• 지능정보연구
• /
• 제22권4호
• /
• pp.247-264
• /
• 2016

저출산 및 인구 고령화가 가속화되면서, 중장년 퇴직자 등 노동 소외 계층의 취업난 해결은 우리 사회의 핵심 과제로 등장하고 있다. 온라인에는 수많은 일자리 요구 정보가 산재해 있으나, 이를 중장년 구직자에게 제대로 매칭시키지는 못하고 있다. 워크넷 취업 로그에 따르면 구직자가 선호하는 직종에 취업하는 경우는 약 24%에 불과하다. 그러므로, 이러한 문제를 극복하기 위해서는 구직자에게 일자리 정보를 매칭시킬 때 선호하는 직종과 유사한 직종들을 추천하는 소프트 매칭 기법이 필수적이다. 본 연구는 중장년층에 특화된 소프트 직업 매칭 알고리즘과 서비스를 고안하고 개발하여 제공하는 것을 목표로 한다. 이를 위하여 본 연구에서는 1) 대용량의 구직 활동 기록인 워크넷 로그로부터 중장년층의 일자리 특성 및 요구 추세를 분석하였다. 2) 중장년층의 일자리 추천을 위해 직종 유사도 기준으로 일자리 분류표(KOCM)를 재정렬하였다. 이 결과를 이용하여, 3) 중장년에 특화된 인력 고용 소프트 매칭 직업 추천 알고리즘(MOMA)을 개발하여 구인 구직 웹사이트에 적용하였다. 자체 저작한 중장년층 특화 일자리 분류표(KOCM)를 이용한 소프트 일자리 매칭 시스템의 정확도를 측정하였을 때, 실제 고용 결과 기준, 하드 매칭 대비 약 20여 배의 성능 향상을 보였다. 본 연구내용을 적용하여 개발한 중장년층 특화 구직 사이트는 중장년층의 구직 과정에서 입력 정보 부담을 최소화하고 소프트 매칭을 통해 사용자의 요구직종에 적합한 일자리를 정확하고 폭넓게 추천함으로 중장년층의 삶의 질 향상에 기여할 수 있을 것으로 기대된다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.29-56
• /
• 2021

전자상거래 시장이 빠르게 성장하면서 다양한 유형의 제품이 출시되고 있으며, 이로 인해 사용자들은 구매 의사결정과정에 많은 시간이 소요되는 정보 과부하 문제에 직면하고 있다. 따라서 사용자에게 맞춤형 제품 및 서비스를 제공해줄 수 있는 개인화 추천 서비스의 중요성이 대두되고 있다. 대표적으로 Netflix, Amazon, Google 등 세계적 기업은 개인화 추천 서비스를 도입하여 사용자의 구매 의사결정을 지원하고 있다. 이에 따라 사용자의 정보탐색 비용이 감소하는 효과가 나타났고, 기업의 매출 상승에도 긍정적인 영향을 끼치고 있다. 기존 개인화 추천 서비스 관련 연구에서 주로 사용된 협업필터링(Collaborative Filtering, CF) 기법은 정량화된 정보를 활용하여 사용자의 선호도를 예측하였다. 그러나 정량화된 정보만을 활용하면 사용자의 구매 의도는 고려하지 못하므로 추천 성능이 저하될 수 있다는 문제점이 제기되고 있다. 이와 같은 기존 연구의 문제점을 개선하기 위해 최근에는 사용자가 작성한 리뷰를 활용한 개인화 추천 서비스 연구가 활발히 진행되고 있다. 그러나 리뷰에는 광고성 내용, 거짓 후기, 의미를 전혀 파악할 수 없거나 제품과 관련 없는 내용 등 구매의사결정을 저해하는 요소들이 포함되어 있다. 이러한 요소들이 포함된 리뷰를 활용하여 추천 서비스를 제공하게 되면, 추천 성능이 저하되는 문제가 발생할 수 있다. 따라서 본 연구에서는 이러한 문제점을 개선하기 위해 Convolutional Neural Network(CNN) 기반 리뷰 유용성 점수 예측을 통한 새로운 추천 방법론을 제안하였다. 본 연구에서 제안하는 유용한 리뷰를 포함하는 방법론과 기존 모든 선호도 평점을 고려하는 추천 방법론을 비교한 결과, 본 연구에서 제안한 방법론이 더 우수한 예측 성능을 나타내고 있음을 확인할 수 있었다. 또한 본 연구의 결과는 리뷰 유용성에 대한 정보를 개인화 추천 서비스에 반영하면 전통적인 CF의 성능을 향상할 수 있음을 시사한다.

• 인터넷정보학회논문지
• /
• 제17권1호
• /
• pp.23-33
• /
• 2016

현재의 스마트 조명은 센서를 통해 사용자의 행위와 위치를 판별한 후 현재 상황에 적합한 조명 환경이 서비스되도록 구성되어 있다. 이러한 센서 기반의 상황인식 기술은 현재까지 단일 사용자만을 고려할 뿐 여러 사용자들의 다양한 상황 발생과 충돌을 해석하기 위한 연구는 미흡하다. 기존 연구에서는 상황충돌을 해결하기 위한 방법론으로 퍼지이론 및 ReBa 등의 알고리즘을 사용해 왔다. 이는 사용자들이 위치한 공간을 여러 영역으로 구분한 후 각 구역별로 서비스를 제공함으로써 발생 가능한 상황충돌의 기회를 회피할 뿐 개인 선호도 기반의 상황충돌 해석이 가능한 맞춤형 서비스 유형으로 볼 수 없다. 본 논문에서는 여러 사용자에게 다양한 상황이 동시 발생되어 서비스 충돌에 직면할 때, 상황의 유형에 따라 부여된 우선순위를 기준으로 서비스를 결정하는 우선순위 기반 다중 상황충돌 해석이 가능한 LED 조명제어시스템을 제안한다. 본 연구에서는 주거환경을 'Living Room', 'Bed Room', 'Study Room', 'Kitchen', 'Bath Room'의 5개 구역으로 구분하고 여러 명의 사용자를 대상으로 각 구역 내에서 발생 가능한 상황들을 'exercising', 'doing makeup', 'reading', 'dining', 'entering' 등 총 20가지로 정의한다. 시스템은 온톨로지 기반 모델을 이용하여 사용자의 다양한 상황을 정의하고 규칙기반의 룰 및 추론엔진을 통해 사용자 중심의 조명환경을 서비스한다. 또한 동일 공간 및 동일 시점에 사용자들 간의 다양한 상황충돌 이슈를 해결하기 위해 사용자 집중력이 요구되는 상황을 최우선으로 정하고, 동일한 우선순위를 가진 상황일 경우 시각적 편안함을 차선으로 순위를 부여하여 충돌 발생 시 서비스 선택의 기준으로 활용한다.

• 인터넷정보학회논문지
• /
• 제18권1호
• /
• pp.105-119
• /
• 2017

현재 국내 인구의 85% 이상이 스마트폰을 사용 중이며, 개인의 사생활과 다양한 정보들이 스마트폰 내부에 저장되어 있다. 이러한 정보를 불법으로 취득하고자 악성코드와 스파이웨어 등을 유포하여 사용자에게는 금전적인 피해를 입히는 사례들이 증가하고 있다. 이에 따라 스마트폰을 이용하는데 있어 정보보안의 필요성은 불가피하며 사용자의 보안 인식이 중요시 되고 있다. 본 논문에서는 정보보안이 사용자들의 스마트폰 운영체제 선택에 어떠한 영향을 미치는지에 대해서 알아보고자 한다. 스마트폰 사용자를 대상으로 온라인 설문조사를 실시하여 수집한 응답지 218개를 샘플로 통계분석 프로그램 IBM SPSS Statistics 22를 사용하여 요인분석을 통한 공통성, 신뢰성 분석 그리고 회귀분석을 통해 가설을 검증하였다. 검증 결과, 하드웨어 환경에 따라 지각된 용이성에 영향을 주는 것을 알 수 있었다. 스마트폰의 사용을 통해 즐거움을 얻고 편하게 사용하고자 하는 소비자의 의도는 스마트폰의 하드웨어가 그 기능을 수행하기 위해 뒷받침되어야 함이 검증되었다. 또한 브랜드 영향력은 지각된 유용성과 지각된 용이성에 모두 영향을 미침을 알 수 있었다. 개인위험 감수정도에 따라 스마트폰 스파이웨어 위험성을 인지하는데 차이가 있다는 가설이 채택되었다. 또한 지각된 유용성, 지각된 용이성, 개인위험 감수정도, 스파이웨어 위험성이 스마트폰 구매의향에 유의한 영향을 준다는 것을 파악하였다. 한편 안드로이드와 iOS 운영체제(OS) 사용자의 집단간 차이분석 결과 두 집단 간에는 유의한 차이가 없음을 알 수 있었다. 본 연구의 결과는 국내 스마트폰 관련 기업 및 실무자에게 중요한 시사점을 줄 수 있고, 정보시스템 관련 분야 연구에 새로운 관점을 제시해 줄 수 있다는 점에서 유용성을 가진다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.157-173
• /
• 2021

소비자의 욕구와 관심에 맞추어 개인화된 제품을 추천하는 추천 시스템은 비즈니스에 필수적인 기술로서의 그 중요성이 증가하고 있다. 추천 시스템의 대표적인 모형 중 협업 필터링은 우수한 성능으로 다양한 분야에서 활용되고 있다. 그러나 협업필터링은 사용자-아이템의 선호도 정보가 충분하지 않을 경우 성능이 저하되는 희소성의 문제가 있다. 또한 실제 평점 데이터의 경우 대부분 높은 점수에 데이터가 편향되어 있어 심한 불균형을 갖는다. 불균형 데이터에 협업 필터링을 적용할 경우 편향된 클래스에 과도하게 학습되어 추천 성능이 저하된다. 이러한 문제를 해결하기 위해 많은 선행연구들이 진행되어 왔지만 추가적인 외부 데이터 또는 기존의 전통적인 오버샘플링 기법에 의존한 추천을 시도하였기에 유용성이 떨어지고 추천 성능 측면에서 한계점이 있었다. 본 연구에서는 CGAN을 기반으로 협업 필터링 구현 시 발생하는 희소성 문제를 해결함과 동시에 실제 데이터에서 발생하는 데이터 불균형을 완화하여 추천의 성능을 높이는 것을 목표로 한다. CGAN을 이용하여 비어있는 사용자-아이템 매트릭스에 실제와 흡사한 가상의 데이터를 생성하여, 희소성을 가지고 있는 기존의 매트릭스로만 학습한 것과 비교했을 때 높은 정확도가 예상된다. 이 과정에서 Condition vector y를 이용하여 소수 클래스에 대한 분포를 파악하고 그 특징을 반영하여 데이터를 생성하였다. 이후 협업 필터링을 적용하고, 하이퍼파라미터 튜닝을 통해 추천 시스템의 성능을 최대화하는데 기여하였다. 비교 대상으로는 전통적인 오버샘플링 기법인 SMOTE, BorderlineSMOTE, SVM-SMOTE, ADASYN와 GAN을 사용하였다. 결과적으로 데이터 희소성을 가지고 있는 기존의 실제 데이터뿐만 아니라 기존 오버샘플링 기법들보다 제안 모형의 추천 성능이 우수함을 확인하였으며, RMSE, MAE 평가 척도에서 가장 높은 예측 정확도를 나타낸다는 사실을 증명하였다.

• 감성과학
• /
• 제9권1호
• /
• pp.49-61
• /
• 2006

현재 휴대폰 산업은 국내 경제에 미치는 비중이 매우 크고, 앞으로도 상당 기간 한국 경제를 책임져야 하는 핵심 아이템으로 자리잡았다. 휴대폰의 시장이 거대해지면서 휴대폰을 사용하는 연령층이 넓어졌으며, 가입자 수가 늘어나 소비자 계층, 다양한 연령층 별 선호하는 기능이나 디자인 등이 더욱 다양해지고 있다. 이렇듯 휴대폰이 우리 일상생활에 미치는 영향력과 의미가 크게 변화함에 따라 휴대폰 수요자들이 휴대폰에 갖는 기대도 날로 커지고 있다. 이제 휴대폰의 음성통화라는 핵심기능은 소비자들에 있어 중요한 관심사항이 아니며, 단순한 음성통화 차원을 넘어 편리하고 보다 친근한 정보 입출력, 처리, 저장 등의 기능과 보다 세련되고 사용자 환경에 최적화된 디자인을 요구하고 있다. 그리고 현대 디자인은 일상적으로 소비하는 대상들의 전통적인 고급예술(high art)의 대상들과 비슷해져 감에 따라 인간의 정신적 감성적 가치를 형상화 하여 삶의 질을 향상시키는 새로운 가치를 창출하기 위한 디자인의 심미성은 중요한 제품 차별화 요소로서의 역할을 할 수 있으며, 소비자의 구매의사는 가장 선호하는 디자인이 좌우한다. 이렇듯 디자인 과정에서 가장 중요한 요소라고 할 수 있는 소비자 선호요인을 심미성분석을 통하여 규명함으로써, 소비자가 가장 선호하는 새로운 차원의 휴대폰 디자인의 전개가 절실히 요구되고 있다. 따라서 본 연구는 국가 간의 사용자 선호 휴대폰의 심미성요소 분석을 통해 공통적으로 선호와 상이한 심미성요소는 무엇이고, 중요하게 고려되는 심미성요소의 조형요소는 무엇인지를 알아내어 실제 휴대폰 디자인에 활용할 수 있는 휴대폰의 심미성 가이드라인을 제시하는 데 있다.

• 한국전통조경학회지
• /
• 제28권2호
• /
• pp.109-117
• /
• 2010

본 연구는 베이징 올림픽 경기장과 함께 본격적으로 조성되고 있는 중국 현대 도시공원에 있어 중국 전통원림기법의 적용 내용, 특히 도입전통원림 요소에 대한 시민들의 인식과 선호도를 분석하기 위한 목적으로 수행되었다. 본 연구의 대상으로는 중국의 현대도시공원의 대표격으로서 2008년 중국 베이징 올림픽을 계기로 새롭게 조성된 베이징 올림픽산림공원으로 하였다. 본 연구의 방법으로는 첫째, 베이징 산림공원의 설계개념 등의 분석을 통해 설계요소를 분석하고, 현장조사를 통해 확인한 후, 둘째, 문헌연구를 통해 중국 전통원림의 유 무형의 구성요소를 분석하였다. 셋째, 이상의 이론적 근거 위에서 실증조사를 통해 베이징 산림공원에 나타난 중국 전통원림 요소를 찾아내고, 넷째, 이들 요소를 항목으로 2009년 10월에 설문조사 및 인터뷰를 실시하여 전통원림 요소에 대한 출현빈도 등 인식과 요소별 선호도를 분석하였다. 본 연구 결과는 첫째, 베이징 산림공원에 나타나는 전통원림 요소는 "수(水)"와 "산(山)", "전통원림식물", "원림건축", "전통철학사항", "시정화의 의경" 등인 것으로 물리적 요소와 무형의 철학 사상적 요소로 구분되는 것으로 나타났다. 둘째, 이들 중국 전통원림 요소들의 출현 빈도에 대한 인식은 수(水)와 산(山), 전통원림식물, 전통사상철학, "시정화의 의경", "전통건축물" 순인 것으로 나타났다. 셋째, 전통원림 요소 중, 선호도가 높은 것은 "전통원림건축", "전통원림 철학사상" 및 "시정화의 의경", "전통원림식물" 순으로 나타났으며, 넷째, 전통원림 요소로서 출현빈도가 높은 산, 수, 식물 등 자연적 요소는 전통원림이라기보다는 생태적 기반의 현대적 공원으로 인식하는 경향이 있는 반면, "전통원림건축"과 같은 구조물은 빈도의 출현은 낮으나 강력한 전통원림 요소로 선호도가 높은 것으로 나타났다. 이상의 연구 결과는 현대 도시공원에 전통적 조경설계 기법을 적용함에 있어 사상과 철학 등 무형적 요소가 적용된 경우와 산, 수, 식물 등 자연요소를 도입하고자 할 경우에는 시민들에게 전통조경요소에 대해 충분히 설계의도를 설명할 수 있는 수단이 마련되어야 한다는 시사점을 던지고 있었다.

• 지능정보연구
• /
• 제20권2호
• /
• pp.137-148
• /
• 2014

상품 검색시간의 단축과 쇼핑에 투입되는 노력의 감소 등, 온라인 쇼핑이 주는 장점에 대한 긍정적인 인식이 확산되면서 전자상거래(e-commerce)의 중요성이 부각되는 추세이다. 전자상거래 기업들은 고객확보를 위해 다양한 인터넷 고객관계 관리(eCRM) 활동을 전개하고 있는데, 개인화된 추천 서비스의 제공은 그 중 하나이다. 정확한 추천 시스템의 구축은 전자상거래 기업의 성과를 좌우하는 중요한 요소이기 때문에, 추천 서비스의 정확도를 높이기 위한 다양한 알고리즘들이 연구되어 왔다. 특히 협업필터링(collaborative filtering: CF)은 가장 성공적인 추천기법으로 알려져 있다. 그러나 고객이 상품을 구매한 과거의 전자상거래 기록을 바탕으로 미래의 추천을 하기 때문에 많은 단점들이 존재한다. 신규 고객의 경우 유사한 구매 성향을 가진 고객들을 찾기 어렵고 (Cold-Start problem), 상품 수에 비해 구매기록이 부족할 경우 상관관계를 도출할 데이터가 희박하게 되어(Sparsity) 추천성능이 떨어지게 된다. 취향이 독특한 사용자를 뜻하는 'Gray Sheep'에 의한 추천성능의 저하도 그 중 하나이다. 이러한 문제인식을 토대로, 본 연구에서는 소셜 네트워크 분석기법 (Social Network Analysis: SNA)과 협업필터링을 결합하여 데이터셋의 특이 취향 사용자 (Gray Sheep) 문제를 해소하는 방법을 제시한다. 취향이 독특한 고객들의 구매데이터를 소셜 네트워크 분석지표를 활용하여 전체 데이터에서 분리해낸다. 그리고 분리한 데이터와 나머지 데이터인 두 가지 데이터셋에 대하여 각기 다른 유사도 기법과 트레이닝 셋을 적용한다. 이러한 방법을 사용한 추천성능의 향상을 검증하기 위하여 미국 미네소타 대학 GroupLens 연구팀에 의해 수집된 무비렌즈 데이터(http://movielens.org)를 활용하였다. 검증결과, 일반적인 협업필터링 추천시스템에 비하여 이 기법을 활용한 협업필터링의 추천성능이 향상됨을 확인하였다.

• 지능정보연구
• /
• 제21권4호
• /
• pp.93-110
• /
• 2015

기존의 협업필터링 추천시스템 연구는 상품에 대한 고객의 평점(rating)이나 구매 여부 데이터로부터 하나의 프로파일을 생성하고 이를 기반으로 추천 성능을 향상시킬 수 있는 새로운 알고리즘을 개발하는 위주로 진행되어 왔다. 그러나 빅데이터 환경이 도래하면서 기업이 수집할 수 있는 고객 데이터가 풍부해지고 다양해짐에 따라, 보다 정확하게 고객의 선호도나 행태를 파악하는 것이 가능하게 되었고 이러한 데이터, 즉 퍼스널 빅데이터(personal big data)를 추천시스템에 활용하는 연구의 필요성이 대두되고 있다. 본 연구에서는 마케팅의 시장세분화 이론에 근거하여 퍼스널 빅데이터로부터 고객의 선호도나 행태를 다양한 관점에서 표현할 수 있는 5종의 다중 프로파일(multimodal profile)을 개발하고, 이를 활용하여 협업필터링 추천시스템의 성능을 개선하고자 한다. 제안하는 5종의 다중 프로파일은 프로파일 통합 유사도, 개별 프로파일 유사도 평균, 개별 프로파일 유사도 가중 평균이라는 세 가지 앙상블 기법을 통해 협업필터링의 이웃(neighborhood) 탐색과정에 적용된다. 실제 퍼스널 빅데이터에 본 연구에서 제안하는 방법론을 적용한 결과, 단일 프로파일을 사용하는 협업필터링 알고리즘보다 추천 성능이 상당히 개선되었으며 앙상블 방법 중에서는 개별 프로파일 유사도 가중 평균 기법이 가장 높은 추천 성능을 보여주었다. 본 연구는 빅데이터 환경에서 추천시스템을 개발하고자 할 때, 어떠한 성격의 데이터로부터 고객의 특성을 규명하는 프로파일을 만들고 이를 어떻게 결합하여 사용하는 것이 효과적인 지 처음으로 제안하였다는 점에서 그 의의가 있다.

• 디지털융복합연구
• /
• 제10권3호
• /
• pp.241-250
• /
• 2012

저출산은 생산인구의 감소와 함께 보험료 부담을 가중시키는 문제 뿐 아니라, 종국에는 국가의 존립을 위협하는 묵과할 수 없는 국가적인 정책과제가 되었다. 이에 본 연구는 현 정부의 출산장려정책 중 경제적 지원인 고운맘 카드의 실효성을 알아보고 산모들의 인식조사를 바탕으로 도출된 문제점에 대한 개선안을 제언하고자 한다. 분석방법은 인식도 조사를 위해서는 빈도분석을 이용했으며, 출산장려정책에 대한 선호도를 파악하기 위해 다중응답분석, 고운맘 카드 사용에 대한 만족도와 재출산 의사정도를 알아보기 위한 카이제곱 테스트를 시행했다. 분석결과, 고운맘 카드 사용으로 인한 산모들의 만족도와 재출산 의사간에는 유의한 관련성을 보였다. 또한, 산모들은 정부기관 및 의료기관과 구전으로 전파된 내용에 의해 해당 정책에 접근하는 것으로 나타났다. 그리고 정부의 지원금액 범위 내에서 병원 청구할인서비스 정도만 활용하는 것으로 나타났다. 그러나 지원금액 및 l일 사용 한도금액과 같은 금전적 요인에서 주로 불만을 표출했다. 그에 따른 상향 조정된 희망 개선안을 요구했다. 위의 결과를 토대로, 정부는 정책시행의 궁극적 목적인 출산률의 상승을 위해 고운맘 카드를 개선 발전시켜나가야 할 것이다.