http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
딥러닝을 활용한 모바일 어플리케이션 리뷰 분류에 관한 연구
손재익(Jaeik Son),노미진(Mijin Noh),타지주르 라만(Tazizur Rahman),표규진(Gyujin Pyo),한무명초(Mumoungcho Han),김양석(Yangsok Kim) 한국스마트미디어학회 2021 스마트미디어저널 Vol.10 No.2
스마트폰과 태블릿과 같은 스마트 기기의 발달과 사용이 증가함에 따라, 모바일 기기를 기반으로 한 모바일 어플리케이션 시장이 급속도로 커지고 있다. 모바일 어플리케이션 사용자는 어플리케이션을 사용 경험을 공유하고자 리뷰를 남기는데, 이를 분석하면 소비자들의 다양한 니즈를 파악할 수 있고 어플리케이션 개발자들은 소비자들이 작성한 리뷰를 통해 애플리케이션의 개선을 위한 유용한 피드백을 받을 수 있다. 그러나 소비자들의 남기는 많은 양의 리뷰를 수작업으로 분석하기 위해서는 많은 시간과 비용을 지불해야하기 때문에 이를 최소화 할 방안을 마련할 필요성이 존재한다. 이에 본 연구에서는 구글 플레이스토어(Google PlayStore)의 배달 어플리케이션 사용자 리뷰를 수집한 후 머신러닝과 딥러닝 기법을 활용하여 어플리케이션 기능 장점, 단점, 기능 개선 요청, 버그 보고의 4가지 범주로 분류하는 방법을 제안한다. 연구 결과, Hugging Face의 pretrain된 BERT기반 Transformer모델의 성능의 경우 위의 4개의 범주에 대한 f1 score값은 차례대로 0.93, 0.51, 0.76, 0.83으로 LSTM, GRU보다 뛰어난 성능을 보인 것을 확인할 수 있었다. With the development and use of smart devices such as smartphones and tablets increases, the mobile application market based on mobile devices is growing rapidly. Mobile application users write reviews to share their experience in using the application, which can identify consumers various needs and application developers can receive useful feedback on improving the application through reviews written by consumers. However, there is a need to come up with measures to minimize the amount of time and expense that consumers have to pay to manually analyze the large amount of reviews they leave. In this work, we propose to collect delivery application user reviews from Google PlayStore and then use machine learning and deep learning techniques to classify them into four categories like application feature advantages, disadvantages, feature improvement requests and bug report. In the case of the performance of the Hugging Face s pretrained BERT-based Transformer model, the f1 score values for the above four categories were 0.93, 0.51, 0.76, and 0.83, respectively, showing superior performance than LSTM and GRU.
섬유 드레이프 이미지를 활용한 드레이프 생성 모델 구현에 관한 연구
손재익(Jea Ik Son),김동현(Dong Hyun Kim),최윤성(Yun Sung Choi) 한국스마트미디어학회 2021 스마트미디어저널 Vol.10 No.4
드레이프는 의상의 외형을 결정하는 요인 중 하나로 섬유·패션 산업에서 매우 중요한 요소 중 하나이다. 코로나 바이러스의 영향으로 비대면 거래가 활성화되고 있는 시점에서, 드레이프값을 요구하는 업체들이 많아지고 있다. 하지만 중소기업이나 영세기업의 경우, 드레이프를 측정하는 것에 대한 시간과 비용적 부담을 느껴, 드레이프를 측정하는 데에 어려움을 겪고 있다. 따라서 본 연구는 디지털 물성을 측정하여 생성된 3D 시뮬레이션 이미지를 통해 조건부 적대적 생성 신경망을 이용하여 입력된 소재의 물성값에 대한 드레이프 이미지 생성을 목표로 하였다. 기존 보유한 736개의 디지털 물성값을 통해, 드레이프 이미지를 생성하였으며, 이를 모델 학습에 이용하였다. 이후 생성 모델을 통해 나온 이미지 샘플에 대하여 드레이프 값을 계산하였다. 실제 드레이프 실험 값과 생성 드레이프 값 비교결과, 첨두수의 오차는 0.75개였으며, 드레이프값의 평균 오차는 7.875의 오차를 보임을 확인할 수 있었다. Drape is one of the factors that determine the shape of clothes and is one of the very important factors in the textile and fashion industry. At a time when non-face-to-face transactions are being activated due to the impact of the coronavirus, more and more companies are asking for drape value. However, in the case of small and medium-sized enterprises (SMEs), it is difficult to measure the drape, because they feel the burden of time and money for measuring the drape. Therefore, this study aimed to generate a drape image for the material property value input using a conditional adversarial neural network through 3D simulation images generated by measuring digital properties. A drape image was created through the existing 736 digital property values, and this was used for model training. Then, the drape value was calculated for the image samples obtained through the generative model. As a result of comparing the actual drape experimental value and the generated drape value, it was confirmed that the error of the peak number was 0.75, and the average error of the drape value was 7.875
정장섭,손재익,하백현,양윤섭,오진규,Jeong, Jang-Seop,Son, Jae-Ik,Ha, Baek-Hyeon,Yang, Yun-Seop,O, Jin-Gyu 한국과학기술단체총연합회 1998 과학과 기술 Vol.31 No.6
우리의 에너지 소비증가율리 소득증가율을 넘어선 지 오래다, 1985년 이후 우리나라의 국내총생산(G에)은 연평균 8.9%증가하였는데 에너지 소비는 10.4%로 늘어났다. 이에 따라 1인당 에너지 소비량이 일본수준에 육박하는 등 에너지 과소비구조가 산업과 사회전반에 걸쳐 고착되었다. 오늘 우리나라가 IMF체제라고 하는 치욕적인 상황에 빠져들어 간 데는 우리의 이같은 에너지 과소비구조도 하나의 큰 몫을 차지하고 있다. IMF시대에 에너지문제에 대한 전략과 정책, 기술개발에서 효율성 항상 및 대체 에너지 개발과 이용 그리고 국제협력에 관한 유의점 등을 총정리해 보았다.