• 지능정보연구
• /
• 제29권4호
• /
• pp.31-49
• /
• 2023

레스토랑 산업의 성장과 함께 레스토랑 오프라인 매장 수는 점차 증가하지만, 소비자는 자신의 선호도에 적합한 레스토랑을 선택하는 데 어려움을 경험하고 있다. 따라서 소비자의 선호도에 맞는 레스토랑을 추천하는 개인화된 추천 서비스의 필요성이 대두하고 있다. 기존 연구에서는 설문조사 및 평점 정보를 활용하여 소비자 선호도를 조사했으나, 이는 소비자의 구체적인 선호도를 효과적으로 반영하는데 어려움이 존재한다. 이러한 배경하에 온라인 리뷰는 방문 동기, 음식 평가 등 레스토랑에 대한 소비자 구체적인 선호도를 효과적으로 반영하기 때문에 필수적인 정보이다. 한편, 일부 연구에서는 리뷰 텍스트에 전통적인 기계학습 기법을 적용하여 소비자의 선호도를 측정하였다. 그러나 이러한 접근 방식은 주변 단어나 맥락을 고려하지 못하는 한계점이 존재한다. 따라서 본 연구는 딥러닝을 효과적으로 활용하여 온라인 리뷰에서 소비자의 선호도를 정교하게 추출하는 리뷰 텍스트 기반 레스토랑 추천 모델을 제안한다. 본 연구에서 제안된 모델은 추출된 높은 수준의 의미론적 표현과 소비자-레스토랑 상호작용을 연결하여 소비자의 선호도를 정확하고 효과적으로 예측한다. 실험 결과에 따르면 본 연구에서 제안된 추천 모델은 기존 연구에서 제안된 여러 모델에 비해 우수한 추천 성능을 보이는 것으로 나타났다.

• 벤처창업연구
• /
• 제17권1호
• /
• pp.229-249
• /
• 2022

본 연구는 다양한 머신러닝 기법을 통해 코스닥(KOSDAQ) 시장 내 관리종목 지정을 예측할 수 있는 모델에 대해 연구하였다. 증권시장 내 기업이 관리종목으로 지정이 되면 시장에서는 이를 부정적인 정보로 인식하여 해당 기업과 투자자에게 손실을 가져오게 된다. 본 연구를 통해 기업의 재무적 데이터를 바탕으로 조기에 관리종목 지정을 예측하고, 투자자들의 포트폴리오 리스크 관리에 도움을 주기 위한 머신러닝 접근이 타당한지 살펴본다. 본 연구를 위해 활용한 독립변수는 수익성, 안정성, 활동성, 성장성을 나타내는 21개의 재무비율을 활용하였으며, K-IFRS가 적용된 2011년부터 2020년까지 관리종목과 비관리종목의 기업의 재무 데이터를 표본으로 추출하였다. 로지스틱 회귀분석, 의사결정나무, 서포트 벡터 머신, 랜덤 포레스트, LightGBM을 활용하여 관리종목 지정 예측 연구를 수행하였다. 연구결과는 분류 정확도가 82.73%인 LightGBM이 가장 우수한 예측 모형이었으며 분류 정확도가 가장 낮은 예측 모형은 정확도가 71.94%인 의사결정나무였다. 의사결정나무 기반 학습 모형의 변수 중요도의 상위 3개 변수를 확인한 결과 각 모형에서 공통적으로 나온 재무변수는 ROE(당기순이익), 자본금회전율(Capital stock turnover ratio)로 해당 재무변수가 관리종목 지정에 있어 상대적으로 중요한 변수임을 확인하였다. 대체적으로 앙상블을 이용한 학습 모형이 단일 학습 모형보다 예측 성능이 높은 것을 확인하였다. 기존 선행연구가 K-IFRS에 대한 고려를 하지 않았고, 다소 제한된 머신러닝에 의존하였다. 따라서 본 연구의 필요성과 함께 현실적 요구를 충족시키는 결과를 제시하였음을 알 수 있으며, 시장참여자들에게 있어 관리종목 지정에 대한 사전 예측을 확인할 수 있도록 기여했다고 볼 수 있다.

• 경영정보학연구
• /
• 제23권1호
• /
• pp.69-91
• /
• 2021

국내 개인신용평가회사들은 과거와 현재 시점의 다양한 금융거래 정보를 활용하여 개인의 신용을 평가하고 있는데, 이 중 과거에 대출을 실행하여 이를 상환 또는 연체한 이력에 대한 정보를 의미하는 '상환이력정보'는 신용평가에 활용되는 다른 항목들에 비해 상대적으로 활용 비중이 높은 항목이다. 그러나 개인이 연체된 채무를 모두 변제하여 현재 연체중인 상태가 아닌 경우에도 과거의 연체 이력이 부정적인 요인으로 최장 5년간 평가에 반영되고 있어 금융소비자에게 과도한 불이익을 준다는 지적이 지속적으로 있어 왔다. 실제로 연체 이력이 있는 개인의 경우, 연체된 채무를 성실하게 변제한 개인(정상변제)과 그렇지 않은 개인(비정상변제)으로 구분할 수 있는데, 이들 간에는 신용도의 차이가 존재하므로 '정상변제'하는 개인의 특징을 확인하여 이들에게 '상환이력정보'의 활용기간을 단축시켜 주는 등의 혜택을 제공하는 것이 바람직하다고 판단된다. 본 연구는 이러한 문제의식에서 출발하여 한국신용정보원에서 보유하고 있는 2019년 12월 말 기준, 개인의 대출·연체·변제 정보에 기반하여 국내 연체경험자의 정상변제 요인을 분석하였다. 방법론은 개인신용평가모형에서 주로 사용하는 로지스틱 회귀모형을 기본으로 하여 의사결정나무, 신경망 모형 등의 머신러닝 방법론을 추가로 활용하였으며, 각 방법론별 성능을 비교해보았다. 실증분석 결과, 연체건수, 대출·연체유형 등이 정상변제 여부에 영향을 미치는 유의한 변수들로 확인되었으며 방법론 중에는 신경망 모형의 성능이 가장 높은 것으로 나타났다. 이러한 연구결과는 연체된 개인 차주의 정상변제 여부에 영향을 미치는 요인을 확인하여 개인신용평가모형을 고도화하는데 도움이 될 수 있을 것으로 보이며 연체 후 성실하게 변제하는 개인을 정책적으로 지원하기 위한 기초자료로도 활용될 수 있을 것으로 보인다. 향후에는 정상변제 요인을 추가 발굴하여 금융업권별 정상변제 요인의 세부적인 차이를 확인하고 이를 실제 모형에 반영하는 연구가 필요할 것이다.

• 경영정보학연구
• /
• 제24권2호
• /
• pp.67-88
• /
• 2022

본 연구는 SOR(Stimulus-Organism-Response) 모델을 기반으로 퍼스널 모빌리티의 성능적 측면과 외부 환경적 요인을 고려해 이용자들과 비이용자들의 사용 의도를 설명할 수 있는 연구 모형을 제안하였다. 국내 사용자들과 비사용자들을 대상으로 설문조사를 진행하였고 부분최소자승법(Partial Least Square, PLS)과 인공신경망 분석(Artificial Neural Network, ANN)을 통해 연구모형 및 가설들을 검증하였다. 분석결과, 사용자들은 지각된 만족도와 지각된 신뢰도가 사용 의도에 긍정적인 영향을 미치고, 지각된 위험성과 환경적 가치가 지각된 만족도와 지각된 신뢰도와 유의한 관계가 있음이 확인되었다. 반면, 비사용자들은 지각된 만족도와 사용의도 간에 양의 상관관계가 있음이 밝혀졌고, 사용자들과 마찬가지로 지각된 위험성과 환경적 가치가 지각된 만족도와 지각된 신뢰도의 유의한 선행변수임이 검증되었다. 나머지 변수들 중에서는 사용자들의 지각된 이동성과 비사용자들의 지각된 이용 용이성이 각각 지각된 만족도의 중요한 영향요인으로 파악되었다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제28권3호
• /
• pp.10-18
• /
• 2024

차량 하중은 교량의 열화를 일으키는 주된 원인 중 하나이다. 현재 WiM(Weigh-in-Motion)을 사용하여 통행 차량의 하중을 측정하고 있으나, WiM은 접촉식 센서로 설치 및 유지관리 비용이 큰 단점이 있다. 본 연구에서는 딥러닝과 CCTV 영상을 이용하여 비접촉식으로 교량 통행 차량 하중 이력을 추정하는 방법을 제안하였다. 제안된 방법은 물체 탐지 딥러닝 모델을 이용하여 통행 차종을 인식하고, 해당 차량의 하중을 국내 주요 차량 모델들의 공차중량에 근거하여 작성된 하중기반 7차종 분류표에 근거하여 추정한다. 물체 탐지 딥러닝 모델로는 Faster R-CNN 모델이 사용되었으며, Faster R-CNN 모델을 7차종 분류표에 따라 구축된 영상 학습데이터를 이용하여 학습시켰다. 학습된 딥러닝 모델의 성능은 교량 CCTV로 취득한 영상을 이용하여 검증하였다. 최종적으로 실제 교량 상부에 설치된 CCTV에서 취득한 영상을 이용하여 교량을 통행중인 차량 하중을 연속으로 추정함으로써 특정 시간동안 통행 차량의 하중 이력 그래프를 획득할 수 있음을 보였다.

• Korean Journal of Radiology
• /
• 제22권3호
• /
• pp.476-488
• /
• 2021

Objective: We aimed to develop a deep neural network for segmenting lung parenchyma with extensive pathological conditions on non-contrast chest computed tomography (CT) images. Materials and Methods: Thin-section non-contrast chest CT images from 203 patients (115 males, 88 females; age range, 31-89 years) between January 2017 and May 2017 were included in the study, of which 150 cases had extensive lung parenchymal disease involving more than 40% of the parenchymal area. Parenchymal diseases included interstitial lung disease (ILD), emphysema, nontuberculous mycobacterial lung disease, tuberculous destroyed lung, pneumonia, lung cancer, and other diseases. Five experienced radiologists manually drew the margin of the lungs, slice by slice, on CT images. The dataset used to develop the network consisted of 157 cases for training, 20 cases for development, and 26 cases for internal validation. Two-dimensional (2D) U-Net and three-dimensional (3D) U-Net models were used for the task. The network was trained to segment the lung parenchyma as a whole and segment the right and left lung separately. The University Hospitals of Geneva ILD dataset, which contained high-resolution CT images of ILD, was used for external validation. Results: The Dice similarity coefficients for internal validation were 99.6 ± 0.3% (2D U-Net whole lung model), 99.5 ± 0.3% (2D U-Net separate lung model), 99.4 ± 0.5% (3D U-Net whole lung model), and 99.4 ± 0.5% (3D U-Net separate lung model). The Dice similarity coefficients for the external validation dataset were 98.4 ± 1.0% (2D U-Net whole lung model) and 98.4 ± 1.0% (2D U-Net separate lung model). In 31 cases, where the extent of ILD was larger than 75% of the lung parenchymal area, the Dice similarity coefficients were 97.9 ± 1.3% (2D U-Net whole lung model) and 98.0 ± 1.2% (2D U-Net separate lung model). Conclusion: The deep neural network achieved excellent performance in automatically delineating the boundaries of lung parenchyma with extensive pathological conditions on non-contrast chest CT images.

• Korean Journal of Radiology
• /
• 제22권11호
• /
• pp.1764-1776
• /
• 2021

Objective: This study aimed to validate a deep learning-based fully automatic calcium scoring (coronary artery calcium [CAC]_auto) system using previously published cardiac computed tomography (CT) cohort data with the manually segmented coronary calcium scoring (CAC_hand) system as the reference standard. Materials and Methods: We developed the CAC_auto system using 100 co-registered, non-enhanced and contrast-enhanced CT scans. For the validation of the CAC_auto system, three previously published CT cohorts (n = 2985) were chosen to represent different clinical scenarios (i.e., 2647 asymptomatic, 220 symptomatic, 118 valve disease) and four CT models. The performance of the CAC_auto system in detecting coronary calcium was determined. The reliability of the system in measuring the Agatston score as compared with CAC_hand was also evaluated per vessel and per patient using intraclass correlation coefficients (ICCs) and Bland-Altman analysis. The agreement between CAC_auto and CAC_hand based on the cardiovascular risk stratification categories (Agatston score: 0, 1-10, 11-100, 101-400, > 400) was evaluated. Results: In 2985 patients, 6218 coronary calcium lesions were identified using CAC_hand. The per-lesion sensitivity and false-positive rate of the CAC_auto system in detecting coronary calcium were 93.3% (5800 of 6218) and 0.11 false-positive lesions per patient, respectively. The CAC_auto system, in measuring the Agatston score, yielded ICCs of 0.99 for all the vessels (left main 0.91, left anterior descending 0.99, left circumflex 0.96, right coronary 0.99). The limits of agreement between CAC_auto and CAC_hand were 1.6 ± 52.2. The linearly weighted kappa value for the Agatston score categorization was 0.94. The main causes of false-positive results were image noise (29.1%, 97/333 lesions), aortic wall calcification (25.5%, 85/333 lesions), and pericardial calcification (24.3%, 81/333 lesions). Conclusion: The atlas-based CAC_auto empowered by deep learning provided accurate calcium score measurement as compared with manual method and risk category classification, which could potentially streamline CAC imaging workflows.

• 농촌의학ㆍ지역보건
• /
• 제49권2호
• /
• pp.132-145
• /
• 2024

본 연구는 국내 의료기관 중심 보건의료·복지통합 서비스 활성 방안을 모색하기위하여 대구의료원 달구벌건강주치의사업, 삼척의료원 301 네트워크 사업, 부산의료원 3 for 1 사업 을 프로그램 논리모형을 적용하여 사례 비교하였다. 상황적 측면에서 세 사업 모두 보건의료·복지 서비스의 분절과 의료사각지대 문제를 해결하기 위해 고안되었으며, 투입 요소 중 인력은 모두 다학제 팀 구성 현황은 유사하였으나 구체적인 구성 분야, 채용 규모, 고용 형태, 에서는 기관별 차이가 있었다. 예산을 지원받는 재원 출처의 차이로 각 사업은 지역사회와 협력하고 지원하는 방식과 향후 방향성에서의 차별성도 확인할 수 있었다. 산출은 수혜대상자 수와 진료 건수에 차이가 있었으며, 투입인력 또는 운영비 대비실인원 수, 수혜대상 1인당 사업비 비교시 다른 결과를 확인하였다. 의료기관 중심의 보건의료·복지 통합제공체계의 설계 시 우선적으로 권고하는 상황은 안정적인 기금마련 기전을 확보하고 이에 합당한 대상자와 서비스 전달체계를 구축하라는 것이다. 또한, 의료기관 내 사례관리 전담기구로서 각 부문의 활동을 연계할 수 있도록 위탁이 아닌 전담부서 설치, 적정 규모의 채용, 안정적 고용 체계가 필요하며, 민·관 협력 및 경증부터 중증까지 제공할 수 있는 포괄적 제공체계 구축을 제안한다. 이를 통해 의료기관 중심보건의료복지 통합 서비스 제공 사업은 지역사회에서 풀리지 않는 난제였던 보건의료 서비스 강화와 촘촘한 연계를 가능하게 함으로 궁극적인 지역사회 건강안전망 역할 강화를 기대한다.

• 정보처리학회 논문지
• /
• 제13권6호
• /
• pp.269-277
• /
• 2024

최신 IT 기술의 발달로 자율주행 자동차의 운행이 현실화되고 있으며, 이를 위해 경로 탐색은 필수적이다. 일반적으로 경로 탐색에서는 이동거리를 최소화하는 최단거리 경로와 이동 시간을 최소화하는 최단시간 경로가 제시된다. 그러나 이러한 경로의 품질은 도로망의 그래프 위상적 특성에 따라 달라진다. 도로망의 연결구조가 합리적이지 않으면 라우팅 알고리즘의 성능 개선에 한계가 있다. 실제 운전자들은 회전 횟수, 주변 환경, 교통체증, 도로 품질 등의 심리적 요소를 고려하며, 특히 회전이 적은 경로를 선호한다. 본 논문에서는 도로망 특성을 평가할 때 최단거리와 최단시간 경로뿐 아니라 회전이 가장 적은 경로를 찾는 단순 경로 알고리즘을 제시한다. 이를 통해 국내외 20개 주요 대도시 도로망의 연결 특성을 비교 평가하고, 도로망의 강점과 약점을 파악하여 효율적이고 안전한 경로 탐색 알고리즘을 개발할 수 있다. 제안된 단순 경로 알고리즘을 활용하여 각 도시의 도로망 특성을 비교 평가함으로써 도로망의 품질과 경로 탐색의 효율성을 종합적으로 검토한다.

• 벤처창업연구
• /
• 제18권6호
• /
• pp.201-214
• /
• 2023

본 연구는 중소기업 종사자를 대상으로 개인의 창업역량이 창업의도에 미치는 영향을 분석하고자 했으며, 창업역량과 창업의도간에 창업효능감과 창업멘토링의 매개효과를 확인하고자 했다. 창업역량의 하위변수로는 창의성, 문제해결, 의사소통, 마케팅으로 구분하여 분석하였다. 전국에 소재하는 중소제조기업에서 종사자를 중심으로 수집한 설문지 368부를 실증 분석에 사용하였다. 매개변수 간 인과관계가 없는 병렬이중매개모형을 실증분석에 활용하였다. 분석 결과 첫째, 창업역량 중에서 창의성, 의사소통, 마케팅은 창업효능감에 유의한 정(+)의 영향을 미치는 것으로 확인되었다. 둘째, 창업역량 중에서 창의성, 의사소통, 마케팅은 창업멘토링에 유의한 정(+)의 영향을 미치는 것으로 검정되었다. 셋째, 창업효능감과 창업멘토링 모두 창업 의도에 영향을 주는 것으로 나타났다. 넷째, 창업역량 중에서 창의성과 마케팅은 창업의도에 영향을 미치는 것으로 확인되었다. 다섯째, 창업효능감과 창업멘토링은 창업역량 중에서 문제해결을 제외하고 창업의도에 매개효과가 있는 것으로 나타났다. 결과적으로 중소기업 종사자의 창업의도를 강화하기 위해서는 창업효능감과 창업멘토링이 중요한 요인이고 개인의 창업역량 중에서도 마케팅과 창의성이 중요한 영향을 미치기에 이에 대한 교육 및 사전준비가 필요하다는 것을 확인하였다. 후속 연구로는 다변량 모형 적용이나 시계열 데이터 분석 및 외부 환경 요인을 고려한 연구, 세부화된 인구 특성을 고려한 창업역량과 성과 간의 차이를 검정하는 연구도 필요할 것이다.