• 지능정보연구
• /
• 제22권3호
• /
• pp.23-43
• /
• 2016

최근 IT기술의 발전에 따라 많은 사람들이 자신들의 여가활동에 대한 경험을 공유하고 있으며, 역으로 다른 사람들의 여가활동에 대한 경험을 참고하여 더 나은 여가활동을 누릴 수 있는 기회를 얻게 되었다. 이러한 현상은 영화, 숙박, 음식, 여행 등 여가활동 전반에 걸쳐 나타나고 있으며, 그 중심에는 여가활동에 대한 정보를 요약하여 제공하는 수많은 사이트가 있다. 대부분의 여가활동 정보 사이트는 각 상품에 대한 평균 평점뿐만 아니라 상세 리뷰를 제공함으로써, 해당 상품을 구매하고자 하는 잠재고객의 의사결정을 지원하고 있다. 하지만 기존 대부분의 사이트는 한 단계의 평가기준에 따라 평점과 리뷰를 제공하기 때문에, 각 평가기준을 구성하는 세부요소에 대한 특징과 평가기준 별 주요 이슈를 파악하기 위해서는 상당히 많은 수의 리뷰를 직접 읽어야 한다는 불편이 따른다. 즉 사용자는 자신이 중요한 것으로 생각하는 평가기준에 대한 조건을 파악하기 위해, 많은 수의 리뷰를 하나하나 읽어보는 과정에서 많은 시간과 노력을 소비하게 된다. 예를 들어 호텔의 접근성, 객실, 서비스, 음식 등 한 단계의 평가기준만을 사용하여 평점과 리뷰를 제공하는 사이트의 경우, 접근성 중 특히 지하철역과의 거리, 객실 중 특히 욕실의 상태를 살펴보고자 하는 사용자에게 필요한 정보를 충분히 제공하지 못하게 된다. 따라서 본 연구에서는 기존 여가활동 정보 사이트의 한계, 즉 평가기준별로 입력된 리뷰를 신뢰하기 어렵다는 점과 평가기준을 구성하고 있는 세부 내용을 파악하기 어렵다는 점을 극복하기 위한 방안을 제시하고자 한다. 본 연구에서 제안하는 방법론은 사용자가 별도의 구분 없이 입력한 리뷰를 그 내용에 따라 평가기준별로 자동 분류하고, 각 평가 기준 별 주요 이슈를 요약하여 제공한다. 제안 방법론은 최근 텍스트 분석에 활발하게 사용되고 있는 토픽 모델링(Topic Modeling)에 기반을 두고 있으며, 각 리뷰를 하나의 문서 단위로 사용하는 것이 아니라 리뷰를 문장 단위로 끊어 개별 리뷰 유닛(Review Unit)으로 분해한 뒤, 평가기준별로 리뷰 유닛을 재구성하여 분석한다는 측면에서 기존의 토픽 모델링 기반 연구와 큰 차이가 있다고 할 수 있다. 본 논문에서는 제안 방법론을 실제 호텔 정보 사이트에서 수집한 423건의 리뷰 문서에 적용하여 6가지 평가기준에 대해 총 4,860건의 리뷰 유닛을 재구성하고, 이에 대한 분석 결과를 소개함으로써 제안 방법론의 유용성을 간접적으로 보인다.

• 한국토양비료학회지
• /
• 제39권5호
• /
• pp.321-327
• /
• 2006

농업환경지표가 OECD 회원국간의 농업환경 비교와 이를 통한 농업환경 개선과 농업정책 수립에 대한 권고의 수단으로만 작용을 하지만 이것이 향후 통상 무역과 연계될 것은 추측 가능한 사실이다. OECD 농업환경지표를 우리나라에 그대로 적용했을 때 얻어진 지표 값이 우리나라의 농업환경을 사실대로 반영하지 못한다면 우리가 받을 피해는 미래에도 작용할 것이므로 이에 대한 새로운 제안을 통해 우리나라에 적합한 지표를 설정해야 한다. OECD에 의해 제안된 농업용수 사용 강도 지표는 논이나 밭에서 이용되거나 배수 유출되는 물의 특성을 모두 반영한 방법이 아니므로 몬순 기후지대에 속하는 한국에 적당하지 않다. 특히, 여름철 집중호우시기에 년 강우량의 2/3가 내리는 강우 특성은 이를 담수해 저장하는 능력을 가진 농경지의 수자원 보유능과 기타의 농업적 특성을 고려한 계산방법으로 농업용수를 산정해야 한다. 논의 경우 강우가 내리거나 관개가 되었을 때 담수나 침투를 통해 물을 지하로 배수해 지하수를 형성하거나 지표의 배수로나 하천을 통해 강이나 저수지로 상당량의 물을 흘려보내 다시 이용할 수 있도록 해준다. 즉, 농업용수로 계산되어 있는 물의 상당량은 다른 농경지나 생활용수 또는 공업용수나 하천 유지용수로 다시 이용된다. 따라서, 물 사용강도에 이용되는 농업용수는 농경지에서 소모되지 않고 지하수로 흘러 들어가거나 하천으로 유입되는 배출수를 고려하여 계산하는 것이 합리적이다. 이렇게 계산하면 22.9%(2001년)로 OECD 계산방법으로 얻어진 47%보다 24.1%가 낮아진다. 합리적인 농업용수 스트레스 지표를 산출하기 위해서는 각 나라마다 다른 나라와 강을 공유하고 있는지의 여부와 농업을 위한 주 취수원이 무엇인지를 살펴보아 그 나라에 적합한 스트레스 지표를 산출하도록 유도하는 것이 바람직할 것이다. 그러나, 실제 물에 대한 스트레스는 강우량, 수계별 수자원 부존량, 사용가능량, 농업용수 총공급수량, 환경 유지용수를 위한 기준 갈수량 확보 가능성, 농업용수 관리현황 및 저수율 분석, 수계별 농업용수 사용 가능량 및 기상 등이 복잡하게 작용할 것이므로 이 모든 인자들을 포함한 지표를 만들기는 쉬운 일이 아니다. 따라서, 우리나라는 OECD의 스트레스 지표와는 달리 환경 위해성 판단이 필요 없고, 계산이 복잡하지 않으며 우리의 환경에 적합하도록 주 취수원인 농업용 저수지의 저수율로 농업용수 스트레스 지표를 산정 했다. 농업용수 사용 기술적 효율지표는 작물의 재배 생리특성 및 이용특성과 지역마다 차이가 나는 기후의 특성을 반영하지 않은 계산의 결과이다. 그러므로 이러한 특성들을 반영하는 기술적 물 이용효율 지표를 만들기 위해서는 각 지역 또는 나라마다 작물별로 기준이 되는 물 소요량을 산정한 후 그 소요량에 대한 공급된 양의 비율로 WUTE를 결정하는 것이 합리적이다. 지역별, 작물별 특성을 포함해야 하는 농업용수 사용 경제적 효율 지표는 소비된 물을 분모로 삼아 계산에 이용하는 대신에 농업용수 사용 기술적 효율에서 제안한 각 지역 또는 나라마다 작물별로 기준이 되는 물 소요량을 산정한 후 그 소요량에 대한 공급된 양의 비율을 계산식의 분모에 적용하고, 벼의 경우는 생산물의 가격 대신에 지하수가 되는 양과 하천수가 되는 양에 대한 경제적 평가에 더해 논에 많은 양의 물이 관개됨으로서 발생하는 수변 생태계에 의한 환경유지 기능과 온도와 습도가 높은 한국의 기후 특성에서 전체 에너지 밸런스를 유지하는데 기여하는 관개수의 가치에 대한 평가와 더불어 생산물의 가격을 포함하는 것이 합리적일 것이다.

• 지능정보연구
• /
• 제19권2호
• /
• pp.1-20
• /
• 2013

소셜 네트워크는 사용자들의 공통된 관심사, 경험, 그리고 일상 생활들을 함께 공유하기 위해 소셜 네트워크 상 사람들을 서로 연결시켜주는 거대한 커뮤니케이션 플랫폼이다. 소셜 네트워크상의 사용자들은 포스팅, 댓글, 인스턴스 메시지, 게임, 소셜 이벤트 외에도 다양한 애플리케이션을 통해 다른 사용자들과 소통하고 개인 정보 관리하는데 많은 시간을 소비한다. 소셜 네트워크 상의 풍부한 사용자 정보는 추천시스템이 추천 성능을 향상시키기 위해 필요한 큰 잠재력이 되었다. 대부분의 사용자들은 어떤 상품을 구매하기 전 가까운 관계이거나 같은 성향을 가진 사람들의 의견을 반영하여 의사 결정을 하게 된다. 그러므로 소셜 네트워크에서의 사용자 관계는 추천시스템을 위한 사용자 선호도 예측을 효율적으로 높이는데 중요한 요소라 할 수 있다. 일부 연구자들은 소셜 네트워크에서의 사용자와 다른 사용자들 사이의 상호작용 즉, 소셜 관계(social relationship)와 같은 소셜 데이터가 추천시스템에서 추천의 질에 어떠한 영향을 미치는가를 연구하고 있다. 추천시스템은 아마존, 이베이, Last.fm과 같은 큰 규모의 전자상거래 사이트 또한 채택하여 사용되는 시스템으로, 추천시스템을 위한 방법으로는 협업적 여과 방법과 내용 기반 여과 방법이 있다. 협업적 여과 방법은 사용자들의 선호도 학습에 의해 사용자가 아직 평가하지 않은 아이템 중 선호할 수 있는 아이템을 정확하게 제안하기 위한 추천시스템 방법 중 하나이다. 협업적 여과는 사용자들의 데이터에 초점을 맞춘 방법으로 유사한 배경과 선호도를 가지는 사용자들로부터 정보를 수집하여 사용자들의 선호도 예측을 자동으로 발생시킨다. 특히 협업적 여과는 근접한 이웃 사용자들에 의해서 목적 사용자가 선호할 수 있는 아이템을 제시하는 것으로 유사한 이웃 사용자를 찾는 것이 중요하다. 좋은 이웃 사용자 발견은 사용자와 아이템을 고려하는 방법이 일반적이다. 각 사용자는 아이템 즉, 영화, 상품, 책 등에 자신의 선호도를 나타내기 위하여 평가 값을 입력하고, 시스템은 이를 바탕으로 사용자-평가 행렬을 구축한다. 이 사용자-평가 행렬은 목적 사용자와 유사하게 아이템을 평가한 사용자 그룹을 찾기 위한 것으로, 목적 사용자가 아직 평가하지 않은 아이템에 대하여 사용자-평가 매트릭스를 통해 그 평가 값을 예측한다. 현재 이 협업적 여과 방법은 전자상거래와 정보 검색에서 적용되어 개인화 시스템에 효율적으로 사용되고 있다. 하지만 초기 사용자 문제, 데이터 희박성 문제와 확장성 그리고 예측 정확도 향상 등 해결해야 할 과제가 여전히 남아 있다. 이러한 문제들을 해소하기 위해 많은 연구자들은 하이브리드, 신뢰기반, 소셜 네트워크 기반 협업적 여과와 같은 다양한 방법을 제안하였다. 본 논문에서는 전통적인 협업적 여과 방식의 예측 정확도와 추천 성능을 향상시키기 위해 소셜 네트워크에 존재하는 소셜 관계를 이용한 협업적 여과 시스템을 제안한다. 소셜 관계는 소셜 네트워크 서비스 중 하나인 페이스북 사용자들이 남긴 포스팅과 사용자의 소셜 네트워크 친구와 의견 교류 중 남긴 코멘트와 같은 사용자 행동을 기반으로 정의된다. 소셜 관계를 구축하기 위해 소셜 네트워크 사용자의 포스팅과 댓글을 추출하고, 추출된 텍스트에 불용어 및 특수 기호 제거와 스테밍 등 전처리를 수행하였다. 특징 벡터는 TF-IDF를 이용하여 전처리된 텍스트에 나타난 각 단어에 대한 특징 점수를 계산함으로써 구축된다. 본 논문에서 이웃 사용자를 결정하기 위해 사용되는 사용자 간 유사도는 특징 벡터를 이용한 사용자 행동 유사도와 사용자의 영화 평가를 기반으로 한 전통적 방법의 유사도를 결합하여 계산된다. 제안하는 시스템은 목표 사용자와 제안한 방법을 통해 결정된 이웃 사용자 집단을 기반으로 목표 사용자가 평가하지 않은 아이템에 대한 선호도를 예측하고 Top-N 아이템을 선별하여 사용자에게 아이템을 추천하게 된다. 본 논문에서 제안하는 방법을 확인하고 평가하기 위하여 IMDB에서 제공하는 영화 정보 기반으로 영화 평가 시스템을 구축하였다. 예측 정확도를 평가하기 위해 MAE 값을 이용하여 제안하는 알고리즘이 얼마나 정확한 추천을 수행하는지에 대한 예측 정확도를 측정하였다. 그리고 정확도, 재현율 및 F1값 등을 활용하여 시스템의 성능을 평가하였으며, 시스템의 추천 품질은 커버리지를 이용하여 평가되었다. 실험 결과로부터 본 논문에서 제안한 시스템이 보다 더 정확하고 좋은 성능으로 사용자에게 아이템을 추천하는 것을 볼 수 있었다. 특히 소셜 네트워크에서 사용자 행동을 기반으로 한 소셜 관계를 이용함으로써 추천 정확도를 6% 향상시킴을 보였다. 또한 벤치마크 알고리즘과의 성능비교 실험을 통해 7% 향상된 추천 성능의 결과를 보여준다. 그러므로 사용자의 행동으로부터 관찰된 소셜 관계를 CF방법과 결합한 제안한 방법이 정확한 추천시스템을 위해 유용하며, 추천시스템의 성능과 품질을 향상시킬 수 있음을 알 수 있다.