• 대한교통학회지
• /
• 제30권6호
• /
• pp.93-102
• /
• 2012

도시지역의 교통사고 중 교차로와 관련한 교통사고가 교통사고 건수와 교통사고 심각도에서 가로구간이나 횡단보도 관련 교통사고에 비해 높게 나타나고 있다. 특히 교차로에서 신호위반으로 인한 교통사고는 다른 교통사고유형과는 달리 중상과 경상에 관련된 교통사고비율이 높은 것으로 나타나고 있다. 이에 우리나라는 물론이고 많은 외국에서 신호위반으로 인한 교차로 교통사고를 줄이기 위하여 교차로 신호위반 단속카메라를 설치하고 있다. 이와 더불어 교차로 신호위반 단속카메라의 교통사고 감소에 미치는 효용에 대한 연구가 계속 이루어지고 있으나 신호위반 단속카메라만의 효과를 분석하기란 쉽지가 않다. 따라서 본 연구에서는 미국 Illinois주 Chicago시의 다운타운의 교차로 관련 데이터를 이용하여 SPF모형을 개발하고 개발된 모형을 활용하여 EB방법으로 교차로 신호위반 단속카메라의 효용에 대하여 분석하였다. 분석 결과, 목표로 지정한 교통사고 유형(측면직각추돌, 후방추돌, 같은 방향 측면추돌, 반대 방향 측면추돌, 회전시 추돌, 그리고 정면충돌)과 전체 교통사고유형 모두가 교차로 신호위반 단속카메라의 영향을 받는 것으로 나타났다. 전반적으로 신호위반 단속카메라 사망사고가 약 26% 감소한 것으로 나타났으며, 전체 사고는 5.49% 증가하는 것으로 나타났다. 또한 대물교통사고의 경우 3.23% 증가하는 것으로 나타났다. 또한 목표로 한 사고유형에 대한 교통사고효과 분석에서는 사망사고는 약 38% 감소한 것으로 나타났으며 전체 사고의 경우 1.46% 증가하는 것으로 나타났다. 또한 대물교통사고의 경우 1.16% 증가하는 것으로 나타났다.

• 지능정보연구
• /
• 제27권2호
• /
• pp.1-15
• /
• 2021

추천시스템은 사용자의 기호를 파악하여 물품 구매 결정을 도와주는 역할을 할 뿐만 아니라, 비즈니스 전략의 관점에서도 중요한 역할을 하기에 많은 기업과 기관에서 관심을 갖고 있다. 최근에는 다양한 추천시스템 연구 중에서도 NLP와 딥러닝 등을 결합한 하이브리드 추천시스템 연구가 증가하고 있다. NLP를 이용한 감성분석은 사용자 리뷰 데이터가 증가함에 따라 2000년대 중반부터 활용되기 시작하였지만, 기계학습 기반 텍스트 분류를 통해서는 텍스트의 특성을 완전히 고려하기 어렵기 때문에 리뷰의 정보를 식별하기 어려운 단점을 갖고 있다. 본 연구에서는 기계학습의 단점을 보완하기 위하여 BERT 기반 감성분석을 활용한 추천시스템을 제안하고자 한다. 비교 모형은 Naive-CF(collaborative filtering), SVD(singular value decomposition)-CF, MF(matrix factorization)-CF, BPR-MF(Bayesian personalized ranking matrix factorization)-CF, LSTM, CNN-LSTM, GRU(Gated Recurrent Units)를 기반으로 하는 추천 모형이며, 실제 데이터에 대한 분석 결과, BERT를 기반으로 하는 추천시스템의 성과가 가장 우수한 것으로 나타났다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제29권12호
• /
• pp.966-978
• /
• 2002

기계학습 기법을 이용한 문서분류시스템의 정확도를 결정하는 요인 중 가장 중요한 것은 학습문서 집합의 선택과 그것의 구성방법이다. 학습문서집합 선택의 문제란 임의의 문서공간에서 보다 정보량이 큰 적은 양의 문서집합을 골라서 학습문서로 채택하는 것을 말한다. 이렇게 선택한 학습문서집합을 재구성하여 보다 정확도가 높은 문서분류함수를 만드는 것이 학습문서집합 구성방법의 문제이다. 전자의 문제를 해결하는 대표적인 알고리즘이 능동적 학습(active learning) 알고리즘이고, 후자의 경우는 부스팅(boosting) 알고리즘이다. 본 논문에서는 이 두 알고리즘을 Naive Bayes 문서분류 알고리즘에 적응해보고, 이때 생기는 여러 가지 특징들을 분석하여 새로운 학습문서집합 구성방법인 AdaBUS 알고리즘을 제안한다. 이 알고리즘은 능동적 학습 알고리즘의 아이디어를 이용하여 최종 문서분류함수룰 만들기 위해 임시로 만든 여러 임시 문서분류함수(weak hypothesis)들 간의 변이(variance)를 높였다. 이를 통해 부스팅 알고리즘이 효과적으로 구동되기 위해 필요한 핵심 개념인 교란(perturbation)의 효과를 실현하여 문서분류의 정확도를 높일 수 있었다. Router-21578 문서집합을 이용한 경험적 실험을 통해, AdaBUS 알고리즘이 기존의 알고리즘에 비해 Naive Bayes 알고리즘에 기반한 문서분류시스템의 정확도를 보다 크게 향상시킨다는 사실을 입증한다.