• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.11a
• /
• pp.441-444
• /
• 2012

오늘날 스마트폰의 보급으로 SNS는 급속도로 성장하였고, 매일 엄청난 분량의 텍스트 데이터가 생성되고 있다. 본 연구에서는 다른 매체에 비해 개인의 의견이 좀 더 거침없이 올라오는 SNS의 특징에 주목해 SNS의 텍스트 데이터를 대상으로 하는 평판 분석 기법을 제안한다. 제안 방법은 분석하고자 하는 대상에 대한 SNS 데이터를 수집하여 DB에 저장한 다음, 광고 제거 과정과 자동 띄어쓰기 과정 및 형태소 분석을 거친 후 감성 포함 여부 확인 과정과 극성 분류 과정으로 구성된다. 평판 분석을 위해 본 연구에서는 감성 단어 사전의 쾌-불쾌 수치와 활성화 수치를 사용한다. 분석 결과 모든 문서에 대한 극성 분류 정확도는 55%였고, 감성 포함 여부 확인 과정이 올바르게 수행된 문서에 대한 극성 분류 정확도는 82%였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.05a
• /
• pp.453-456
• /
• 2004

전자상거래에서 추천 시스템은 일반적으로 협동적 필터링이라는 정보 필터링 기술을 사용한다. 협동적 필터링 기술은 유사한 성향을 갖는 다른 고객들이 상품에 대해서 매긴 평가에 기반한다. 협동적 필터링이 유사 선호도를 갖는 이웃 고객들의 평가에 근거하기 때문에 고객에게 가장 적합한 유사 이웃들을 적절히 선정해 내는 것은 추천 시스템에서 예측의 질 향상을 위해 필요하다. 본 논문에서 우리는 ordered clustering을 이용하여 협동적 필터링을 위한 향상된 이웃선정 방법을 제안한다. 이 방법은 탐색 공간을 줄이기 위해 k-means 클러스터링 방법을 사용한다. 그리고 클러스터링에 의해 구성된 고객들에 대해서 threshold 값에 의해 보다 정제된 고객들을 최종 선정함으로써 고객에게 보다 의미 있는 적합한 고객이 최종적인 이웃으로 선정될 수 있도록 한다. 실험은 Compaq Computer Corporation에 의해 제공된 EachMovie 데이터 셋을 사용하였다. 실험 결과로 우리는 제안한 방법이 다른 방법보다 좋은 예측 정확도를 갖는 것을 확인할 수 있었다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2019.01a
• /
• pp.51-52
• /
• 2019

본 연구는 영화에 대한 정량적 분석을 위해 MRCNN을 활용한 영화 속 등장인물의 얼굴 면적을 검출하였다. MRCNN을 선택한 이유는 기존 얼굴 인식 시스템이 갖는 한계(뒷모습, 누워있는 모습의 측정 오류)의 개선과 면밀한 계산을 하고자 함이었다. 영화 한편에서 주인공과 상대주인공이 함께 등장한 씬을 선별한 726개의 이미지 중 496개의 이미지가 마스킹이 됨으로서 68%의 성능을 보였다. 반면에 230개의 이미지 파일에서는 다소 문제가 발견되어 32%의 오차가 발생했다. 오차를 개선하기 위해서 주요 인물을 학습시킨 뒤 마스킹을 씌우는 작업을 함으로써 현 확률보다 높은 확률로 정상적으로 이미지가 추출될 수 있도록 시험해 볼 것이다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2019.05a
• /
• pp.37-40
• /
• 2019

On this paper, we show the way of forming graph data structure via setting an edge between Korean actors if they appeared in the same movie. From this graph, we calculate the 'centralities' (which declared on this paper) for each actor, then examine distribution by ranking the actors of the centralities and analyze the change of the actor who is/was center on the graph by years. Finally, we suggest the way that sets the numerically Range limits on social group.

• Journal of Information Processing Systems
• /
• v.15 no.5
• /
• pp.1029-1035
• /
• 2019

In recent years, artificial intelligence (AI) services have become one of the most essential parts to extend human capabilities in various fields such as face recognition for security, weather prediction, and so on. Various learning algorithms for existing AI services are utilized, such as classification, regression, and deep learning, to increase accuracy and efficiency for humans. Nonetheless, these services face many challenges such as fake news spread on social media, stock selection, and volatility delay in stock prediction systems and inaccurate movie-based recommendation systems. In this paper, various algorithms are presented to mitigate these issues in different systems and services. Convolutional neural network algorithms are used for detecting fake news in Korean language with a Word-Embedded model. It is based on k-clique and data mining and increased accuracy in personalized recommendation-based services stock selection and volatility delay in stock prediction. Other algorithms like multi-level fusion processing address problems of lack of real-time database.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.11a
• /
• pp.1064-1067
• /
• 2013

정보검색 기술의 발달과 더불어 검색에 대한 사용자의 요구사항이 다양해지고 있다. 특히, 스마트TV와 같은 장치에서 동영상 콘텐츠를 검색하는데 있어서 콘텐츠의 타이틀과 같은 정형 메타데이터를 이용한 검색뿐만 아니라, 콘텐츠 주제와 같은 비정형 메타데이터를 이용한 검색도 요구되고 있다. 이러한 검색 요구사항을 수용하기 위해서는 주제와 같은 비정형 메타데이터가 구축되어 있어야만 가능하다. 콘텐츠의 주제는 사람의 이해와 분석을 통해서 수작업으로 구축 가능하다. 본 논문에서는 수작업만으로 구축 가능한 콘텐츠의 주제를 기계학습을 기반으로 자동화 할 수 있는 기법을 제안하고, 제안한 기법의 실험을 통하여 타당성을 검증한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.11a
• /
• pp.1245-1247
• /
• 2013

최근 들어 영화에 대한 수요가 증가하면서 국내 영화시장규모는 지속적으로 성장하고 있다. 이와 관련하여 여러 가지 위험요소를 제거하고 시장에서의 성공을 위해 영화의 흥행을 예측하기 위한 다양한 연구들이 진행되고 있다. 그러나 그러한 예측을 위한 관련 요소들 간의 상관관계를 정확한 수치로 표현하는 일은 매우 어려우며 관련연구 또한 아직 미흡하다. 본 논문에서는 트위터에서 발생되는 트윗을 설문 표본으로 삼고 영화 관련 트윗과 영화의 흥행을 의미하는 관객 수와의 상관관계를 분석하여 상관계수를 도출하였다. 실험 결과 실험에 사용된 영화 10편의 관객 수에 대한 데이터 모두 관련 트윗의 발생비율과 양의 상관관계를 가짐을 알 수 있었으며 이를 통해 트위터를 이용한 영화의 흥행 여부 예측에 대한 가능성을 제시했다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.11a
• /
• pp.1135-1136
• /
• 2013

인터넷의 발달함에 따라 데이터가 기존에 비해 기하급수적으로 늘어나게 되는 이른바 빅데이터 시대를 맞이하게 되었다. 이러한 빅데이터는 기존의 시스템으로 처리하기가 쉽지 않아 이를 처리하기 위해 하둡이 개발되었다. 하둡은 분산파일 시스템으로 기존의 시스템에 비해 빅데이터를 처리하는데 적합하며 이를 이용한 다양한 오픈 소스들이 등장하게 된다. 그중 기계학습 알고리즘을 구현한 오픈소스 Mahout은 추천 시스템을 구현하는데 적합하다. 이를 이용하여 기존에 구현한 개인화 영화 추천 시스템을 하둡 시스템으로 구현하고 기존의 XLMiner로 구현한 시스템과 결과를 비교해 본다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.11a
• /
• pp.1149-1151
• /
• 2013

본 연구는 영화 콘텐츠의 배경(공간적/시간적)에 해당하는 키워드를 자동으로 추출하는 기법을 제안한다. 제안된 기법은 영화 콘텐츠들의 리뷰 텍스트 데이터를 웹 상으로부터 수집하는 과정, 수집된 텍스트 리뷰 데이터의 전처리 과정에 해당하는 형태소 분석 및 개체명인식 과정, 마지막으로 통계적 기법을 이용하여 최종적으로 배경에 해당하는 단어를 선택하는 과정으로 이루어진다. 자동으로 추출된 배경 정보는 사용자 평가를 통하여 정확도를 측정하였으며, 자동 생성된 배경 정보를 이용하여 영화 콘텐츠의 검색 및 추천 등에 다양하게 사용될 수 있을 것으로 예상된다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2010.04a
• /
• pp.1113-1114
• /
• 2010

협업필터링 방법은 가장 일반적으로 사용되는 추천 시스템이다. 그런데 협업필터링 방법은 희박성, 확장성 그리고 투명성 등의 문제점을 가지고 있다. 본 논문에서는 개인 성향 중 장르, 성격, 나이, 성별, 혈액형, 지역 등을 고려하여 희박성 문제를 개선한 영화 추천 시스템을 제시한다. 즉, 개인 성향 정보에 따라 가장 성향이 비슷한 사용자들을 분류하고, 그 분류된 정보를 이용하여 개인에게 가장 적합한 개선된 영화추천 기법을 제안한다.