• 지능정보연구
• /
• 제18권1호
• /
• pp.23-38
• /
• 2012

온라인 쇼핑몰은 인터넷을 통해 손쉽게 접근이 가능하기 때문에, 최초 구매의사가 발생한 시점으로부터 이에 대한 실제 구매가 실현되기까지의 기간이 오프라인 쇼핑몰에 비해 비교적 짧게 나타난다. 즉 오프라인 쇼핑몰의 경우 구매희망 물품을 바로 구매하기 보다는 몇 개의 물품들을 모아서 구매하는 행태가 일반적이다. 하지만, 인터넷 쇼핑몰의 경우 단 하나의 물품만을 포함하고 있는 주문이 전체 주문의 절반 이상을 차지한다. 따라서 온라인 쇼핑몰 데이터의 장바구니 분석에 전통적 데이터마이닝 기법을 그대로 적용할 경우, Null Transaction의 수가 지나치게 많음으로 인해 합리적 수준의 지지도(Support)를 만족시키는 규칙을 찾는 것이 매우 어렵게 된다. 이러한 이유로 온라인 데이터를 사용한 많은 연구는 동시성 기준을 여러 방법으로 확장하여 사용하였는데, 이들 동시성 기준은 명확한 근거나 합의 없이 연구자의 상황에 따라 임의로 선택된 측면이 있다. 따라서 본 연구에서는 온라인 마켓 분석에 적용되는 구매의 동시성 기준을 정확도 측면에서 평가함으로써, 구매의 동시성 기준 선정을 위한 근거를 제시하고자 한다. 또한 동시성 기준의 정확도가 고객의 평균 구매간격에 따라 상이하게 나타나는 것을 파악하여, 향후 고객의 특성에 따른 차별화된 추천 시스템 구축을 위한 기본 방향을 제시하고자 한다. 이를 위해 국내 대형 인터넷 쇼핑몰의 최근 2년간 실제 거래 내역을 대상으로 실험을 수행하였으며, 실험 결과 단골 고객의 구매 추천을 위한 분석의 경우 추천 범위와 분석 데이터의 동시성 기준을 맞추어 연관규칙을 도출하는 것이 바람직하며, 비단골 고객의 경우 대부분의 추천 범위에 대해서 분석 데이터의 동시성 기준을 비교적 길게 설정하여 연관규칙을 도출하는 것이 바람직한 것으로 나타났다.

• 한국전통조경학회지
• /
• 제36권4호
• /
• pp.94-104
• /
• 2018

본 연구는 사진측량 기술을 과거의 촬영된 사진들에 활용하여 정원유산의 원형 재현 가능성을 검토하였다. 인공물과 자연물이 혼재되어 입체 형상 재현 가능성 검토에 적합한 담양 소쇄원(명승 제40호)을 연구 대상으로 하였다. 소쇄원에서 근거리와 원거리의 $360^{\circ}$ 전방향에서 장애물이 없어 촬영이 가능한 조경시설물인 매대(梅臺), 애양단(愛陽壇), 오곡문(五曲門) 담장, 약작(略?)과 자연경물인 광석(廣石) 5개 조경요소를 선정하였다. 인터넷 포털에서 5개 조경요소에 대해 촬영날짜, 초점길이, 노출 등의 정보가 포함된 151장의 사진을 수집하여 촬영구도를 분석하였다. 수집된 사진들은 요소별로 특정한 구도에서 집중적으로 촬영되는 경향을 발견하였다. 또한 조경요소별로 이용자들이 선호하는 2~3개의 촬영구도가 있음을 발견하였다. 조경요소별로 빈도가 높은 촬영구도 1개를 선정하고 그 구도에서 촬영된 사진들을 이용하여 포토스캔(Photoscan) 프로그램으로 3D 메쉬 모델을 제작하여 입체 형상의 재현 가능성을 분석하였다. 제작결과 오곡문 담장, 매대, 애양단과 같은 인공물은 비교적 입체 형상의 재현이 가능하였으나, 질감이 동일하거나 자연 경물인 약작과 광석은 입체 형상의 재현이 불가능했다. 선정된 촬영구도와 유사하게 현장에서 촬영한 사진으로 입체 형상의 재현을 실험한 결과 수집사진에서 불가능했던 약작과 광석에서 3D 메쉬 모델이 제작되었다. 또한 과거와 현재의 형상 비교를 통해 정확한 크기를 측정할 수 있고 변화를 발견할 수 있었다. 문화재의 관람객이나 조경가 등에 의해 촬영된 과거의 사진들을 확보하게 된다면 그 당시에 입체 형상을 재현할 수 있을 것으로 보인다. 이러한 기술이 확산된다면 정원유산의 과거 형상을 추정하고 변화를 고찰하는데 정확성과 신뢰성을 높일 것이다.

• 경영정보학연구
• /
• 제21권4호
• /
• pp.143-156
• /
• 2019

혁신의 유형은 단순화, 정보화, 자동화, 지능화로 분류할 수 있고 지능화는 혁신의 최상위 단계이며 RPA는 지능화의 하나로 볼 수 있다. 인공지능을 가미한 소프트웨어 로봇인 RPA(Robotic Process Automation)는 단순 반복적인 대량의 트랜젝션 처리 작업을 하는 곳에 적합한 지능화 사례이다. 이미 국내의 많은 기업들에서도 현재 운영 중에 있는 RPA는 강한조직 문화의 필요성이 증대되면서 자발적인 리더십, 강한 팀워크와 실행력, 프로답게 일하는 문화가 강조되는 상황에서 자연스럽게 핵심적 업무에 집중하기 위해 필요한 것이 무엇인지를 찾고자 하는 필요성에 따라 자연스럽게 도입이 검토되고 있다. 로봇 프로세스 자동화 또는 RPA는 구조적인 작업을 빠르고 효율적으로 처리하는 것을 목표로 인간 업무를 교체하는 기술이다. RPA는 ERP 시스템이나 생산성 도구와 같은 소프트웨어를 사용하여 사람을 모방한 소프트웨어 로봇을 통해 구현된다. RPA 로봇은 컴퓨터에 설치된 소프트웨어로 작동 원리에 의해 로봇으로 불리다. RPA는 백엔드를 통해 다른 IT 시스템과 통신하는 기존 소프트웨어와 달리 프런트 엔드를 통해 IT 시스템 전체에 통합된다. 실제로 이것은 소프트웨어 로봇이 인간과 똑 같은 방식으로 IT 시스템을 사용하고 정확한 단계를 반복하며 시스템의 API(Application Programming Interface)와 통신하는 대신 컴퓨터 화면의 이벤트에 반응하는 것을 의미한다. 다른 소프트웨어와 의사소통하기 위해 인간을 모방하는 소프트웨어를 설계하는 것은 직관력이 떨어질 수 있지만 이러한 접근 방식에는 여러 가지 이점이 있다. 첫째, 타사 응용 프로그램에 대한 개방성과 상관없이 사람이 사용하는 거의 모든 소프트웨어와 RPA를 통합할 수 있다. 많은 기업의 IT 시스템은 공통적으로 적용되는 API가 많지 않음으로 독점적이며 다른 시스템과의 통신 기능이 크게 제한되나 RPA는 이 문제를 해결한다. 둘째, RPA는 매우 짧은 시간 내에 구현될 수 있다. 엔터프라이즈 소프트웨어 통합과 같은 전통적인 소프트웨어 개발 방식은 상대적으로 많은 시간이 소요되지만 RPA는 2~4주의 상대적으로 짧은 시간에 구현할 수 있다. 셋째, 소프트웨어 로봇을 통해 자동화된 프로세스는 시스템 사용자가 쉽게 수정할 수 있다. 기존 방식은 작동 방식을 크게 수정하기 위해 고급 코딩 기술이 필요한 반면에 RPA는 상대적으로 단순한 논리 문장을 수정하거나 인간이 수행하는 프로세스의 화면 캡처 또는 그래픽 프로세스 차트 수정을 통해 지시받을 수 있다. 이로 인해 RPA는 매우 다양하고 유연하다. 이러한 RPA는 기업에서 추구하는 D2I(Digital to Intelligence)의 좋은 적용 사례이다.

• 헤리티지:역사와 과학
• /
• 제50권3호
• /
• pp.64-87
• /
• 2017

조선시대 끈을 일컫는 다회는 우리의 복식사, 문화사, 생활사가 녹아있는 산물로서 지역과 계층을 불문하고 다양한 분야에서 전반적으로 사용되었다. 국내외 다수의 유물이 현존하고 있으나 연구의 주요대상으로 선정되지 못하여 연구가 미흡하고 기법 전승 등에서도 접근성이 낮아 연구에 어려움이 많다. 본 연구에서는 도검의 패용(佩用)을 위해 사용된 광다회의 제작기법을 분석하여 다회의 비파괴적인 제작기법 분석 방안을 마련하고, 다회의 올바른 보존 및 계승에 기여하고자 하였다. 패용 광다회는 물건의 패용을 위한 용도로 사용되는 끈이며, 매듭을 맺기 위해 사용되기도 하여 현재는 매듭장에 의해 전승되고 있다. 제작원리는 원다회와 동일하고 다회틀 상판의 심지가 지지대 역할을 하기 때문에 제작된 다회의 중앙에 빈 공간이 존재하는 것이 특징이다. 이와 같은 다회는 3차원적으로 제작되어 제작기법이 복잡하고 현재까지 올의 개수와 배열에 따라 제작되는 다회에 관한 기초자료가 마련되어있지 않아 제작기법의 규명에 어려움이 많았다. 특히 제작기법의 추정을 위해 올을 해체하는 경우가 존재하지만 제작기법의 규명에는 어려움이 있고, 본래의 상태로 되돌릴 수 없다는 문제점도 있다. 따라서 다회의 비파괴적인 제작기법 분석방안 마련과 실제 유물에 대한 적용 가능성 평가의 필요성이 크다. 유물의 제작기법 분석은 다회 제작기법의 DB구축 결과를 바탕으로 하였고, DB구축을 위하여 다회의 도식화 및 복원샘플 제작, 형태적 특징 분석을 진행하였다. 또한 DB의 신뢰도를 높이기 위하여 유물의 X-ray CT 촬영으로 분석결과를 뒷받침할 근거를 마련하였으며, 촬영결과는 다회치기기법에 근거하여 제작기법을 해석하였다. 제작기법 분석의 대상으로 선정한 패용 광다회는 경인미술관 소장 도검(녹칠어피갑금동장별운도, 어피갑금동장곡병환도)의 패용을 위한 것으로 다회의 예술성, 기능성과 상징성을 겸비한 유산이며 광다회가 온전히 남아있어 띠돈을 비롯한 패용장식이 모두 온전한 유물이다. 유물의 제작기법 분석결과를 토대로 짜임형태를 관찰하였고 2점 모두 좌우측면에서 1회 교차된 것임을 알 수 있었다. 짜임형태 길이비 측정을 통해 20개의 올을 사용하여 제작된 것으로 확인되었다. X-ray CT 촬영결과 DB의 분석결과와 동일한 결과가 도출되어 차후 국내외에 산재되어있는 다회의 분석 및 연구를 위한 기초자료로서 활용이 가능할 것으로 사료된다. 이번 연구를 통해 미력하게나마 소중한 전통문화의 보존 및 계승, 발전에 도움이 되기를 바란다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.157-173
• /
• 2021

소비자의 욕구와 관심에 맞추어 개인화된 제품을 추천하는 추천 시스템은 비즈니스에 필수적인 기술로서의 그 중요성이 증가하고 있다. 추천 시스템의 대표적인 모형 중 협업 필터링은 우수한 성능으로 다양한 분야에서 활용되고 있다. 그러나 협업필터링은 사용자-아이템의 선호도 정보가 충분하지 않을 경우 성능이 저하되는 희소성의 문제가 있다. 또한 실제 평점 데이터의 경우 대부분 높은 점수에 데이터가 편향되어 있어 심한 불균형을 갖는다. 불균형 데이터에 협업 필터링을 적용할 경우 편향된 클래스에 과도하게 학습되어 추천 성능이 저하된다. 이러한 문제를 해결하기 위해 많은 선행연구들이 진행되어 왔지만 추가적인 외부 데이터 또는 기존의 전통적인 오버샘플링 기법에 의존한 추천을 시도하였기에 유용성이 떨어지고 추천 성능 측면에서 한계점이 있었다. 본 연구에서는 CGAN을 기반으로 협업 필터링 구현 시 발생하는 희소성 문제를 해결함과 동시에 실제 데이터에서 발생하는 데이터 불균형을 완화하여 추천의 성능을 높이는 것을 목표로 한다. CGAN을 이용하여 비어있는 사용자-아이템 매트릭스에 실제와 흡사한 가상의 데이터를 생성하여, 희소성을 가지고 있는 기존의 매트릭스로만 학습한 것과 비교했을 때 높은 정확도가 예상된다. 이 과정에서 Condition vector y를 이용하여 소수 클래스에 대한 분포를 파악하고 그 특징을 반영하여 데이터를 생성하였다. 이후 협업 필터링을 적용하고, 하이퍼파라미터 튜닝을 통해 추천 시스템의 성능을 최대화하는데 기여하였다. 비교 대상으로는 전통적인 오버샘플링 기법인 SMOTE, BorderlineSMOTE, SVM-SMOTE, ADASYN와 GAN을 사용하였다. 결과적으로 데이터 희소성을 가지고 있는 기존의 실제 데이터뿐만 아니라 기존 오버샘플링 기법들보다 제안 모형의 추천 성능이 우수함을 확인하였으며, RMSE, MAE 평가 척도에서 가장 높은 예측 정확도를 나타낸다는 사실을 증명하였다.

• 지능정보연구
• /
• 제18권2호
• /
• pp.29-45
• /
• 2012

회사채 신용등급은 투자자의 입장에서는 수익률 결정의 중요한 요소이며 기업의 입장에서는 자본비용 및 기업 가치와 관련된 중요한 재무의사결정사항으로 정교한 신용등급 예측 모형의 개발은 재무 및 회계 분야에서 오랫동안 전통적인 연구 주제가 되어왔다. 그러나, 회사채 신용등급 예측 모형의 성과와 관련된 가장 중요한 문제는 등급별 데이터의 불균형 문제이다. 예측 문제에 있어서 데이터 불균형(Data imbalance) 은 사용되는 표본이 특정 범주에 편중되었을 때 나타난다. 데이터 불균형이 심화됨에 따라 범주 사이의 분류경계영역이 왜곡되므로 분류자의 학습성과가 저하되게 된다. 본 연구에서는 데이터 불균형 문제가 존재하는 다분류 문제를 효과적으로 해결하기 위한 다분류 기하평균 부스팅 기법 (Multiclass Geometric Mean-based Boosting MGM-Boost)을 제안하고자 한다. MGM-Boost 알고리즘은 부스팅 알고리즘에 기하평균 개념을 도입한 것으로 오분류된 표본에 대한 학습을 강화할 수 있으며 불균형 분포를 보이는 각 범주의 예측정확도를 동시에 고려한 학습이 가능하다는 장점이 있다. 회사채 신용등급 예측문제를 활용하여 MGM-Boost의 성과를 검증한 결과 SVM 및 AdaBoost 기법과 비교하여 통계적으로 유의적인 성과개선 효과를 보여주었으며 데이터 불균형 하에서도 벤치마킹 모형과 비교하여 견고한 학습성과를 나타냈다.

• 지능정보연구
• /
• 제26권2호
• /
• pp.105-129
• /
• 2020

본 연구는 부도위험 예측을 위해 K-IFRS가 본격적으로 적용된 2012년부터 2018년까지의 기업데이터를 이용한다. 부도위험의 학습을 위해, 기존의 대부분 선행연구들이 부도발생 여부를 기준으로 사용했던 것과 다르게, 본 연구에서는 머튼 모형을 토대로 각 기업의 시가총액과 주가 변동성을 이용하여 부도위험을 산정했으며, 이를 통해 기존 방법론의 한계로 지적되어오던 부도사건 희소성에 따른 데이터 불균형 문제와 정상기업 내에서 존재하는 부도위험 차이 반영 문제를 해소할 수 있도록 하였다. 또한, 시장의 평가가 반영된 시가총액 및 주가 변동성을 기반으로 부도위험을 도출하되, 부도위험과 매칭될 입력데이터로는 비상장 기업에서 활용될 수 있는 기업 정보만을 활용하여 학습을 수행함으로써, 포스트 팬데믹 시대에서 주가 정보가 존재하지 않는 비상장 기업에게도 시장의 판단을 모사하여 부도위험을 적절하게 도출할 수 있도록 하였다. 기업의 부도위험 정보가 시장에서 매우 광범위하게 활용되고 있고, 부도위험 차이에 대한 민감도가 높다는 점에서 부도위험 산출 시 안정적이고 신뢰성 높은 평가방법론이 요구된다. 최근 머신러닝을 활용하여 기업의 부도위험을 예측하는 연구가 활발하게 이루어지고 있으나, 대부분 단일 모델을 기반으로 예측을 수행한다는 점에서 필연적인 모델 편향 문제가 존재하고, 이는 실무에서 활용하기 어려운 요인으로 작용하고 있다. 이에, 본 연구에서는 다양한 머신러닝 모델을 서브모델로 하는 스태킹 앙상블 기법을 활용하여 개별 모델이 갖는 편향을 경감시킬 수 있도록 하였다. 이를 통해 부도위험과 다양한 기업정보들 간의 복잡한 비선형적 관계들을 포착할 수 있으며, 산출에 소요되는 시간이 적다는 머신러닝 기반 부도위험 예측모델의 장점을 극대화할 수 있다. 본 연구가 기존 머신러닝 기반 모델의 한계를 극복 및 개선함으로써 실무에서의 활용도를 높일 수 있는 자료로 활용되기를 바라며, 머신러닝 기반 부도위험 예측 모형의 도입 기준 정립 및 정책적 활용에도 기여할 수 있기를 희망한다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.173-198
• /
• 2020

최근 온라인의 비약적인 활성화로 캠페인 채널들이 다양하게 확대되면서 과거와는 비교할 수 없을 수준의 다양한 유형들의 캠페인들이 기업에서 수행되고 있다. 하지만, 고객의 입장에서는 중복 노출로 인한 캠페인에 대한 피로감이 커지면서 스팸으로 인식하는 경향이 있고, 기업입장에서도 캠페인에 투자하는 비용은 점점 더 늘어났지만 실제 캠페인 성공률은 오히려 더 낮아지고 있는 등 캠페인 자체의 효용성이 낮아지고 있다는 문제점이 있어 실무적으로 캠페인의 효과를 높이고자 하는 다양한 연구들이 지속되고 있다. 특히 최근에는 기계학습을 이용하여 캠페인의 반응과 관련된 다양한 예측을 해보려는 시도들이 진행되고 있는데, 이 때 캠페인 데이터의 다양한 특징들로 인해 적절한 특징을 선별하는 것은 매우 중요하다. 전통적인 특징 선택 기법으로 탐욕 알고리즘(Greedy Algorithm) 중 SFS(Sequential Forward Selection), SBS(Sequential Backward Selection), SFFS(Sequential Floating Forward Selection) 등이 많이 사용되었지만 최적 특징만을 학습하는 모델을 생성하기 때문에 과적합의 위험이 크고, 특징이 많은 경우 분류 예측 성능 하락 및 학습시간이 많이 소요된다는 한계점이 있다. 이에 본 연구에서는 기존의 캠페인에서의 효과성 제고를 위해 개선된 방식의 특징 선택 알고리즘을 제안한다. 본 연구의 목적은 캠페인 시스템에서 처리해야 하는 데이터의 통계학적 특성을 이용하여 기계 학습 모델 성능 향상의 기반이 되는 특징 부분 집합을 탐색하는 과정에서 기존의 SFFS의 순차방식을 개선하는 것이다. 구체적으로 특징들의 데이터 변형을 통해 성능에 영향을 많이 끼치는 특징들을 먼저 도출하고 부정적인 영향을 미치는 특징들은 제거를 한 후 순차방식을 적용하여 탐색 성능에 대한 효율을 높이고 일반화된 예측이 가능하도록 개선된 알고리즘을 적용하였다. 실제 캠페인 데이터를 이용해 성능을 검증한 결과, 전통적인 탐욕알고리즘은 물론 유전자알고리즘(GA, Genetic Algorithm), RFE(Recursive Feature Elimination) 같은 기존 모형들 보다 제안된 모형이 보다 우수한 탐색 성능과 예측 성능을 보임을 확인할 수 있었다. 또한 제안 특징 선택 알고리즘은 도출된 특징들의 중요도를 제공하여 예측 결과의 분석 및 해석에도 도움을 줄 수 있다. 이를 통해 캠페인 유형별로 중요 특징에 대한 분석과 이해가 가능할 것으로 기대된다.

• 박물관보존과학
• /
• 제15권
• /
• pp.122-137
• /
• 2014

국립중앙박물관 소장의 실록함 ^K976은 조선왕조 선조대의 실록을 보관했던 함으로 장방형 몸체에 뚜껑이 달려있고 표면 전체에 검은색 옻칠이 되어있다. 실록함은 모서리 결구 부분의 짜임이 벌어지고 판재들이 밖으로 휘어지면서 심하게 변형되어 있었고 함의 몸체 상단부의 백골이 부분적으로 결실된 상태였다. 여기에 더하여 뚜껑에는 길이 방향으로 큰 폭의 균열이 발생되어 있었다. 표면의 칠은 곳곳이 들뜨거나 탈락되어 목제 백골이 겉으로 드러난 곳이 많았고 뚜껑을 연결하는 고리쇠 1개가 결실된 상태였다. 국립중앙박물관 보존과학부는 2013년 실록함의 수리 복원 작업에 착수하였으며 이에 앞서 실록함의 구조 양식, 손상 상태, 목제 백골 ^白骨의 수종 분석, 옻칠 기법 등에 대한 조사를 실시하였다. 그 결과 실록함의 목제 백골 재료가 피나무라는 것, 또 실록함 표면에 골회칠 ^骨灰漆 → 종이심 ^紙心, 토회칠 ^土灰漆, 연매 ^煙煤 혼합 흑색칠 → 옻칠이 순차적으로 도장되어 있다는 것을 확인할 수 있었다. 이 실록함은 전통 목칠공예 기술과 재료를 적용한 전면적인 수리 복원을 통해 그 본래의 모습을 되찾게 되었고, 이후 국립전주박물관 역사문화관 개편 전시에서 중요한 전시물로 활용되었다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제36권6호
• /
• pp.451-461
• /
• 2009

적응적 랜덤 테스팅(Adaptive Random Testing, ART)은 테스트 케이스의 효율적인 선택을 통해 순수 랜덤 테스팅(Random Testing, RT)보다 더 적은 수의 테스트 케이스를 이용해 입력 도메인 내의 오류를 찾는 것을 목적으로 한다. ART 기법 중 하나인 입력 도메인 반복 분할 기법(ART through Iterative Partitioning, IP-ART)은 초기 ART 기법의 단점인 많은 연산량을 입력 도메인 분할에 의해 효율적으로 개선되도록 하였으며, 입력 도메인 확장을 이용한 IP-ART(IP-ART with Enlarged Input Domain, EIP-ART)는 IP-ART의 테스트 케이스 분포 특징을 이용하여 추가적인 성능 향상과 확장성을 제공하였다. 하지만 EIP-ART는 입력 도메인 확장에 따라 발생하는 부하로 인해 테스트 케이스 생성에 오랜 시간을 요구하기 때문에 이의 개선이 필요하다. 따라서 본 논문에서는 두 가지의 추가 부하를 유발하지 않는 테스트 케이스 분포 조절 기법을 제안하고, 이들의 성능 개선 가능성을 실험을 통해 확인하였으며, 실험 결과, 제안된 두 기법 중 입력 도메인 타일링 기법이 모든 환경에서 더 우수한 성능 및 확장성을 갖는 것으로 확인되었다.