• 지능정보연구
• /
• 제26권3호
• /
• pp.91-108
• /
• 2020

박지성 선수의 2005년 맨체스터 유나이티드 FC 입단 이후로, 국내에서 프로축구 유니폼 시장이 본격적으로 성장하기 시작했다. 이후, 국내 선수들의 해외 리그에서 활약이 계속되면서 국내에서도 잉글랜드 프리미어리그에 대한 대중의 관심이 지속되고 있다. 이러한 시점에서 본 연구는 국내 프로축구 팬들의 유니폼 소비에 전반적인 소비자 인식을 알아보고, 선수의 영입에 따른 소비자 인식 변화를 비교하고자 했다. EPL의 토트넘에서 활동하고 있는 손흥민 선수의 영입 전후를 중심으로 소셜 미디어에 나타난 프로축구 팬들의 소비자 인식과 구매 요인을 알아보았다. 'EPL 유니폼'을 키워드로, 국내 포털사이트와 소셜 미디어의 게시글을 수집하고, 텍스트 마이닝, SNA, 회귀분석을 사용하여 분석했다. 연구 결과, 첫째, 선수의 소속 팀, 실적, 포지션과 구단의 실적, 순위, 리그의 우승 여부가 프로축구 유니폼의 구매와 탐색에 있어 주요 요인으로 확인되었다. 가격, 디자인, 사이즈, 로고 등과 같은 항목보다 유니폼의 형태, 마킹, 정품 여부, 스폰서와 더 중요하게 작용하고 있었다. 둘째, 구조적 등위성 분석과 군집분석을 통해 국내 프로축구 팬들 사이에서 유니폼과 관련되어 언급되고 있는 주요 주제를 알아본 결과, EPL에 소속된 구단과 유명 선수들이 가장 핵심적인 주제로 나타났다. 셋째, 프로축구 유니폼에 대한 시기별 주제는 월드컵과 EPL 리그에 대한 관심에서 EPL에서 활동하는 다양한 국내외 선수들에 대한 관심으로, 2015년 이후에는 유니폼 자체에 대한 것으로 주제가 변화했다. 이를 통해, 선수들의 이적에 따라 선수가 소속된 해당 구단의 유니폼이 관심을 받고 있음을 알 수 있었다. 넷째, 남녀 소비자 모두 손흥민에 대한 관심이 증가함에 따라서 토트넘이 소속된 리그인 EPL에 대한 관심도 증가하는 것으로 나타났다. 여성의 경우 손흥민에 대한 관심이 증가함에 따라 축구 유니폼에 대해서도 관심을 가지는 것으로 나타난 반면, 남성의 경우 손흥민 선수에 대한 관심과 축구 유니폼에 대한 관심 사이의 관계가 유의하게 나타나지 않았다. 각 구단은 선수와 구단의 성적과 이미지 관리, 스폰서 브랜드 관리에 집중하고, 선수의 이적이 결정되면 선수의 자국에 해당 물량의 공급을 늘리며, 인기를 끌고 있는 선수의 등번호가 부착된 유니폼의 경우에는 여성을 위한 다양한 사이즈를 제공해야 할 필요가 있다.

• 지능정보연구
• /
• 제24권4호
• /
• pp.111-136
• /
• 2018

지식베이스를 구축하는 작업은 도메인 전문가가 온톨로지 스키마를 이해한 뒤, 직접 지식을 정제하는 수작업이 요구되는 만큼 비용이 많이 드는 활동이다. 이에, 도메인 전문가 없이 다양한 웹 환경으로부터 질의에 대한 답변 정보를 추출하기 위한 자동화된 시스템의 연구개발의 필요성이 제기되고 있다. 기존의 정보 추출 관련 연구들은 웹에 존재하는 다양한 형태의 문서 중 학습데이터와 상이한 형태의 문서에서는 정보를 효과적으로 추출하기 어렵다는 한계점이 존재한다. 또한, 기계 독해와 관련된 연구들은 문서에 정답이 있는 경우를 가정하고 질의에 대한 답변정보를 추출하는 경우로서, 문서의 정답포함 여부를 보장할 수 없는 실제 웹의 비정형 문서로부터의 정보추출에서는 낮은 성능을 보인다는 한계점이 존재한다. 본 연구에서는 지식베이스 확장을 위하여 웹에 존재하는 멀티소스 비정형 문서로부터 질의에 대한 정보를 추출하기 위한 시스템의 개발 방법론을 제안하고자 한다. 본 연구에서 제안한 방법론은 "주어(Subject)-서술어(Predicate)"로 구분된 질의에 대하여 위키피디아, 네이버 백과사전, 네이버 뉴스 3개 웹 소스로부터 수집된 비정형 문서로부터 관련 정보를 추출하며, 제안된 방법론을 적용한 시스템의 성능평가를 위하여, Wu and Weld(2007)의 모델을 베이스라인 모델로 선정하여 성능을 비교분석 하였다. 연구결과 제안된 모델이 베이스라인 모델에 비해, 위키피디아, 네이버 백과사전, 네이버 뉴스 등 다양한 형태의 문서에서 정보를 효과적으로 추출하는 강건한 모델임을 입증하였다. 본 연구의 결과는 현업 지식베이스 관리자에게 지식베이스 확장을 위한 웹에서 질의에 대한 답변정보를 추출하기 위한 시스템 개발의 지침서로서 실무적인 시사점을 제공함과 동시에, 추후 다양한 형태의 질의응답 시스템 및 정보추출 연구로의 확장에 기여할 수 있을 것으로 기대한다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.63-83
• /
• 2019

투자자들은 기업의 내재가치 분석, 기술적 보조지표 분석 등 복잡한 분석보다 차트(chart)에 나타난 그래프(graph)의 모양으로 매매 시점을 찾는 직관적인 방법을 더 선호하는 편이다. 하지만 패턴(pattern) 분석 기법은 IT 구현의 난이도 때문에 사용자들의 요구에 비해 전산화가 덜 된 분야로 여겨진다. 최근에는 인공지능(artificial intelligence, AI) 분야에서 신경망을 비롯한 다양한 기계학습(machine learning) 기법을 사용하여 주가의 패턴을 연구하는 사례가 많아졌다. 특히 IT 기술의 발전으로 방대한 차트 데이터를 분석하여 주가 예측력이 높은 패턴을 발굴하는 것이 예전보다 쉬워졌다. 지금까지의 성과로 볼 때 가격의 단기 예측력은 높아졌지만, 장기 예측력은 한계가 있어서 장기 투자보다 단타 매매에서 활용되는 수준이다. 이외에 과거 기술력으로 인식하지 못했던 패턴을 기계적으로 정확하게 찾아내는 데 초점을 맞춘 연구도 있지만 찾아진 패턴이 매매에 적합한지 아닌지는 별개의 문제이기 때문에 실용적인 부분에서 취약할 수 있다. 본 연구는 주가 예측력이 있는 패턴을 찾으려는 기존 연구 방법과 달리 패턴들을 먼저 정의해 놓고 확률기반으로 선택해서 매매하는 방법을 제안한다. 5개의 전환점으로 정의한 Merrill(1980)의 M&W 파동 패턴은 32가지의 패턴으로 시장 국면 대부분을 설명할 수 있다. 전환점만으로 패턴을 분류하기 때문에 패턴 인식의 정확도를 높이기 위해 드는 비용을 줄일 수 있다. 32개 패턴으로 만들 수 있는 조합의 수는 전수 테스트가 불가능한 수준이다. 그래서 최적화 문제와 관련한 연구들에서 가장 많이 사용되고 있는 인공지능 알고리즘(algorithm) 중 하나인 유전자 알고리즘(genetic algorithm, GA)을 이용하였다. 그리고 미래의 주가가 과거를 반영한다 해도 같게 움직이지 않기 때문에 전진 분석(walk-forward analysis, WFA)방법을 적용하여 과최적화(overfitting)의 실수를 줄이도록 하였다. 20종목씩 6개의 포트폴리오(portfolio)를 구성하여 테스트해 본 결과에 따르면 패턴 매매에서 가격 변동성이 어느 정도 수반되어야 하며 패턴이 진행 중일 때보다 패턴이 완성된 후에 진입, 청산하는 것이 효과적임을 확인하였다.

• Journal of the Korean Wood Science and Technology
• /
• 제14권1호
• /
• pp.3-44
• /
• 1986

목재(木材)파아티클과 성질(性質)이 전혀 다른 철선(鐵線)을 물리적(物理的)으로 결합(結合)시킴으로써 목재(木材)와 철재(鐵材)의 재료적(材料的) 특성(特性)을 서로 보완(補完)하여 목재(木材)파아티클과 철선(鐵線)의 새로운 복합체(複合體)인 목질(木質)-철선(鐵線)보오드를 제조(製造)하고 그 특성(特性)을 구명(究明)하여 기초자료(基礎資料)를 얻고자 하였다. 메란티 합판제조폐재(合板製造廢材)을 이용(利用)한 팔만칩을 12mesh를 통과하고 20mesh체에 남는 큰 파아티클과 20mesh을 통과하고 60mesh체에 남는 작은 파아티클로 구분하여 요소수지를 분무한 다음, 굵기 1mm인 철선(鐵線)을 나비방향과 길이방향으로 1, 2 및 3층(層)으로 배열하여 성형(成型)하고 시험용(試驗用) 복합(複合) 파아티클 보오드를 제조하였다. 1층(層) 철선구성(鐵線構成)보오드의 경우에는 철선간(鐵線間)의 배치간격(配置間隔)을 나비방향과 길이방향(方向)으로 각기 0.5cm, 1cm, 1.5cm, 2cm 및 2.5cm 등(等) 5가지로 하여 24가지의 철선구성방법(鐵線構成方法)으로 하였으며, 2층(層) 철선구성(鐵線構成 )보오드는 철선구성간격(鐵線構成間隔)을 1cm로 하였고 철선구성방법(鐵線構成方法)을 3가지로 하였으며, 3층(層) 철선구성(鐵線構成)보오드는 철선구성간격(鐵線構成間隔)을 1cm로 하고 철선구성방법(鐵線構成方法)을 11가지로 하여 제조(製造)한 보오드는 대조(對照)보오드를 포함(包含)하여 312개였다. 보오드를 성형(成型)한 열압온도(熱壓溫度) 160$^{\circ}C$, 악력(壓力) 35kgf/$cm^2$, 열압시간(熱壓時間) 9분(分)으로 하여 보오드를 제조(製造)하고 이 목질(木質) 철선복합(鐵線複合)보도드의 물리적(物理的) 및 기계적(機械的) 성질(性質)을 측정(測定)분석(分析)한 바 다음과 같은 결과(結果)를 얻었다. 1. 큰 파아티클과 작은 파아티클로 제조(製造)한 보오드에서 철선구성층수(鐵線構成層數) 및 구성철선(構成鐵線)의 수(數)가 많은 보오드일수록 그 비중(比重)은 컸었다. 2. 큰 파아티클로 제조(製造)한 보오드는 철선구성(鐵線構成)으로 인하여 두께팽창율(膨脹率)의 감소(減少)가 뚜렷하였으며 특히 철선구성층수(鐵線構成層數)가 많을수록 이 팽창율(膨脹率)은 더 개선되었다. 3. 큰 파아티클 및 작은 파아티클로 제조(製造)한 보오드 공(共)히 철선구성층수(鐵線構成層數)가 증가(增加)함에 따라 철선(鐵線)의 강도적(强度的) 특성(特性)이 파아티클 휨강도(强度) 성질(性質)을 보강(補强)하여 파괴계수(破壞係數), 탄성계수(彈性係數), 휨 극한하중(極限荷重) 일량(量) 등(等)이 개선(改善)되었으며, 2층(層) 및 3층(層) 철선구성(鐵線構成)보오드의 경우 보오드의 하층(下層)의 철선구성방향(鐵線構成方向)이 보오드의 길이방향(方向)과 일치(一致)하는 보오드가 특(特)히 큰 휨강도(强度) 향상(向上)을 보여 인장라미네이션을 얻었다. 4. 1층(層) 철선구성(鐵線構成)보오드는 철선구성간격(鐵線構成間隔)에 따른 개구면적(開口面積)과 파아티클의 크기에 따라 파괴계수(破壞係數), 탄성계수(彈性係數), 휨 극한하중(極限荷重) 일량(量) 등(等)이 다르게 나타났으나, 큰 파아티클로 제조(製造)한 보오드의 파괴계수(破壞係數)는 개구면적(開口面積)이 1.5~3$cm^2$이고, 나비 방향(方向)의 철선구성간격(鐵線構成間隔)이 1~2cm이면서 길이방향(方向)의 철선구성간격(鐵線構成間隔)이 1.5~2.5cm인 보오드가 높은 값을 나타냈고 작은 파아티클로 제조(製造)한 보오드의 파괴계수(破壞係數)는 개구면적(開口面積)이 0.5~1.5$cm^2$ 및 3.75~6.25$cm^2$이고 나비 방향(方向)의 철선간격(鐵線間隔)이 0.5cm이거나 2.5cm인 보오드가 높은 값을 나타냈다. 5. 큰 파아티클로 제조(製造)한 1층(層) 철선구성(鐵線構成)보오드의 탄성계수(彈性係數)는 개구면적(開口面積)이 1.5~3$cm^2$이고 나비방향(方向) 및 길이방향(方向)의 철선구성간격(鐵線構成間隔)이 1~2.5cm에서 큰 값을 나타냈으며, 한편 작은 파아티클로 제조(製造)한 보오드의 탄성계수(彈性係數)는 개구면적(開口面積)이 0.75~1.25$cm^2$ 민 3~6.25$cm^2$이고, 나비방향(方向)의 철선구성간격(鐵線構成間隔)이 0.5 또는 2.5cm에서 큰 값을 나타내었다. 6. 큰 파아티클로 제조(製造)한 1층(層) 철선구성(鐵線構成)보오드의 휨 극한하중(極限荷重) 일량(量)은 개구면적(開口面積)이 1~3$cm^2$인 보오드가 큰 값을 보였고, 작은 파아티클로 제조(製造)한 보오드의 경우의 그것은 철선(鐵線)의 개구면적(開口面積)이 좁은 것이 크게 나타났다. 7. 박리저항(剝離抵抗) 및 나사못보지력(保持力)은 큰 파아티클로 제조(製造)한 3층(層) 및 2층(層) 철선구성(鐵線構成)보오드에서 대부분(大部分) 대조(對照)보오드보다 큰 값을 보였으나 작은 파아티클로 제조(製造)한 보오드에서는 뚜렷한 경향이 없었다. 큰 파아티클로 제조(製造)한 1층(層) 철선구성(鐵線構成)보오드의 박리저항(剝離抵抗) 및 나사못보지력(保持力)은 전체적으로 비슷한 수준(水準)을 보였고 작은 파아티클로 제조한 보오드에서는 개구면적(開口面積)이 증가(增加)함에 따라 박리저항(剝離抵抗)은 증가(增加)하고 나사못보지력(保持力)은 감소(減少)하는 현상(現象)을 보였다.