• 대한통합의학회지
• /
• 제12권2호
• /
• pp.155-166
• /
• 2024

Purpose : This study aims to identify key factors for predicting dropout risk at the university level and to provide a foundation for policy development aimed at dropout prevention. This study explores the optimal machine learning algorithm by comparing the performance of various algorithms using data on college students' dropout risks. Methods : We collected data on factors influencing dropout risk and propensity were collected from N University. The collected data were applied to several machine learning algorithms, including random forest, decision tree, artificial neural network, logistic regression, support vector machine (SVM), k-nearest neighbor (k-NN) classification, and Naive Bayes. The performance of these models was compared and evaluated, with a focus on predictive validity and the identification of significant dropout factors through the information gain index of machine learning. Results : The binary logistic regression analysis showed that the year of the program, department, grades, and year of entry had a statistically significant effect on the dropout risk. The performance of each machine learning algorithm showed that random forest performed the best. The results showed that the relative importance of the predictor variables was highest for department, age, grade, and residence, in the order of whether or not they matched the school location. Conclusion : Machine learning-based prediction of dropout risk focuses on the early identification of students at risk. The types and causes of dropout crises vary significantly among students. It is important to identify the types and causes of dropout crises so that appropriate actions and support can be taken to remove risk factors and increase protective factors. The relative importance of the factors affecting dropout risk found in this study will help guide educational prescriptions for preventing college student dropout.

• 지능정보연구
• /
• 제24권3호
• /
• pp.21-44
• /
• 2018

최근 인터넷 기술의 발전과 함께 스마트 기기가 대중화됨에 따라 방대한 양의 텍스트 데이터가 쏟아져 나오고 있으며, 이러한 텍스트 데이터는 뉴스, 블로그, 소셜미디어 등 다양한 미디어 매체를 통해 생산 및 유통되고 있다. 이처럼 손쉽게 방대한 양의 정보를 획득할 수 있게 됨에 따라 보다 효율적으로 문서를 관리하기 위한 문서 분류의 필요성이 급증하였다. 문서 분류는 텍스트 문서를 둘 이상의 카테고리 혹은 클래스로 정의하여 분류하는 것을 의미하며, K-근접 이웃(K-Nearest Neighbor), 나이브 베이지안 알고리즘(Naïve Bayes Algorithm), SVM(Support Vector Machine), 의사결정나무(Decision Tree), 인공신경망(Artificial Neural Network) 등 다양한 기술들이 문서 분류에 활용되고 있다. 특히, 문서 분류는 문맥에 사용된 단어 및 문서 분류를 위해 추출된 형질에 따라 분류 모델의 성능이 달라질 뿐만 아니라, 문서 분류기 구축에 사용된 학습데이터의 질에 따라 문서 분류의 성능이 크게 좌우된다. 하지만 현실세계에서 사용되는 대부분의 데이터는 많은 노이즈(Noise)를 포함하고 있으며, 이러한 데이터의 학습을 통해 생성된 분류 모형은 노이즈의 정도에 따라 정확도 측면의 성능이 영향을 받게 된다. 이에 본 연구에서는 노이즈를 인위적으로 삽입하여 문서 분류기의 견고성을 강화하고 이를 통해 분류의 정확도를 향상시킬 수 있는 방안을 제안하고자 한다. 즉, 분류의 대상이 되는 원 문서와 전혀 다른 특징을 갖는 이질적인 데이터소스로부터 추출한 형질을 원 문서에 일종의 노이즈의 형태로 삽입하여 이질성 학습을 수행하고, 도출된 분류 규칙 중 문서 분류기의 정확도 향상에 기여하는 분류 규칙만을 추출하여 적용하는 방식의 규칙 선별 기반의 앙상블 준지도학습을 제안함으로써 문서 분류의 성능을 향상시키고자 한다.

• Asia Marketing Journal
• /
• 제11권1호
• /
• pp.73-92
• /
• 2009

소비자들은 때로 특정 제품에 대한 정보들을 다른 소비자에게 전달하여 그들의 제품 선택에 영향을 미치는 전달자 역할을 한다. 본 연구는 구전 전달자로서 소비자가 다른 소비자에게 전달하는 제품 정보를 주관적 (긍정적 또는 부정적) 정보와 객관적 정보로 구분하여, 소비자가 어떤 정보를 어떤 경우 더욱 활발히 전달하는 지를 분석하고자 한다. 본 연구는 이를 위해, 소비자의 메시지 전달 행위를 제품 선택과 같이 또 다른 형태의 선택 행위로 보고, 고객의 제품 구매 선택 행위를 연구하는 데 주로 적용되어 온 소비자 선택 모형(consumer choice model)를 이용하여 소비자의 메시지 전파(구전) 활동을 분석하였다. 소비자 선택 모형을 이용하여, 구전 전달자들이 제품에 관한 객관적 정보와 주관적 평가를 언제 더욱 많이 확산 시키는 지를 알아보고, 더 나아가서는 소비자들이 제품 관련 정보를 확산하는 과정에 구전 활동을 더욱 활성화 또는 약화시키는 요인이 무엇인지를 살펴 보았다. 본 연구는 실증 분석 결과를 통해, 구전 전달자의 메시지 확산 행위는 정보를 획득하게 된 경로/원천(source)의 유형에 따라 더욱 활발해 지거나 위축될 수 있다는 점을 발견하였다. 또한, 이러한 구전 활동은 전달하는 제품관련 메시지가 주관적 제품 평가에 관한 것인지 아니면 제품에 대한 객관적 정보인지에 따라 그 정도가 달라진다. 본 연구의 결과가 의미하는 바는, 소비자의 제품에 관한 메시지 확산 활동은 소비자의 구전 메시지 선택 행위에 영향을 미치는 효과적인 커뮤니케이션 계획을 통하여 더욱 확산 또는 위축시킬 수 있다는 점을 보여준다. 본 연구는 기업이 확산되기를 바라는 제품 정보가 구전을 통하여 효과적으로 확산되도록 계획을 수립하는 데 필요한 방법론을 제공하고 있으며, 실증 분석 결과를 기반으로 제품구전의 성공적인 확산을 위한 커뮤니케이션 전략 수립에 필요한 가이드라인을 제공하여 준다.

• 지능정보연구
• /
• 제15권1호
• /
• pp.51-64
• /
• 2009

다중센서를 이용한 기동물체의 추적은 GPS, INS, 레이더 및 광학장비 등의 위치추적 센서가 이용되며, 이러한 시스템은 UAV, 유도미사일, 우주선 등의 추적 탐지 통제를 위해 사용된다. 기동물체의 위치추적과 관련한 대부분의 연구는 다수의 레이더를 융합하거나 INS, GPS에 보조센서 추가하는 것이다. 하지만 이기종의 센서는 각 시스템특성 및 오차특성이 상이하므로 융합 간에 이를 고려하여 반영강도를 달리하는 연구가 필요하다. 본 논문에서는 다중센서 융합에 의한 추적 성능 향상을 위해 GPS, INS에 지상 레이더를 추가하여 각 센서특성에 따른 오차분석을 실시하고, 융합 간 오차특성에 따라 각 센서의 Sensor Probability를 변화시켜 정밀도와 안정성을 향상시키는 추적 알고리즘을 제안한다. 평가를 위해 UAV의 기동모델에 대한 시뮬레이션을 통해 고도값을 추출하고 제안 알고리즘을 적용하여 성능분석을 실시한다. 연구를 통해 각 센서의 항법정보 융합 간에 오차정도에 따라 측정치의 반영강도를 변화시켜 항법정보의 정확도 향상과 외부의 고의적인 환경변화 및 교란에도 강인한 추적이 가능하다.

• 지능정보연구
• /
• 제26권1호
• /
• pp.23-45
• /
• 2020

기업의 경쟁력 확보를 위해 판별 알고리즘을 활용한 의사결정 역량제고가 필요하다. 하지만 대부분 특정 문제영역에는 적합한 판별 알고리즘이 어떤 것인지에 대한 지식은 많지 않아 대부분 시행착오 형식으로 최적 알고리즘을 탐색한다. 즉, 데이터셋의 특성에 따라 어떠한 분류알고리즘을 채택하는 것이 적합한지를 판단하는 것은 전문성과 노력이 소요되는 과업이었다. 이는 메타특징(Meta-Feature)으로 불리는 데이터셋의 특성과 판별 알고리즘 성능과의 연관성에 대한 연구가 아직 충분히 이루어지지 않았기 때문이며, 더구나 다중 클래스(Multi-Class)의 특성을 반영하는 메타특징에 대한 연구 또한 거의 이루어진 바 없다. 이에 본 연구의 목적은 다중 클래스 데이터셋의 메타특징이 판별 알고리즘의 성능에 유의한 영향을 미치는지에 대한 실증 분석을 하는 것이다. 이를 위해 본 연구에서는 다중 클래스 데이터셋의 메타특징을 데이터셋의 구조와 데이터셋의 복잡도라는 두 요인으로 분류하고, 그 안에서 총 7가지 대표 메타특징을 선택하였다. 또한, 본 연구에서는 기존 연구에서 사용하던 IR(Imbalanced Ratio) 대신 시장집중도 측정 지표인 허핀달-허쉬만 지수(Herfindahl-Hirschman Index, HHI)를 메타특징에 포함하였으며, 역ReLU 실루엣 점수(Reverse ReLU Silhouette Score)도 새롭게 제안하였다. UCI Machine Learning Repository에서 제공하는 복수의 벤치마크 데이터셋으로 다양한 변환 데이터셋을 생성한 후에 대표적인 여러 판별 알고리즘에 적용하여 성능 비교 및 가설 검증을 수행하였다. 그 결과 대부분의 메타특징과 판별 성능 사이의 유의한 관련성이 확인되었으며, 일부 예외적인 부분에 대한 고찰을 하였다. 본 연구의 실험 결과는 향후 메타특징에 따른 분류알고리즘 추천 시스템에 활용할 것이다.

• 지능정보연구
• /
• 제22권4호
• /
• pp.177-192
• /
• 2016

기계학습(Machine Learning)은 인공 지능의 한 분야로, 데이터를 이용하여 기계를 학습시켜 기계 스스로가 데이터 분석 및 예측을 하게 만드는 것과 관련한 컴퓨터 과학의 한 영역을 일컫는다. 그중에서 SVM(Support Vector Machines)은 주로 분류와 회귀 분석을 목적으로 사용되는 모델이다. 어느 두 집단에 속한 데이터들에 대한 정보를 얻었을 때, SVM 모델은 주어진 데이터 집합을 바탕으로 하여 새로운 데이터가 어느 집단에 속할지를 판단해준다. 최근 들어서 많은 금융전문가는 기계학습과 막대한 데이터가 존재하는 금융 분야와의 접목 가능성을 보며 기계학습에 집중하고 있다. 그러면서 각 금융사는 고도화된 알고리즘과 빅데이터를 통해 여러 금융업무 수행이 가능한 로봇(Robot)과 투자전문가(Advisor)의 합성어인 로보어드바이저(Robo-Advisor) 서비스를 발 빠르게 제공하기 시작했다. 따라서 현재의 금융 동향을 고려하여 본 연구에서는 기계학습 방법의 하나인 SVM을 활용하여 매매성과를 올리는 방법에 대해 제안하고자 한다. SVM을 통한 예측대상은 한국형 변동성지수인 VKOSPI이다. VKOSPI는 금융파생상품의 한 종류인 옵션의 가격에 영향을 미친다. VKOSPI는 흔히 말하는 변동성과 같고 VKOSPI 값은 옵션의 종류와 관계없이 옵션 가격과 정비례하는 특성이 있다. 그러므로 VKOSPI의 정확한 예측은 옵션 매매에서의 수익을 낼 수 있는 중요한 요소 중 하나이다. 지금까지 기계학습을 기반으로 한 VKOSPI의 예측을 다룬 연구는 없었다. 본 연구에서는 SVM을 통해 일 중의 VKOSPI를 예측하였고, 예측 내용을 바탕으로 옵션 매매에 대한 적용 가능 여부를 실험하였으며 실제로 향상된 매매 성과가 나타남을 증명하였다.

• KDI Journal of Economic Policy
• /
• 제12권1호
• /
• pp.127-148
• /
• 1990

이 논문의 기본목표는 Bain 이래 논란의 대상이 되어 온 기존기업들에 의한 진입제한가격(進入制限價格)의 형성이 일반적으로 가능한가, 가능하다면 어떠한 메커니즘을 통해 형성되는 가를 밝히고, 진입제한가격이론(進入制限價格理論)이 한국경제에 갖는 의의를 찾아보는데 있다, 이 논문에서 밝혀질 주요결과는 다음과 같다. 첫째, 다수의 기존기업(旣存企業)이 각자의 이윤극대화(利潤極大化)를 추구하며 카르텔을 형성하지 않는 때에도 기존기업(旣存企業)과 잠재적(潛在的) 신규기업간(新規企業間)에 정보의 불균형이 존재하는 경우 진입제한가격(進入制限價格)이 채택될 가능성이 있다. 둘째, 이러한 과점기업(寡占企業)들에 의한 진입제한가격형성(進入制限價格形成)은 암묵적 담합의 새로운 형태로 해석할 수 있다. 셋째, 진입제한가격형성(進入制限價格形成)은 각종 회계자료(會計資料)가 공표되지 않을 경우에 가능하다. 넷째, 기존기업(旣存企業)의 수(數)가 증가하여 산업(産業)이 완전경쟁산업(完全競爭産業)에 접근해 감에 따라 진입제한가격(進入制限價格)이 형성될 가능성은 사라지게 된다.

• 한국정보처리학회논문지
• /
• 제5권10호
• /
• pp.2575-2583
• /
• 1998

소프트웨어 산업에서 고신뢰성의 소프트웨어 시스템을 생산하고 그들의 성능을 평가하는 일이 중요한 관심사항이 되어왔다. 소프트웨어의 평가는 주로 소프트웨어 시스템의 신뢰성과 성능의 양쪽 관점에서 수행되어져 왔다. 소프트웨어신뢰도는 소프트웨어 테스팅 단계 동안에 한 고정된 시간구간에서 소프트웨어 오류가 발생하지 않을 확률을 말한다. 이들 이론적인 소프트웨어 신뢰성 모델들은 가끔 어떤 특정한 테스팅 구간에서는 하나의 어떤 소프트웨어 오류가 발생하여 소프트웨어 오류를 디버깅하여도 소프트웨어 고장율이 불완전 디버깅. 비정상적인 소프트웨어 수정 등등의 원인에 의해서 감소되어 실제적인 소프트웨어 테스팅 단계에서는 적당하지 않을 수도 있다. 이와 같이 부적당한 소프트웨어 테스팅 구간은 하나의 이상치 스테이지로 고려되어질 필요성이 있다. 이 이상치 소프트웨어 테스팅 구간에서만은 장애요인에 의해서 소프트웨어 신뢰도가개선이 되지 않는다고 가정한다. 이와 같은 가정아래서본 연구에서는 우선 소프트웨어 신뢰도 성장 모형에서 가장 많이 활용되는 Jelinski-Moranda모델을 변경하여 하나의 미지정된 이상치 소프트웨어 테스팅 구간을 고려하여 베이지안 방법에 의한 소프트웨어 신뢰도를 모형화하고 그 모형에 따른 소프트웨어 신뢰성 측도들을 추정하는 절차를 연구하였다. 그리고 제곱오차 결손함수의 조건아래 사전정보를 가정한 소프트웨어 신뢰도 모수의 베이즈 추정량을 제안하고, 제안된 소프트웨어 신뢰도 성장 모델을 하나의 이상치 소프트웨어 테스팅 구간상에 고려된 장애 모수의 값에 따라서 정확성, 바이어스, 추세 및 노이즈 등의 정량적인 평가 측도들을 사용하여 컴퓨터 시뮬레이션을 통하여 평가하였다.7배 높은 것으로 나타났다. 국내 건강기능식품공전 중 클로렐라 및 스피루리나제품의 엽록소 a b, 및 페오포르바이드 항목의 규격검사를 본 연구의 동시분석법으로 개정함으로써 각 성분 함량의 정량, 분석시간의 단축 및 비용절감 둥 시험방법을 크게 개선할 수 있을 것으로 기대된다. 잔주름 개선에 효과를 볼 수 있을 것으로 생각된다.른 Phenoxyethanol의 유/수 분배 측정 결과, Polarity가 낮은 oil에서는 $70\%$ 이상의 Phenoxyethanol이 수상에 존재한 반면, polarity가 높은 oil에서는 약 $70 {\~} 90\%$의 phenoxyethanol이 유상에 존재하였다. 또한, 미생물에 대한 항균력도 phenoxyethanol이 수상에 많이 존재할수록 증가하는 경향을 나타내었다. 따라서, 제형 내 oil tomposition을 변화시킴으로써 phenoxyethanol의 사용량을 줄일 수 있을 뿐만 아니라, 피부 투과를 감소시켜 보다 피부 자극이 적은 저자극 방부시스템 개발이 가능하리라 보여 진다. 첨가하여 제조한 curd yoghurt는 저장성과 관능적인 면에서 우수한 상품적 가치가 인정되는 새로운 기능성 신제품의 개발에 기여할 수 있을 것으로 사료되었다. 여자의 경우 0.8이상이 되어서 심혈관계 질환의 위험 범위에 속하는 수준이었다. 삼두근의 두겹 두께는 남녀 각각 $20.2\pm8.58cm,\;22.2\pm4.40mm$으로 남녀간에 유의한 차이는 없었다. 조사대상자의 식습관 상태는 전체 대상자의 $84.4\%$가 대부분이 하루 세끼 식사를 규칙적으로 하고 있었으며

• 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.

• 지능정보연구
• /
• 제22권3호
• /
• pp.71-89
• /
• 2016

누구나 본인이 사용한 제품이나, 이용한 서비스에 대한 후기를 자유롭게 인터넷에 작성할 수 있고, 이러한 데이터의 양은 점점 더 많아지고 있다. 감성분석은 사용자가 생성한 온라인 텍스트 속에 내포된 감성 및 감정을 식별하기 위해 사용된다. 본 연구는 다양한 데이터 도메인 중 영화 리뷰를 분석 대상으로 한다. 영화 리뷰를 이용한 기존 연구에서는 종종 리뷰 평점을 관객의 감성으로 동일시하여 감성분석에 이용한다. 그러나 리뷰 내용과 평점의 실제적 극성 정도가 항상 일치하는 것은 아니기 때문에 연구의 정확성에 한계가 발생할 수 있다. 이에 본 연구에서는 기계학습 기반의 감성 분류기를 구축하고, 이를 통해 리뷰의 감성점수를 산출하여 리뷰에서 나타나는 감성의 수치화를 목표로 한다. 나아가 산출된 감성점수를 이용하여 리뷰와 영화 흥행 간의 연관성을 살펴보았다. 감성분석 모델은 지지벡터 분류기와 신경망을 이용해 구축되었고, 총 1만 건의 영화 리뷰를 학습용 데이터로 하였다. 감성분석은 총 175편의 영화에 대한 1,258,538개의 리뷰에 적용하였다. 리뷰의 평점과 흥행, 그리고 감성점수와 흥행과의 연관성은 상관분석을 통해 살펴보았고, t-검정으로 두 지표의 평균차를 비교하여 감성점수의 활용성을 검증하였다. 연구 결과, 본 연구에서 제시하는 모델 구축 방법은 나이브 베이즈 분류기로 구축한 모델보다 높은 정확성을 보였다. 상관분석 결과로는, 영화의 주간 평균 평점과 관객 수 간의 유의미한 양의 상관관계가 나타났고, 감성점수와 관객 수 간의 상관분석에서도 유사한 결과가 도출되었다. 이에 두 지표간의 평균을 이용한 t-검정을 수행하고, 이를 바탕으로 산출한 감성점수를 리뷰 평점의 역할을 할 수 있는 지표로써 활용 가능함을 검증하였다. 나아가 검증된 결론을 근거로, 트위터에서 영화를 언급한 트윗을 수집하여 감성분석을 적용한 결과를 살펴봄으로써 감성분석 모델의 활용 방안을 모색하였다. 전체적 실험 및 검증의 과정을 통해 본 연구는 감성분석 연구에 있어 개선된 감성 분류 방법을 제시할 수 있음을 보였고, 이러한 점에서 연구의 의의가 있다.