• 심성연구
• /
• 제33권1호
• /
• pp.1-60
• /
• 2018

현대인은 자기(Self) 혹은 신성과의 단절로 인해 고통 받고 있다. 그러나 이 단절로 인해 고통 받는 것은 비단 인간만이 아닐 것이다. 신 역시 자신을 탄생시킬 수 있는 유일한 자궁인 인간의식과의 단절로 인해 고통 받고 있다. 인간과 신은 서로를 필요로 하며 욕망한다. 따라서 신과 인간은 서로를 구원하기 위해 서로를 유혹해야하는 운명에 처해 있다고 상상해 볼 수 있겠다. 에로스는 특유의 초월적 본질로 인해 현대인으로 하여금 종교를 통하지 않고도 자기와 접촉할 수 있게 해주는 얼마 남지 않은 방법 중 하나이다. 본 연구는 개성화 과정의 한 방법으로써의 에로스 및 에로티시즘과 더불어 이런 형태의 개성화 과정에 적합한 정신의 자질들을 고찰하고자 한다. 욕망과 신성의 속성을 동시에 가진 에로스는 그 자신의 정수인 생명력과 불멸의 감정을 엑스터시 안에서 추구할 수 있는 인간을 필요로 한다. 이에 이 신은 그 자신을 육화시킬 수 있는 자질을 가진 인간을 유혹하는 것 같다. 유혹의 대상이 되는 인간은 사랑의 체험에 있어 자기를 향해 자아를 기꺼이 포기할 수 있는 자질을 가지고 있어야 할 것이다. 개성화는 자기를 향한 자아의 철저한 포기를 통해 이루어지기 때문이다. 따라서 에로스가 가진 유혹의 목적은 이러한 잠재력을 가진 인간을 무의식 상태에서 깨움으로써 사랑 속에서 신성을 추구하도록 만들려는 것으로 볼 수 있을 것이다. 나는 이러한 에로스의 유혹을 "신의 에로티시즘"으로 명명하였다. 에로스 신의 유혹의 결과로서 자기를 체험한 개인이 개성화 과정을 끝까지 추구할 수 있기 위해서는 버림받음 역시 반드시 필요한 과정으로 보인다. 상실된 신을 유혹하고 육화해야하는 엄중한 과제 앞에서 자신 속에 무엇이 결핍되었는지에 대한 통렬한 자각보다 더 필요한 것은 없을 것이기 때문이다. 연구 결과 전통적인 개념으로써의 멜랑콜리아적 성향을 가진 개인이 이러한 개성화과정에 적합한 것으로 파악됐다. 이들은 사랑에 탐닉하는 경향이 있으며 생명의 덧없음과 무한성의 결핍에 대한 예리한 자각으로 인해 쉽게 고통 받는다. 결핍을 자각한 자만이 결핍된 대상을 추구할 수 있다는 사실을 고려하면 왜 멜랑콜리아를 가진 개인이 신성에 속하는 존재의 영속성을 동경하고 추구하는 운명에 처해지는지가 설명될 수 있을 것이다. 에로티시즘에 내재한 신의 계획을 놓칠 때 우리는 결코 성을 이해할 수 없으며 우리의 정신에서 본능과 영성이 왜 그토록 가까운지 체험할 수 없을 것이다. 사랑의 신은 강렬한 섹슈얼리티를 가지고 영적 위기를 도발함으로써 우리의 미지근한 영혼을 구원하러 온다. 에로스는 우리를 파괴하러 온 궁극의 구원자인 것이다.

• 지능정보연구
• /
• 제19권1호
• /
• pp.57-77
• /
• 2013

소셜 미디어는 모바일 어플리케이션과 웹에서 가장 많이 사용되는 미디어 중 하나이다. Nielsen사의 보고서에 따르면 소셜 네트워크 서비스와 블로그가 온라인 사용자의 주 활동 공간으로 사용되고 있으며, 미국인 중에서 온라인 활동이 왕성한 5명의 사용자중 4명은 매일 소셜 네트워크 서비스와 블로그를 방문하고 온라인 활동 시간의 23%를 소비한다고 집계하고 있다. 미국의 인터넷 사용자들은 야후, 구글, AOL 미디어 네트워크, 트위터, 링크드인 등과 같은 소셜 네트워크 서비스중 페이스북에서 가장 많은 시간을 소비한다. 최근에는 대부분의 회사들이 자신의 특정 상품에 대하여 "페이스북 페이지(Facebook Page)"를 생성하고 상품에 대한 프로모션을 진행한다. 페이스북에서 제공되는 "좋아요" 옵션은 페이스북 페이지를 통해 자신이 관심을 가지는 상품(아이템)을 표시하고 그 상품을 지지할 수 있도록 한다. 많은 영화를 제작하는 영화 제작사들도 페이스북 페이지와 "좋아요" 옵션을 이용하여 영화 프로모션과 마케팅에 이용한다. 일반적으로 다수의 스트리밍 서비스 제공업들도 영화와 TV 프로그램을 즐기며 볼 수 있는 서비스를 사용자들에게 제공한다. 이 서비스는 일반 컴퓨터와 TV 등의 단말기에서인터넷을 통해 영화와 TV 프로그램을 즉각적으로 제공할 수 있다. 스트리밍 서비스의 선두 주자인 넷플릭스는 미국, 라틴 아메리카, 영국 그리고 북유럽 국가 등에 3천만 명 이상의 스트리밍 사용자가 가입되어 있다. 또한 넥플릭스는 다양한 장르로 구성된 수백만 개의 영화와 TV 프로그램을 보유하고 있다. 하지만 수많은 콘텐츠로 인해 사용자들은 자신이 선호하는 장르에 관련된 영화와 TV 프로그램을 찾기 위해 많은 시간을 소비해야 된다. 많은 연구자들이 이러한 사용자의 불편함을 줄이기 위해 아이템에 대한 사용자가 보지 않은 아이템에 대한 선호도를 예측하고 높은 예측값을 갖는 아이템을 사용자에게 제공하기 위한 추천 시스템을 적용하였다. 협업적 여과 방법은 추천 시스템을 구축하기 위해 가장 많이 사용되는 방법이다. 협업적 여과 시스템은 사용자들이 평가한 아이템을 기반으로 각 사용자 간의 유사도를 측정하고 목적 사용자와 유사한 성향을 가진 사용자 그룹을 결정한다. 군집된 그룹은 이웃 사용자 집단으로 불리며 이를 이용하여 특정 아이템에 대한 선호도를 예측하고, 예측 값이 높은 아이템을 목적 사용자에게 추천해 준다. 협업적 여과 방법이 적용되는 분야는 서적, 음악, 영화, 뉴스 및 비디오 등 다양하지만 논문에서는 영화에 초점을 맞춘다. 이 협업적 여과 방법이 추천 시스템 내에서 유용하게 활용되고 있지만 아직 "희박성 문제"와 "콜드 스타트 문제" 등 해결해야 할 과제가 남아있다. 희박성 문제는 아이템의 수가 증가할수록 아이템에 대한 사용자의 로그 밀도가 감소하는 것이다. 즉, 전체 아이템 수에 비해 사용자가 아이템에 대해 평가한 정보가 충분하지 않기 때문에 사용자의 성향을 파악하기 어렵고, 이로 인해 사용자가 아직 평가하지 않은 아이템에 대해서 선호도를 추측하기 어려운 것을 말한다. 이 희박성 문제가 포함된 경우 적합한 이웃 사용자 집단을 형성하는데 어려움을 겪게 되고 사용자들에게 제공되는 아이템 추천의 질이 떨어지게 된다. 콜드 스타트 문제는 시스템 내에 새로 들어온 사용자 또는 아이템으로 지금까지 한 번도 평가를 하지 않은 경우에 발생한다. 즉, 사용자가 평가한 아이템에 대한 정보가 전혀 포함되어 있지 않거나 매우 적기 때문에 이러한 경우 또한 적합한 이웃 사용자 집단을 형성하는데 어려움을 겪게 되고 사용자가 평가하지 않은 아이템에 대한 선호도 예측의 정확성이 감소되게 된다. 본 논문에서는 영화 추천 시스템에서 발생될 수 있는 초기 사용자 문제를 해결하기 위하여 사용자가 평가한 영화와 소셜 네트워크 서비스로부터 추출된 사용자 선호 장르를 활용하여 사용자 군집을 형성하고 이를 활용하는 방법을 제안한다. 소셜 네트워크 서비스로부터 사용자가 선호하는 영화 장르를 추출하기 위해 페이스북 페이지의 '좋아요' 옵션을 이용하며, 이 '좋아요' 정보를 분석하여 사용자의 영화 장르 관심사를 추출한다. 페이스북의 영화 페이지는 각 영화를 위한 페이스북 페이지로 구성되고 있으며, 사용자는 자신의 선호도에 따라서 "좋아요" 옵션을 선택할 수 있다. 사용자의 페이스북 정보는 페이스북 그래프 API를 활용하여 추출되고 이로부터 사용자 선호 영화를 알 수 있게 된다. 시스템에서 활용되는 영화 정보는 인터넷 영화 데이터베이스인 IMDb로부터 획득한다. IMDb는 수많은 영화와 TV 프로그램을 보유하고 있으며, 각 영화에 관련된 배우 정보, 장르 및 부가 정보들을 포함한다. 논문에서는 사용자가 "좋아요" 표시를 한 영화 페이지를 이용하여 IMDb로부터 영화 장르 정보를 가져온다. 그리고 추출된 영화 장르 선호도와 본 시스템에서 제안하는 영화 평가 항목을 이용하여 유사한 이웃 사용자 집단을 구성한 후, 사용자가 평가하지 않은 아이템에 대한 선호도를 예측하고, 높은 예측 값을 갖는 아이템을 사용자에게 추천한다. 본 논문에서 제안한 사용자의 선호 장르 기반의 사용자 군집 기법을 이용한 시스템을 평가하기 위해서 IMDb 데이터 집합을 이용하여 사용자 영화 평가 시스템을 구축하였고 참가자들의 영화 평가 정보를 획득하였다. 페이스북 영화 페이지 정보는 참가자들의 페이스북 계정과 페이스북 그래프 API를 통해 획득하였다. 사용자 영화 평가 시스템을 통해 획득된 사용자 데이터를 제안하는 방법에 적용하였고 추천 성능, 품질 및 초기 사용자 문제를 벤치마크 알고리즘과 비교하여 평가하였다. 실험 평가의 결과 제안하는 방법을 적용한 추천 시스템을 통해 추천의 품질을 10% 향상시킬 수 있었고, 초기 사용자 문제에 대해서 15% 완화시킬 수 있음을 볼 수 있었다.

• 통상정보연구
• /
• 제10권4호
• /
• pp.457-491
• /
• 2008

무대장치 및 특수조명서비스 수출시장은 대기업들로서는 관심이 소홀한 틈새시장이 될 수 있다는 점에서 중소기업에게는 유리하다는 측면이 있다. 현실적으로 글로벌 대기업들은 대형 건설 프로젝트에 관심을 집중하는 성향이었으므로 중소형 규모로 시행되는 무대장치 및 특수조명서비스 공사의 경우는 중소기업에 적합할 수 있다는 것이다. 그러나 문제는 해외의 광활한 시장에 중소기업이 뛰어들어 제조-서비스 연계형 수출을 실행할 수 있는 능력이 있는지 그 여부에 있으며, 실제 이러한 수출경험은 거의 축적되어 있지 않다는 점이 우려스러운 것이다. 한국경제의 특성상 글로벌 틈새시장 하나라도 긴요하지 않을 수 없는 것이 현실이므로 무대장치 및 특수조명서비스의 결합형 수출프로세스에 대한 지원제도 구축이 시급한 이유가 바로 여기에 있는 것이다. 본 연구는 지금까지 국내시장에 주력하고 있는 무대장치 및 특수조명서비스 관련 산업에 대하여 수출상품화의 필요성을 강조하고 우리나라의 제조업 위기를 보완할 수 있는 성장동력화의 가능성을 분석해 보았다. 현재는 한국의 수출산업이 나아가야 할 글로벌 틈새시장으로만 보이지만 소득증가에 따른 문화산업의 발전가능성이 예견되고 있으므로 이 분야의 관련 산업들은 향후 더욱 성장할 것으로 판단된다. 한국의 플랜트 수출이 현재 활황기에 있는 사례를 면밀히 분석하여, 중소기업의 해외진출 업종으로 적합한 무대장치 및 특수조명서비스를 틈새시장에서 출발하여 주력시장으로 성장시킬 수 있 도록 교훈을 얻고 제조-서비스 연계형 수출모델을 구상하여 해외진출을 추진할 필요가 있다. 이와 같은 한국경제 및 수출환경의 배경에서 본 연구는 제조-서비스 연계형 수출상품화 모델을 개발함으로써 한국수출의 한계를 극복하는 데에 도용을 줄 수 있는 대안을 모색하고자 시도되었다. 그 동안 극소수의 해외진출 중소기업이 있었으나 글로벌 시장에의 적응력 부족 및 문화적 차이의 숙지 미흡 등 이 분야의 수출산업화 경험부족으로 실패한 사례가 있다. 그러나 점점 가시화되고 있는 한국 제조업의 한계를 방치할 수는 없으므로 보완책을 마련하는 일이 시급하며, 그 대안적 역할을 수행할 수 있는 분야로 서비스수출을 제안할 수 있다. 본 연구의 결과 무대장치 및 특수조명서비스 분야의 제조-서비스 연계형 수출 모델은 마래 성장가능성이 높은 분야로 예상될뿐더러 제조부문 및 서비스부문의 시너지 효과를 기대할 수 있다는 점을 확인할 수 있었다. 또한 실행전략의 골격은 제조 및 서비스 산업의 두 축을 결합, 복합, 융합함으로써 다양한 수출상품을 파생시켜 나갈 수 있다는 강점을 기대할 수 있다는 점도 동 부문의 연계형 수출모델의 성공가능성을 높여주고 있다. 본 연구의 결과는 동 부문에 관련된 산업의 해외시장 진출 기회를 적극적으로 모색할 수 있도록 동기부여의 효과를 제공할 것으로 기대된다. 또한 글로벌 틈새시장의 해외진출을 가속화시킬 계기마련과 아울러 이 분야의 수출진흥을 위한 정책적 제도마련의 기회도 될 것으로 확신한다 또한 연구의 진행 방법과 관련하여 본 과제의 수행으로 산학협력 관계를 긍정적으로 이해하고 이를 활성화시킬 수 있는 계기가 될 수 있음을 확신한다.

• 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.