• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 추계학술대회
• /
• pp.277-280
• /
• 2021

최근 높은 접근성을 기반으로 다양한 콘텐츠가 양산됨에 따라 미디어 콘텐츠 시장이 더욱 활성화되고 있다. 사용자들은 취향에 맞는 콘텐츠를 찾고자 하며, 각 플랫폼에서 콘텐츠의 개인화 추천을 위해 경쟁하고 있다. 효율적인 추천시스템을 위해서는 양질의 메타데이터가 필요하다. 기존의 플랫폼들은 영상의 메타데이터를 사용자가 직접 입력하는 방식을 취하고 있다. 이는 많은 양의 데이터를 처리하는 데에 시간과 비용을 낭비하게 할 것이다. 본 논문에서는 미디어 초개인화 추천을 위해서 영화예고편을 바탕으로, 영상의 YCrCb 컬러 모델을 기반으로 키프레임을 추출하고, 인공지능의 지도학습을 통해 영화 장르를 구별하고 추후 메타데이터 생성을 위한 활용방안을 제안하고자 한다.

• 문화기술의 융합
• /
• 제9권4호
• /
• pp.309-314
• /
• 2023

본 논문은 현재 인공지능(AI) 기반 음악 작곡 프로그램의 발전과 한계를 살펴본다. AI 작곡 프로그램은 딥러닝 기술의 적용으로 큰 성장을 이루었다. 하지만 현재까지의 인공지능 기반 작곡 프로그램은 획일화된 시스템으로 인하여 단순하게 음악을 모방하는 수준에 그치고 있으며, 예술적, 창의적 영역에서 한계가 있어 보인다. 본 논문에서는 기존의 인공지능 기반 작곡 프로그램에 대한 정보를 수집하여 비교 및 분석하고, 각 프로그램이 추구하는 기술적 방향성과 음악적 컨셉, 그리고 한계점을 고찰하는 과정을 통해 미래의 인공지능 음악 작곡 프로그램이 나아가야 할 방향을 모색하려 한다. 더불어 논문에서는 개인화 시대에 발맞추어 '개인 맞춤형' 음악과 인간의 예술성이 반영된 인공지능 기반 음악 작곡 프로그램 개발의 중요성을 강조한다. 결국 인공지능 기반 작곡 프로그램은 결과물인 음악으로 청자에게 어떠한 감동을 줄 수 있을지에 대한 심도 있는 연구와 실행이 필요하다. 이러한 인공지능 기반 작곡 프로그램은 새로운 음악 산업의 구조를 형성할 것이며, 음악 산업의 발전에 기여할 것으로 전망한다.

• 트랜스-
• /
• 제14권
• /
• pp.123-155
• /
• 2023

본 논문은, 일본의 커뮤니티 시네마의 역사적 발전과정에 대한 문헌고찰을 바탕으로 영화공동감상을 기반으로 한 사회적 가치창출과정의 특징을 분석한다. 일본에서는 영상매체의 디지털화, 매체공간의 개인화가 증가한 21세기 현대사회에서도 비상업극장 및 비극장상영에서 공동감상의 문화가 유지되고 있다. 그리고 이러한 감상환경을, '커뮤니티 시네마'라는 이름으로 통합하여 지원하는 일본 커뮤니티 시네마 센터도 설립·운영되고 있다. 연구의 결과, 커뮤니티 시네마의 특징은 다음과 같다. 첫째, 비극장상영 단체나 감상단체가 시민과 협력하여 영화관을 설립·운영한다. 둘째, 공동 감상을 운영하는 단체나 기관의 대규모 연계를 통해 영화문화를 이해하고 영화문화운동에 참여할 관객을 육성하는 이론적 · 실천적 · 참여적 학습기회를 만든다. 셋째, 공동감상을 기반으로 하여 관객이 주도하는 영화문화 환경을 정비하여 공동성을 실감하는 사회적 장을 만들고 나아가 영화와 사회문제해결을 융합하는 영화의 사회적 활용을 도모한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권6호
• /
• pp.237-244
• /
• 2022

본 논문은 고객의 온라인 행동 정보와 구매 기록을 활용하여 기존의 추천 시스템이 갖는 데이터 희소성의 문제와 콜드 스타트 문제를 해결하고자 VAE 기반 추천 시스템을 제시하였다. 고객의 구매 기록을 임베딩하고 차원 축소하여 단일 변수로 생성하였으며, 온라인 행동 정보를 활용하여 학습을 통해 고객의 잠재 요인을 추출하는데 Variational Autoencoders를 적용하였다. VAE 기반 추천 시스템은 총 12개의 고객의 특성 변수에 VAE를 적용하여 저차원의 벡터를 생성한 뒤 이를 통해 유사 사용자를 찾은 다음, 유사 사용자들이 구매했던 상품들을 고객에게 추천한다. 이렇게 추천한 상품들의 점수를 매겨 nDCG로 성능을 평가하였다. 실험 결과 구매 기록 변수 그리고 온라인 행동 로그 변수를 활용한 VAE 기반의 추천시스템이 SVD 기반의 추천 시스템보다 성능이 좋다는 것을 알 수 있었다. 따라서 고객의 온라인 행동 로그 및 구매 기록을 사용하여 상품을 추천하면 정보 수집에 발생하는 비용과 시간을 줄일 수 있을 뿐만이 아니라 기존 추천 시스템보다 더욱 효율적으로 상품을 추천할 수 있다는 것을 보여주었다.

• 경영정보학연구
• /
• 제23권4호
• /
• pp.69-86
• /
• 2021

인공지능 기술이 발달함에 따라 빅데이터를 활용한 개인화 추천시스템에 대한 관심이 증가하고 있다. 특히 뷰티 제품의 경우 개인의 취향과 더불어 피부 특성 및 민감도에 따라 제품 선호도가 명확히 구분되므로 축적된 고객 데이터를 활용하여 고객 맞춤형 추천서비스를 제공하는 것이 필요하다. 따라서 본 연구에서는 딥러닝 기법을 활용하여 제품 검색 기록과 개인 사용자의 피부 타입과 고민 등의 콘텍스트 정보를 함께 반영한 심층 신경망 기반의 추천시스템 모델을 제시하고자 한다. 본 연구에서는 실제 화장품 검색 플렛폼의 데이터를 활용하여 성능 평가를 실시하였다. 본 연구의 실험 결과, 고객의 콘텍스트 정보를 포함한 모델이 제품 검색 기록만을 활용한 기존의 협업 필터링 모델들 보다 우수한 성능을 보임을 확인하였다.

• 공학교육연구
• /
• 제27권1호
• /
• pp.3-12
• /
• 2024

The degree-linked programs for employees, operated by joint training centers in specialized universities that have implemented work-study integrated programs, are educational programs that require an annual government budget of around 80 billion KRW. However, the 70+ universities running these programs face issues such as a decline in academic achievement and an increase in dropout rates among students. In this paper, I conducted multiple regression analysis based on observed and measured information to examine whether the participating students in these programs are achieving an appropriate level of academic performance and to identify the factors that universities need to invest in to achieve that level. To do this, I hypothesized a causal relationship between the university's input factors and students' academic achievement, and used the SPSS program to analyze the statistical data, confirming the validity of the hypothesis. The collected data for the study were obtained through a survey developed using a Likert 4-point scale, which quantified the distribution of grades among students enrolled in IT-related departments offering the degree-linked programs for employees and the emotional contact efforts made by the universities to motivate them for academic success. Particularly, through the results of multiple regression analysis, it was confirmed that these input factors, unlike those for students in general education programs, require more personalized and frequent interactions.

• 한국멀티미디어학회논문지
• /
• 제2권3호
• /
• pp.277-288
• /
• 1999

개인화된 학습내용과 진도로 멀티미디어를 이용한 교재를 통해 학습 효과를 크게 제고할 수 있는 중등학교 멀티미디어 교실과 대학의 멀티미디어 센터를 위한 분산 스트림 서버 시스템을 구현하였다. 기존의 멀티미디어 정보 재생 시스템은 멀티미디어 교실에 적용하기에 적절하지 못한 제약점을 가지고 있다. 과다한 스트림당 비용이 요구되거나 그렇지 않으면 학습에 활용하기에는 저급한 재생 품질, 원활하지 못하는 시스템 및 서비스 확장성, 개별적 고유 클라이언트 환경에 의한 사용 이절감, 교사 조작 능력과 표현 의도가 전혀 고려되지 않은 일반적 저작 도구로 인한 교재 저작 어려움 그리고 구성 시스템간의 유기적 연동 부재로 인한 관리 어려움 등의 문제점을 극복한 시스댐을 구현하였다. 폐쇄되어 있는 교실에서뿐만 아니라 인터넷을 통한 광범 위한 원격 교육에 확장할 수 있도록 웹 기반 분산 시스댐으로 구성하였다. 전체 시스템의 구성 요소는 멀티미 디어 정보 저장 및 재생을 담당하는 스트림 서버 클라이언트 시스템, 분산되어 있는 서버의 통합 역할을 하는 서비스 게이트웨이, 그리고 클립 및 교재 저작을 위한 저작관리 시스템 등이다. 본 논문에서는 그 가운데 멀티미디어 정보를 저장, 전송하는스트립 서버의 설계 및 구현에 대해 설명한다. 윈도우NT서버에서 실행되는 한 대의 스트림 서버 시스템으로 한 학급의 클라이언트(50-60대)에서 MPEG~ 1 스트렴을 동시에 재생할 수 있는 성능을 아무런 시스템 변경 없이 응용 수준의 소프트웨어 엔진만으로 실현하였다. 그리고 타 구성 요소 시스템간의 유기적 연동을 통한 시스템의 확장성과 서비스의 유연성을 확보할 수 있었다.

• 한국융합학회논문지
• /
• 제10권3호
• /
• pp.1-6
• /
• 2019

현대사회는 생활과 개성이 중요시 되면서 개인화된 생활습관 및 패턴이 생기고 있으며, 잘못된 생활습관으로 인해 관절질환자가 증가하고 있다. 또한 1인 가구가 점점 증가하면서 응급상황이 발생할 경우 알맞은 시간에 응급처치를 받지 못하는 경우가 생긴다. 건강과 질병관리에 필요한 개인의 상태에 따른 정확한 분석을 통해 스스로 관리할 수 있는 정보와 응급상황에 맞는 케어가 필요하다. 딥러닝 중에서 CNN은 데이터의 분류 및 예측에 효율적으로 사용된다. CNN은 데이터 특징에 따라 정확도 및 처리 속도에 차이를 보인다. 따라서 실시간 헬스케어를 위해 처리속도 향상과 정확도 개선이 필요하다. 본 논문에서는 관절질환 관리를 위한 Mask R-CNN을 이용한 모션 모니터링을 제안한다. 제안하는 방법은 Mask R-CNN을 이용하여 CNN의 정확도와 처리 속도를 개선하는 방법이다. 사용자의 모션을 신경망에 학습시킨 후 사용자의 모션이 학습된 데이터와 차이가 있을 경우 사용자에게 관리법을 피드백 해주고 보호자에게 응급상황을 알릴 수 있으며 상황에 맞는 적절한 조치를 취할 수 있다.

• 한국수학교육학회지시리즈C:초등수학교육
• /
• 제27권3호
• /
• pp.199-226
• /
• 2024

인공지능(AI)과 디지털 기술의 도입 등과 같은 디지털 기반 변화의 시대를 맞아, 2025년에는 수학, 영어, 정보 교과에 AI 디지털교과서를 단계적으로 도입하는 교육혁신이 추진되고 있다. 본 연구는 2023년 11월 전국 132명의 초등학교 교사를 대상으로 실시한 설문조사를 통해 교사들의 수학 AI 디지털교과서에 대한 이해도, 핵심 기술의 필요성, 수업 활용에 대한 인식, 그리고 AI 디지털교과서의 학교 현장에의 안착을 위한 요구사항을 조사하였다. 분석 결과, 대다수 교사들은 수학 AI 디지털교과서의 도입과 필요성에 대해 낮은 인식을 보였지만, 일부 교사들은 개인별 맞춤형 학습 및 효과적인 교수·학습 지원 가능성을 인식하고 있었다. 또한, 교사들은 AI 디지털교과서의 학습 진단과 교사 재구성 기능의 필요성을 높게 평가했으며, 수업에서의 유용성을 긍정적으로 평가했지만, AI 디지털교과서의 도입으로 인해 교실에서의 상호작용성은 저하시킬 것이라고 우려했다. 이는 AI 디지털교과서의 성공적 도입 및 활용을 위해 교사연수 및 정보 제공을 통한 인식 변화의 필요성을 시사하며, 구체적이고 실용적인 활용 방안 제공, 디지털 과잉 사용 및 의존에 대한 대안 모색, 핵심 기술의 지속적 개발 등, 이와 관련한 연구의 지속적인 필요성을 제언한다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.95-112
• /
• 2021

대학 교육에 있어서 전공과목의 선택은 학생들의 진로에 중요한 역할을 한다. 하지만, 산업의 변화에 발맞춰 대학 교육도 학과별 전공과목의 분야가 다양해지고 그 수가 많아지고 있다. 이에 학생들은 본인의 진로에 맞게 수업을 선택하여 수강하는 것에 어려움을 겪고 있다. 본 연구는 대학 전공과목 추천 모델을 제시함으로써 개인 맞춤형 교육을 실현하고 학생들의 교육만족도를 제고하고자 한다. 모델 연구에는 대학교 학부생들의 2015년~2017년 수강 이력 데이터를 활용하였으며, 메타데이터로는 학생과 수업의 전공 명을 사용했다. 수강 이력 데이터는 컨텐츠 소비 여부만을 나타낸 암시적 피드백 데이터로, 수업에 대한 선호도를 반영한 것이 아니다. 따라서 학생과 수업의 특성을 나타내는 임베딩 벡터를 도출했을 시, 표현력이 낮다. 본 연구는 이러한 문제점에 착안하여, 네트워크 분석을 통해 학생, 수업의 벡터를 생성하고 이를 모델의 입력 값으로 활용하는 Net-NeuMF 모델을 제시한다. 모델은 암시적 피드백을 가진 데이터를 이용한 대표적인 모델인 원핫 벡터를 이용하는 NeuMF의 구조를 기반으로 하였다. 모델의 입력 벡터는 네트워크 분석을 통해 학생과 수업의 특성을 나타낼 수 있도록 생성하였다. 학생을 표현하는 벡터를 생성하기 위해, 각 학생을 노드로 설정하고 엣지는 두 학생이 같은 수업을 수강한 경우 가중치를 가지고 연결되도록 설계했다. 마찬가지로 수업을 표현하는 벡터를 생성하기 위해 각 수업을 노드로 설정하고 엣지는 공통으로 수강한 학생이 있는 경우 연결시켰다. 이에 각 노드의 특성을 수치화 하는 표현 학습방법론인 Node2Vec을 이용하였다. 모델의 평가를 위해 추천 시스템에서 주로 활용하는 지표 4가지를 사용하였고, 임베딩 차원이 모델에 미치는 영향을 분석하기 위해 3가지 다른 차원에 대한 실험을 진행하였다. 그 결과 기존 NeuMF 구조에서 원-핫 벡터를 이용하였을 때보다 차원과 관계없이 평가지표에서 좋은 성능을 보였다. 이에 본 연구는 학생(사용자)와 수업(아이템)의 네트워크를 이용해 기존 원-핫 임베딩 보다 표현력을 높였다는 점, 모델을 구성하는 각 구조의 특성에 맞도록 임베딩 벡터를 활용하였다는 점, 그리고 기존의 방법론에 비해 다양한 종류의 평가지표에서 좋은 성능을 보였다는 점을 기여점으로 가지고 있다.