• 한국산학기술학회논문지
• /
• 제5권2호
• /
• pp.141-149
• /
• 2004

이 연구의 목적은 Lepilemuridae(여우원숭이속) 4종의 핵형은 그들의 선조격인 두 종의 교잡된 핵형으로부터 형성되었음을 검증하는데 목적이 있다. 여우원숭이 속의 가상적인 선조종의 반수체 핵형은 18개의 상염색체와 x염색체로 구성된다. L. mustelinus(LMU)의 핵형은 염색체 4개가 연속적으로 융합된 염색체와 하나의 Robertsonian 전이 염색체 쌍을 가진다. LSS의 핵형은 단지 2쌍의 상호전위된 염색체를 가지고 있다. 우리들은 LMU와 LSS의 조상핵형(anc LMU and ant LSS)을 재구성할 수 있었고, 그로부터 다른 4종의 Lepilemur가 생성될 수 있었다. anc LMU와 anc LSS의 교잡종은 배우자 형성시 환형의 배치를 거치면서 전혀 다른 형태로 융합된 유전적으로 완전한 배우자를 형성할 수 있다. L. dorsalis의 핵형이 구성되기 위해서는 교잡종의 5조의 Trivalent염색체가 감수분열 중기에 환의 모양으로 배열되면서 인접한 단부동원체들이 융합되어 새로운 핵형인 L. dorsalis의 핵형이 만들어진다. L. leucopus의 핵형은 위와 같이 환모양을 구성하기 위해 배열된 Trivalent 염색체 조들 중에서 단지 한 조가 먼저와 다른 방향으로 환속에 위치하게 되므로써 이웃한 단부동원체들이 융합되어 L. leucopus의 핵형을 형성한다. L. ruficaudatus의 반수체 핵형이 만들어 지는 데에는 환으로 배열될 때 7개의 상동염색체 쌍이 배열되고 이웃하는 단부동원체들의 융합에 의해 새로운 조합으로 된 L. ruficaudatus의 반수체 핵형이 형성된다. L. edwardsi의 반수체 배우자가 형성될 때는 LRE가 만들어 질 때의 환형에서 단지 하나의 삼동염색체 쌍이 분리되므로써 LED의 반수체 핵형이 생성된다. 이러한 기전에 의해서 만들어진 새로운 완전한 배우체들은 동일한 형태의 배우자와 수정되므로써 새로운 상동염색체를 가진 종 L. dorsalis, L. leucopus, L. ruficaudatus, L. edwardsi가 형성되었다 이 결과들은 유전적으로 완전한 새로운 종이 교잡종의 군집으로부터 활성화된 염색체들의 융합, 접합기에서 환형으로의 배열 기전을 통해 형성될 수 있다는 이론을 뒷받침한다.

• 마케팅과학연구
• /
• 제18권4호
• /
• pp.61-118
• /
• 2008

본 연구는 국내외 프랜차이즈의 해외진출에 대한 연구들을 바탕으로 국제프랜차이징연구의 전체적인 연구체계를 세워보고, 연구체계를 형성하고 있는 연구요인들을 확인하여 각 연구요소별로 이루어지는 연구주제와 내용을 살펴보고, 앞으로의 연구주제들을 제안하고자 한다. 주요한 연구요소들은 국제프랜차이징의 동기 및 환경 요소과 진출의사결정, 국제프랜차이징의 진입양식 및 발전전략, 국제프랜차이징의 운영전략 및 국제프랜차이징의 성과이다. 이외에도 국제프랜차이징 연구에 적용할 수 있는 대리인이론, 자원기반이론, 거래비용이론, 조직학습이론 및 해외진출이론들을 설명하였다. 또한 국제프랜차이징연구에서 보다 중점적으로 개발해야 할 질적, 양적 방법론을 소개하였으며, 마지막으로 국내연구의 동향을 정리하여 추후의 연구방향을 종합적으로 정리하였다.

• 지능정보연구
• /
• 제25권4호
• /
• pp.141-154
• /
• 2019

인터넷 기술과 소셜 미디어의 빠른 성장으로 인하여, 구조화되지 않은 문서 표현도 다양한 응용 프로그램에 사용할 수 있게 마이닝 기술이 발전되었다. 그 중 감성분석은 제품이나 서비스에 내재된 사용자의 감성을 탐지할 수 있는 분석방법이기 때문에 지난 몇 년 동안 많은 관심을 받아왔다. 감성분석에서는 주로 텍스트 데이터를 이용하여 사람들의 감성을 사전 정의된 긍정 및 부정의 범주를 할당하여 분석하며, 이때 사전 정의된 레이블을 이용하기 때문에 다양한 방향으로 연구가 진행되고 있다. 초기의 감성분석 연구에서는 쇼핑몰 상품의 리뷰 중심으로 진행되었지만, 최근에는 블로그, 뉴스기사, 날씨 예보, 영화 리뷰, SNS, 주식시장의 동향 등 다양한 분야에 적용되고 있다. 많은 선행연구들이 진행되어 왔으나 대부분 전통적인 단일 기계학습기법에 의존한 감성분류를 시도하였기에 분류 정확도 면에서 한계점이 있었다. 본 연구에서는 전통적인 기계학습기법 대신 대용량 데이터의 처리에 우수한 성능을 보이는 딥러닝 기법과 딥러닝 중 CNN과 LSTM의 조합모델을 이용하여 감성분석의 분류 정확도를 개선하고자 한다. 본 연구에서는 대표적인 영화 리뷰 데이터셋인 IMDB의 리뷰 데이터 셋을 이용하여, 감성분석의 극성분석을 긍정 및 부정으로 범주를 분류하고, 딥러닝과 제안하는 조합모델을 활용하여 극성분석의 예측 정확도를 개선하는 것을 목적으로 한다. 이 과정에서 여러 매개 변수가 존재하기 때문에 그 수치와 정밀도의 관계에 대해 고찰하여 최적의 조합을 찾아 정확도 등 감성분석의 성능 개선을 시도한다. 연구 결과, 딥러닝 기반의 분류 모형이 좋은 분류성과를 보였으며, 특히 본 연구에서 제안하는 CNN-LSTM 조합모델의 성과가 가장 우수한 것으로 나타났다.