• 지능정보연구
• /
• 제17권4호
• /
• pp.95-108
• /
• 2011

인터넷 비즈니스의 활성화에 따라서 기업은 고객의 인물정보 및 거래정보를 활용하여 보다 맞춤화된 개인화 서비스를 제공하고 있다. 기존의 고객군별 예측기법은 유사한 고객들을 군집화하여 고객군별로 예측모델을 수립하는 것으로, 구매가 많고 충성도가 높은 핵심고객에게 요구되는 일대일 서비스를 제공하는 데는 한계가 있다. 반면 일대일 고객별 예측기법은 각 고객에게 고도로 맞춤화된 서비스를 제공하지만, 과거 구매이력이 많지 않은 고객 이나 신규 고객에게는 정확한 개인화 서비스를 제공하지 못한다. 본 연구는 고객의 구매빈도에 따라서 유사 고객들과의 군집화 수준을 동적으로 조정하는 새로운 지능형 개인화 시스템을 제안한다. 제안된 시스템은 과거 구매가 많은 고객들에 대해서는 일대일 예측모델을 수립하지만, 구매 빈도가 낮은 고객의 경우 다른 고객들과의 최적화된 군집화를 통해 예측모델을 수립한다. 본 기법을 Neilsen의 음료수 구매 데이터셋에 적용하여 고객의 일회 구매금액 및 구매품목을 예측한 결과, 기존 두 예측기법들에 비하여 적정한 계산비용(computational cost)으로 더욱 정확한 개안화 서비스를 제공할 수 있음을 확인하였다.

• Nuclear Medicine and Molecular Imaging
• /
• 제43권5호
• /
• pp.487-494
• /
• 2009

목적: 작은 크기의 재조합 단일사슬 항체는 빠른 혈중 제거율과 종양의 항체 집적율이 증가되는 등의 장점을 가지고 있다. 반면에 항체의 작은 크기는 방사성 또는 형광물질의 표지를 위한 킬레이터 결합에 중요한 아미노산 그룹의 감소를 의미하기도 한다. 본 연구에서는 단일사슬 lym-1 염기서열 C-말단에 lysine 아미노산 태그를 삽입하여 형광 물질의 직접표지 및 그 표지수율 증가를 확인하고자 하였다. 대상 및 방법: 대장균 pET-22b (+) 벡터에 재조합 된 lysine 삽입 단일사슬 lym-1유전자는 대장균 BL21 (DE3)에 형질전환하여 발현하였다. 생산된 lysine lym-1 항체는 Ni-NTA 컬럽과 분자량 컬럼을 사용해 정제하였고. 단백질 전기 영동과 western blot을 통해 확인하였다. lysine lym-1 항체에 방사성 동위원소인 I-124, I-125, I-131 과 Tc-99m를 표지하여 그 수율을 확인하였으며 유세포계측기를 사용해 형광물질인 FITC가 직접표지된 라이신 lym-1 항체의 면역반응성을 사람의 버킷 림프종 세포주인 Raji 세포주에서 면역반응성을 확인하였다. 결과 Lysine도입 단일사슬 lym-1 항체는 두 과정의 정제를 통하여 획득하였으며 그 크기는 약 48 KDa이었고, 방사성동위원소인 I-124, I-125, I-131과 Tc-99m의 표지수율은 각각 >99%, >99%, >95%, >99%로 확인되었다. 유세포계측을 통한 lysine 도입 단일사슬 lym-1항체의 면역반응성은 기존의 단일사슬 lym-1항체와 유사함을 확인하였다. 결론: 재조합 lym-1 항체에 형광 물질을 직접 표지하기 위한 lysine 아미노산의 도입은 항체의 면역반응성 감소를 최소화 시키면서 직접표지 수율을 증가시킬 수 있는 유용한 방법임을 확인하였다.

• KSBB Journal
• /
• 제23권6호
• /
• pp.519-524
• /
• 2008

Monacolin-K는 Monascus sp.로부터 polyketide pathway를 통해 생합성 되는 이차대사산물로써 강력한 콜레스테롤 저하제로 알려져 있다. 본 연구에서는 monacolin-K의 생합성 경로에 대한 이해에 근거한 지속적인 rational screening을 통해 monacolin-K의 생산성을 향상시킬 수 있었는데 그 중에서 특히 monacolin-K 생합성에 관련된 전구체를 최적화된 생산배지에 첨가함으로써 monacolin-K 생산성이 대조군에 비해 눈에 띠게 증가하는 결과를 확인하였다. 황의 동화작용에서 cysteine이 여러 단계를 거쳐 S-adenosylmethionine (SAM)으로 전환된다는 연구결과와 더불어, SAM은 다양한 세포내에서 주된 methyl donor 역할을 하므로 monacolin-K 구조에 포함되어있는 많은 methyl기 역시 SAM으로부터 유래한다고 알려져 있다. 따라서 첨가한 cysteine이 SAM을 생합성하는데 이용된 것으로 보고 SAM을 생산균주 내에서 고농도로 생산한다면 monacolin-K 생산성이 증가할 것이라 기대하였다. 따라서 여러 균주에서 보고된 SAM synthetase 유전자를 cloning하여 생산균주 내로 도입함으로써 생산균주가 cysteine의 별도첨가 없이도 세포내에서 SAM을 고농도로 생산하도록 하여 monacolin-K의 생산성 향상을 꾀하고자 하였다. 이를 위해 염기서열이 밝혀진 균사형성 곰팡이인 Aspergillus nidulans로부터 SAM synthetase를 암호화하는 metK 유전자를 cloning하고 Monascus 유래의 gpdA promoter에 의해 발현되도록 하는 재조합 발현벡터 pBMmetK를 제작하였고 이를 생산균주 내로 도입하여 형질전환체와 대조군의 monacolin-K 생산성을 확인한 결과, 대조군에 비해 형질전환체에서 Monacolin-K 생산성이 약 3.3배가량 증가한 것을 관찰하였다. 이는 metK 유전자가 생산균주의 DNA 내로 삽입되어 안정적으로 발현됨으로써 세포내에서 많은 methyl 기를 제공함으로써 monacolin-K 생산성이 향상된 것으로 판단되며, 현재는 분자적 수준에서 이러한 형질전환체 내에서 metK 유전자의 발현 정도를 확인하는 중이다.

• 지능정보연구
• /
• 제25권3호
• /
• pp.1-17
• /
• 2019

빅데이터 시대에 정보의 양이 급증하고, 그중 많은 부분을 차지하는 문자열 정보를 정량화하여 의미를 찾아 낼 수 있는 인공지능 방법론이 함께 발전하면서, 텍스트 마이닝을 통해 주가 예측에 적용해 온라인 뉴스로 주가를 예측하려는 시도가 다양해지고 있다. 이러한 주가 예측의 방법은 대개 예측하고자 하는 기업의 뉴스로 주가를 예측하는 방식이다. 하지만 특정 회사의 뉴스만이 그 회사의 주가에 영향을 주는 것이 아니라, 그 회사와 관련성이 높은 회사들의 뉴스 또한 주가에 영향을 줄 수 있다. 그러나 관련성이 높은 기업을 찾는 것은 시장 전반의 공통적인 영향과 무작위 신호 때문에 쉽지 않다. 따라서 기존 연구들은 주로 미리 정해진 국제 산업 분류 표준에 기반을 둬 관련성이 높은 기업을 찾았다. 하지만 최근 연구에 따르면, 국제 산업 분류 표준은 섹터에 따라 동질성이 다르며, 동질성이 낮은 섹터는 그들을 모두 함께 고려하여 주가를 예측하는 것이 성능에 악영향을 줄 수 있다는 한계점을 가진다. 이러한 한계점을 극복하기 위해, 본 논문에서는 주가 예측 연구에서 처음으로 경제물리학에서 주로 사용되는 무작위 행렬 이론을 사용하여 시장 전반 효과와 무작위 신호를 제거하고 군집 분석을 시행하여 관련성이 높은 회사를 찾는 방법을 제시하였다. 또한, 이를 기반으로 관련성이 높은 회사의 뉴스를 함께 고려하며 다중 커널 학습을 사용하는 인공지능 모형을 제시한다. 본 논문의 결과는 무작위 행렬 이론을 통해 시장 전반의 효과와 무작위 신호를 제거하여 정확한 상관 계수를 찾아 군집 분석을 시행한다면 기존 연구보다 더 좋은 성능을 보여 준다는 것을 보여준다.

• 과학교육연구지
• /
• 제47권2호
• /
• pp.180-191
• /
• 2023

이 연구에서는 초등, 중, 고등학교의 학생과 교사가 선호하는 SSI 주제를 조사하여 학교급별 학생과 교사가 선호하는 SSI 주제의 유사성을 코사인 유사도 측정을 통해 분석하였다. 연구 대상은 초, 중, 고등학생 566명, 교사의 327명이었다. SSI 관련 선행연구 논문과 프로그램에 포함된 SSI 주제 60개를 환경, 과학기술, 보건·의학, 기타 사회 문제 영역로 구분하고 목록화하여, 연구 대상인 학생 또는 교사가 선호하는 주제 5개를 선택하도록 하였다. 자료수집은 서베이몽키를 이용한 온라인으로 진행하였고, 수집된 자료는 학생 및 교사별로 6개 집단으로 구분하고, 집단별로 주제의 선택 빈도를 조사하였다. 그리고 선택된 주제의 빈도를 기준으로 벡터 값을 계산하고, 학교급별 학생 간, 교사 간, 교사와 학생 간의 코사인 유사도를 측정하여 주제 선호 유사도를 분석하였다. 연구결과는 다음과 같다. 첫째, 학생의 학교급별 집단간 SSI 선호 주제 유사도는 중학생과 고등학생 사이의 코사인 유사도(0.982)가 초등학생과 중학생간(0.651) 또는 초등학생과 고등학생간(0.662)의 코사인유사도보다 높았다. 둘째, 교사의 학교급별 집단간 SSI 선호 주제 유사도는 초등, 중, 고등학교간의 모든 비교 집단에서 비교적 비슷한 코사인 유사도의 양상을 보였다. 셋째, 학생과 교사간 학교급별 SSI 선호 주제 유사도는 초등학교 학생과 교사 집단간 코사인 유사도(0.974)가 다른 학교급의 비교 집단, 중학교급(0.621) 또는 고등학교급(0.645)보다 높았다. 즉 초등학교의 학생과 교사는 서로 선호하는 SSI 주제가 73.33%의 수준에서 유사하고, 반면, 중학교 또는 고등학교의 학생과 교사는 서로 선호하는 주제가 33% 수준으로 유사한 경향을 보였다. SSI 교육에서 학생에게 관심 있는 주제로 접근하는 것은 학습 동기 유발과 지속, 그리고 즐거운 학습 경험과 학습에 대한 긍정적인 태도 형성과 긴밀하게 연관된다. 따라서, SSI 수업을 설계할 때, 학생 관심의 관점에서 주제를 검토해야 할 것이다. 특히 교사가 학생의 선호도와 다소 차이가 있는 SSI 주제를 선별한 경우, 그 차이를 극복할 수 있는 치밀한 교수 설계가 필요할 것이다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.163-177
• /
• 2019

스마트폰이 널리 보급되고 현대인들의 생활 속에 깊이 자리 잡으면서, 스마트폰에서 수집된 다종 데이터를 바탕으로 사용자 개인의 행동을 인식하고자 하는 연구가 활발히 진행되고 있다. 그러나 타인과의 상호작용 행동 인식에 대한 연구는 아직까지 상대적으로 미진하였다. 기존 상호작용 행동 인식 연구에서는 오디오, 블루투스, 와이파이 등의 데이터를 사용하였으나, 이들은 사용자 사생활 침해 가능성이 높으며 단시간 내에 충분한 양의 데이터를 수집하기 어렵다는 한계가 있다. 반면 가속도, 자기장, 자이로스코프 등의 물리 센서의 경우 사생활 침해 가능성이 낮으며 단시간 내에 충분한 양의 데이터를 수집할 수 있다. 본 연구에서는 이러한 점에 주목하여, 스마트폰 상의 다종 물리 센서 데이터만을 활용, 딥러닝 모델에 기반을 둔 사용자의 동행 상태 인식 방법론을 제안한다. 사용자의 동행 여부 및 대화 여부를 분류하는 동행 상태 분류 모델은 컨볼루션 신경망과 장단기 기억 순환 신경망이 혼합된 구조를 지닌다. 먼저 스마트폰의 다종 물리 센서에서 수집한 데이터에 존재하는 타임 스태프의 차이를 상쇄하고, 정규화를 수행하여 시간에 따른 시퀀스 데이터 형태로 변환함으로써 동행 상태분류 모델의 입력 데이터를 생성한다. 이는 컨볼루션 신경망에 입력되며, 데이터의 시간적 국부 의존성이 반영된 요인 지도를 출력한다. 장단기 기억 순환 신경망은 요인 지도를 입력받아 시간에 따른 순차적 연관 관계를 학습하며, 동행 상태 분류를 위한 요인을 추출하고 소프트맥스 분류기에서 이에 기반한 최종적인 분류를 수행한다. 자체 제작한 스마트폰 애플리케이션을 배포하여 실험 데이터를 수집하였으며, 이를 활용하여 제안한 방법론을 평가하였다. 최적의 파라미터를 설정하여 동행 상태 분류 모델을 학습하고 평가한 결과, 동행 여부와 대화 여부를 각각 98.74%, 98.83%의 높은 정확도로 분류하였다.

• 지능정보연구
• /
• 제19권2호
• /
• pp.1-20
• /
• 2013

소셜 네트워크는 사용자들의 공통된 관심사, 경험, 그리고 일상 생활들을 함께 공유하기 위해 소셜 네트워크 상 사람들을 서로 연결시켜주는 거대한 커뮤니케이션 플랫폼이다. 소셜 네트워크상의 사용자들은 포스팅, 댓글, 인스턴스 메시지, 게임, 소셜 이벤트 외에도 다양한 애플리케이션을 통해 다른 사용자들과 소통하고 개인 정보 관리하는데 많은 시간을 소비한다. 소셜 네트워크 상의 풍부한 사용자 정보는 추천시스템이 추천 성능을 향상시키기 위해 필요한 큰 잠재력이 되었다. 대부분의 사용자들은 어떤 상품을 구매하기 전 가까운 관계이거나 같은 성향을 가진 사람들의 의견을 반영하여 의사 결정을 하게 된다. 그러므로 소셜 네트워크에서의 사용자 관계는 추천시스템을 위한 사용자 선호도 예측을 효율적으로 높이는데 중요한 요소라 할 수 있다. 일부 연구자들은 소셜 네트워크에서의 사용자와 다른 사용자들 사이의 상호작용 즉, 소셜 관계(social relationship)와 같은 소셜 데이터가 추천시스템에서 추천의 질에 어떠한 영향을 미치는가를 연구하고 있다. 추천시스템은 아마존, 이베이, Last.fm과 같은 큰 규모의 전자상거래 사이트 또한 채택하여 사용되는 시스템으로, 추천시스템을 위한 방법으로는 협업적 여과 방법과 내용 기반 여과 방법이 있다. 협업적 여과 방법은 사용자들의 선호도 학습에 의해 사용자가 아직 평가하지 않은 아이템 중 선호할 수 있는 아이템을 정확하게 제안하기 위한 추천시스템 방법 중 하나이다. 협업적 여과는 사용자들의 데이터에 초점을 맞춘 방법으로 유사한 배경과 선호도를 가지는 사용자들로부터 정보를 수집하여 사용자들의 선호도 예측을 자동으로 발생시킨다. 특히 협업적 여과는 근접한 이웃 사용자들에 의해서 목적 사용자가 선호할 수 있는 아이템을 제시하는 것으로 유사한 이웃 사용자를 찾는 것이 중요하다. 좋은 이웃 사용자 발견은 사용자와 아이템을 고려하는 방법이 일반적이다. 각 사용자는 아이템 즉, 영화, 상품, 책 등에 자신의 선호도를 나타내기 위하여 평가 값을 입력하고, 시스템은 이를 바탕으로 사용자-평가 행렬을 구축한다. 이 사용자-평가 행렬은 목적 사용자와 유사하게 아이템을 평가한 사용자 그룹을 찾기 위한 것으로, 목적 사용자가 아직 평가하지 않은 아이템에 대하여 사용자-평가 매트릭스를 통해 그 평가 값을 예측한다. 현재 이 협업적 여과 방법은 전자상거래와 정보 검색에서 적용되어 개인화 시스템에 효율적으로 사용되고 있다. 하지만 초기 사용자 문제, 데이터 희박성 문제와 확장성 그리고 예측 정확도 향상 등 해결해야 할 과제가 여전히 남아 있다. 이러한 문제들을 해소하기 위해 많은 연구자들은 하이브리드, 신뢰기반, 소셜 네트워크 기반 협업적 여과와 같은 다양한 방법을 제안하였다. 본 논문에서는 전통적인 협업적 여과 방식의 예측 정확도와 추천 성능을 향상시키기 위해 소셜 네트워크에 존재하는 소셜 관계를 이용한 협업적 여과 시스템을 제안한다. 소셜 관계는 소셜 네트워크 서비스 중 하나인 페이스북 사용자들이 남긴 포스팅과 사용자의 소셜 네트워크 친구와 의견 교류 중 남긴 코멘트와 같은 사용자 행동을 기반으로 정의된다. 소셜 관계를 구축하기 위해 소셜 네트워크 사용자의 포스팅과 댓글을 추출하고, 추출된 텍스트에 불용어 및 특수 기호 제거와 스테밍 등 전처리를 수행하였다. 특징 벡터는 TF-IDF를 이용하여 전처리된 텍스트에 나타난 각 단어에 대한 특징 점수를 계산함으로써 구축된다. 본 논문에서 이웃 사용자를 결정하기 위해 사용되는 사용자 간 유사도는 특징 벡터를 이용한 사용자 행동 유사도와 사용자의 영화 평가를 기반으로 한 전통적 방법의 유사도를 결합하여 계산된다. 제안하는 시스템은 목표 사용자와 제안한 방법을 통해 결정된 이웃 사용자 집단을 기반으로 목표 사용자가 평가하지 않은 아이템에 대한 선호도를 예측하고 Top-N 아이템을 선별하여 사용자에게 아이템을 추천하게 된다. 본 논문에서 제안하는 방법을 확인하고 평가하기 위하여 IMDB에서 제공하는 영화 정보 기반으로 영화 평가 시스템을 구축하였다. 예측 정확도를 평가하기 위해 MAE 값을 이용하여 제안하는 알고리즘이 얼마나 정확한 추천을 수행하는지에 대한 예측 정확도를 측정하였다. 그리고 정확도, 재현율 및 F1값 등을 활용하여 시스템의 성능을 평가하였으며, 시스템의 추천 품질은 커버리지를 이용하여 평가되었다. 실험 결과로부터 본 논문에서 제안한 시스템이 보다 더 정확하고 좋은 성능으로 사용자에게 아이템을 추천하는 것을 볼 수 있었다. 특히 소셜 네트워크에서 사용자 행동을 기반으로 한 소셜 관계를 이용함으로써 추천 정확도를 6% 향상시킴을 보였다. 또한 벤치마크 알고리즘과의 성능비교 실험을 통해 7% 향상된 추천 성능의 결과를 보여준다. 그러므로 사용자의 행동으로부터 관찰된 소셜 관계를 CF방법과 결합한 제안한 방법이 정확한 추천시스템을 위해 유용하며, 추천시스템의 성능과 품질을 향상시킬 수 있음을 알 수 있다.