• Pediatric Infection and Vaccine
• /
• 제31권1호
• /
• pp.113-121
• /
• 2024

목적: 코로나19 오미크론 변이 바이러스 확진자 급증에 따라 질병관리청과 교육부는 유치원·학교 구성원을 대상으로 선제검사를 시행하였다. 정상적인 학교생활을 영위하기 위해 자가진단용 신속항원검사 (rapid antigen test, RAT)를 이용하여 코로나19 확진자를 교내 전파가 이루어지기 전에 발견하는데 목적이 있다. 방법: 2022년 3월 2일부터 5월 1일까지전국의유치원·학교의구성원을대상으로검사인원 19,458,575명, 검사건수 50,675,386건을 수집하였다. 건강상태 자가진단 앱에 입력된 결과를 코로나19정보관리시스템 확진자 현황 정보와 병합하여 RAT 양성률과 양성예측도를 분석하였다. 결과: 주간 RAT 양성률은 1.11-5.90%, 양성예측도는 86.42-93.18%였다. 신분별 RAT 양성률은 학생이 1.13-6.16%, 양성예측도는 87.19-94.03%, 교직원 RAT 양성률 0.99-3.93%, 양성예측도는 77.55-83.10%였다. 증상 유무에 따른 RAT 양성률은 의심 증상이 있는 경우 76.32-88.02%, 의심 증상이 없는 경우 0.34-1.11%, 양성예측도는 의심 증상이 있는 경우 79.54-95.49%, 의심 증상이 없는 경우 64.66-87.84%이었다. 이번 유치원·학교 구성원의 RAT 선제 검사를 통하여 943,342명의 확진자를 교내 전파 이전에 신속하게 발견하였다. 결론: 자가진단용 RAT를 잘 활용하면 확진자를 신속하게 발견하는데 도움이 되어 유치원·학교에서는 교육 공백을 최소화할 수 있고, 전파의 위험도 줄일 수 있을 것이다. 장시간 동안 정해진 공간에서 동일한 사람들과 반복적으로 노출되는 위험을 최소화하여 안전한 환경에서 학교생활이 유지될 수 있도록 노력해야 할 필요가 있다. 이러한 점에서 선제검사의 필요성은 더 중요하게 되었다. 이번 연구에서 자가진단용 RAT 검사는 선제적 선별검사 도구로써 유용성과 확진자를 신속하게 발견하는 데 활용될 수 있다는 것을 보여준다.

• 한국방사선학회논문지
• /
• 제18권3호
• /
• pp.293-300
• /
• 2024

2023년 10월 31일 의료기사 등에 관한 법률의 개정에 따라 방사선사 면허를 취득하기 위해서는 현장실습과목을 필수로 이수하여야 한다. 이에 따라 의료기관 현장실습의 실태를 조사하여 개정된 의료기사법을 알리고, 현장실습의 실효성을 높이기 위한 개선방안을 제안하고자 한다. 2023년 3월부터 4월까지 의료기관에 종사하는 방사선사를 대상으로 설문을 시행하였다. 설문지는 국내 포털사이트인 N사의 폼을 통해 받았으며, 응답자는 120명이었다. 현장실습 학생의 교육을 담당한 경험이 있는 응답자는 68.3%인 82명이었다. 의료기사 등에 관한 법률 개정으로 방사선사면허를 취득하기 위해 현장실습이 의무화된 사실을 알고 있는 응답자는 58%로 나타났다. 의료기사 등에 관한 법률 제9조 무면허자의 업무 금지 등에 따라 대학 등에서 취득하려는 면허에 상응하는 교육과정을 이수하기 위하여 실습 중에 있는 사람의 실습에 필요한 경우는 해당 의료기사 등의 업무를 수행할 수 있다는 사실을 알고 있는 응답자는 50%로 나타났다. 현재 현장 실습 시 어떤 교육을 하는지 묻는 질문에 참관, 환자 안내 및 환자 자세 유지와 이동 외에 방사선을 발생시키는 행위를 하게 한다는 응답자는 6%로 나타났다. 면허 취득을 위한 현장실습이 의무화됨에 따라 앞으로의 교육 방향에 묻는 질문에 77%의 응답자가 현행보다 더 많은 것을 교육할 것이라고 응답하였다. 현장실습의 적절한 전체 시간을 묻는 질문에는 12주 480시간이 35%, 8주 320시간이 33%, 16주 640시간이 27%로 나타났다. 현행 현장실습은 각종 규제에 따라 부실한 교육여건이며, 학생들의 만족도 또한 낮음을 알 수 있다. 그러나 의료기사 등에 관한 법률이 개정됨에 따라 방사선사 면허를 취득하기 위해 현장실습이 의무화되었으며, 현장실습의 교육여건을 개선할 필요가 있다. 이에 따라 원자력안전법과 진단용방사선발생장치의 안전관리에 관한 규칙을 준수하며, 표준화된 실습 목표와 평가 시스템 도입, 수련 병원 지정과 교육 전담 방사선사 지정, 확대된 실습 기간과 모의실습을 도입하여 현장실습 교육의 내실화가 필요하다.

• 농촌의학ㆍ지역보건
• /
• 제22권1호
• /
• pp.1-18
• /
• 1997

본 조사는 농촌지역 농업종사자들의 건강진단 수검실태를 파악하여 이들을 위한 건강관리의 필요성을 고취하기 위해 실시하였다. 1996년 8월에 대구시 인근 1개군의 8개면에 거주하는 농협조합원 및 18세 이상 성인가족을 대상으로 사전에 훈련받은 의과대학생들이 직접 가구를 방문하여 면접조사를 실시하였다. 면접완료 인원은 751명으로서 남자가 314명(41.8%), 여자가 437명(58.2%)이었다. 이들 중 전업으로 농사일을 가끔 하는 경우가 184명(24.4%), 전혀 하지 않는 경우가 206명(27.3%)이었다. 농부증 양성률을 전체적으로 응답자 745명 중 171명(23.0%)이었는데 전업농이 361명 중 84명(23.3%), 비전업농이 384명중 88명(22.9%)으로서 두 군간에 차이가 없었으며 남자가 314명 중 51명(16.2%), 여자가 431명 중 120명(27.8%)으로서 여자가 남자에 비해 유병률이 높았다(p<0.01). 농약을 직접 살포하는 농민288명 중 113명 (39.2%)이 최근 1년간 농약중독과 관련된 증상을 경험한 적이 있었으나 의료기관을 방문한 경우는 증상경험지 중에서 18명(15.9%)에 지나지 않았다. 농약취급에 관한 교육을 직접 받은 적이 있는 사람은 응답자 285명 중 70명(24.6%)이었는데 피교육 경험과 농약살포시 보호구 착용간에 유의한 관련성이 있었다.(p<0.001). 당해년 및 작년의 건강진단 수검률은 응답자 736명(62.6%), 유료검진 수검자가 105명(37.4%)이었다. 유료검진의 비용은 10만원에서 30만원 미만이 45.7%를 차지하였고 30만원 이상도 11.4%가 되었다. 성인병 검진은 533명 중 124명(23.3%)이 받았는데 전업농의 수검률이 304명 중 84명(27.6%)으로서 비전업농의 229명 중 40명(17.5%)에 비해 유의하게 높았다(p<0.001). 성인병 검진을 하지 않으려는 221명의 이유는 '몸이 건강하므로'가 76명(34.4%)으로 가장 많았고 '귀찮아서'(48명, 21.7%), '도움이 안될 것 같아서'(25명,11.3%) 등의 순이었다. 지역의 보피보험자와 직장 및 공교보험 피부양자의 건강진단에 대한 필요성에 대한 생각은 651명 중 180명(27.6%)이 '꼭 필요하다'고 하였고 1년에 한번씩 정기적 무료검진을 해 준다면 256명(39.3%)이 '꼭 하겠다'고 하였다. 지역의료보험에 들어있는 193가구의 월 의료보험료는 2만~3만원 미만(66가구,34.2%), 1만-2만원 미만(51가구, 26.4%), 3만-4만원 미만(40가구, 20.7%) 등의 순이었는데 지역의 보피보험자 340명 중 263명(77.4%)이 매우 비싸다고 생각하였으며 45명(13.2%)이 조금 비싸다고 하였다. 농촌지역의 농업종사자들은 농약 등의 유해물질에 폭로되고 소득수준에 비해 도시주민이나 산업체 근로자보다 상대적으로 더 많은 보험료를 내면서도 산업안전보건법의 적용 대상이 되지 않아 일반 주민과 마찬가지로 40세 이상에 대해서 격년제로 실시하는 성인병 검진의 혜택밖에 보지 못하고 있다. 그나마 건강진단의 필요성에 대한 인식에 비해 성인병 검진의 수검률은 매우 낮은 반면 검진수검자 중 유료검진 수검자가 3분의 1이 넘어 무료 검진에 대한 홍보가 미진함을 알 수 있었다. 따라서 기존 성인병 검진 등 보건예방 사업의 활성화와 어울러 농업종사자들에 대해 산업체의 유해물질 폭로 근로자에게 제공되는 특수 건강진단과 같은 별도의 건강관리 시스템을 개발하는 것이 필요하다고 생각된다.

• 지능정보연구
• /
• 제24권3호
• /
• pp.1-19
• /
• 2018

최근 딥러닝은 오디오, 텍스트 및 이미지 데이터와 같은 비 체계적인 데이터를 대상으로 다양한 추정, 분류 및 예측 문제에 사용 및 적용되고 있다. 특히, 의류산업에 적용될 경우 딥러닝 기법을 활용한 의류 인식, 의류 검색, 자동 제품 추천 등의 심층 학습을 기반으로 한 응용이 가능하다. 이 때의 핵심모형은 합성곱 신경망을 사용한 이미지 분류이다. 합성곱 신경망은 입력이 전달되고 출력에 도달하는 과정에서 가중치와 같은 매개 변수를 학습하는 뉴런으로 구성되고, 영상 분류에 가장 적합한 방법론으로 사용된다. 기존의 의류 이미지 분류 작업에서 대부분의 분류 모형은 의류 이미지 자체 또는 전문모델 착용 의류와 같이 통제된 상황에서 촬영되는 온라인 제품 이미지를 사용하여 학습을 수행한다. 하지만 본 연구에서는 통제되지 않은 상황에서 촬영되고 사람들의 움직임과 다양한 포즈가 포함된 스트릿 패션 이미지 또는 런웨이 이미지를 분류하려는 상황을 고려하여 분류 모형을 훈련시키는 효과적인 방법을 제안한다. 이동성을 포착하는 런웨이 의류 이미지로 모형을 학습시킴으로써 분류 모형의 다양한 쿼리 이미지에 대한 적응력을 높일 수 있다. 모형 학습 시 먼저 ImageNet 데이터셋을 사용하여 pre-training 과정을 거치고 본 연구를 위해 수집된 32 개 주요 패션 브랜드의 2426개 런웨이 이미지로 구성된 데이터셋을 사용하여 fine-tuning을 수행한다. 학습 과정의 일반화를 고려해 10번의 실험을 수행하고 제안된 모형은 최종 테스트에서 67.2 %의 정확도를 기록했다. 본 연구 모형은 쿼리 이미지가 런웨이 이미지, 제품 이미지 또는 스트릿 패션 이미지가 될 수 있는 다양한 분류 환경에 적용될 수 있다. 구체적으로는 패션 위크에서 모바일 어플리케이션 서비스를 통해 브랜드 검색을 용이하게 하는 서비스를 제공하거나, 패션 잡지사의 편집 작업에 사용되어 브랜드나 스타일을 분류하고 라벨을 붙일 수 있으며, 온라인 쇼핑몰에서 아이템 정보를 제공하거나 유사한 아이템을 추천하는 등의 다양한 목적에 적용될 수 있다.

• 지능정보연구
• /
• 제26권1호
• /
• pp.135-149
• /
• 2020

인공지능을 기반으로 한 다양한 연구들이 현대사회에 많은 변화를 불러일으키고 있다. 금융시장 역시 예외는 아니다. 로보어드바이저 개발이 활발하게 진행되고 있으며 전통적 방식의 단점을 보완하고 사람이 분석하기 어려운 부분을 대체하고 있다. 로보어드바이저는 인공지능 알고리즘으로 자동화된 투자 결정을 내려 다양한 자산배분 모형과 함께 활용되고 있다. 자산배분 모형 중 리스크패리티는 대표적인 위험 기반 자산배분 모형의 하나로 큰 자산을 운용하는 데 있어 안정성을 나타내고 현업에서 역시 널리 쓰이고 있다. 그리고 XGBoost 모형은 병렬화된 트리 부스팅 기법으로 제한된 메모리 환경에서도 수십억 가지의 예제로 확장이 가능할 뿐만 아니라 기존의 부스팅에 비해 학습속도가 매우 빨라 많은 분야에서 널리 활용되고 있다. 이에 본 연구에서 리스크패리티와 XGBoost를 장점을 결합한 모형을 제안하고자 한다. 기존에 널리 사용되는 최적화 자산배분 모형은 과거 데이터를 기반으로 투자 비중을 추정하기 때문에 과거와 실투자 기간 사이의 추정 오차가 발생하게 된다. 최적화 자산배분 모형은 추정 오차로 인해 포트폴리오 성과에서 악영향을 받게 된다. 본 연구는 XGBoost를 통해 실투자 기간의 변동성을 예측하여 최적화 자산배분 모형의 추정 오차를 줄여 모형의 안정성과 포트폴리오 성과를 개선하고자 한다. 본 연구에서 제시한 모형의 실증 검증을 위해 한국 주식시장의 10개 업종 지수 데이터를 활용하여 2003년부터 2019년까지 총 17년간 주가 자료를 활용하였으며 in-sample 1,000개, out-of-sample 20개씩 Moving-window 방식으로 예측 결과값을 누적하여 총 154회의 리밸런싱이 이루어진 백테스팅 결과를 도출하였다. 본 연구에서 제안한 자산배분 모형은 기계학습을 사용하지 않은 기존의 리스크패리티와 비교하였을 때 누적수익률 및 추정 오차에서 모두 개선된 성과를 보여주었다. 총 누적수익률은 45.748%로 리스크패리티 대비 약 5% 높은 결과를 보였고 추정오차 역시 10개 업종 중 9개에서 감소한 결과를 보였다. 실험 결과를 통해 최적화 자산배분 모형의 추정 오차를 감소시킴으로써 포트폴리오 성과를 개선하였다. 포트폴리오의 추정 오차를 줄이기 위해 모수 추정 방법에 관한 다양한 연구 사례들이 존재한다. 본 연구는 추정 오차를 줄이기 위한 새로운 추정방법으로 기계학습을 제시하여 최근 빠른 속도로 발전하는 금융시장에 맞는 진보된 인공지능형 자산배분 모형을 제시한 점에서 의의가 있다.

• 지능정보연구
• /
• 제24권2호
• /
• pp.125-148
• /
• 2018

다양한 스마트 기기 및 관련 서비스의 증가에 따라 텍스트 데이터가 폭발적으로 증가하고 있으며, 이로 인해 방대한 문서로부터 필요한 정보만을 추려내는 작업은 더욱 어려워졌다. 따라서 텍스트 데이터로부터 핵심 내용을 자동으로 요약하여 제공할 수 있는 텍스트 자동 요약 기술이 최근 더욱 주목을 받고 있다. 텍스트 요약 기술은 뉴스 요약 서비스, 개인정보 약관 요약 서비스 등을 통해 현업에서도 이미 활발하게 적용되고 있으며, 학계에서도 문서의 주요 요소를 선별하여 제공하는 추출(Extraction) 접근법과 문서의 요소를 발췌한 뒤 이를 조합하여 새로운 문장을 구성하는 생성(Abstraction) 접근법에 따라 많은 연구가 이루어지고 있다. 하지만 문서의 자동 요약 기술에 비해, 자동으로 요약된 문서의 품질을 평가하는 기술은 상대적으로 많은 진전을 이루지 못하였다. 요약문의 품질 평가를 다룬 기존의 대부분의 연구들은 사람이 수작업으로 요약문을 작성하여 이를 기준 문서(Reference Document)로 삼고, 자동 요약문과 기준 문서와의 유사도를 측정하는 방식으로 수행되었다. 하지만 이러한 방식은 기준 문서의 작성 과정에 막대한 시간과 비용이 소요될 뿐 아니라 요약자의 주관에 의해 평가 결과가 다르게 나타날 수 있다는 한계를 갖는다. 한편 이러한 한계를 극복하기 위한 연구도 일부 수행되었는데, 대표적으로 전문에 대해 차원 축소를 수행하고 이렇게 축소된 전문과 자동 요약문의 유사도를 측정하는 기법이 최근 고안된 바 있다. 이 방식은 원문에서 출현 빈도가 높은 어휘가 요약문에 많이 나타날수록 해당 요약문의 품질이 우수한 것으로 평가하게 된다. 하지만 요약이란 본질적으로 많은 내용을 줄여서 표현하면서도 내용의 누락을 최소화하는 것을 의미하므로, 단순히 빈도수에 기반한 "좋은 요약"이 항상 본질적 의미에서의 "좋은 요약"을 의미한다고 보는 것은 무리가 있다. 요약문 품질 평가의 이러한 기존 연구의 한계를 극복하기 위해, 본 연구에서는 요약의 본질에 기반한 자동 품질 평가 방안을 제안한다. 구체적으로 요약문의 문장 중 서로 중복되는 내용이 얼마나 적은지를 나타내는 요소로 간결성(Succinctness) 개념을 정의하고, 원문의 내용 중 요약문에 포함되지 않은 내용이 얼마나 적은지를 나타내는 요소로 완전성(Completeness)을 정의한다. 본 연구에서는 간결성과 완전성의 개념을 적용한 요약문 품질 자동 평가 방법론을 제안하고, 이를 TripAdvisor 사이트 호텔 리뷰의 요약 및 평가에 적용한 실험 결과를 소개한다.

• 지능정보연구
• /
• 제19권4호
• /
• pp.133-146
• /
• 2013

본 연구는 매체에 따른 정보확산차이와, 정보유형을 근접성의 정도로 분류하여 정보확산차이를 보고자 하였다. 이는 기존의 전통매체인 종이신문이나 TV, 라디오와 같이 일방적으로 전달되는 매체의 정보확산과는 달리, 온라인 뉴스나 소셜네트워크서비스와 같이 쌍방향적 소통이 가능한 매체 특성으로 인한 정보확산은 차이가 있을 것이라 판단하였다. 따라서 본 연구에서는 개인이 직접 기사를 올리고 다른 사람들과 공유할 수 있는 블로그(Blog) 매체와 온라인 뉴스(News) 매체에 따른 정보확산차이를 비교해 보고자 하였다. 또한 심리적, 지리적 근접성에 따른 정보확산차이를 보고자 정보의 유형을 세분화 하였다. 이는 수용자가 정보의 근접성이 높고 낮음의 차이 정도에 따라 정보유형에 따른 가치평가의 기준이 다를 것이라 보았다. 정보유형은 연예, 시사(국제), 제품으로 선정하였고, 세부내용은 연예와 관련된 '싸이 젠틀맨', 시사와 관련된 '중국 쓰촨성 지진', 제품과 관련된 '갤럭시 S4'를 선택하였다. 본 연구의 분석방법은 Bass 확산모형을 이용하여 증명하고자 하였다. Bass 확산모형은 혁신효과(Innovation effect)와 모방효과(Imitation effect)로 나눠서 측정한다. 혁신효과는 서비스 초기에 영향을 미치는 변수로 추정가능하며, 모방효과는 서비스 초기 단계 이후에 영향을 미치는 변수로 구전의 영향을 받는다고 볼 수 있다. 본 연구 결과 첫째, 매체에 따른 정보확산 흐름은 비슷하게 나타났다. 비록 두 매체의 특성에 차이점이 있을지라도, 뉴스가치 중 하나인 근접성에 따른 정보확산은 비슷한 형태를 보인다고 할 수 있다. 두 번째, 근접성에 기반한 정보유형별 정보확산에는 차이가 있었다. 수용자 입장에서 관련성이 높은 제품과 연예는 모방효과가 높게 나타났으며, 시사의 경우는 모방효과보다 혁신효과가 높게 나타났다. 이는 제품관련 정보나 연예관련 정보와 같이 개인에게 심리적으로나 지리적으로 근접성이 높은 정보는, 국제 재해와 관련된 시사정보와 같이 근접성이 낮은 정보에 비해서, 개인의 모방효과가 활발히 진행된다고 볼 수 있다. 연구결과를 통해 매체와 정보유형에 따라 정보확산 흐름변화를 고찰하여 실무에 활용한다면 도움이 될 것이라 본다. 하지만, 정보유형을 각각 하나의 기사만을 택하여 보았기 때문에 이 결과를 통한 정보확산 차이라고 규정짓기에는 sample size가 너무 작아 일반화에 어려움이 있다. 향후 연구에서는 소셜미디어 종류를 블로그 뿐 만 아니라 다양한 소셜미디어를 추가하여 비교해 볼 필요가 있을 것이다. 또한 정보의 유형을 근접성 측면뿐 만 아니라 다른 측면도 고려해 봐야 할 것이다.

• 지능정보연구
• /
• 제20권1호
• /
• pp.163-176
• /
• 2014

소셜미디어 확산으로 많은 사용자들이 SNS를 통해 자신의 생각과 의견을 표출하며 다른 사용자들과 상호작용하고 있다. 특히 트위터와 같은 마이크로블로그는 짧은 문장을 통해 영화, TV, 사회 현상 등과 같은 공통의 주제에 대해 많은 사람이 즉각적으로 의견을 표출하고 교환하는 플랫폼의 역할을 수행하고 있다. TV방송 프로그램에 대해서도 의견과 감정을 마이크로블로그를 통해 표출하고 있는데, 본 연구에서는 마이크로블로그의 내용과 시청률과의 관계를 살펴보기 위해, 지난 공중파 방송 프로그램에 대한 트윗을 수집하고 부적절한 트윗들을 제거한 후 형태소 분석을 수행하였다. 추출된 형태소뿐 아니라 이모티콘, 신조어 등 사용자가 입력한 모든 단어들을 후보 자질로 삼아 시청률과의 상관관계를 분석하였다. 실험을 위해 2013년 1월부터 10개월간의 예능프로그램 트윗의 데이터를 수집하여 전국 시청률 데이터와 비교 분석을 수행하였다. 트윗의 발생량은 일주일 중 방송된 요일에 가장 많았으며, 특히 방송시간 부근에서 급격히 증가하는 모습을 보였다. 이것은 전국에 동시간에 방송되는 공중파 프로그램의 특성상 공통된 관심 주제를 제공하기 때문에 나타나는 현상으로 여겨진다. 횟수 기반 자질로 방송 일의 총 트윗 수와 리트윗 수, 방송시간 중의 트윗 수와 리트윗 수와 시청률과의 상관 관계를 분석하였으나 모두 낮은 상관 계수를 나타냈다. 이것은 단순한 트윗 발생 빈도는 방송 프로그램의 만족도 또는 시청률을 제대로 반영하고 있지 못함을 의미한다. 내용 기반 자질로 추출한 단어들 중에는 높은 상관관계를 보여주는 단어들이 발견되었으며, 표준어가 아닌 이모티콘과 신조어 중에도 높은 상관관계를 보여주는 자질이 나타났다. 또한 방송시작 전과 후에 따라 상관계수가 높은 단어가 상이함을 발견하였다. 매주 같은 시간에 방송되는 TV 프로그램의 특성상, 방송을 기다리고 기대하는 내용의 트윗과 방송 후 소감을 표현하는 트윗의 내용에 차이가 존재하였다. 이러한 분석결과는 단어에 따라 시청률과 연관성이 높은 시간대가 달라짐을 의미하며, 시청률을 측정하고자 할 때 각 단어들의 시간대를 고려해서 사용해야 함을 의미한다. 본 연구에서 제안한 방법은 기존의 표본 추출을 통해 이루어지는 TV 시청률 측정을 보완할 수 있는 방법에 활용할 수 있으리라 기대된다.

• 지능정보연구
• /
• 제20권1호
• /
• pp.49-65
• /
• 2014

구전(WOM: Word of Mouth)는 주변 사람들에게 상품에 대한 경험을 입에서 입으로 전달하는 현상을 말하며 소셜 미디어의 발전으로 온라인 구전(eWOM: Electronic Word of Mouth) 형태로 발전하였다. 구전 효과의 중요성으로 인해서 대부분의 기업들의 자사의 상품이나 서비스에 대한 온라인 구전에 촉각을 세우고 있으며, 특히 영화와 같은 경험재의 경우에는 그 영향력이 더욱 크다. 본 연구에서는 영화 커뮤니티에 대한 사회 네트워크 분석을 통해서 영화 흥행성과 지표인 매출에 미치는 영향요인을 규명하고자 한다. 영화 흥행성과 연구들에서 주요하게 다루어진 영화에 대한 구전의 크기(volume)와 방향성(valence)과 같은 구전 요인들을 추가하여, 구전 네트워크의 중심성 척도를 영향 요인에 고려하였다. 구전의 크기, 방향성, 그리고 3가지 중심성 척도(연결 중심성, 매개 중심성, 근접 중심성)의 최종 영화 매출에 영향 관계를 가설로 설정하였다. 제시한 연구 모형을 검증하기 위하여 대표적인 온라인 영화 커뮤니티 사이트인 IMDb(Internet Movie Database)에서 영화 구전 데이터를 수집하였고, Box-Office-Mojo사이트에서 영화 매출 데이터를 수집하였다. 2012년 9월부터 1년 동안, 주간 Top-10에 포함된 적이 있는 영화들을 대상으로 하였으며, 총 103개의 영화가 선정되어 이 영화들에 대한 메타 데이터와 커뮤니티 데이터가 수집되었다. 영화 커뮤니티 네트워크는 평가자들간의 댓글 관계를 기초로 구축하였다. 본 연구에서 사용한 3가지 중심성 척도는 사회 네트워크 분석 도구인 NodeXL을 사용하여 계산되었으며, 각 영화별 커뮤니티 참여자들의 중심성 척도의 평균값을 활용하였다. 가설 검증의 사전 분석을 위한 상관관계 분석에서는 3가지 중심성 척도간에 상관 관계가 높은 것으로 파악되어서, 각각에 대하여 별도로 회귀분석을 수행하였다. 분석 결과, 기존 연구와 일관성 있게 구전의 크기와 방향성은 영화 성과지표인 최종 매출에 긍정적인 영향을 미치는 것으로 파악되었다. 또한 구전 네트워크 내의 참여자 매개중심성 평균은 영화의 최종 매출에 영향을 미치는 것으로 파악되었다. 하지만 연결중심성과 근접중심성은 최종 매출에 영향을 주지 못하는 것으로 나타났다.

• 지능정보연구
• /
• 제25권4호
• /
• pp.141-154
• /
• 2019

인터넷 기술과 소셜 미디어의 빠른 성장으로 인하여, 구조화되지 않은 문서 표현도 다양한 응용 프로그램에 사용할 수 있게 마이닝 기술이 발전되었다. 그 중 감성분석은 제품이나 서비스에 내재된 사용자의 감성을 탐지할 수 있는 분석방법이기 때문에 지난 몇 년 동안 많은 관심을 받아왔다. 감성분석에서는 주로 텍스트 데이터를 이용하여 사람들의 감성을 사전 정의된 긍정 및 부정의 범주를 할당하여 분석하며, 이때 사전 정의된 레이블을 이용하기 때문에 다양한 방향으로 연구가 진행되고 있다. 초기의 감성분석 연구에서는 쇼핑몰 상품의 리뷰 중심으로 진행되었지만, 최근에는 블로그, 뉴스기사, 날씨 예보, 영화 리뷰, SNS, 주식시장의 동향 등 다양한 분야에 적용되고 있다. 많은 선행연구들이 진행되어 왔으나 대부분 전통적인 단일 기계학습기법에 의존한 감성분류를 시도하였기에 분류 정확도 면에서 한계점이 있었다. 본 연구에서는 전통적인 기계학습기법 대신 대용량 데이터의 처리에 우수한 성능을 보이는 딥러닝 기법과 딥러닝 중 CNN과 LSTM의 조합모델을 이용하여 감성분석의 분류 정확도를 개선하고자 한다. 본 연구에서는 대표적인 영화 리뷰 데이터셋인 IMDB의 리뷰 데이터 셋을 이용하여, 감성분석의 극성분석을 긍정 및 부정으로 범주를 분류하고, 딥러닝과 제안하는 조합모델을 활용하여 극성분석의 예측 정확도를 개선하는 것을 목적으로 한다. 이 과정에서 여러 매개 변수가 존재하기 때문에 그 수치와 정밀도의 관계에 대해 고찰하여 최적의 조합을 찾아 정확도 등 감성분석의 성능 개선을 시도한다. 연구 결과, 딥러닝 기반의 분류 모형이 좋은 분류성과를 보였으며, 특히 본 연구에서 제안하는 CNN-LSTM 조합모델의 성과가 가장 우수한 것으로 나타났다.