• 대순사상논총
• /
• 제33집
• /
• pp.31-62
• /
• 2019

본 연구는 무극과 태극 상관연동의 대순우주론에 관한 연구를 목적으로 한다. 대순우주론은 구천상제께서 세상에 펼친 대순에 근거하여 이루어진 우주론이다. 이 글에서는 대순우주론이 구천상제의 무극초월, 도주정산의 태극내재, 무극과 태극 상관연동의 후천개벽의 삼단계로 전개되고 있음을 밝히고자 한다. 먼저 구천상제의 무극초월은 생장염장과 무위이화로 드러난다. '생장염장(生長斂藏)'의 사의(四義)는 우주순환 원리를 표상하며, 무위이화는 그 성품을 바르게 하고 기운을 올곧게 함은 꾸밈이 없이 성취함을 일컫는다. 이는 상생진법의 정음정양에 근거하여 이루어진다고 말할 수 있다. 또한 도주정산의 태극내재는 만물생장과 생성변화로 이루어진다. 만물생장은 세상의 모든 것들이 저마다 생명을 틔워 생장하면서 각각 생애 절정을 향해 빛내려고 하는 특징을 드러낸다고 할 것이다. 아울러 뇌성보화의 지배자양에 의해 선천의 상극기운과 습관을 버리고, 음양이기(陰陽二氣)를 결합하여 동정진퇴(動靜進退)의 내재변화(內在變化)로 천기(天氣)와 지기(地氣)를 승강(昇降)하게 한다. 그리고 무극과 태극 상관연동의 후천개벽은 무극초월과 태극내재 상관연동의 대순일원으로 일상에서 도를 체화하는 단계로서 켄 윌버의 통합모델과 상통한다. '도통진경(道通眞境)'은 참된 도를 체화하는 경지이고, '도지통명(道之通明)'은 도를 밝혀 후천개벽의 새 세상을 전개함을 의미한다. 선녀들이 음악을 연주하고, 불로초가 피어나고, 학들이 노니는 안온하고 평화로운 모습이다. 인간은 지상신선이 되고, 후천개벽의 실화기제가 되어 마침내 시공(時空)을 넘나드는 대자유인으로서 행복결실을 맺는 형상이다. 대순사상은 대순진리의 사상으로 도주께서 50년간 각고의 고초를 겪으시며 '태극내재'를 새 밝힘으로 함으로 진법(眞法)을 완성시킨 것에 근거한다. 도주께서 1958년, 도전께 종통을 물려주시면서 도의 전반을 맡아가도록 하명함으로 대순사상은 도전에 의해 대순사상으로 계승되었다. 또한 도전께서 '대순(大巡)'을 크게 순찰하는 의미로 새겨서, 구천상제의 삼계대순(三界大巡) 개벽공사(開闢公事) 뜻을 담보했다. 아울러 '대순(大巡)이 원(圓)으로, 무극과 태극의 상관연동 우주론을 나타내고 있다고 새 밝힘 하였다. 결국 대순사상 우주론은 대순사상의 심층차원을 이해할 수 있게 하면서, 무극초월과 태극내재 상관연동으로 대순일원의 정체성을 드러내고 있음을 새 밝힘 할 수 있다. 대순우주론은 대순일원으로서 생활실천으로 원융회통 성격을 제시한다. 본 연구에서는 문헌학의 진정성과 해석학의 합당성을 활용하여, 대순우주론의 무극과 태극 상관연동의 공공작용을 규명하게 된다. 다양·다중·다층 해석학으로 후천개벽의 생활실화에 접근함으로, 후천개벽의 실천담론을 실화기제로 밝히고자 한다. 대순사상 미래전망은 무극초월과 태극내재 상관연동으로 대순의 '일원회통(一圓會通)' 원만구족으로 생명살림에 관건이 있다고 할 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.