• 동양고전연구
• /
• 제34호
• /
• pp.39-62
• /
• 2009

회재(晦齋) 이언적(李彦迪)의 "대학(大學)"해석에 관한 견해를 "대학장구보유(大學章句補遺)"와 "속대학혹문(續大學或問)"을 통해 살펴보았다. 회재(晦齋)는 주자(朱子)의 해석(解釋)을 상당부분 수용하고 있지만 격물치지(格物致知)에 대해 새로운 해석(解釋)을 시도함으로써 주자(朱子)의 "대학장구(大學章句)"를 넘어서려고 하였다. 회재(晦齋)가 주자(朱子)의 견해(見解)를 수용할 수 없었던 가장 큰 이유는 격물치지(格物致知)에 대한 해석(解釋)의 차이에서 비롯되었다. 격물치지(格物致知)에 대한 주자(朱子)와 회재(晦齋)의 차이는, 주자(朱子)는 격물치지(格物致知)의 대상을 사물(事物)의 이(理)로 본 반면, 회재(晦齋)는 만물(萬物) 만사(萬事)의 본말(本末) 종시(終始)를 대상으로 보았기 때문에 나타나게 된 것이다. 회재(晦齋)는 '물유본말(物有本末)'절(節)과 '지지(知止)'절(節)을 격물치지(格物致知)에 대한 설명으로 삼음으로써 경전(經典)에 새로운 것을 보충해 넣는다는 비판을 피할 수도 있었으며, 주자(朱子)가 제시한 삼강령(三綱領) 팔조목(八條目)의 단계적 설명을 보다 명확하게 할 수 있었다. '청송(聽訟)'節 문제도 격물치지(格物致知)의 연장선에 있다. 결국 주자(朱子)와 회재(晦齋)의 차이는 격물치지(格物致知)에 대한 해석(解釋)의 차이에서 비롯된 것임을 알 수 있다. 회재(晦齋)는 "속대학혹문(續大學或問)"을 통해 자신의 지치주의(至治主義) 이념을 제시하였는데, 평천하(平天下)를 이룩하기 위해서는 인(仁)을 근본으로 삼아야 함을 강조하였다. 평천하(平天下)의 근본인 인(仁)은 효(孝) 제(弟) 자(慈)라고 하는 가장 기본적인 것으로부터 시작하여야 하며, 자기자신만으로 이루어지는 것이 아니라 다른 사람과의 관계를 통해 이루어짐을 강조하였다.

• 한국전통조경학회지
• /
• 제38권4호
• /
• pp.101-110
• /
• 2020

본 연구는 정원박람회에 출품한 작품 중에서 전통을 테마로 설정한 작가정원 14개소의 사례연구로서 문헌 분석과 현장 조사로 진행하였다. 전통재현을 결정하는 설계과정에 주목하고 작품마다 설계목표 수립, 전통재현의 대상 선정, 재현의 방법 결정, 경관구성요소 디자인 단계를 분석하여 다음과 같은 전통재현 특성과 시사점을 도출하였다. 첫째, 다수의 작가정원에서 전통구조물을 재현 대상으로 선정한 양상은 좁은 부지에 적합하고 주제 전달성이 좋다는 장점으로 이해할 수 있다. 이들은 작품명에 마당, 울, 부뚜막, 장독대, 취병과 석가산 등 전통구조물의 명칭을 넣어 설계의도를 직접 전달하였는데, Wall, 한국정원, 수원, 서울 장인처럼 간접적으로 표현한 작품들은 주제 전달성이 상대적으로 약하다. 선비, 여백, 풍류와 같이 재현 대상을 상징적으로 표현한 작품도 있었다. 둘째, 한옥마당을 재현하면서 잔디와 석재로 포장한 정원, 수원화성 성곽과 망루 서북공심돈(西北空心墩)을 분리하고 연계성 없는 용연(龍淵)을 미니어처 형태로 배치한 정원과 낙안읍성을 모티브로 하여 휴게공간에 낮은 장식담장으로 재현한 정원은 전통에 대한 깊이 있는 이해가 필요함을 보여준다. 반면 전통정원의 입지 선택, 주변 환경과 유기적 배치가 중요함을 보여준 한국정원, 한옥 중정이 가진 여백의 미와 선비가 누렸던 느림의 미학, 달밤 뱃놀이라는 풍류 문화를 재현한 작품들은 전통구조물 모사를 넘어 전통에 대한 이해가 정원문화와 정서로 확산된 양상이다. 셋째, 디자인과 관련하여 실제 크기의 전통구조물을 직설적 방법으로 재구성한 작품이 많았다. 취병으로 정원을 구획하고, 담장안에 부뚜막, 굴뚝, 텃밭 등으로 생활공간을 꾸미고, 경복궁, 소쇄원, 서석지를 대표하는 시설들을 유기적으로 배치하였다. 하지만 규모가 큰 수원화성과 낙안읍성을 추상적 방법으로 재현한 작품들로부터 핵심이 되는 디자인 요소의 취사선택, 구조물의 입면 구성, 공간의 스케일감에 대한 중요성을 인식하였다. 해체적 방법을 선택한 정원 중에는 원형 이미지와 멀어진 한옥 마당과 바자울의 사례가 있는 반면에 정육면체를 구성한 프레임만으로 표현한 여백의 정원과 많은 전통구조물로 달빛 스며든 선비의 사랑방을 재구성한 정원은 긍정적 사례이다. 현대적으로 디자인한 경관구성요소들을 전시한 서울 장인 정원, 직지심체정원, 풍류정원은 작가의 의도를 이해할 수 있는 설명이 필요하다.

• 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.

• 한국환경생태학회지
• /
• 제35권6호
• /
• pp.621-631
• /
• 2021

전남지역의 완도, 진도, 해남을 대상으로 난대상록활엽수림 복원 시 붉가시나무 종실 공급과 묘목 양성에 대한 정보 필요성에 따라 붉가시나무의 종실 생산량 및 종실 형질 특성을 조사 분석하였다. 조사 분석을 위해 표면적 1m²의 종자 트랩을 10개(완도 8개, 해남 1개, 진도 1개) 방형구에 방형구 당 3개씩 총 30개를 설치하였다. 2013년부터 2016년까지 매년 8월에서 12월까지 매월 말 종자 트랩 내로 낙하한 종실을 수거하였으며, 낙하 종실을 수거해 건전, 충해, 부후, 쭉정이 등으로 구분 후 종실 생산량을 산정하였다. 건전 종실의 경우 각두를 제거한 종실의 길이, 지름, 무게 등 종실 형질을 측정하였다. 조사한 종실 생산량 및 종실 형질은 연별, 임분별, 월별, 처리구별 등을 연평균 값 비교분석을 위해 Duncan의 다중검정 등을 실시하였다. 각 방형구 내 종자 트랩 낙하 종실량은 2013년에 5~350립/3m², 2014년에 17~551립/3m², 2015년에 5~454립/3m², 2016년에 14~705립/3m²로 방형구 간에 차이가 큰 것으로 나타났으며, 이는 방형구내 임목 밀도 등으로 인한 수광량의 유입차로 추정진다. 전체 연도별 종실 생산량을 ha당 산정한 결과 각각 2013년에 335,000립, 2014년에 932,000립, 2015년에 556,000립, 2016년에 1,037,000립이었으며, 2년을 주기로 다소 차이가 나타났다. 종실 생산량 증감은 임분 간 동시성을 보여 붉가시나무는 임목 개체 간 결실 풍흉 및 결실 시기의 주기성이 뚜렷한 것으로 판단된다. 9월에 가장 많은 종실이 낙하하였으나 충해종실의 피해 또한 많은 것으로 나타나 종실의 조기 낙하를 방제한다면 결실 기간을 높여 충실 종실의 대량생산이 가능할 것으로 판단된다. 지역별 연평균 종실 길이의 경우 유의성이 없었으며, 종실 지름과 종실 무게의 경우 해남 종실이 완도, 진도 종실에 비해 유의적으로 평균값이 높게 나타났다. 월별 연평균 종실 형질은 유의적 차이는 보이지 않았으며, 11월의 연평균 종실 길이, 지름, 무게가 각각 19.72mm, 12.23mm, 1.64g으로 8월~11월 중 최대치를 보였다.

• 수산해양기술연구
• /
• 제40권3호
• /
• pp.196-205
• /
• 2004

종횡비, 다각형 모양에 따른 평판과 범포의 유체역학적 특성을 규명하고자 직사각형, 사다리꼴 모양으로 모형 평판과 범포를 제작하고 회류수조에서 양 ${\cdot}$ 항력 실험을 수행하였다. 그 결과를 요약하면 다음과 같다. 1. 직사각형 평판의 경우, 종횡비가 1 이하인 모형에서는 영각 40${\sim}$42$^{\circ}$에서 최대 $C_L$이 1.46${\sim}$1.54, 1.5 이상인 모형에서는 20${\sim}$22$^{\circ}$에서 10.7${\sim}$1.11 정도였다. 직사각형 범포의 경우, 종횡비가 1 이하인 모형에서는 영각 32${\sim}$40$^{\circ}$에서 최대 $C_L$이 1.75${\sim}$1.91, 1.5 이상인 모형에서는 18${\sim}$22$^{\circ}$에서 1.248${\sim}$1.40 정도였다. 같은 직사각형 모형에서는 범포가 평판보다 $C_L$은 크게, 양항비는 작게 나타났다. 2. 사다리꼴 범포의 경우, 종횡비가 1.5 이하인 모형에서는 영각 34${\sim}$44$^{\circ}$에서 최대 $C_L$이 1.65${\sim}$1.89, 2인 모형에서는 14${\sim}$48$^{\circ}$에서 $C_L$이 약 1.00 전후였다. 역사다리꼴 범포의 경우, 종횡비가 1.5 이하인 모형에서는 영각 24${\sim}$36$^{\circ}$에서 최대 $C_L$이 1.57${\sim}$1.74, 2인 모형에서는 18$^{\circ}$에서 1.21이었다. 같은 사다리꼴 범포 모형에서는 전자의 모형이 후자보다 $C_L$은 조금 크게, 양항비는 작게 나타났다. 3. 모형에서 물의 유체력을 많이 받을 수 있는 곳에서 만곡꼭지점이 만들어지며, 직사각형, 사다리꼴 모형에서는 종횡비가 클수록, 역사다리꼴 모형에서는 종횡비가 클수록, 역사다리꼴 모형에서는 작을수록 만곡꼭지점의 위치도 컸다. 4. 만곡도는 전 모형에서 종횡비가 클수록 컸으며, 직사각형, 사다리꼴 모형에서 영각의 클수록 컸고 직사각형 모형이 사다리꼴 모형보다 컸다.

• 지능정보연구
• /
• 제23권2호
• /
• pp.71-88
• /
• 2017

언어모델은 순차적으로 입력된 자료를 바탕으로 다음에 나올 단어나 문자를 예측하는 모델로 언어처리나 음성인식 분야에 활용된다. 최근 딥러닝 알고리즘이 발전되면서 입력 개체 간의 의존성을 효과적으로 반영할 수 있는 순환신경망 모델과 이를 발전시킨 Long short-term memory(LSTM) 모델이 언어모델에 사용되고 있다. 이러한 모형에 자료를 입력하기 위해서는 문장을 단어 혹은 형태소로 분해하는 과정을 거친 후 단어 레벨 혹은 형태소 레벨의 모형을 사용하는 것이 일반적이다. 하지만 이러한 모형은 텍스트가 포함하는 단어나 형태소의 수가 일반적으로 매우 많기 때문에 사전 크기가 커지게 되고 이에 따라 모형의 복잡도가 증가하는 문제가 있고 사전에 포함된 어휘 외에는 생성이 불가능하다는 등의 단점이 있다. 특히 한국어와 같이 형태소 활용이 다양한 언어의 경우 형태소 분석기를 통한 분해과정에서 오류가 더해질 수 있다. 이를 보완하기 위해 본 논문에서는 문장을 자음과 모음으로 이루어진 음소 단위로 분해한 뒤 입력 데이터로 사용하는 음소 레벨의 LSTM 언어모델을 제안한다. 본 논문에서는 LSTM layer를 3개 또는 4개 포함하는 모형을 사용한다. 모형의 최적화를 위해 Stochastic Gradient 알고리즘과 이를 개선시킨 다양한 알고리즘을 사용하고 그 성능을 비교한다. 구약성경 텍스트를 사용하여 실험을 진행하였고 모든 실험은 Theano를 기반으로 하는 Keras 패키지를 사용하여 수행되었다. 모형의 정량적 비교를 위해 validation loss와 test set에 대한 perplexity를 계산하였다. 그 결과 Stochastic Gradient 알고리즘이 상대적으로 큰 validation loss와 perplexity를 나타냈고 나머지 최적화 알고리즘들은 유사한 값들을 보이며 비슷한 수준의 모형 복잡도를 나타냈다. Layer 4개인 모형이 3개인 모형에 비해 학습시간이 평균적으로 69% 정도 길게 소요되었으나 정량지표는 크게 개선되지 않거나 특정 조건에서는 오히려 악화되는 것으로 나타났다. 하지만 layer 4개를 사용한 모형이 3개를 사용한 모형에 비해 완성도가 높은 문장을 생성했다. 본 논문에서 고려한 어떤 시뮬레이션 조건에서도 한글에서 사용되지 않는 문자조합이 생성되지 않았고 명사와 조사의 조합이나 동사의 활용, 주어 동사의 결합 면에서 상당히 완성도 높은 문장이 발생되었다. 본 연구결과는 현재 대두되고 있는 인공지능 시스템의 기초가 되는 언어처리나 음성인식 분야에서 한국어 처리를 위해 다양하게 활용될 수 있을 것으로 기대된다.

• 한국전통조경학회지
• /
• 제35권3호
• /
• pp.41-66
• /
• 2017

본 연구는 이계 홍양호가 설정하고 그의 손자 관암 홍경모가 경영한 이계구곡의 향유거점을 문헌 및 현지조사를 통해 실증적으로 추적하는 한편, 구곡의 형식 및 집경방식에 나타난 특징을 검토하는 것이다. 연구의 결과는 다음과 같다. 1. 우이동은 조선시대에 도성의 영역에 속한 땅이자 지금도 행적구역상 서울특별시에 속한 곳이다. 따라서 이계구곡은 예나 지금에나 수도에 있는 유일한 구곡이었다는 특별한 의미로 받아들여진다. 이계구곡은 우이천 상류의 만경폭을 제1곡으로 시작하여 계곡을 따라 내려오며 제2곡 적취병, 제3곡 찬운봉, 제4곡 진의강, 제5곡 옥경대, 제6곡 월영담, 제7곡 탁영암, 제8곡 명옥탄, 제9곡 재간정으로 구성된다. 이중에서 만경폭, 찬운봉, 옥경대는 그 위치를 확정할 수 있을 정도로 특징적인 경물상이 명확히 드러나 있었으며, 진의강, 월영담, 명옥탄, 재간정 터는 구곡기의 묘사와 현지의 지표상황을 통해 유력한 추정지를 찾을 수 있었다. 그러나 적취병, 탁영암의 경우 비근한 영역 내에 기문의 내용과 유사한 복수의 지점들이 나타났는데, 지형 경관 경물의 현황을 종합적으로 고려하여 제1의 추정지를 판단하였다. 이로서 1곡에서 9곡까지 총거리 2.1km의 선적 경로와 구조를 파악할 수 있었으며, 이러한 점은 구곡이 5리(약 1.96km)에 지나지 않는다는 관암의 설명과도 근사하다. 2. 18세기 말에 설정된 이계구곡은 홍양호가 우이동을 풍산 홍씨의 소유로 귀속시킨 뒤 선영의 묘소가 있는 터전을 가문의 공간으로 만드는 일련의 작업에서 비롯되었다. 이계구곡은 구곡이 상류에서부터 하류방향으로 전개된다는 점과, 거점지가 8곡에 위치하는 등 구곡의 일반적인 형식과 적지 않은 차이점을 나타내고 있었다. 이는 가문의 영역을 우이동 초입에 위치한 타 가문의 세력권과 분리시켜 우이동을 점유하려는 원심적 구성으로 해석되지만, 한편으로 우이동을 대표하는 경물인 미륵폭포[만경폭]부터 계곡의 주요 승경에 곡의 순서를 정하고 8곡에 위치한 자신의 거처를 사실상 구곡의 지향점으로 삼는 구심적 공간 만들기의 결과로도 판단된다. 3. 이계구곡에는 여타의 구곡에 비해 설정자와 경영자가 남긴 기문과 시문이 다량 제작된 반면, 구곡도, 각자 등 동반되는 시각적 매체가 전무하다. 그러나 관암의 문집에 수록된 "이계구곡대자첩(耳溪九曲大字帖) 발미(跋尾)"에는 각자를 새기려고 했던 시도가 있었음이 나타나 있다. 본 연구는 송시열 글씨로 알려진 국립중앙박물관 소장 미공개 필첩이 홍양호의 구곡명 유묵을 성첩한 "이계구곡대자첩" 이었음을 확인할 수 있었다.