• 한국작물학회지
• /
• 제39권2호
• /
• pp.165-170
• /
• 1994

유채 지방산조성개량 및 무독박 성분개량육종의 성과로 13년전부터 무에루진산 양질품종을 장여보급한 제주도산 유채가 에루진산 함량이 높아 식용유로의 이용이 어렵게 됨에 따라 '92년산 정부수매유채종자와 '93년산 유채의 포장등숙중 시료의 에루진산 함량을 분석, 그 원인을 추적확인함과 동시에 금후의 유채 연구방향을 재정립하고자 이 시험을 수행하였다. 그 결과를 요약하면 1. 제주도 '92년산 정부수매유채는 에루진산 평균 함량에서 전체평균 47.7% 함유되어 있어 유채 유의 국제품질규격의 에루진산 함량 3∼5% 보다 10배나 높으므로 식용유로는 부적한 것으로 판단되었음. 2. 제주도 '93년산 유채의 농가포장 등숙중 시료를 채취, 분석한 결과 포장에 따라 에루진산이 최저 25%로부터 48.5%까지 평균 37% 함유하고 있어 제주도의 농가포장에서는 무에루진산 장여품종이 재배되지 않음이 확인되었음. 3. 제주도에는 중국산 유채와 캐나다산 제유용 유채종실원료가 도입되어 있는바 중국산은 46.6%의 고함유 에루진산 원료였고 캐나다산은 50%인 것과 4% 에루진산을 함유한 원료가 도입되어 있었음. 4. '92 정부수매유채가 '93 포장농가유채보다 에루진산 함량이 훨씬 높고 고함량 에루진산의 외국산유채 도입이 되고 있는 점으로 미루어 값싼 외국산 고에루진산 도입유채가 농가수매유채에 포함되었을 가능성이 있음. 5. 제주도산 유채는 품질로나 경영적인 면에서 경쟁력을 갖출 가능성이 없고 무에루진산 성분개량 품종의 수용에 무관심하므로 현재의 제주도 대상 유채육종은 중단하고 남부지역의 구조개선 2모작답을 대상으로 한 대형기계화 유채재배 적응품종육성으로 방향을 전환함이 바람직하다.tters of western interests, but "health".gs. Notable economic benefit has been achieved.d. 평가를 하고자 하며 기계적 특성과 관능적 특성간의 상호 관련성에 대하여 연구를 계속하고자 한다.았다. 6. 강남콩 전체가루 (13%, db)의 아밀로그래프에 의한 호화는 시료 모두 최고 점도를 보이지 않았고 가열중 점도는 계속 증가하였으며 시료 A가 가장 높은 점도를 보였고 시료 B와 C는 비슷한 경향을 보였다.첨가하여 제조한 마요네즈는 색을 제외하고는 모든 항목에서 표준 마요네즈와 유의적인 차이를 보이지 않았다. 반면에, 난황을 전혀 첨가하지 않고 5%의 Bovine Plasma만으로 제조한 마요네즈는 표준 마요네즈와 비교했을 때 다소 강한 기름냄새와 기름맛, 난황이 첨가되지 않아 색에 대한 기호도의 저하 등 관능적인 면에서 전반적으로 낮은 결과를 보였다.sim}30$명 편성, 현장 학습으로 수업 진행, 수업 시 이론과 실습의 3:1 비율 운영, 절대 평가에 의한 합격여부 판정 등에 대한 요구가 있었다. 따라서 사회의 변화를 반영하고 교사의 현장 요구를 적극 수용한 프로그램 개발이 이루어져야 할 것이다. 넷째, 연수자의 일반적 특성 변인에 따른 만족도 차이를 분석한 결과, 연수 기관이 유의미한 변수로 작용하였다. 즉, 어느 연수 기관에서 연수를 받았느냐에 따라 연수에 대한 만족도가 다르게 나타났다(p<.05). 즉 교과교육을 가장 많이 개설하고 운영하였던 기관에서 만족도가 가장 높았다. 따라서 현직 교사들의 요구가 많았던 교과교육에 대한 교과 개설이 확대된 표준화된 자격연수 프로그램 개발되어야

• 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.