• 지능정보연구
• /
• 제27권2호
• /
• pp.1-15
• /
• 2021

추천시스템은 사용자의 기호를 파악하여 물품 구매 결정을 도와주는 역할을 할 뿐만 아니라, 비즈니스 전략의 관점에서도 중요한 역할을 하기에 많은 기업과 기관에서 관심을 갖고 있다. 최근에는 다양한 추천시스템 연구 중에서도 NLP와 딥러닝 등을 결합한 하이브리드 추천시스템 연구가 증가하고 있다. NLP를 이용한 감성분석은 사용자 리뷰 데이터가 증가함에 따라 2000년대 중반부터 활용되기 시작하였지만, 기계학습 기반 텍스트 분류를 통해서는 텍스트의 특성을 완전히 고려하기 어렵기 때문에 리뷰의 정보를 식별하기 어려운 단점을 갖고 있다. 본 연구에서는 기계학습의 단점을 보완하기 위하여 BERT 기반 감성분석을 활용한 추천시스템을 제안하고자 한다. 비교 모형은 Naive-CF(collaborative filtering), SVD(singular value decomposition)-CF, MF(matrix factorization)-CF, BPR-MF(Bayesian personalized ranking matrix factorization)-CF, LSTM, CNN-LSTM, GRU(Gated Recurrent Units)를 기반으로 하는 추천 모형이며, 실제 데이터에 대한 분석 결과, BERT를 기반으로 하는 추천시스템의 성과가 가장 우수한 것으로 나타났다.

• 한국해양학회지:바다
• /
• 제4권3호
• /
• pp.170-179
• /
• 1999

동해 울릉분지에서 해양내부 수온구조를 파악하기 위하여 폭발성 수중음원(signal underwater sound, SUS)을 이용하여 해양음향 토모그래피 실험을 1997년 6월에 실시하였다. 토모그래피 실험은 $120{\times}120$ km 격자 바깥쪽 경계선에 SUS 21개를 항공기에서 단시간에 투하하였고 그 신호는 관측해역 남쪽에서 수직선배열 수선기로 수신하였다. 수평단면 역산모텔로 얻어진 수온 분포는 150-200 m 수심에서 난수성 소용돌이가 존재함을 보여주어 AXBT에 의한 실측 수온분포와 유사하게 나타났다. 수직모델 역산결과 수직 음속구조 형태는 AXBT 관측결과와 유사하나 250 m 보다 얕은 수심에서는 실제 관측값보다 높은 값을 나타내었다. SUS가 폭발한 수심과 시간이 갖는 불확실성을 고려하여 임의 오류값을 입력한 역산 실험결과는 150-200 m 수심에서 난수성 소용돌이 형태를 보여주나 절대 수온값이 $2^{\circ}C$ 정도 낮게 나타났다. 이러한 결과는 SUS를 음원으로 이용할 때 폭발 위치 및 폭발 시간 측정에 오류가 있음에도 불구하고 잘 발달된 중규모 해양현상을 추적하는데 SUS를 이용한 해양음향 토모그래피 적용 가능성이 매우 높음을 보여준다.

• 서비스연구
• /
• 제13권4호
• /
• pp.191-205
• /
• 2023

인공 지능 (AI), 특히 텍스트 생성 서비스 분야에서의 발전은 두드러지게 나타나고 있으며, AI-as-a-Service (AIaaS) 시장은 2028년까지 550억 달러에 달할 것으로 예상된다. 본 연구는 합성 텍스트 미디어 소프트웨어의 품질 요소를 탐구하였으며, 이를 위해 ChatGPT, Writesonic, Jasper, 그리고 Anyword와 같은 산업의 주요 서비스에 주목하였다. 소프트웨어 평가 플랫폼에서 수집된 4,000개 이상의 리뷰를 바탕으로, Gensim 라이브러리를 활용한 잠재 디리클레 할당 (LDA) 주제 모델링 기법을 적용하였다. 이 분석을 통해 11개의 주제가 도출되었다. 이후 이 주제들을 AICSQ 및 AISAQUAL과 같은 기존 논문에서 다루었던 AI 서비스 품질 차원과 비교 분석하였다. 리뷰에서는 가용성 및 효율성과 같은 차원이 주로 강조되었으며, 이전 연구에서 중요하게 여겨졌던 사람다움과 같은 요소는 본 연구에서 강조되지 않았다. 이러한 결과는 AI 서비스의 본질적 특성, 즉 사용자와의 직접적인 상호작용보다 의미론적 이해에 더 중점을 둔다는 특성 때문으로 해석된다. 본 연구는 단일 리뷰 원천 및 평가자들의 인구 통계의 특정성과 같은 잠재적 편향을 인정하며, 향후 연구 방향으로는 이러한 품질 차원이 사용자 만족도에 어떻게 영향을 미치는지, 그리고 개별 차원이 전체 평점에 어떻게 영향을 미치는지에 대한 깊은 분석을 제안한다.