• 문화기술의 융합
• /
• 제8권1호
• /
• pp.597-603
• /
• 2022

팬데믹 환경의 지속과 더불어 패션 산업의 다양한 분야에서 디지털 전환이 적용되고 있다. 증강현실 기술은 현실 세계에 가상의 이미지를 오버랩해서 보여주는 형태로 비대면 환경하에서 온라인 쇼핑이 확대되면서 패션, 뷰티 분야에서 증강현실 기술의 활용이 소비자 만족도 및 매출 증대에 영향을 미치고 있다. 본 연구에서는 디지털 전환에 따른 패션산업에서 활용되고 있는 증강현실 콘텐츠의 특성을 의상, 액세서리, 패션스토어 및 AR패션쇼 분야까지 확장하여 증강현실의 사례 특성을 분석하였다. 패션 산업의 증강현실 기술은 마케팅 활동을 통해 SNS나 홈페이지를 통한 의상 및 액세서리 제품 홍보 특성이 중심을 이루고 있으며 가상 쇼룸 과 AR패션쇼를 통한 구매 과정에서의 편의성 확대 및 엔터테인먼트 콘텐츠 활용에 의한 매출 신장과 브랜드 인지도 향상등의 긍정적 가치를 높이고 있다. 미래디지털 패션 환경에서 증강현실이 활용되는 유형의 범위는 지속적으로 확대될 것이며 증강현실기술의 활용 특성을 도출함으로써 향후 패션산업의 미래 비전을 제시하는데 기여하고자 한다.

• 스마트미디어저널
• /
• 제10권4호
• /
• pp.71-79
• /
• 2021

인터넷의 사용이 광범위 해져감에 따라 변화되는 사회적 측면 중 하나는 온라인 공간에서의 의사소통이다. 과거에는 물리적으로 같은 공간에 있을 때를 제외하고는 일대일 대화만 원격으로 가능했지만, 요즘은 게시판이나 커뮤니티, 소셜네트워크서비스(SNS) 등을 통해 다수의 사람들과 원격으로 소통할 수 있는 기술이 발달했다. 이러한 정보통신망의 발달로 생활이 편리해지고, 동시에 급격한 정보교류에 따른 피해도 끊임없이 증가하고 있다. 최근에는 연예인뿐 아니라 인플루언서 등 인터넷에서 인지도가 높은 특정인에게 성적인 메시지를 보내거나 인신공격을 가하는 등의 사이버 범죄가 발생하고 있으며, 이들 사이버 범죄에 노출된 이들 중 일부는 극단적인 선택을 하기도 하였다. 본 논문에서는 악성 댓글로 인한 피해를 줄이기 위해 음성 부분별 기능추출을 통한 차별적 악성 댓글의 성능향상 방안을 연구하였다.

• 한국콘텐츠학회논문지
• /
• 제22권3호
• /
• pp.121-133
• /
• 2022

최근 들어 원격교육의 하나의 플랫폼으로 메타버스(Metaverse)가 각광을 받고 있다. 본 연구에서는 새로운 교육공간의 일환으로서 메타버스의 장점을 살펴보고 교육적 가능성과 활용도에 관해서 조사한다. 이를 위해 대학 전공 수업에서 SNS 기반형의 메타버스 플랫폼 중 하나인 이프랜드(ifland)를 활용하여 수업을 진행하고 32명 학생들의 경험과 기술에 대한 인식과 만족도를 사전 설문조사로 분석하였다. 그 결과에 따르면 대부분의 학생들은 메타버스 수업 경험에 전반적으로 만족을 하는 것으로 나타났고 특히 새로운 플랫폼에 대한 흥미와 재미도, 아바타를 통한 3D 기반의 의사소통과 상호작용에 높은 만족감을 드러냈다. 한편으로는 현재까지는 다른 실시간 화상강의 플랫폼처럼 화면공유가 안 되는 점, PC버전이 없고 모바일에서만 구현이 되는 점 등의 기술적인 한계점도 발견되었다. 이러한 단점에도 불구하고 대다수의 학생들은 실시간 화상강의와 메타버스 수업 중 메타버스 수업을 듣는 것을 더 선호한다고 응답하였다. 이와 같은 결과를 토대로 메타버스 플랫폼을 활용하여 원격 수업을 제공할 경우 어떠한 교육적 효과를 기대할 수 있는지에 대한 가능성을 제안한다.

• Journal of Information Processing Systems
• /
• 제19권3호
• /
• pp.289-301
• /
• 2023

Due to the development and dissemination of modern technology, anyone can easily communicate using services such as social network service (SNS) through a personal computer (PC) or smartphone. The development of these technologies has caused many beneficial effects. At the same time, bad effects also occurred, one of which was the spam problem. Spam refers to unwanted or rejected information received by unspecified users. The continuous exposure of such information to service users creates inconvenience in the user's use of the service, and if filtering is not performed correctly, the quality of service deteriorates. Recently, spammers are creating more malicious spam by distorting the image of spam text so that optical character recognition (OCR)-based spam filters cannot easily detect it. Fortunately, the level of transformation of image spam circulated on social media is not serious yet. However, in the mail system, spammers (the person who sends spam) showed various modifications to the spam image for neutralizing OCR, and therefore, the same situation can happen with spam images on social media. Spammers have been shown to interfere with OCR reading through geometric transformations such as image distortion, noise addition, and blurring. Various techniques have been studied to filter image spam, but at the same time, methods of interfering with image spam identification using obfuscated images are also continuously developing. In this paper, we propose a deep learning-based spam image detection model to improve the existing OCR-based spam image detection performance and compensate for vulnerabilities. The proposed model extracts text features and image features from the image using four sub-models. First, the OCR-based text model extracts the text-related features, whether the image contains spam words, and the word embedding vector from the input image. Then, the convolution neural network-based image model extracts image obfuscation and image feature vectors from the input image. The extracted feature is determined whether it is a spam image by the final spam image classifier. As a result of evaluating the F1-score of the proposed model, the performance was about 14 points higher than the OCR-based spam image detection performance.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 추계학술발표대회
• /
• pp.465-467
• /
• 2022

Mobile phones have become an essential item nowadays since it provides access to online platform and service fast and easy. Coming to these platforms such as Social Network Service (SNS) for shopping have been a go-to option for many people. However, searching for a specific fashion item in the picture is challenging, where users need to try multiple searches by combining appropriate search keywords. To tackle this problem, we propose a system that could provide immediate access to websites related to fashion items. In the framework, we also propose a deep learning model for an automatic analysis of image contexts using instance segmentation. We use transfer learning by utilizing Deep fashion 2 to maximize our model accuracy. After segmenting all the fashion item objects in the image, the related search information is retrieved when the object is clicked. Furthermore, we successfully deploy our system so that it could be assessable using any web browser. We prove that deep learning could be a promising tool not only for scientific purpose but also applicable to commercial shopping.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.232-234
• /
• 2022

빅데이터는 고객 관계 관리, 관계 마케팅, 금융 업무 개선, 신용정보 및 위험 관리 분야에서 크게 활용되고 있다. 더욱이 최근에 COVID-19 바이러스로 인하여 비대면 금융거래가 보다 활발해지면서 고객과의 관계 측면에서 금융 빅데이터의 활용이 더 요구되고 있다. 고객 관계 측면에서 금융 빅데이터는 기술적인 접근보다 감성적적인 접근이 필요한 시기가 도래하였다. 관계 마케팅 측면에서도 인지적, 이성적, 합리적인 면보다는 감성적인 면을 중요시 할 필요성이 대두되었다. 하지만, 기존의 금융 데이터는 텍스트 형태의 고객 거래 데이터, 기업재무정보, 설문지등을 통하여 수집되고 활용되었다. 본 연구는 SNS를 통하여 고객의 문화 활동, 여가 활동 기반의 고객의 감성적인 이미지 데이터 즉, 비정형 데이터를 획득하여 고객의 활동 이미지를 인공지능 CNN 알고리즘으로 분석한다. 활동 분석은 다시 주석을 달은 인공지능에 적용하고, 주석에 나타난 행동 모델을 분석하는 인공지능 빅데이터 모델을 설계한다.

• 문화기술의 융합
• /
• 제9권6호
• /
• pp.1111-1117
• /
• 2023

이 연구는 최근 국내 신문사가 다시금 온라인 뉴스에 대한 유료화를 시도하는 상황에 주목하고 뉴스 독자 중에서도 유료이용 경험자에 대한 이해를 높이고자 했다. 한국언론진흥재단의 2022년 언론수용자조사 데이터(N = 58,936)를 분석한 결과, 2020년 이후 온라인 뉴스에 대한 유료이용 경험 및 유료이용 의향에 꾸준한 증가세가 관찰되었다. 실제 유료이용 경험을 설명하는 요인은 인구사회학적 속성 중 성별, 연령, 학력으로 나타났으며, 그밖에 정치·사회 현안에 대한 관심도, 다양한 미디어를 통한 뉴스 이용(신문, 잡지, 포털, 메신저, SNS. 동영상사이트, 팟캐스트) 등이 영향을 미치는 것으로 나타났다. 각 신문사가 온라인 뉴스 유통에 활용하고 있는 디지털 플랫폼의 형태와 관련해서는 언론사 애플리케이션과 이메일 뉴스레터의 이용이 유료구독 경험을 설명하는 요인으로 나타났다. 이와 같은 연구결과는 앞으로 한국의 언론사가 차별화된 뉴스 콘텐츠를 자사의 플랫폼을 통해 유통할 수 있도록 준비하고, 뉴스 독자와의 신뢰 관계를 형성하기 위한 구체적인 계획을 수립하는 것이 중요할 것임을 시사한다.

• 디지털융복합연구
• /
• 제21권3호
• /
• pp.23-31
• /
• 2023

코로나19가 막바지에 다다르며 근 몇 년 간 여행을 가지 못했던 사람들의 관심이 다시금 여행으로 쏠리면서 여행업이 점점 활기를 되찾고 있다. 이에 따라 여행 관련된 어플리케이션을 개발하여 여행에 도움이 되고자 한다. SNS가 활발한 요즘 트렌드에 따라 본 어플리케이션은 메인 기능으로 리뷰 기능을 제공한다. 이외에도 갤러리를 통해 여행 기록들을 저장할 수 있으며, 네비게이션을 통해 목적지까지의 경로를 편리하게 볼 수 있다. 사람들은 보통 여행을 할 때에 목적에 따라 여러 가지 어플리케이션을 동시에 사용하곤 한다. 본 연구는 이러한 번거로움 해소를 위해 여러 가지 기능이 합쳐진 어플리케이션을 개발해 편리함을 증진시키는 것에 목적을 두고 진행한다. 개발 툴은 안드로이드 스튜디오를 사용한다.

• 지능정보연구
• /
• 제24권3호
• /
• pp.199-219
• /
• 2018

인터넷의 일상화와 각종 스마트 기기의 보급으로 이용자들로 하여금 실시간 의사소통이 가능하게 하여 기존의 커뮤니케이션 양식이 새롭게 변화되었다. 인터넷을 통한 정보주체의 변화로 인해 데이터는 더욱 방대해져서 빅데이터라 불리는 정보의 초대형화를 야기하였다. 이러한 빅데이터는 사회적 실제를 이해하기 위한 새로운 기회로 여겨지고 있다. 특히 텍스트 마이닝은 비정형 텍스트 데이터를 이용해 패턴을 탐구하여 의미있는 정보를 찾아낸다. 텍스트 데이터는 신문, 도서, 웹, SNS 등 다양한 곳에 존재하기 때문에 데이터의 양이 매우 다양하고 방대하여 사회적 실제를 이해하기 위한 데이터로 적합하다. 본 연구는 한국 최대 인터넷 포털사이트 뉴스의 댓글을 수집하여 2017년 19대 한국 대선을 대상으로 연구를 수행하였다. 대선 선거일 직전 여론조사 공표 금지기간이 포함된 2017년 4월 29일부터 2017년 5월 7일까지 226,447건의 댓글을 수집하여 빈도분석, 연관감성어 분석, 토픽 감성 분석, 후보자 득표율 예측을 수행하였다. 이를 통해 각 후보자들에 대한 이슈를 분석 및 해석하고 득표율을 예측하였다. 분석 결과 뉴스 댓글이 대선 후보들에 대한 이슈를 추적하고 득표율을 예측하기에 효과적인 도구임을 보여주었다. 대선 후보자들은 사회적 여론을 객관적으로 판단하여 선거유세 전략에 반영할 수 있고 유권자들은 각 후보자들에 대한 이슈를 파악하여 투표시 참조할 수 있다. 또한 후보자들이 빅데이터 분석을 참조하여 선거캠페인을 벌인다면 국민들은 자신들이 원하는 바가 후보자들에게 피력, 반영된다는 것을 인지하고 웹상에서 더욱 적극적인 활동을 할 것이다. 이는 국민의 정치 참여 행위로써 사회적 의의가 있다.

• 인터넷정보학회논문지
• /
• 제21권5호
• /
• pp.139-148
• /
• 2020

전염병은 오래전부터 인류를 괴롭혀 왔으며 이를 예측 하고 예방하는 것은 인류에게 있어 큰 과제였다. 이러한 이유로 지금까지도 전염병을 예측하기 위해 다양한 연구가 진행되고 있다. 초기의 연구 중 대부분은 CDC(Centers for Disease Control and Prevention)의 역학 데이터에 의존한 연구였으며, CDC에서 제공하는 데이터는 일주일에 한 번만 갱신돼 실시간 질병 발생 건수를 예측하기 어렵다는 문제점을 갖고 있었다. 하지만 최근 IT 기술의 발전으로 여러 인터넷 매체들이 등장하면서 웹 데이터를 통해 전염병의 발생을 예측하고자 하는 연구가 진행되었고 이 중 우리가 조사한 연구 중 대부분은 단일 웹 데이터를 사용하여 질병을 예측하는 연구였다. 하지만 단일 웹 데이터를 통한 질병 예측은 "COVID-19" 같이 최근에 등장한 전염병에 대해서는 많은 양의 학습 데이터를 수집하기 어려우며 이러한 모델을 통해 정확한 예측을 하기 어렵다는 단점을 가지고 있다. 이에 우리는 전염병 발생을 LSTM 모델을 통해 예측할 때 여러 개의 웹 데이터를 사용하는 모델이 단일 웹 데이터를 사용하는 모델보다 정확도가 더 높음을 실험을 통해 증명하고 전염병 예측에 적절한 모델을 제안하고자 한다. 본 실험에서는 단일 웹 데이터를 사용하는 모델과 우리가 제안하는 모델을 사용하여 "말라리아"와 "유행성이하선염"의 발생을 예측했다. 우리는 2017년 12월 31 일부터 2019년 12월 28일까지 총 104주 분량의 NEWS, SNS, 검색 쿼리 데이터를 수집했는데, 이 중 75주는 학습 데이터로, 29주는 검증 데이터로 사용됐다. 실험 결과 우리가 제안한 모델의 예측 결과와 단일 웹 데이터를 사용한 모델의 예측 결과를 비교했을 때 검증 데이터에 대해서 피어슨 상관계수가 0.94, 0.86로 가장 높았고 RMSE 또한 0.19, 0.07로 가장 낮은 오차를 보여주었다.