터 10개월간의 예능프로그램 트윗의 데이터를 수집하여 전국 시청률 데이터와 비교 분석을 수행하였다. 트윗의 발생량은 일주일 중 방송된 요일에 가장 많았으며, 특히 방송시간 부근에서 급격히 증가하는 모습을 보였다. 이것은 전국에 동시간에 방송되는 공중파 프로그램의 특성상 공통된 관심 주제를 제공하기 때문에 나타나는 현상으로 여겨진다. 횟수 기반 자질로 방송 일의 총 트윗 수와 리트윗 수, 방송시간 중의 트윗 수와 리트윗 수와 시청률과의 상관 관계를 분석하였으나 모두 낮은 상관 계수를 나타냈다. 이것은 단순한 트윗 발생 빈도는 방송 프로그램의 만족도 또는 시청률을 제대로 반영하고 있지 못함을 의미한다. 내용 기반 자질로 추출한 단어들 중에는 높은 상관관계를 보여주는 단어들이 발견되었으며, 표준어가 아닌 이모티콘과 신조어 중에도 높은 상관관계를 보여주는 자질이 나타났다. 또한 방송시작 전과 후에 따라 상관계수가 높은 단어가 상이함을 발견하였다. 매주 같은 시간에 방송되는 TV 프로그램의 특성상, 방송을 기다리고 기대하는 내용의 트윗과 방송 후 소감을 표현하는 트윗의 내용에 차이가 존재하였다. 이러한 분석결과는 단어에 따라 시청률과 연관성이 높은 시간대가 달라짐을 의미하며, 시청률을 측정하고자 할 때 각 단어들의 시간대를 고려해서 사용해야 함을 의미한다. 본 연구에서 제안한 방법은 기존의 표본 추출을 통해 이루어지는 TV 시청률 측정을 보완할 수 있는 방법에 활용할 수 있으리라 기대된다.

적응형 부스팅을 이용한 파산 예측 모형: 건설업을 중심으로 (Bankruptcy Forecasting Model using AdaBoost: A Focus on Construction Companies)

  • 허준영;양진용
    • 지능정보연구
    • /
    • 제20권1호
    • /
    • pp.35-48
    • /
    • 2014
  • 2013년 건설 경기 전망 보고서에 따르면 주택건설경기 침체 상황의 지속으로 건설 기업의 유동성 위기가 지속될 것으로 전망된다. 건설업은 파산으로 인한 사회적 파급효과가 다른 산업에 비해 큰 편이지만, 업종의 특성상 다른 산업과는 상이한 자본구조와 부채비율, 현금흐름을 가지고 있어서 기업의 파산 예측이 더 어려운 측면이 있다. 건설업은 레버리지가 큰 산업으로 부채비율이 매우 높은 업종이며 현금흐름이 프로젝트 후반부에 집중되는 특성이 있다. 그리고 경기사이클에 따른 부침이 매우 심하여 경기하강국면에선 파산이 급증하는 양상을 보인다. 건설업이 레버리지 산업인 이상 건설업체의 파산율 증가는 여신을 공여한 은행에 큰 부담으로 작용한다. 그럼에도 그간의 파산예측모델이 주로 금융기관에 집중되어 왔고 건설업종에 특화된 연구는 드물었다. 기업의 재무 자료를 바탕으로 한 파산 예측 모델에 대한 연구는 오래 전부터 다양하게 진행되었다. 하지만, 일반적인 기업 전체를 대상으로 하는 모델이기 때문에, 건설 기업과 같이 유동성이 큰 기업의 예측에는 적절하지 못할 수 있다. 건설 산업은 오랜 사업 기간과 대규모 투자, 그리고 투자금 회수가 오래 걸리는 특징을 갖는 자본 집약 산업이다. 이로 인해 다른 산업과는 상이한 자본 구조를 갖기 마련이고, 다른 산업의 기업 재무 위험도를 판단하는 기준과 동일한 적용이 곤란할 수 있다. 최근에는 기계 학습을 바탕으로 한 기업 파산 예측 연구가 활발하다. 기계 학습의 대표적 응용 분야인 패턴 인식을 기업의 파산 예측에 응용한 것이다. 기업의 재무 정보를 바탕으로 패턴을 작성하고 이 패턴이 파산 위험 군에 속하는지 안전한 군에 속하는지 판단하는 것이다. 전통적인 Z-Score와 기계 학습을 이용한 파산 예측과 같은 기존 연구들은 특정 산업 분야가 아닌 일반적인 기업을 대상으로 하기 때문에 기업들의 특성을 전혀 고려하고 있지 못하다. 본 논문에서는 건설 기업을 규모에 따라 각 기법들의 예측 능력을 비교하여 적응형 부스팅이 가장 우수함을 확인하였다. 본 논문은 건설 기업을 자본금 규모에 따라 세 등급으로 분류하고 각각에 대해 적응형 부스팅의 예측력을 분석하였다. 실험 결과 적응형 부스팅이 다른 기법에 비해 예측 결과가 좋았고, 특히 자본금 규모가 500억 이상인 기업의 경우 아주 우수한 결과를 보였다.

회사채 신용등급 예측을 위한 SVM 앙상블학습 (Ensemble Learning with Support Vector Machines for Bond Rating)

  • 김명종
    • 지능정보연구
    • /
    • 제18권2호
    • /
    • pp.29-45
    • /
    • 2012
  • 회사채 신용등급은 투자자의 입장에서는 수익률 결정의 중요한 요소이며 기업의 입장에서는 자본비용 및 기업 가치와 관련된 중요한 재무의사결정사항으로 정교한 신용등급 예측 모형의 개발은 재무 및 회계 분야에서 오랫동안 전통적인 연구 주제가 되어왔다. 그러나, 회사채 신용등급 예측 모형의 성과와 관련된 가장 중요한 문제는 등급별 데이터의 불균형 문제이다. 예측 문제에 있어서 데이터 불균형(Data imbalance) 은 사용되는 표본이 특정 범주에 편중되었을 때 나타난다. 데이터 불균형이 심화됨에 따라 범주 사이의 분류경계영역이 왜곡되므로 분류자의 학습성과가 저하되게 된다. 본 연구에서는 데이터 불균형 문제가 존재하는 다분류 문제를 효과적으로 해결하기 위한 다분류 기하평균 부스팅 기법 (Multiclass Geometric Mean-based Boosting MGM-Boost)을 제안하고자 한다. MGM-Boost 알고리즘은 부스팅 알고리즘에 기하평균 개념을 도입한 것으로 오분류된 표본에 대한 학습을 강화할 수 있으며 불균형 분포를 보이는 각 범주의 예측정확도를 동시에 고려한 학습이 가능하다는 장점이 있다. 회사채 신용등급 예측문제를 활용하여 MGM-Boost의 성과를 검증한 결과 SVM 및 AdaBoost 기법과 비교하여 통계적으로 유의적인 성과개선 효과를 보여주었으며 데이터 불균형 하에서도 벤치마킹 모형과 비교하여 견고한 학습성과를 나타냈다.

전문성 이식을 통한 딥러닝 기반 전문 이미지 해석 방법론 (Deep Learning-based Professional Image Interpretation Using Expertise Transplant)

  • 김태진;김남규
    • 지능정보연구
    • /
    • 제26권2호
    • /
    • pp.79-104
    • /
    • 2020
  • 최근 텍스트와 이미지 딥러닝 기술의 괄목할만한 발전에 힘입어, 두 분야의 접점에 해당하는 이미지 캡셔닝에 대한 관심이 급증하고 있다. 이미지 캡셔닝은 주어진 이미지에 대한 캡션을 자동으로 생성하는 기술로, 이미지 이해와 텍스트 생성을 동시에 다룬다. 다양한 활용 가능성 덕분에 인공지능의 핵심 연구 분야 중 하나로 자리매김하고 있으며, 성능을 다양한 측면에서 향상시키고자 하는 시도가 꾸준히 이루어지고 있다. 하지만 이처럼 이미지 캡셔닝의 성능을 고도화하기 위한 최근의 많은 노력에도 불구하고, 이미지를 일반인이 아닌 분야별 전문가의 시각에서 해석하기 위한 연구는 찾아보기 어렵다. 동일한 이미지에 대해서도 이미지를 접한 사람의 전문 분야에 따라 관심을 갖고 주목하는 부분이 상이할 뿐 아니라, 전문성의 수준에 따라 이를 해석하고 표현하는 방식도 다르다. 이에 본 연구에서는 전문가의 전문성을 활용하여 이미지에 대해 해당 분야에 특화된 캡션을 생성하기 위한 방안을 제안한다. 구체적으로 제안 방법론은 방대한 양의 일반 데이터에 대해 사전 학습을 수행한 후, 소량의 전문 데이터에 대한 전이 학습을 통해 해당 분야의 전문성을 이식한다. 또한 본 연구에서는 이 과정에서 발생하게 되는 관찰간 간섭 문제를 해결하기 위해 '특성 독립 전이 학습' 방안을 제안한다. 제안 방법론의 실현 가능성을 파악하기 위해 MSCOCO의 이미지-캡션 데이터 셋을 활용하여 사전 학습을 수행하고, 미술 치료사의 자문을 토대로 생성한 '이미지-전문 캡션' 데이터를 활용하여 전문성을 이식하는 실험을 수행하였다. 실험 결과 일반 데이터에 대한 학습을 통해 생성된 캡션은 전문적 해석과 무관한 내용을 다수 포함하는 것과 달리, 제안 방법론에 따라 생성된 캡션은 이식된 전문성 관점에서의 캡션을 생성함을 확인하였다. 본 연구는 전문 이미지 해석이라는 새로운 연구 목표를 제안하였고, 이를 위해 전이 학습의 새로운 활용 방안과 특정 도메인에 특화된 캡션을 생성하는 방법을 제시하였다.

지능형 전망모형을 결합한 로보어드바이저 알고리즘 (Robo-Advisor Algorithm with Intelligent View Model)

  • 김선웅
    • 지능정보연구
    • /
    • 제25권2호
    • /
    • pp.39-55
    • /
    • 2019
  • 최근 은행과 증권회사를 중심으로 다양한 로보어드바이저 금융상품들이 출시되고 있다. 로보어드바이저는 사람 대신 컴퓨터가 포트폴리오 자산배분에 대한 투자 결정을 실행하기 때문에 다양한 자산배분 알고리즘이 활용되고 있다. 본 연구에서는 대표적 로보어드바이저 알고리즘인 블랙리터만모형의 강점을 살리면서 객관적 투자자 전망을 도출할 수 있는 지능형 전망모형을 제안하고 이를 내재균형수익률과 결합하여 최종 포트폴리오를 도출하는 로보어드바이저 자산배분 알고리즘을 새로이 제안하며, 실제 주가자료를 이용한 실증분석 결과를 통해 전문가의 주관적 전망을 대신할 수 있는 지능형 전망모형의 실무적 적용 가능성을 보여주고자 한다. 그동안 주가 예측에서 우수한 성과를 보여주었던 기계학습 방법 중 SVM 모형을 이용하여 각 자산별 기대수익률에 대한 예측과 예측 확률을 도출하고 이를 각각 기대수익률에 대한 투자자 전망과 전망에 대한 신뢰도 수준의 입력변수로 활용하는 지능형 전망모형을 제안하였다. 시장포트폴리오로부터 도출된 내재균형수익률과 지능형 전망모형의 기대수익률, 확률을 결합하여 최종적인 블랙리터만모형의 최적포트폴리오를 도출하였다. 주가자료는 2008년부터 2018년까지의 132개월 동안의 8개의 KOSPI 200 섹터지수 월별 자료를 분석하였다. 블랙리터만모형으로 도출된 최적포트폴리오의 결과가 기존의 평균분산모형이나 리스크패리티모형 등과 비교하여 우수한 성과를 보여주었다. 구체적으로 2008년부터 2015년까지의 In-Sample 자료에서 최적화된 블랙리터만모형을 2016년부터 2018년까지의 Out-Of-Sample 기간에 적용한 실증분석 결과에서 다른 알고리즘보다 수익과 위험 모두에서 좋은 성과를 기록하였다. 총수익률은 6.4%로 최고 수준이며, 위험지표인 MDD는 20.8%로 최저수준을 기록하였다. 수익과 위험을 동시에 고려하여 투자 성과를 측정하는 샤프비율 역시 0.17로 가장 좋은 결과를 보여주었다. 증권계의 애널리스트 전문가들이 발표하는 투자자 전망자료의 신뢰성이 낮은 상태에서, 본 연구에서 제안된 지능형 전망모형은 현재 빠른 속도로 확장되고 있는 로보어드바이저 관련 금융상품을 개발하고 운용하는 실무적 관점에서 본 연구는 의의가 있다고 판단된다.

생육환경 분석을 통한 서울·인천·경기지역 천연기념물 노거수의 관리방안 (Management Guidelines on the Large Old Trees as the Natural Monuments in Seoul, Incheon, and Gyeonggi Province through the Analysis of the Growing Environment)

  • 이승제
    • 헤리티지:역사와 과학
    • /
    • 제42권1호
    • /
    • pp.88-99
    • /
    • 2009
  • 본 연구는 우리나라 노거수의 생육환경의 악화 및 훼손에 따른 관리방안을 제시하기 위하여 천연기념물 노거수의 생육환경을 분석함으로서 과학적인 보호관리대책을 수립하기 위한 목적으로 실시하였다. 연구대상지는 서울, 인천, 경기 지역의 천연기념물 노거수 20주를 대상으로 개체별 특성을 파악하였다. 생물학적 특성은 수종명, 수령, 수고, 근원둘레 4개항목을 조사하고, 입지현황은 입지유형, 입지환경의 2개 항목, 근원부 성상은 나지화, 복토깊이의 2개 항목, 건강도는 고사지율, 공동크기, 수피이탈율, 병충해, 신초생장의 5개 항목, 토양환경은 토양 pH, 유기물함량, 유효인산, 치환성양이온(K, Ca), 토양경도의 6개 항목으로 설정되었다. 이와 같은 조사항목별 현황조사 결과를 토대로 노거수의 입지현황과 생육환경 및 토양환경과의 상호관련성을 파악하기 위하여 상관관계 분석을 실시하여 노거수의 건강에 가장 영향을 끼치는 인자를 구명하고, 이에 따른 과학적인 관리방안을 제시하고자 하였다. 조사항목별 현장조사 결과 생물학적 특성에 있어서는 천연기념물 노거수는 백송(4주), 은행나무(3주), 향나무(3주), 다래, 등나무, 측백나무, 굴참나무, 탱자나무(2주), 회화나무, 느티나무, 물푸레나무, 소나무로 12종로 분포하였으며, 수고는 4.2~39.2m, 근원둘레 1.01~15.2m이었다. 입지현황은 건물내부형(4주), 유적지형(5주), 주택지형, 들판형, 동산형이 각 3주, 하천 및 해변형이 각 1주로 구분되었으며, 생육환경의 나지화 정도에 있어서는 조사지역 중 75%가 나지화가 진행된 상태이며, 복토깊이는 복토되지 않은 지역 4주(25%)를 제외하고 10cm 이상 복토가 이루어졌다. 건강도에 있어서 첫째, 고사지율은 용문사 은행나무 20%, 강화군 사기리 탱자나무 5%였으며, 그 외 지역은 관리가 이루어져 고사지가 발생되지 않은 상태이었다. 둘째, 공동크기에 있어서는 전 조사지역에서 $5{\sim}100cm^3$로 공동이 발생하였으며, 셋째, 수피이탈율에 있어서는 5~50%로서 공동발생이 높은 서울지역의 수송동 백송 및 문묘의 백송, 삼청동 등나무, 강화군 사기리 탱자나무가 45%로 높은 수피이탈율을 나타내었다. 넷째, 병해충의 피해는 인위적인 관리가 이루어지고 있어 경미한 상태이었으며, 다섯째, 신초생장에 있어서 창덕궁, 선농당 향나무의 신초생장이 1/2로서 주변 대기오염의 영향을 받고 있는 것으로 사료되었으며, 파주 적성면의 물푸레나무, 이천 백사 도립리의 소나무는 신초의 생장상태가 양호하여 근원부 복토가 되지 않아 신초생장에 영향을 미치는 것으로 사료되었다. 토양환경에 있어서 토양 pH 5.2~8.3, 유기물함량 및 유효인산이 각각 12~56%, 104~618ppm으로서 토양의 시비 관리가 이루어지고 있는 것으로 파악할 수 있었다. 토양경도에 있어서는 7~28mm이었으며, 조사대상 중 수송동의 백송, 삼청동의 측백나무, 문묘 은행나무, 용문사 은행나무 지역은 토양경도 21~28mm로 나지화 현상이 심하게 나타나고 있었다. 이러한 조사결과를 토대로 상관관계분석을 실시하였는데, 복토깊이가 수목의 생육에 커다란 영향을 미치는 것으로 분석되었으며, 향후 세부적인 자료구축을 통한 상관관계성 규명이 필요할 것으로 사료되었다. 본 연구를 통하여 노거수의 주변환경으로 건물, 시설지의 제한적인 관리 및 규제 등을 통한 인위적인 영향을 최소화하고 노거수의 양호한 생육을 위한 복토제거 등 근권확보가 필요할 것으로 사료되었다. 이와 같은 노거수 환경에 따른 문제점을 극복하고, 지속적인 관리시스템 구축을 위하여 동일 수종별 객관적인 비교, 분석을 통한 적정한 생육환경 조성 방안의 구축이 필요하며, 지속적인 모니터링을 생육의 피해현상 및 토양환경과의 지속적인 데이터축적을 통하여 관리 시스템의 정립이 이루어져야 할 것이다.

문화재(文化財)의 국제적 불법 거래(不法 去來)에 관한 고찰 (An Examination into the Illegal Trade of Cultural Properties)

  • 조부근
    • 헤리티지:역사와 과학
    • /
    • 제37권
    • /
    • pp.371-405
    • /
    • 2004
  • 문화재의 국제적인 유통행위는 다수 국가가 관계되므로 이 문제 해결을 위해서는 국제법적인 접근이 필수적이다. 2차대전 이후 문화재의 가치가 물질적 가치에서 국가와 민족의 정체성 확립을 위한 정신적 민족적인 측면의 가치가 중시되면서 신생 독립국과 식민제국들 간에 문화재의 소유권 다툼이 쟁점화 되어 문화재 반환을 목적으로 하는 국제적인 협력과 법제도적인 장치의 모색이 필요하게 되었다. 문화재의 불법거래에 관한 국제협약으로 유네스코(UNESCO)를 중심으로 문화재의 준비적 보존의무를 부과하는 1954년 "전시 문화재 보호에 관한 협약", 문화재 반 출입에 대한 통제와 반출에 허가장 발급을 통해 불법 취득 유통 억제를 위한 1970년 "문화재불법 반 출입 및 소유권 양도의 금지와 예방수단에 관한 협약", 도난이나 불법적으로 반출된 문화재의 국제적 반환을 의무화한 1995년 "유니드로와 협약"이 있다. 또한 유엔(UN)의 산하 기관으로 유네스코(UNESCO)는 특히 소위 문화재 분과(the Division of Cultural Heritage)를 마련하여 문화재에 대한 관계업무 처리에 주력하여 오고 있으며, UN 총회 역시 1973년의 결의 3187 이후로 문화재 보호에 관하여 계속적인 관심을 표현하여 오고 있는데 그 기본내용은 문화재의 원산국에로의 반환에 관한 국제 협력을 확인하고, 각국에 예술품 및 문화재의 불법거래 금지 및 방지를 위한 적절한 조처를 권고하며, 자국내 문화재에 대한 목록화 작업을 권고함과 아울러 종국적으로 많은 국가가 유네스코(UNESCO) 협약의 당사국이 되어 국제적인 협력체제의 구성원이 될 것을 권장하는 것이다. 국제협약의 한계로 협약상의 문화재에 대한 정의 차이가 존재한다. 먼저 1954년 협약상의 문화재는 동산에만 국한되는 것이 아니라 부동산도 포함하고 있는데 1970년 협약은 그 제정 목적이 '문화재의 불법적인 반 출입 및 소유권 양도의 금지와 방지수단'의 강구에 있으며 따라서 그 규율대상도 원칙적으로 유형의 동산문화재(tangible movable cultural property)에 국한된다고 봐야할 것이다. 1995년 협약도 역시 동산문화재를 규율대상으로 삼고 있다. 이 두 협약은 이 점에서 1954년 협약이나 주로 부동산적인 특성을 갖는 문화유산 및 자연유산을 대상으로 하는 1972년의 협약과 차이를 보이고 있다. 이러한 차이는 문화재의 개념에 대한 내재적인 차이를 반영하는 것이 아니라 주어진 협약의 제정 목적 및 취지가 다름에서 기인하는 것이다. 우리나라의 경우 1866년의 병인양요, 일본에 의한 36년간의 식민통치, 군정기, 경제 개발기 등을 통하여 다수의 문화재가 해외로 유출되었다. 물론 이들 문화재를 전부 반환 받을 수도 없고 또 받을 필요도 없는 것이지만, 이들 중 일부는 한국 사회의 문화적 역사적 정체성의 형성에 중요한 역할을 한다거나 또는 이들의 외국(특히, 일본)에서의 소재가 과거 한국민에 대한 지배의 상징으로서 기능한다거나 할 경우 반환 문제가 제기될 수 있을 것이다. 이러한 경우에 우리의 입론을 강화하기 위해서는 1954년 협약 및 제1의정서의 비준은 적극적으로 고려해야 한다고 판단된다. 반환을 요구할 경우 우선 문화재의 도난 여부가 핵심이며 이 경우 국제협약에 따라 조치하면 될 것이지만 외교적 협상의 단계에 이르면 이 문제는 정치적 문제가 될 것이다. 이 경우 반환을 요구하는 국가는 상대국이 문화재를 반환하도록 유도해야 한다. 문화재의 불법거래 방지에 대한 절실한 필요성에 반해, 동북아 지역 국가 및 시민사회의 방지노력은 대단히 미흡한 실정인 바, 이를 실현하기 위한 국가 및 시민 사회적 차원의 체계적인 노력이 동아시아 지역 전체에서 활발하게 전개하여야 할 것이다. 문화재의 불법적인 거래를 가장 효과적으로 막을 수 있는 방법은 인터폴(Interpol) 회원국간 정보를 신속히 유통시키는 것인데 이를 위해서는 인터넷 기술에 바탕을 둔 통신 시스템을 개발해야 하며 도난당한 문화재의 불법거래를 방지하기 위한 보다 효율적인 방안으로 문화재 보호 법률의 도입, 국제협약의 가입, 수집품 목록 구축 등의 조치가 필요하다고 본다.

스마트폰 다종 데이터를 활용한 딥러닝 기반의 사용자 동행 상태 인식 (A Deep Learning Based Approach to Recognizing Accompanying Status of Smartphone Users Using Multimodal Data)

  • 김길호;최상우;채문정;박희웅;이재홍;박종헌
    • 지능정보연구
    • /
    • 제25권1호
    • /
    • pp.163-177
    • /
    • 2019
  • 스마트폰이 널리 보급되고 현대인들의 생활 속에 깊이 자리 잡으면서, 스마트폰에서 수집된 다종 데이터를 바탕으로 사용자 개인의 행동을 인식하고자 하는 연구가 활발히 진행되고 있다. 그러나 타인과의 상호작용 행동 인식에 대한 연구는 아직까지 상대적으로 미진하였다. 기존 상호작용 행동 인식 연구에서는 오디오, 블루투스, 와이파이 등의 데이터를 사용하였으나, 이들은 사용자 사생활 침해 가능성이 높으며 단시간 내에 충분한 양의 데이터를 수집하기 어렵다는 한계가 있다. 반면 가속도, 자기장, 자이로스코프 등의 물리 센서의 경우 사생활 침해 가능성이 낮으며 단시간 내에 충분한 양의 데이터를 수집할 수 있다. 본 연구에서는 이러한 점에 주목하여, 스마트폰 상의 다종 물리 센서 데이터만을 활용, 딥러닝 모델에 기반을 둔 사용자의 동행 상태 인식 방법론을 제안한다. 사용자의 동행 여부 및 대화 여부를 분류하는 동행 상태 분류 모델은 컨볼루션 신경망과 장단기 기억 순환 신경망이 혼합된 구조를 지닌다. 먼저 스마트폰의 다종 물리 센서에서 수집한 데이터에 존재하는 타임 스태프의 차이를 상쇄하고, 정규화를 수행하여 시간에 따른 시퀀스 데이터 형태로 변환함으로써 동행 상태분류 모델의 입력 데이터를 생성한다. 이는 컨볼루션 신경망에 입력되며, 데이터의 시간적 국부 의존성이 반영된 요인 지도를 출력한다. 장단기 기억 순환 신경망은 요인 지도를 입력받아 시간에 따른 순차적 연관 관계를 학습하며, 동행 상태 분류를 위한 요인을 추출하고 소프트맥스 분류기에서 이에 기반한 최종적인 분류를 수행한다. 자체 제작한 스마트폰 애플리케이션을 배포하여 실험 데이터를 수집하였으며, 이를 활용하여 제안한 방법론을 평가하였다. 최적의 파라미터를 설정하여 동행 상태 분류 모델을 학습하고 평가한 결과, 동행 여부와 대화 여부를 각각 98.74%, 98.83%의 높은 정확도로 분류하였다.