• 한국엔터테인먼트산업학회논문지
• /
• 제14권7호
• /
• pp.141-160
• /
• 2020

본 연구는 장기화에 따른 코로나19의 세계적 대유행에 대비하고자 노년기의 건강증진을 위한 체육의 활성화 방안을 구체적으로 모색하는 데 목적이 있다. 아울러 문헌연구방법을 통해 노년기의 건강상태와 코로나19 관련 분석, 노년기의 건강증진 정책과 사업 제시, 그리고 코로나19 시대의 건강증진을 위한 노인 체육 활성화 방안을 제시하였다. 첫째, 국민체육진흥법과 노인복지법 및 관련 법 등의 개정 또는 전면 개정을 통해 노인건강을 위한 노인보건 및 노인체육의 발전적이고 융합적인 법 제정과 이에 따른 제도적인 장치 마련을 수립해야 할 것이다. 둘째, 한국판 뉴딜 종합계획에 착안하여 체육 분야 뉴딜 사업의 일환으로 노인들을 위한 디지털통합플랫폼을 구축하여 노년층에 맞는 시설-프로그램-정보-일자리 창출 등이 연계되도록 지원 시스템을 마련해야 할 것이다. 셋째, 노인복지 전문가를 육성한다. 대학에서의 노인체육 및 관련학과를 확대 개설하고 노인여가복지시설 등에 노인스포츠지도사를 의무적으로 배치해야 할 것이다. 넷째, 노년층을 위한 건강과 관련한 콘텐츠를 개발한다. 이는 가상현실(Virtual Reality: VR) 시뮬레이션을 통한 움직임을 조작하여 다양한 동작들을 수행함을 의미한다. 다섯째, 노인체육 및 관련 분야 연구개발에 투자를 확대한다. 이는 다학제간 통합적 협력연구를 통해 체계적이고 실용적인 건강한 노화 및 활기찬 노화 등에 대한 연구가 지속적으로 이루어져야 함을 의미한다. 여섯째, 국무총리실 산하에 노인관리청(노인건강청) 신설 운영을 촉구한다. 이는 전 생애적인 노인건강관리와 언텍트 및 뉴노멀 시대에 대응하는데 노인관리청 신설을 통해 노인의 건강증진 관련 기능 수행의 독립성을 보장하고 아울러 노년기의 건강증진, 일상생활 기능의 유지 및 재활, 사회적 적응, 장기요양의 문제 등을 모두 포함하여 종합적으로 운영이 되어야 한다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.1-25
• /
• 2020

대규모 텍스트에서 관심 대상이 가지고 있는 속성들에 대한 감성을 세부적으로 분석하는 속성기반 감성분석(Aspect-Based Sentiment Analysis)은 상당한 비즈니스 가치를 제공한다. 특히, 텍스트에 속성어가 존재하는 명시적 속성뿐만 아니라 속성어가 없는 암시적 속성까지 분석 대상으로 하는 속성카테고리 감성분류(ACSC, Aspect Category Sentiment Classification)는 속성기반 감성분석에서 중요한 의미를 지니고 있다. 본 연구는 속성카테고리 감성분류에 BERT 사전훈련 언어 모델을 적용할 때 기존 연구에서 다루지 않은 다음과 같은 주요 이슈들에 대한 답을 찾고, 이를 통해 우수한 ACSC 모델 구조를 도출하고자 한다. 첫째, [CLS] 토큰의 출력 벡터만 분류벡터로 사용하기보다는 속성카테고리에 대한 토큰들의 출력 벡터를 분류벡터에 반영하면 더 나은 성능을 달성할 수 있지 않을까? 둘째, 입력 데이터의 문장-쌍(sentence-pair) 구성에서 QA(Question Answering)와 NLI(Natural Language Inference) 타입 간 성능 차이가 존재할까? 셋째, 입력 데이터의 QA 또는 NLI 타입 문장-쌍 구성에서 속성카테고리를 포함한 문장의 순서에 따른 성능 차이가 존재할까? 이러한 연구 목적을 달성하기 위해 입력 및 출력 옵션들의 조합에 따라 12가지 ACSC 모델들을 구현하고 4종 영어 벤치마크 데이터셋에 대한 실험을 통해 기존 모델 이상의 성능을 제공하는 ACSC 모델들을 도출하였다. 그리고 [CLS] 토큰에 대한 출력 벡터를 분류벡터로 사용하기 보다는 속성카테고리 토큰의 출력 벡터를 사용하거나 두 가지를 함께 사용하는 것이 더욱 효과적이고, NLI 보다는 QA 타입의 입력이 대체적으로 더 나은 성능을 제공하며, QA 타입 안에서 속성이 포함된 문장의 순서는 성능과 무관한 점 등의 유용한 시사점들을 발견하였다. 본 연구에서 사용한 ACSC 모델 디자인을 위한 방법론은 다른 연구에도 비슷하게 응용될 수 있을 것으로 기대된다.

• 지능정보연구
• /
• 제27권4호
• /
• pp.1-22
• /
• 2021

텍스트를 바탕으로 한 차원 기반 감성 분석(Aspect-Based Sentiment Analysis)은 다양한 산업에서 유용성을 주목을 받고 있다. 기존의 차원 기반 감성 분석에서는 타깃(Target) 혹은 차원(Aspect)만을 고려하여 감성을 분석하는 연구가 대다수였다. 그러나 동일한 타깃 혹은 차원이더라도 감성이 나뉘는 경우, 또는 타깃이 없지만 감성은 존재하는 경우 분석 결과가 정확하지 않다는 한계가 존재한다. 이러한 문제를 해결하기 위한 방법으로 차원과 타깃을 모두 고려한 감성 분석(Target-Aspect-Sentiment Detection, 이하 TASD) 모델이 제안되었다. 그럼에도 불구하고, TASD 기존 모델의 경우 구(Phrase) 간의 관계인 지역적인 문맥을 잘 포착하지 못하고 초기 학습 속도가 느리다는 문제가 있었다. 본 연구는 TASD 분야 내 기존 모델의 한계를 보완하여 분석 성능을 높이고자 하였다. 이러한 연구 목적을 달성하기 위해 기존 모델에 합성곱(Convolution Neural Network) 계층을 더하여 차원-감성 분류 시 보조 손실(Auxiliary loss)을 추가로 사용하였다. 즉, 학습 시에는 합성곱 계층을 통해 지역적인 문맥을 좀 더 잘 포착하도록 하였으며, 학습 후에는 기존 방식대로 차원-감성 분석을 하도록 모델을 설계하였다. 본 모델의 성능을 평가하기 위해 공개 데이터 집합인 SemEval-2015, SemEval-2016을 사용하였으며, 기존 모델 대비 F1 점수가 최대 55% 증가했다. 특히 기존 모델보다 배치(Batch), 에폭(Epoch)이 적을 때 효과적으로 학습한다는 것을 확인할 수 있었다. 본 연구에서 제시된 모델로 더욱 더 세밀한 차원 기반 감성 분석이 가능하다는 점에서, 기업에서 상품 개발 및 마케팅 전략 수립 등에 다양하게 활용할 수 있으며 소비자의 효율적인 구매 의사결정을 도와줄 수 있을 것으로 보인다.