• 헤리티지:역사와 과학
• /
• 제57권1호
• /
• pp.82-108
• /
• 2024

고고 자료의 기록방식이 아날로그 기록에서 디지털로 전환되면서 3D 스캐닝 기술의 도입은 본격화되었다. 현재 3D스캔과 사진측량을 이용한 고고 자료의 디지털 기록에 대한 연구와 도입은 지속적으로 이루어지고 있다. 하지만 비용, 인력 문제 등으로 인해 대부분의 매장문화재 기관에서는 적극적인 디지털 기술의 도입을 주저하고 있다. 본고는 3D 스캔 방식 중 효율성이 가장 높다고 평가되는 사진측량 기술을 이용하여 오픈소스 소프트웨어를 활용한 유물의 디지털 실측 방법을 제시하고자 한다. 유물의 디지털 실측 절차는 크게 3D 모델 획득, 3D 모델 편집 및 입단면도 제작, 전자도면 작성의 세 단계로 이루어진다. 디지털 기술 적용의 접근성을 살펴보기 위해 전 과정은 오픈소스 소프트웨어만을 이용하였다. 연구 결과 정량적 평가에서 실제 유물과 3D 모델의 수치 데이터 간 계측의 편차가 크지 않았다. 또한, 오픈소스 소프트웨어와 상용 소프트웨어 간 정량적 품질 비교분석 결과 유사도가 높았다. 다만 데이터 처리시간은 상용 소프트웨어의 성능이 우위에 있었다. 이는 지속적인 알고리즘 개선으로 인한 연산속도 향상의 결과로 판단된다. 정성적 평가에서는 메시 및 텍스처 품질의 차이가 일부 발생하였다. 오픈소스 소프트웨어로 생성된 3D 모델은 메시표면에 노이즈가 다수 발생하거나 메시의 표면이 부드럽지 않고 유물의 제작흔, 문양의 표현을 확인하기 어려웠다. 하지만 일부 프로그램에서 정량적·정성적 평가에서 상용 소프트웨어에 견줄 만한 품질을 획득할 수 있었다. 3D 모델 편집을 위한 오픈소스 소프트웨어에서는 사진실측 결과물의 후처리, 정합, 병합뿐만 아니라 유물 실측에 필요한 스케일 조정, 입단면도 제작 및 이미지 렌더링까지 가능하였다. 이후 오픈소스 캐드 프로그램에서 트레이싱하여 최종 도면을 완성하였다. 고고학 연구에서 사진실측의 적용은 발굴과정부터 보고서 작성 그리고 3D 모델 데이터의 수치정보를 이용한 연구 등 활용 가능성이 매우 높다. 컴퓨터 비전의 획기적인 발전으로 오픈소스 소프트웨어의 종류도 다양해졌고 성능도 상당부분 개선된 것으로 확인되었다. 누구나 쉽게 디지털 기술의 적용이 가능한 현재 고고 자료의 3D 모델 데이터의 획득은 문화유산의 보존과 연구 활성화를 위한 기초자료로 활용될 수 있다.

• 지능정보연구
• /
• 제18권3호
• /
• pp.79-96
• /
• 2012

기술의 발전과 융합이 빠르게 이루어지고 있는 오늘날 유망기술을 어떻게 파악하여, 다양한 후보군들 중에서 최적의 R&D 대상을 어떻게 선정할 것인가에 대한 문제는 주요한 경영의사결정문제 중 하나로 부상하고 있다. 본 연구에서는 이러한 R&D 기술 선정 의사결정을 지원할 수 있는 새로운 지능형 의사결정지원시스템을 제안한다. 본 연구의 의사결정지원시스템은 크게 3가지 모듈로 구성되는데, 우선 첫 번째 모듈인 '기술가치 평가' 모듈에서는 기업이 관심을 갖고 있는 분야의 특허들을 분석하여 유망기술 파악에 요구되는 다양한 차원의 기술가치 평가지수 값들을 산출하는 작업이 이루어진다. 이를 통해, 현재 시점에서의 각 기술의 가치가 다양한 차원에서 평가가 이루어지고 나면, 두 번째 모듈인 '미래기술가치 예측' 모듈에서 이들의 시간 흐름에 따른 변화를 학습한 인공지능 모형을 토대로 각 후보기술들이 미래 시점에 어떤 가치지수값을 갖게 될 것인지 예측값을 산출하게 된다. 마지막 세 번째 모듈인 '최적 R&D 대상기술 선정 지원' 모듈에서는 앞서 두 번째 모듈에서 산출된 각 차원별 예상 가치지수값들을 적절히 가중합하여 기술의 종합적인 미래가치 예측값을 산출하여 의사결정자에게 제공하는 기능을 수행한다. 이를 통해 의사결정자가 자사에 적합한 최적의 R&D 대상기술을 선정할 수 있도록 하였다. 본 연구에서는 제안된 시스템의 적용 가능성을 검증하기 위해, 10년치 특허데이터에 인공신경망 기법을 적용하여 실제 기술가치 예측모형을 구축해 보고, 그 효과를 살펴본다.

• 지능정보연구
• /
• 제25권2호
• /
• pp.25-38
• /
• 2019

정보화 시대의 넘쳐나는 콘텐츠들 속에서 사용자의 관심과 요구에 맞는 양질의 정보를 선별해내는 과정은 세대를 거듭할수록 더욱 중요해지고 있다. 정보의 홍수 속에서 사용자의 정보 요구를 단순한 문자열로 인식하지 않고, 의미적으로 파악하여 검색결과에 사용자 의도를 더 정확하게 반영하고자 하는 노력이 이루어지고 있다. 구글이나 마이크로소프트와 같은 대형 IT 기업들도 시멘틱 기술을 기반으로 사용자에게 만족도와 편의성을 제공하는 검색엔진 및 지식기반기술의 개발에 집중하고 있다. 특히 금융 분야는 끊임없이 방대한 새로운 정보가 발생하며 초기의 정보일수록 큰 가치를 지녀 텍스트 데이터 분석과 관련된 연구의 효용성과 발전 가능성이 기대되는 분야 중 하나이다. 따라서, 본 연구는 주식 관련 정보검색의 시멘틱 성능을 향상시키기 위해 주식 개별종목을 대상으로 뉴럴 텐서 네트워크를 활용한 지식 개체명 추출과 이에 대한 성능평가를 시도하고자 한다. 뉴럴 텐서 네트워크 관련 기존 주요 연구들이 추론을 통해 지식 개체명들 사이의 관계 탐색을 주로 목표로 하였다면, 본 연구는 주식 개별종목과 관련이 있는 지식 개체명 자체의 추출을 주목적으로 한다. 기존 관련 연구의 문제점들을 해결하고 모형의 실효성과 현실성을 높이기 위한 다양한 데이터 처리 방법이 모형설계 과정에서 적용되며, 객관적인 성능 평가를 위한 실증 분석 결과와 분석 내용을 제시한다. 2017년 5월 30일부터 2018년 5월 21일 사이에 발생한 전문가 리포트를 대상으로 실증 분석을 진행한 결과, 제시된 모형을 통해 추출된 개체명들은 개별종목이 이름을 약 69% 정확도로 예측하였다. 이러한 결과는 본 연구에서 제시하는 모형의 활용 가능성을 보여주고 있으며, 후속 연구와 모형 개선을 통한 성과의 제고가 가능하다는 것을 의미한다. 마지막으로 종목명 예측 테스트를 통해 본 연구에서 제시한 학습 방법이 새로운 텍스트 정보를 의미적으로 접근하여 관련주식 종목과 매칭시키는 목적으로 사용될 수 있는 가능성을 확인하였다.

• 지능정보연구
• /
• 제24권4호
• /
• pp.171-196
• /
• 2018

본 연구는 디자인 영역 중 웹 스타일에 대해서 소비자 감성과 만족과의 관계를 연구했다. 기존 웹 스타일 연구들은 웹의 레이아웃과 구조도 등과 색상 등이 감성에 미치는 영향에서 연구했다. 본 연구는 기존 연구들과 차별되게 웹의 구성 요소를 배제하고 소비자의 감성 지표만을 갖고 소비자 만족과의 관계를 분석했다. 분석을 위해 검증을 위해 소비자 204명을 대상으로 40개 웹 스타일 테마를 선정, 각 소비자에게 4개씩 평가하도록 하였다. 소비자에게 평가하도록 한 감성 형용사는 18개의 대비되는 쌍을 갖는 감성 형용사로 구성하였고, 요인 분석을 통해 상위 감성 지표를 추출했다. 각 감성 지표들은 '부드러움', '모던함', '명확함', '꽉 참' 이었으며, 감성지표들이 소비자 만족에 미치는 영향이 다를 것으로 판단하여 가설을 수립했다. 분석 결과에 따라 가설 1과 2, 3은 채택되었으며, 가설 4의 경우는 기각되었다. 가설 4의 경우 기각되었지만 정의 방향이 아닌 부의 방향으로 유의한 것으로 나타났다. 이때, 조절 초점 성향이 감성이라는 정보처리 과정에서 소비자 만족에 미치는 영향이 다를 것으로 판단했다. 조절 초점 성향은 조직 행동 및 의사결정에 영향을 주기도 하며, 정치, 문화, 윤리적 판단 및 행동은 물론 광범위적 심리적 문제와 사고 프로세스, 감정적 반응에도 영향을 미친다. 때문에 각 감성 지표에 대한 조절 초점 간 차이를 확인할 필요성이 있고, 각 감성 지표에 대한 세부 가설을 수립했다. 세부 가설을 검증하기 위해 조절 회귀 분석을 수행했다. 분석 결과 가설 5는 부분적으로 지지됐고, 가설 5.3만 지지되었고, 5.4의 경우 기각되었지만 가설과의 반대 방향으로 지지되었다. '명확함'의 경우 향상 초점이 소비자 만족에 더 큰 영향을 보였고, 예방 초점일수록 '꽉 참'을 더 선호한 것으로 나타났다. 분석 결과를 바탕으로 조절 초점 성향을 향상, 예방, 중간 성향으로 3집단으로 구분, 소비자 감성 기반으로 웹 스타일에 대한 추천을 할 수 있는 알고리즘을 개발했다.

• 대한방사선치료학회지
• /
• 제26권2호
• /
• pp.313-320
• /
• 2014

목 적 : Spine SBRT 치료 시 보편적인 치료방법인 콜리메이터 각도 $30^{\circ}$와 $330^{\circ}$를 각각 사용한 2회전 치료계획 (이하 Universal MLC VMAT)과 MLC 운동 방향과 척수 또는 마미 (이하 OAR)의 장축을 일치시킨 콜리메이터 각도 $273^{\circ}$와 $350^{\circ}$를 사용한 2회전 치료계획 (이하 Coaxial MLC VMAT) 유용성을 비교, 평가하고자 한다. 대상 및 방법 : 본원에서 Varian TBX을 이용하여, Coaxial MLC VMAT 치료 계획으로 치료 받은 spine SBRT환자 10명을 대상으로 하였다. 전산화치료계획은 Eclipse (ver 10.0.42, Varian, USA), PRO3 (Progressive Resolution Optimizer 10.0.28), AAA (Anisotropic Analytic Algorithm Ver 10.0.28) 알고리즘을 이용하였다. 치료계획은 VMAT로 겐트리 회전반경이 각각 $360^{\circ}$인 두 개의 ARC, 10MV FFF (Flattening Filter Free)를 이용하여 수립하였고, 각 ARC는 콜리메이터 각도 $273^{\circ}$, $350^{\circ}$로 설정하였다. 기존 치료계획을 바탕으로 실험군인 Universal MLC VMAT 치료계획을 수립하였다. 콜리메이터 각도를 제외한 모든 조건은 동일하게 설정하였으며, 특히 최적화 (VMAT optimization) 과정에서 무작위하게 나타나는 선량차이를 최소화하기 위해 각각 2회의 최적화, 선량 계산 과정을 거쳤다. 계산 grid 는 0.2 cm, normalization은 타겟 $V_{100%}=90%$로 설정하였다. OAR의 선량 $V_{10Gy}$, $D_{0.03cc}$, Dmean, 타겟의 H.I (Homogeneity index) 그리고 각 치료 계획의 Total MU를 평가 지표로 설정하였고, Mapcheck2 (Sun Nuclear Co., USA) 와 Mapphan (Sun Nuclear Co., USA) 그리고 SNC patient (Sun Nuclear Co., USA Ver 6.1.2.18513) 를 이용하여 Coaxial MLC VMAT 계획의 임상 적용 가능 여부 확인을 위한 IMRT verification QA (gamma test)를 실시하였다. 결 과 : 두 치료계획을 비교한 결과 OAR의 $V_{10Gy}$차이는 최대 4.1%, 최소 0.4%, 평균 1.9%로, $D_{0.03cc}$ 는 최대 83.5 cGy, 최소 2.2 cGy, 평균 33.3 cGy로 Coaxial MLC VMAT plan 이 더 낮은 것으로 나타났다. Dmean 또한 최대 34.8 cGy, 최소 -13.0 cGy, 평균 9.6 cGy로 Coaxial MLC VMAT plan 이 낮은 것으로 나타났다. H.I. 는 최대 0.04, 최소 0.01로 Coaxial MLC VMAT plan 이 평균 0.02 낮은 것으로 나타났으며, Total MU의 평균값을 비교한 결과 Coaxial MLC VMAT plan 이 평균 74.1 MU 더 낮게 나타났다. Coaxial MLC VMAT plan에 대한 IMRT verification gamma test 결과는 1 mm / 2%, pass rate 90.0% 기준을 모두 통과하였다. 결 론 : Coaxial MLC VMAT 치료계획은 Universal MLC VMAT 치료계획에 비해 대부분의 평가지표에서 유리한 것으로 나타냈으며 특히 OAR의 선량 $V_{10Gy}$을 낮추는데 있어 탁월한 것으로 사료된다. 실험결과를 바탕으로 두 치료 계획을 비교해 볼 때, 같은 MU를 사용한다면 Coaxial MLC VMAT 치료계획이 Universal MLC VMAT 치료계획에 비해 효율적이라 사료된다.

• 핵의학기술
• /
• 제14권2호
• /
• pp.122-127
• /
• 2010

광대역 재구성 기법(Wide Beam Reconstruction : WBR)은 잡음을 감소시켜 신호 대 잡음 비를 증가시키고, 또 광속 확산 함수 효과(Beam spread function effect)를 저하시킴으로써 기존의 여과 후 역투영법(Filtered Back Projection : FBP)와 비교하였을 때 영상의 질은 동등하고 영상획득 시간을 줄일 수 있는 장점이 있다고 보고 있다. 본 연구는 UltraSPECT(Haifa,Israel)사 광대역 재구성 기법 인 Xpress3.$cardiac^{TM}$를 이용하여 기존의 FBP기법에 대한 WBR기법의 유용성을 알아보고자 한다. 1. Phantom 실험 : Anthropomorphic torso phantom을 사용하여 심근과 연부조직 그리고 폐 영역에$^{201}Tl$을 각각 74 kBq(2 ${\mu}Ci$)/cc, 11.1 kBq (0.3 ${\mu}Ci$)/cc, 2.59 kBq (0.07 ${\mu}Ci$)/cc의 비율로 투여하여 검사 시 실제 환자의 count와 유사하게 phantom을 제작하였다. 영상획득은 게이트법 적용 없이 Tl-201 심근관류 SPECT를 시행하였다. FBP로 재구성 한 영상은 투사영상 당 50초로 영상을 획득하였고, WBR으로 재구성 한 영상은 시간을 1/4로 단축하여 투사영상 당 13초로 영상을 획득하였다. 두 가지 기법으로 재구성한 영상을 Xeleris ver. 2.0551을 이용하여 반치폭(Full Width at Half Maximum : FWHM)과 평균 영상 대조도를 비교하였다. 2. 환자 정량분석 값 비교 : 2010년 1월 ~ 4월까지 본원에서 Tl-201 심근관류 SPECT 시행한30명의 환자를 대상으로 분석하였다. 먼저 아데노신 부하 후 stress 촬영 시 투사영상당 50초로 약 15분 동안 영상을 획득한 후 곧바로 투사영상당 13초로 약 4분 동안 영상을 다시 획득하였다. 또 rest 촬영시에도 동일하게 획득하였다. 투사영상 당 50초로 획득한 데이터는 FBP기법으로, 투사영상 당 13초로 획득한 데이터는 WBR기법으로 재구성하여 SSS, SDS, SRS, EDV, ESV, EF 값을 산출하여 비교 하였다. Phantom 실험 후 분해능 측정 결과, WBR기법으로 재구성한 경우 FBP기법에 비하여 FWHM은 29.46% 향상되었다(WBR data: 5.47 mm, FBP data: 7.07 mm). 또 평균 영상 대조도 증가하는 것으로 나타났다(WBR data: 0.90, FBP data: 0.56). 반면 환자 데이터를 분석한 결과, SSS, SDS, SRS, EDV, ESV, EF 등 정량분석 값들은 상호간에 유의한 차이를 보였다(p<0.01). 상관계수는 SSS, SDS, SRS에서 각각 0.18, 0.34, 0.08로 통계적으로 유의한 차이를 보였지만 EDV, ESV, EF에서는 각각 0.88, 0.89, 0.71로 좋은 상관관계를 보였다. Phantom 실험 결과 WBR기법은 FBP에 비해 분해능이 향상된 결과를 보였고, 평균 영상 대조도 역시 증가하는 것으로 나타났다. 환자 데이터를 분석하였을 때, WBR기법과 FBP기법 간의 정량분석 값들은 유의한 차이를 보였고, 상관계수 또한 SSS, SRS, SDS에서 유의한 차이가 보였으나, EDV, ESV, EF값에서는 높은 상관관계를 나타났다. 본 연구를 통하여 phantom 실험에서는 영상 획득 시간의 단축 및 영상의 질 향상을 확인할 수 있었다. 단, 환자 데이터에 대한 정량분석에서는 기존의 FBP기법에 비하여 많은 차이가 있어 임상에 적용 시 이에 대한 고려 및 추가적인 연구가 필요할 것이라고 사료된다.

• 대한방사선치료학회지
• /
• 제27권2호
• /
• pp.145-156
• /
• 2015

목 적 : 골반 림프선을 포함한 전립선암 치료 시 기존 치료방법인 직장 전체를 윤곽 그리기한 2회전 치료계획(이하 Conventional VMAT plan)과 직장의 선량을 낮추기 위하여 상부와 하부로 나누어 윤곽 그리기한 2회전 치료계획(이하 Split VMAT plan)의 유용성을 비교, 평가하고자 한다. 대상 및 방법 : 본원에서 TrueBeam STX(Varian Medical Systems, USA)를 이용하여, Split VMAT plan으로 방사선치료를 받은 전립선암 환자 9명을 대상으로 하였다. 전산화치료계획은 Eclipse(Ver 10.0.42, Varian, USA), PRO3(Progressive Resolution Optimizer 10.0.28), AAA(Anisotropic Analytic Algorithm Ver 10.0.28) 알고리즘을 사용하였다. 전립선 PTV의 Superior 방향으로 1 cm부터 Inferior방향으로 1 cm까지를 하부 직장으로, 전체 직장에서 직장 하부를 제외한 부분을 상부 직장으로 윤곽 그리기(Contouring) 하였다. 치료계획은 콜리메이터 각도 $30^{\circ}$, $330^{\circ}$, 겐트리 회전반경이 각각 $360^{\circ}$인 두 개의 ARC, 10MV를 이용하였다. 처방 선량은 28회에 걸쳐 동시 추가 분할 선량법(Simultaneous Integrated Boost, SIB)으로 전립선에 총 선량이 각각 63~70 Gy, 골반 림프선에 총 선량이 50.4 Gy가 되도록 하였다. Split VMAT plan을 통해 도출된 전체 직장의 $D_{mean}$를 Conventional VMAT plan에서 전체 직장의 선량용적제한 값으로 설정하여 Conventional VMAT plan을 수립하였고, 그 외에 모든 조건은 동일하게 설정하였다. 모든 치료계획은 최적화 과정에서 나타나는 선량 차이의 무작위성을 최소화하기 위하여 각각 2회의 최적화와 선량 계산 과정을 거쳤으며 전립선 PTV100% = 90% 또는 95%로 Normalize 하였다. 전체 상부 하부 직장의 평균선량, 방광의 평균선량, 상부 직장의 $V_{50%}$, 각 치료 계획의 Total MU, 그리고 PTV의 H.I.(Homogeneity Index), C.I.(Conformity Index)를 평가 지표로 설정하였고, 전자영상유도장치를 이용하여 임상 적용 가능 여부 확인을 위한 IMRT verification QA(Gamma test)를 실시하였다. 결 과 : 두 치료계획의 평균선량을 비교한 결과 전체 직장은 최대 134.4 cGy, 최소 43.5 cGy, 평균 75.6 cGy로, 하부 직장은 최대 100.5 cGy, 최소 -34.6 cGy, 평균 34.3 cGy로, 상부 직장 은 최대 1113.5 cGy, 최소 87.2 cGy, 평균 550.5 cGy로, 방광은 최대 271 cGy, 최소 -55.5 cGy, 평균 117.8 cGy로 모두 Split VMAT plan이 낮은 값을 보였다. 상부 직장의 V50%도 최대 63.4%, 최소 3.2%, 평균 23.2%로 Split VMAT plan이 낮은 것으로 나타났다. Total MU는 Split VMAT plan이 최대 148, 최소 7로, 평균 77 더 많이 사용하는 것으로 나타났다. PTV에 대한 H.I.와 C.I.는 두 치료계획 모두 서로 비슷한 결과를 나타냈다. Split VMAT plan에 대한 IMRT verification QA 결과 2 mm / 2%, Gamma pass rate 90.0% 기준을 모두 통과하였다. 결 론 : 골반 림프선을 포함한 전립선암 치료 시 Split VMAT plan은 Conventional VMAT plan과 비교하여 대부분의 평가지표에서 유리한 것으로 나타냈으며 치료효율을 높이면서 특히 상부 직장 선량을 감소시켜 전체 직장 선량을 낮추는데 탁월한 효과를 나타냈기 때문에 이를 적용시켜 방사선 치료효과를 높이는 것이 중요할 것이라 사료된다.

• 지능정보연구
• /
• 제27권1호
• /
• pp.23-46
• /
• 2021

개인화 추천에서 많이 사용되는 협업 필터링은 고객들의 구매이력을 기반으로 유사고객을 찾아 상품을 추천할 수 있는 매우 유용한 기법으로 인식되고 있다. 그러나, 전통적인 협업 필터링 기법은 사용자 간에 직접적인 연결과 공통적인 특징을 기반으로 유사도를 계산하는 방식으로 인해 신규 고객 혹은 상품에 대해 유사도를 계산하기 힘들다는 문제가 제기되어 왔다. 이를 극복하기 위하여, 다른 기법을 함께 사용하는 하이브리드 기법이 고안되기도 하였다. 이런 노력의 하나로서, 사회연결망의 구조적 특성을 적용하여 이런 문제를 해결하려는 시도가 있었다. 이는, 직접적으로 유사성을 찾기 힘든 사용자 간에도 둘 사이에 놓인 유사한 사용자 또는 사용자들을 통해 유추해내는 방식으로 상호 간의 유사성을 계산하는 방식을 적용한 것이다. 즉, 구매 데이터를 기반으로 사용자의 네트워크를 생성하고 이 네트워크 내에서 두 사용자를 간접적으로 이어주는 네트워크의 특성을 기반으로 둘 사이의 유사도를 계산하는 것이다. 이렇게 얻은 유사도는 추천대상 고객이 상품의 추천에 대한 수락여부를 결정하는 척도로 활용될 수 있다. 서로 다른 중심성 척도는 추천성과에 미치는 영향이 서로 다를 수 있다는 점에서 중요한 의미를 갖는다 할 수 있다. 이런 유사도의 계산을 위해서 네트워크의 중심성을 활용할 수 있다. 본 연구에서는 여기서 더 나아가 이런 중심성이 추천성과에 미치는 영향이 추천 알고리즘에 따라서도 다를 수 있다는 데에서 주목하여 수행되었다. 또한, 이런 네트워크 분석을 활용한 추천기법은 신규 고객 혹은 상품뿐만 아니라 전체 고객 혹은 상품으로 그 대상을 넓히더라도 추천 성능을 높이는 데 기여할 것을 기대할 수 있을 것이다. 이런 관점에서 본 연구는 네트워크 모형에서 연결선이 생성되는 것을 이진 분류의 문제로 보고, 추천 모형에 적용할 분류 기법으로 의사결정나무, K-최근접이웃법, 로지스틱 회귀분석, 인공신경망, 서포트 벡터 머신을 선택하고, 온라인 쇼핑몰에서 4년2개월간 수집된 구매 데이터로 실험을 진행하였다. 사회연결망에서 측정된 중심성 척도를 각 분류 기법에 적용하여 생성한 모형을 비교 실험한 결과, 각 모형 별로 중심성 척도의 추천성공률이 서로 다르게 나타남을 확인할 수 있었다.

• 지능정보연구
• /
• 제20권3호
• /
• pp.109-131
• /
• 2014

최근 전 세계적인 원전 설비의 수요 증가로 원자력 전략물자 취급의 중요성이 높아지는 가운데, 국외 수출을 위한 원전 관련 물품 및 기술의 신청 또한 급증하는 추세이다. 전략물자 사전판정 업무는 통상 원자력 물자 관리에 해박한 전문가의 경험 및 지식에 근거하여 수행되어 왔지만, 급증하는 수요에 상응하는 전문 인력의 공급이 부족한 실정이다. 이러한 문제를 극복하기 위하여, 본 연구진은 전략물자 수출 통제를 위한 사례 기반 지능형 수출 통제 시스템을 설계 및 개발하였다. 이 시스템은 현장 전문가의 전담 업무이던 신규 사례에 대한 전략물자 사전판정 과정 업무의 주요 맥락을 자동화 하여 전문가 및 관계 기관이 감당해야 할 업무 부담을 줄이며, 빠르고 정확한 판정을 돕는 의사결정 지원 시스템의 역할을 맡는다. 개발된 시스템은 사례 기반 추론 (Case Based Reasoning) 방식에 기반을 두어 설계되었는데, 이는 과거 사례의 특성을 활용하여 신규 사례의 해법을 유추하는 추론 방법이다. 본 연구에서는 자연어로 작성된 전자문서 처리에 널리 사용되는 텍스트 마이닝 분석 기법을 원자력 분야에 특화된 형태로 응용하여 전략물자 수출통제 시스템을 설계하였다. 시스템 설계의 근거로 선행 연구에서 제안된 반자동식 핵심어 추출 방안의 성능을 보다 엄밀히 검증하였고, 추출된 핵심어로 신규 사례와 유사한 과거 사례를 추출하는 알고리즘을 제안하였다. 제안된 방안은 텍스트 마이닝 분야의 TF-IDF 방법 및 코사인 유사도 점수를 활용한 결과(${\alpha}$)와 원자력 분야에서 통용되는 개념적 지식을 계통으로 분류하여 도출한 결과(${\beta}$)를 조합하여 최종 결과 (${\gamma}$) 를 생성하게 된다. 세부 요소 기술의 성능 검증은 임상 데이터를 활용한 실험 및 실무 전문가의 의견수렴을 통해 이루어졌다. 개발된 시스템은 사전판정 전문 인력을 다수 양성하는 데 드는 비용을 절감하는 데 일조할 것이며, 지식서비스 산업의 의미 있는 응용 사례로서 관련 산업의 성장에 기여할 수 있을 것으로 보인다.

• 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.