• 한국토양비료학회지
• /
• 제45권5호
• /
• pp.853-860
• /
• 2012

비산재 혼합에 의한 $CH_4$과 $CO_2$ 방출 저감 가능성을 조사하기 위해 질소 ($(NH_4)_2SO_4$) 무처리구와 처리구를 두고 비산재를 0, 5, 10% 수준으로 혼합한 후 토양 수분 변동조건 (습윤기간, 전이기간, 건조기간)에서 60일간 실험실내 항온배양실험을 통해 $CH_4$과 $CO_2$ flux를 분석하였다. 전체 항온배양기간 중 평균 $CH_4$ flux는 $0.59{\sim}1.68mg\;CH_4\;m^{-2}day^{-1}$의 범위였으며, 질소 무처리구에 비해 처리구에서 flux가 낮았는데, 이는 질소 처리시 함께 시용된 $SO_4^{2-}$의 전자수용체 기능에 의해 $CH_4$ 생성이 억제되었기 때문으로 판단되었다. 질소 무처리구와 처리구에서 비산재 10% 처리에 의해 $CH_4$ flux가 각각 37.5%와 33.0% 감소하였는데, 이는 물리적인 측면에서 미립질 (실트 함량 75.4%)인 비산재 시용에 의해 통기성 대공극량이 감소되어 $CH_4$ 확산 속도가 저감되었기 때문으로 판단되었다. 또한, 생화학적 측면에서는 비산재의 $CO_2$ 흡착능에 의해 $CH_4$ 생성의 주요 기작 중 하나인 이산화탄소 환원에 필요한 $CO_2$ 공급이 억제된 것도 원인 일 수 있다. 한편, 전체 항온 배양 기간의 평균 $CO_2$ flux ($0.64{\sim}0.90g\;CO_2\;m^{-2}day^{-1}$) 역시 질소 무처리구가 질소 처리구보다 높았다. 이는 일반적으로 질소 시비에 의해 토양 호흡량이 증가한다는 기존의 연구결과와는 상이한데, 본 연구에서 질소 처리에 의해 활성화된 미생물에 의해 $CO_2$ flux 최초 측정 시점 (처리 후 2일째) 이전에 이미 상당한 양의 $CO_2$가 이미 방출되어 실측 flux에 반영되지 못했기 때문으로 설명이 가능했다. $CH_4$과 유사하게 $CO_2$ flux도 비산재무처리구에 비해 비산재 10% 처리구에서 약 20% 감소하였는데, 이는 비산재의 원소 구성 중 Ca과 Mg과 토양수내 탄산이온의 탄산염 ($CaCO_3$과 $MgCO_3$)화 반응에 의한 $CO_2$ 침전 때문이다. 이상과 같은 비산재 처리에 의한 $CH_4$과 $CO_2$ flux 감소에 의해 지구온난화지수 역시 비산재 10% 처리구에서 약 20% 감소하였다. 따라서, 비산재는 논 토양에서 $CH_4$과 $CO_2$ 방출 저감에 효과가 있는 것으로 나타났으며, 실재 벼 재배 포장에서의 실험을 통한 추가적인 검증이 필요하다.

• 지능정보연구
• /
• 제25권4호
• /
• pp.141-154
• /
• 2019

인터넷 기술과 소셜 미디어의 빠른 성장으로 인하여, 구조화되지 않은 문서 표현도 다양한 응용 프로그램에 사용할 수 있게 마이닝 기술이 발전되었다. 그 중 감성분석은 제품이나 서비스에 내재된 사용자의 감성을 탐지할 수 있는 분석방법이기 때문에 지난 몇 년 동안 많은 관심을 받아왔다. 감성분석에서는 주로 텍스트 데이터를 이용하여 사람들의 감성을 사전 정의된 긍정 및 부정의 범주를 할당하여 분석하며, 이때 사전 정의된 레이블을 이용하기 때문에 다양한 방향으로 연구가 진행되고 있다. 초기의 감성분석 연구에서는 쇼핑몰 상품의 리뷰 중심으로 진행되었지만, 최근에는 블로그, 뉴스기사, 날씨 예보, 영화 리뷰, SNS, 주식시장의 동향 등 다양한 분야에 적용되고 있다. 많은 선행연구들이 진행되어 왔으나 대부분 전통적인 단일 기계학습기법에 의존한 감성분류를 시도하였기에 분류 정확도 면에서 한계점이 있었다. 본 연구에서는 전통적인 기계학습기법 대신 대용량 데이터의 처리에 우수한 성능을 보이는 딥러닝 기법과 딥러닝 중 CNN과 LSTM의 조합모델을 이용하여 감성분석의 분류 정확도를 개선하고자 한다. 본 연구에서는 대표적인 영화 리뷰 데이터셋인 IMDB의 리뷰 데이터 셋을 이용하여, 감성분석의 극성분석을 긍정 및 부정으로 범주를 분류하고, 딥러닝과 제안하는 조합모델을 활용하여 극성분석의 예측 정확도를 개선하는 것을 목적으로 한다. 이 과정에서 여러 매개 변수가 존재하기 때문에 그 수치와 정밀도의 관계에 대해 고찰하여 최적의 조합을 찾아 정확도 등 감성분석의 성능 개선을 시도한다. 연구 결과, 딥러닝 기반의 분류 모형이 좋은 분류성과를 보였으며, 특히 본 연구에서 제안하는 CNN-LSTM 조합모델의 성과가 가장 우수한 것으로 나타났다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.179-196
• /
• 2019

최근의 '똑똑한 소비자(Smart Consumer)'라 불리는 소비자가 많아지고 있는데, 이들은 제조사나 광고를 통해 전달되는 정보에 의존하지 않고, 기존 사용자나 전문가들의 후기, 여러 과학 지식을 획득하여 제품에 대한 이해를 높이고, 본인 스스로가 직접 판단하여 구매하고 있다. 특히나 화장품 분야는 인체 유해성과 같은 부정적인 요소에 대한 민감도가 높고, 자신의 고유한 피부 특성과의 조화도 고려되어야 하기 때문에, 전문적인 지식과 타인의 경험, 본인의 과거 경험 등을 종합적으로 생각하여 구매 의사결정을 내려야 하고, 이에 대해서 적극적인 소비자가 많아지고 있다. 이러한 움직임은 '셀프 뷰티' 와 같은 '셀프' 문화의 열풍과 함께, 문화 현상인 '그루밍족'의 등장, 사회적 트렌드인 'K-뷰티' 와도 동행한다고 할 수 있다. 맞춤형 화장품에 대한 관심의 급부상도 이러한 현상 중 하나라 볼 수 있다. 소비자들의 맞춤형 화장품의 니즈를 충족시키기 위해, 화장품 제조사나 관련 기업들은 ICT기술과의 융합을 통하여 프리미엄 서비스를 중심으로 소비자의 니즈에 대응하고 있다. 그러나 기업 및 시장 현황이 맞춤형 화장품을 향해 진화하고 있지만, 소비자의 피부 상태, 추구하는 감성, 실제 제품이나 서비스까지 소비자 경험을 전체적으로 완전하게 다루는 지능형 데이터 플랫폼은 부재한다. 본 연구에서는 소비자 경험에 대한 지능형 데이터 플랫폼 구축을 위한 첫 단계로 소비자 언어 기반의 화장품 감성 분석을 수행하였다. 소비자들 개인의 선호나 취향이 분명한 앰플/세럼 카테고리를 중심으로 매출 순위 1위에서 99위까지의 99개 제품을 선정하여, 블로그와 트위터 등의 SNS 상에 언급되는 후기 내에 화장품 경험에 대한 소비자 감성을 수집하였다. 총 357개의 감성 형용사를 수집하였고, 고객 여정 워크샵을 통해 유사 감성을 합치고, 중복 감성을 통합하는 작업을 수행하였으며, 최종 76개 형용사를 구축했다. 구축한 형용사에 대한 SOM 분석을 통해 화장품에 대한 소비자 감성에 대한 클러스터링을 실시했다. 분석 결과, 총 8개의 클러스터를 도출했고, 클러스터 별 각 노드의 벡터 값을 기준으로 소비자 감성 Top 10을 도출했다. 소비자 감성을 기준으로 클러스터별 소비자 감성에 서로 다른 특징이 발견됐으며, 소비자에 따라 다른 소비자의 감성을 선호, 기존과는 다른 소비자 감성을 고려한 추천 및 분류 체계가 필요함을 확인했다. 연구 결과를 통해 감성 분석의 활용 도메인이 화장품만이 아닌 다양한 영역으로 확장될 수 있음 확인했으며, 감성 분석을 통한 소비자 인사이트를 도출할 수 있다는 점을 시사했다. 또한, 본 연구에서 활용한 디자인 씽킹(Design Thinking)의 방법론의 적용하여 화장품 특화된 감성 사전을 과학적인 프로세스로 구축했으며, 화장품에 대한 소비자의 인지 및 심리에 대한 이해를 도울 수 있을 것으로 기대한다.