• Smart Structures and Systems
• /
• 제30권2호
• /
• pp.145-157
• /
• 2022

The design of safe and economical structures depends on the reliable live load from load survey. Live load surveys are traditionally conducted by randomly selecting rooms and weighing each item on-site, a method that has problems of low efficiency, high cost, and long cycle time. This paper proposes a deep learning-based method combined with Internet big data to perform live load surveys. The proposed survey method utilizes multi-source heterogeneous data, such as images, voice, and product identification, to obtain the live load without weighing each item through object detection, web crawler, and speech recognition. The indoor objects and face detection models are first developed based on fine-tuning the YOLOv3 algorithm to detect target objects and obtain the number of people in a room, respectively. Each detection model is evaluated using the independent testing set. Then web crawler frameworks with keyword and image retrieval are established to extract the weight information of detected objects from Internet big data. The live load in a room is derived by combining the weight and number of items and people. To verify the feasibility of the proposed survey method, a live load survey is carried out for a meeting room. The results show that, compared with the traditional method of sampling and weighing, the proposed method could perform efficient and convenient live load surveys and represents a new load research paradigm.

• 한국멀티미디어학회논문지
• /
• 제8권2호
• /
• pp.269-278
• /
• 2005

비디오 데이터를 효율적으로 처리하기 위해서는 비디오 데이터가 가지고 있는 내용에 대한 정보를 데이터베이스에 저장하고 사용자들의 다양한 질의를 처리할 수 있는 의미기반 검색 기법이 요구된다. 본 논문에서는 사용자의 키워드 학습과 비교 영역 학습을 이용하여 대용량의 비디오 데이터에 대한 사용자의 다양한 의미검색을 지원하는 에이전트 기반에서의 자동화된 비디오 검색 시스템을 제안한다. 사용자의 기본적인 질의와 질의에 의해 추출된 키 프레임의 이미지를 선택함으로써 에이전트는 추출된 키 프레임의 주석에 대한 의미를 더욱 구체화시킨다. 또한, 사용자에 의해 선택된 키 프레임은 질의 이미지가 되어 색상 히스토그램 비교기법과 제안하는 비교 영역 학습 기법을 통해 가장 유사한 키 프레임을 검색한다. 설계하고 구현한 시스템은 실험을 통한 성능평가에서 $93\%$ 이상의 높은 정확도를 보였다.

• 디지털융복합연구
• /
• 제19권11호
• /
• pp.17-22
• /
• 2021

본 논문에서는 기존의 인포그래픽 제작방식을 개선하기 위하여 기계학습 기반의 인포그래픽 자동 추천 시스템을 제안하였다. 이 시스템은 복수의 인포그래픽 이미지를 기계학습하는 부분과 사용자의 기초자료 입력만으로 인포그래픽을 인공지능으로 자동 추천하는 부분으로 구성된다. 추천된 인포그랙픽은 라이브러리 형태로 제공되고, 드래그 & 드롭방식으로 추가적인 자료의 입력이 가능하게 된다. 또한, 입력한 자료의 크기에 따라 인포그래픽 이미지가 동적으로 조절되도록 설계하였다. 기계학습 기반의 인포그래픽 자동 추천 과정을 분석한 결과 레이아웃과 키워드에 대한 일치 성공율은 매우 높고, 타입에 대한 일치 성공률은 다소 낮게 나타났다. 추후 인포그래픽 부분별 이미지 타입에 대한 일치 성공률을 향상시키기 위한 연구가 필요할 것이다.

• 한국컴퓨터정보학회논문지
• /
• 제13권3호
• /
• pp.15-25
• /
• 2008

최근에 e-learning의 사용이 증대되면서 교수자들은 다양한 콘텐츠를 사용하여 새로운 온라인 강의 코스를 개발하고 그 결과를 자신의 컴퓨터에 저장한다. 이러한 콘텐츠들은 시간이 지나감에 따라 새로운 정보로 갱신되어야하고, 또한 새로운 콘텐츠가 이들 콘텐츠를 재 사용하여 제작될 수 있다. 그러나 교수자들이 자신의 컴퓨터에서 여기저기에 저장된 콘텐츠를 찾고 편집하고 관리하는 일은 많은 시간을 요구한다. 현재 PC환경에서 이러한 기능을 효과적으로 수행하는 e-learning 콘텐츠 관리 도구의 개발은 아주 미흡한 실정이다. 따라서 본 논문에서는 교수자의 컴퓨터에 분산되어 저장된 다양한 콘텐츠들을 효과적으로 관리하고 새로운 강의 코스를 쉽게 개발할 수 있는 e-learning콘텐츠 생성 및 관리 시스템을 제안하였다. 제안된 시스템은 PC환경을 기반으로 하는 교수자들의 콘텐츠 개발에 널리 사용될 수 있다. 본 논문에서는 성능 평가를 위해 콘텐츠 키워드의 검색 시간에 따라 본 시스템을 이전 시스템과 비교하였으며, 실험 결과 이전 시스템보다 훨씬 더 좋은 결과를 보였다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.175-197
• /
• 2021

최근 딥 러닝 기술의 발전으로 뉴스, 블로그 등 다양한 문서에 포함된 텍스트 분석에 딥 러닝 기술을 활용하는 연구가 활발하게 수행되고 있다. 다양한 텍스트 분석 응용 가운데, 텍스트 분류는 학계와 업계에서 가장 많이 활용되는 대표적인 기술이다. 텍스트 분류의 활용 예로는 정답 레이블이 하나만 존재하는 이진 클래스 분류와 다중 클래스 분류, 그리고 정답 레이블이 여러 개 존재하는 다중 레이블 분류 등이 있다. 특히, 다중 레이블 분류는 여러 개의 정답 레이블이 존재한다는 특성 때문에 일반적인 분류와는 상이한 학습 방법이 요구된다. 또한, 다중 레이블 분류 문제는 레이블과 클래스의 개수가 증가할수록 예측의 난이도가 상승한다는 측면에서 데이터 과학 분야의 난제로 여겨지고 있다. 따라서 이를 해결하기 위해 다수의 레이블을 압축한 후 압축된 레이블을 예측하고, 예측된 압축 레이블을 원래 레이블로 복원하는 레이블 임베딩이 많이 활용되고 있다. 대표적으로 딥 러닝 모델인 오토인코더 기반 레이블 임베딩이 이러한 목적으로 사용되고 있지만, 이러한 기법은 클래스의 수가 무수히 많은 고차원 레이블 공간을 저차원 잠재 레이블 공간으로 압축할 때 많은 정보 손실을 야기한다는 한계가 있다. 이에 본 연구에서는 오토인코더의 인코더와 디코더 각각에 스킵 연결을 추가하여, 고차원 레이블 공간의 압축 과정에서 정보 손실을 최소화할 수 있는 레이블 임베딩 방법을 제안한다. 또한 학술연구정보서비스인 'RISS'에서 수집한 학술논문 4,675건에 대해 각 논문의 초록으로부터 해당 논문의 다중 키워드를 예측하는 실험을 수행한 결과, 제안 방법론이 기존의 일반 오토인코더 기반 레이블 임베딩 기법에 비해 정확도, 정밀도, 재현율, 그리고 F1 점수 등 모든 측면에서 우수한 성능을 나타냄을 확인하였다.

• 한국산업정보학회논문지
• /
• 제7권2호
• /
• pp.40-45
• /
• 2002

본 논문에서는 웹을 통하여 탈놀이에 관한 멀티미디어 정보를 제공하는 에이전트 기반의 탈놀이안내 시스템을 설계하고 구현한다. 사용자가 요구사항을 입력하면 클라이언트는 서버에게 이를 전송하고, 서버는 입력된 조건을 만족하는 탈놀이의 동영상 및 안내음성을 웹을 통하여 클라이언트에게 전송하여 상영한다. 본 논문에서는 에이전트 기반의 안내 시스템을 개발하기 위하여 인터페이스 에이전트, 사용자 모델링 에이전트, 중재 에이전트, 자료관리 에이전트를 설계하고 구현하였다. 또한 개발한 탈놀이 안내 시스템은 멀티미디어 데이터를 생성하는 기본기능 외에도 키워드를 이용한 검색 학습 등의 다양한 기능을 제공한다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제27권3호
• /
• pp.248-256
• /
• 2000

본 논문은 웹을 이용해 정보를 검색하는 사용자의 관심도를 사용자 프로파일로 구축하여 구체적이고 정확한 사용자 관심 정보를 제공하는 개인 웹 에이전트를 구축하는데 목적을 두고 있다. 사용자에게 웹 검색 행위를 감시하는 모니터 에이전트에 자신의 관심도를 직접 기술하여 관심문서 정보를 구축하고 이에 대한 정확도를 향상시키기 위한 여러 키워드 추출작업을 수행한다. 추출된 키워드는 학습서버의 작업에 의해 사용자별 프로파일을 생성하여 이를 사용자가 확인 및 편집할 수 있게 하였다. 본 논문에서 구현하고자 하는 웹 에이전트의 사용자 프로파일 구축작업에는 사용자 관심 문서 정보의 정확한 키워드추출작업과 학습 작업이 매우 중요하다. 이에 본 논문에서는 키워드 추출에 적용되는 여러 가중치 설정작업에 대하여 중점적으로 다루며 적용된 귀납적 기계학습에 대하여 알아본다. 이로써 구축된 사용자 프로파일은 관심 문서를 검색하는데 적절한 정보를 제시한다. 이에 따라 사용자 프로파일을 본 웹 에이전트에서 구현한 사용자 적응형 웹 검색 에이전트와 사용자 적응형 푸쉬 에이전트에 적용하여 사용자에게 적합한 서비스를 제공한다.

• 한국콘텐츠학회논문지
• /
• 제22권4호
• /
• pp.83-93
• /
• 2022

운전자가 모바일기기를 사용하여 직접 교통 정보를 제공하는 크라우드 소싱을 활용하여 교통 문제를 해결하려는 연구들이 진행 중이다. 크라우드 소싱을 통해 수집된 데이터를 교통 이벤트 검출에 사용한다면 관련된 데이터를 수집하는 작업이 줄어들어 시간 비용이 낮아지고 정확도는 높아지는 장점이 있다. 본 논문에서는 크라우드 소싱을 활용하여 교통과 관련된 데이터를 수집하고, 이를 통해 교통에 영향을 미치는 이벤트를 검출하는 기법을 제안한다. 제안하는 기법은 대용량 데이터 처리를 위해 기계 학습 알고리즘을 사용하여 수집된 데이터의 이벤트 유형을 판별한다. 또한, 이벤트가 발생된 위치를 추출하기 위하여 수집된 데이터에서 위치를 나타내는 키워드를 추출하고 키워드의 행정구역을 반환한다. 이를 통해 기존 제공되는 위치 정보에서 광범위하게 정의된 위치나 잘못된 위치 정보를 해결할 수 있다. 제안하는 기법의 타당성을 입증하기 위해 다양한 성능 평가를 수행한다.

• 디지털융복합연구
• /
• 제20권5호
• /
• pp.53-59
• /
• 2022

본 연구는 리터러시의 국내 연구동향 분석을 통해 학습과의 관련 변인을 살펴보고, 리터러시 교육방향에 시사점을 제시하고자 한다. 한국연구정보서비스(RISS)를 활용하여 1993년부터 2022년 2월까지의 연구논문을 수집하였다. 검색 키워드로 '리터러시'와 '교육'을 사용하였으며, 200편의 논문이 분석대상으로 선정되었다. 키워드 네트워크 분석을 활용하여 관련 변인을 분석한 결과, 총 810개의 키워드 중 최소 3회 이상 출현한 키워드는 118개였으며, 가장 높은 빈도를 보인 키워드는 '디지털 리터러시', '미디어 리터러시', '초등학교' 순으로 나타났다. 분석 결과를 통해 다음의 시사점을 제시했다. 첫째, 온라인 교수·학습 자원 플랫폼 구축과 교육정책 연계와의 확대성 연구가 요구된다. 둘째, 리터러시 역량 설정 및 역량 향상 방안이 모색되어야 한다. 셋째, 디지털 기반 융합 교육모델 개발이 이뤄져야 한다. 본 연구는 가장 최근까지의 리터러시 연구를 살펴보고, 이를 통해 리터러시 교육의 방향을 제시하였다는 점에서 의의가 있다고 하겠다.

• 한국컴퓨터정보학회논문지
• /
• 제14권1호
• /
• pp.1-8
• /
• 2009

개인화 서비스와 같은 지능정보 시스템을 위해서는 사용자 선호도의 학습은 중요한 연구 분야이다. 본 연구에서는 채팅 도메인에서의 사용자 선호도를 학습하는 방법을 제시하며, 기존의 평면적인 사용자 선호도 모델의 문제점을 해결하기 위한 사용자 선호도 모델을 제안한다. 사용자가 선호도 학습의 대상에 대하여 얼마나 관심이 있는가를 나타내는 관심도와 대상에 대한 감성을 나타내는 호감도 라는 요소로 모델링 할 수 있다. 자연어 처리를 통해 현재 대화에서의 주제 탐지와 호감도 분석을 하고, 이를 이용하여 사용자의 선호도와 호감도를 학습한다. 시간의 흐름에 따라 변하는 사용자 선호도의 특징을 고려하여, 사용자 선호도를 세션, 단기, 장기 선호도로 나누어 계산한다. 사용자선호도 학습의 대상이 되는 키워드와 주제에 대하며 시간에 따라 변하는 사용자의 선호도 변화를 고려하여 선호도 결정을 한다 사용자 선호도 학습 효과의 검증을 위하여 사용자 평가를 하였으며 주제 선호도, 키워드 선호도, 키워드 호감도에 대하여 각각 86.52%, 86.28%, 87.22%의 성능을 보였다.