• 지능정보연구
• /
• 제28권4호
• /
• pp.347-364
• /
• 2022

고객의 구매 의사결정에 영향을 주는 온라인 리뷰의 부적절한 조작을 통해 이익을 얻고자 하는 기업 또는 온라인 판매자들 때문에, 리뷰의 신뢰성은 온라인 거래에서 매우 중요한 이슈가 되었다. 온라인 쇼핑몰 등에서 온라인 리뷰에 대한 소비자들의 의존도가 높아짐에 따라 많은 연구들이 조작된 리뷰를 탐지하는 방법에 개발하고자 하였다. 기존의 연구들은 온라인 리뷰를 기반으로 정상 리뷰와 조작된 리뷰를 대상으로 기계학습으로 이용함으로써 조작된 리뷰를 탐지하는 모형을 제시하였다. 기계학습은 데이터를 이용하여 이진분류 문제에서 탁월한 성능을 보여왔으나, 학습에 충분한 데이터를 확보할 수 있는 환경에서만 이러한 성능을 기대할 수 있었다. 조작된 리뷰는 학습용으로 사용할 수 있는 데이터가 충분하지 못하며, 이는 기계학습이 충분한 학습을 할 수 없다는 치명적 약점으로 내포하게 된다. 본 연구에서는 기계학습이 불균형 데이터 셋으로 인한 학습의 저하를 방지할 수 있는 방안으로 부족한 조작된 리뷰를 인공지능을 이용하여 생성하고 이를 기반으로 균형된 데이터 셋에서 기계학습을 학습하여 조작된 리뷰를 탐지하는 방안을 제시하였다. 파인 튜닝된 GPT-3는 초거대 인공지능으로 온라인 플랫폼의 리뷰를 생성하여 데이터 불균형 문제를 해결하는 오버샘플링 접근방법으로 사용되었다. GPT-3로 생성한 온라인 리뷰는 기존 리뷰를 기반으로 인공지능이 작성한 리뷰로써, 본 연구에서 사용된 로짓, 의사결정나무, 인공신경망의 성능을 개선시키는 것을 SMOTE와 단순 오버샘플링과 비교하여 실증분석을 통해서 확인하였다.

• 국제교류와 융합교육
• /
• 제4권2호
• /
• pp.1-19
• /
• 2024

본 연구는 창작음악극이 학교부적응 청소년의 학교적응 및 자기효능감 향상에 미치는 효과에 대하여 살펴보았다. 연구대상은 교육청 정서행동평가 및 wee(Wee)클래스 상담교사를 통해 학교부적응 위험군으로 분류된 청소년 229명으로 하였다. 연구기간은 2023년 5월 1일부터 10월 31일까지 주 1회씩, 회기 당 100분으로 구성하여 총 15회기를(로) 진행되었다. 효과성 검증을 위해 창작음악극(창작음악극의 효과성 검증을 위해) 사전, 사후에 김아영(2002)의 학교적응척도, Sherer 등(1982)의 자기효능감 척도(SES)를 실시하고, 대응 t 검증을 통해 결과를 분석하였다. 연구의(연구) 결과, 연구대상의 학교적응(p< .05)과 하위요인인 교우관계(p< .05), 학교수업(p< .05), 학교규칙(p< .05) 모두 창작음악극을 실시하기 전에 비해 사후에 (점수가) 증가하였으며 통계적으로도 유의하였다. 연구대상의 자기효능감(p< .01)과 하위요인인 일반적 자기효능감(p< .01), 사회적 자기효능감(p< .05) 또한 창작음악극 실시하기 전에 비해 사후에 (점수가) 증가하였으며 통계적으로도 유의하였다. 따라서 본 연구는 창작음악극이 학교부적응 청소년의 학교적응 및 자기효능감 향상에 효과적이라는 것을 밝혔다.

• 한국전자거래학회지
• /
• 제8권2호
• /
• pp.99-111
• /
• 2003

전자책은 디지털의 여러 장점으로 인해 널리 사용되기 시작하고 있으며 . 여러 시장조사 기관에서도 전자책 시장이 조만 간에 급격히 성장할 것으로 예측하였다. 그러나 예상과는 달리 보안 문제와 다양한 전자책 컨텐츠 포맷 등의 이유로 시장의 활성화가 늦어지고 있는 실정이다. 보안과 관련된 문제는 DRM을 이용하여 해결하고 있으며, 다양한 포맷과 관련된 문제는 세계 각 국에서 나름대로의 표준을 정의하여 해결하고자 노력하고 있다 그러나 각 국에서 제정한 표준은 각 국 내부의 다양한 포맷 문제는 해결할 수 있으나 국가 간의 전자책 교환이나 가공을 어렵게 하였다. 따라서 이들 표준 컨텐츠간의 공유나 교환을 위하여 표준 간의 변환기법이 필요하다. 이에 본 논문에서는 전자책 표준간의 변환을 위하여 전자책 컨텐츠간에 발생할 수 있는 대응 관계에 관하여 연구하였다. 먼저 전자책 컨텐츠간의 대응 관 계를 정의하기 위하여 전자책 컨텐츠간의 대응과 일반 XML문서에서 발생할 수 있는 대응을 분석하여 일곱 가지의 대응 관계를 정의하였다. 그리고 각각을 사상 수에 따라 분류하고 자동으로 생성할 수 있는 것과 그렇지 않은 것으로 구별하였다 그리고 이를 이용하여 전자책 컨텐츠간의 변환을 자동. 수동, 반자동으로 분류하였다. 또한 정의된 대응관계를 사상 수에 따라 변환 클래스로 나누고, 각각에 대하여 변환 템플릿을 정의하여 변환 스크립트를 자동으로 생성하도록 하였다. 그리고 이를 실제 전자책 컨텐츠 변환에 적용하여 보았다. 본 논문에서 정의된 대응 관계와 변환 템플릿은 전자책 컨텐츠간의 변환 뿐 아니라 일반 XML문서간의 변환에도 적용될 수 있으리라 예상된다. 2004년도에서 평균 77.0으로 가장 높았고, 그와 반대로 완전미 비율도 낮았고, 단백질 함량이 가장 높게 나타났던 2003년도에 71.0으로 낮았다. 토양 및 식물과 관련된 집중 관측과 단기 실험들이 뒤따라야 하겠다.적인 자극으로부터 개체들에게 더 많은 스트레스를 유발시켜 폐사율을 높일 수 있는 열악한 환경을 조성할 수 있음을 시사하였다.s the strategies on the revitalization and enhancement of small-sized retailers" productivities.에 종양을 가진 환자 치료 시 더욱 질 높은 방사선 치료가 실현될 것으로 기대한다. 30∼40％ 정도 느렸고, 퍼레니얼라이그라스도 퍼레니얼라이그라스 100％ 단일종류에 비해 20∼30％정도 늦었다. 따라서, 뗏장 재배시 여러 종류의 초종을 천편일률적으로 혼합하여 파종하는 것은 바람직하지 않으며, 컨셉에 따라 적절하게 초종 및 품종을 선택해서 사용하는 것이 필요하다. 5. 뗏장의 뿌리 형성 능력은 퍼레니얼라이그라스가 가장 좋았고, 가장 저조한 초종은 켄터키블루그라스였다. 톨훼스큐는 켄터키블루그라스와 퍼레니얼라이그라스의 중간정도로 나타났다. 혼합구의 뗏장 형성 능력은 초종의 혼합비에 따라 뿌리 형성력 차이가 다르게 나타났는데, 특히 퍼레니얼라이그라스 혼합비율이 많을수록 뿌리 형성 능력은 증가하였다. 6. 뗏장 수확시 잔디 품질은 단일 초종구의 품질이 혼합구에 비해 양호하였는데 가장 우수한 초종은 켄터키블루그라스였고, 톨훼스큐는 켄터키블루그라스 다음으로 중간정도, 그리고 퍼레니얼라이그라스는 가장 저조하였다. 켄터키블루그라스는 균일한 잔디

• 한국전산구조공학회논문집
• /
• 제37권4호
• /
• pp.225-232
• /
• 2024

본 논문에서는 딥러닝을 활용하여 복합재 적층판의 파괴 모드를 결정하는 방법을 제안하였다. 수많은 엔지니어링 응용 분야에서 적층 복합재의 사용이 증가함에 따라 무결성과 성능을 보장하는 것이 중요해졌다. 그러나 재료의 이방성으로 인해 복잡하게 나타나는 파괴모드를 식별하는 것은 도메인 지식이 필요하고, 시간이 많이 드는 작업이다. 따라서 이러한 문제를 해결하기 위해 본 연구에서는 인공 지능(AI) 기술을 활용하여 적층 복합재의 파괴 모드 분석을 자동화하는 것을 목표로 하였다. 이 목표를 달성하기 위해 적층된 복합재에서 파손된 인장 시험편의 주사 전자 현미경(SEM) 이미지를 얻어 다양한 파괴 모드를 확보하였다. 이러한 SEM 이미지는 섬유 파손, 섬유 풀아웃, 혼합 모드 파괴, 매트릭스 취성 파손 및 매트릭스 연성 파손과 같은 다양한 파손 모드를 기준으로 분류하였다. 다음으로 모든 클래스의 집합 데이터를 학습, 테스트, 검증 데이터 세트로 구분하였다. 두 가지 딥 러닝 기반 사전 훈련 모델인 DenseNet과 GoogleNet을 이용해 각 파괴 모드에 대한 차별적 특징을 학습하도록 훈련하였다. DenseNet 및 GoogleNet 모델은 각각 (94.01% 및 75.49%) 및 (84.55% 및 54.48%)의 훈련 및 테스트 정확도를 보여주었다. 그런 다음 훈련된 딥 러닝 모델은 검증 데이터 세트를 활용해 검증하였다. 더 깊은 아키텍처로 인해 DenseNet 모델이 고품질 특징을 추출하여 84.44% 검증 정확도(GoogleNet 모델보다 36.84% 더 높음)를 얻을 수 있음을 확인하였다. 이는 DenseNet 모델이 높은 정밀도로 파괴 모드를 예측함으로써 적층 복합재의 파손 분석을 수행하는 데 효과적이라는 것을 알 수 있다.