• 예술인문사회 융합 멀티미디어 논문지
• /
• 제7권9호
• /
• pp.317-325
• /
• 2017

본 논문에서는 한국어 문장을 대상으로 불확실한 사실이나 개인적인 추측으로 인해 중요하지 않다고 판단되는 문장, 즉 Hedge 문장들을 분류해 내고자 한다. 기존 영어권 연구에서는 Hedge 문장들을 분류할 때 단어의 의존관계 정보가 여러 형태로 활용되고 있으나, 한국어 연구에서는 사용되고 있지 않음을 확인하였다. 또 기존의 워드 임베딩(Word Embedding) 기법에서 단어의 쓰임새 정보가 학습된다는 점을 인지하였다. 단어의 쓰임새 정보가 어느 정도 의존관계를 표현할 수 있을 것으로 보고 워드 임베딩 정보를 Hedge 분류 실험에 적용하였다. 기존에 많이 사용되던 SVM과 CRF를 baseline 시스템으로 활용하였고 워드 임베딩과 신경망을 사용하여 비교실험을 하였다. 워드임베딩 데이터는 세종데이터와 온라인에서 수집된 데이터를 합하여 총 150여만 문장을 사용하였고 Hedge 분류 데이터는 수작업으로 구축한 12,517 문장의 뉴스데이터를 사용하였다. 워드 임베딩을 사용한 시스템이 SVM보다 7.2%p, CRF보다 1.6%p 좋은 성능을 내는 것을 확인하였다. 이는 단어의 쓰임새 정보가 한국어 Hedge 분류에서 긍정적인 영향을 미친다는 것을 의미한다.

• 한국지능시스템학회논문지
• /
• 제21권6호
• /
• pp.761-766
• /
• 2011

Hedge는 불확실함을 나타내는 언어적 표현으로, 저자가 자신의 글에 내포된 내용이 불확실하거나 의심이 갈 때 사용한다. 이러한 불확실성 때문에 hedge가 포함된 문장은 사실이 아닌 문장으로 간주된다. 문장이 사실인지 아닌지를 판단하는 것은 여러 응용에서 사용될 수 있는데, 정보검색, 정보추출, 질의응답 등의 응용분야에서 전처리 과정으로 사용되어, 보다 정확한 결과를 얻게 한다. 본 논문에서는 한국어 hedge 말뭉치를 구축하고, 이로부터 hedge 단서 어구들을 추출하여 일반화된 단서어구 패턴을 구축한 후, 한국어 hedge 인식 실험을 하였다. 실험을 통하여 78.6%의 F1-measure값을 얻을 수 있었다.

• 벤처창업연구
• /
• 제10권3호
• /
• pp.133-146
• /
• 2015

본 연구는 환헤지와 조선업체의 당기순이익과의 인과관계를 파악하고자 단위근 검정과 공적분 검정, 그리고 벡터자기회귀모형(vector autoregressive model : VAR)을 활용하였다. 먼저, 단위근 검정을 위해서는 2000년부터 2013년까지 분기별 조선업체들의 당기순이익은 존슨 변환 후의 값을 사용하였다. 동일 기간에 국채선물수익률(KTBF), 3년 만기 국채수익률(KTB3Y), 한미 환율, 한미 금리차이는 주별 데이터를 각 분기별 차이값으로 변환시켜서 활용하였고, 조선업체의 주가는 로그 변환 시킨 후에 사용하였다. 또한, 구조적 변화점 탐색 분석기법을 활용하여서 조선업체들의 당기순이익에 영향을 주는 환헤지에 구조적 전략 변화가 발생하는지 검증해 보았다. 연구결과는 환헤지와 조선업체의 당기순이익 간에는 구조적 변화점 탐지 분석에서는 2004년을 기점으로 구조적 변화가 발생하는 것으로 나타났다. 즉, 조선업체 중에서 소극적 환헤지 관리가 적극적 환헤지 전략으로 구조적 변화가 발생한 것이다. VAR의 추정을 통해 한국 조선업체들의 환헤지는 조선업체들의 상호 간의 수익성에 영향을 주고 있음을 파악 할 수 있었다. 또한 거시변수나 주가에 의해서도 조선업체들의 당기순이익이 영향을 받고 있음을 확인해 볼 수 있었다.

• 한국융합학회논문지
• /
• 제8권4호
• /
• pp.19-24
• /
• 2017

본 연구는 최근 전자 금융거래의 증가와 동시에 금융거래 정보의 탈취 혹은 변조 등 보안위협 또한 급증하면서 안전한 보안 방안과 대응이 시급한 실정이다. 이에 종래에 사용된 사기방지시스템 혹은 이상금융거래 탐지시스템(FDS, Fraud Detection System, 이하 FDS)을 최근 주목 받고 있는 빅데이터 관련 기술(이상금융거래에 대한 다양한 형태의 정형/비정형 금융거래 이벤트 데이터를 실시간으로 수집/저장하고 과학적 연관 분석 기법을 활용하여 비정상 행위를 탐지 및 차단할 수 있는 기능)을 활용하여 국내 금융회사인 A사에 개선 모델을 구축 하였다. 구축결과 시나리오 고도화 분석을 통한 오검출을 최소화 하여 기존 시나리오 Detect탐지 대상의 감소 효과를 나타냈다. 아울러 FDS고도화에 대한 향후 발전방향을 제안하고자 한다.

• 감성과학
• /
• 제24권2호
• /
• pp.3-12
• /
• 2021

대부분의 연구자들은 반응시간기반 숨긴정보검사(RT CIT)의 탐지 효율성을 평가하기 위하여 실험연구를 수행한다. 실험연구에서 거짓말하는 상황을 만들기 위하여 주로 두 가지 실험 패러다임이 사용된다. 한 가지는 모의 범죄 패러다임이며, 다른 한 가지는 개인적 항목 패러다임이다. 본 연구의 목적은 실험 패러다임에 관계없이 RT CIT의 탐지 효율성이 동일하게 추정되는지 검증하는 것이다. 연구 1에서는 선행 연구들에 대한 메타분석을 통하여 두 가지 실험 패러다임 간에 RT CIT의 효과크기가 다른지 검증하였다. 39개 연구에 대한 메타분석 결과, 모의 범죄 패러다임의 효과크기(Hedges의 g=1.330)가 개인적 항목 패러다임의 효과크기(g=1.145) 보다 약간 컸지만, 통계적으로 유의한 차이는 아니었다. 연구 2에서는 모의 범죄 패러다임 조건과 개인적 항목 패러다임 조건을 포함하는 실험연구를 수행하여, 실험 패러다임에 따라 RT CIT의 탐지 효율성이 다른지 검증하였다. 변량분석 결과, 관련자극과 무관련자극간의 반응시간 차이가 실험 패러다임에 따라 통계적으로 유의하게 다르지 않은 것으로 나타났다. 실험연구에서 모의 범죄 패러다임의 효과크기(Cohen의 d)는 1.638이었으며, 개인적 항목 패러다임의 효과크기는 1.535였다. RT CIT의 탐지 효율성이 실험 패러다임에 영향을 받지 않는 이유에 대하여 논의하였다.