http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
인공지능 환경에서 이닝별 데이터를 이용한 KBO 승패 예측
김태훈 ( Tae-hun Kim ),임성원 ( Seong-won Lim ),고진광 ( Jin-gwang Koh ) 한국정보처리학회 2020 한국정보처리학회 학술대회논문집 Vol.27 No.2
과거 몇 년간의 데이터를 기반으로 현재 KBO 승패를 예측하고자 하는 것으로, 경기 초반 페이스가 얼마나 승패에 영향을 미치는지 파악하고자 한다. 경기의 이닝별 데이터로 딥러닝·머신러닝을 이용해 승리 팀을 예측하여 리그 순위를 예측하고, Flask 웹 프레임워크를 통해 입력값을 받아 예측해 주는 웹사이트를 구축하였다.
인공지능 모델에 따른 한국 프로야구의 승패 예측 분석에 관한 연구
김태훈 ( Tae-hun Kim ),임성원 ( Seong-won Lim ),고진광 ( Jin-gwang Koh ),이재학 ( Jae-hak Lee ) (사)한국빅데이터학회 2020 한국빅데이터학회 학회지 Vol.5 No.2
본 연구에서는 인공지능 모델에 따른 한국 프로야구의 승패 예측 분석에 관한 연구를 했다. 승리할 팀과 해당 팀의 최종 리그 순위를 예측했고, 사용자의 편의를 위해 웹사이트도 구축했다. 각 1·3·5이닝 별로 가장 정확도가 높으면서도 오차가 적은 모델을 최적 모델로 선정해 승·패 결과를 예측했고, 이를 토대로 순위표를 작성했다. 결과표는 2020년 개막인 5월 5일부터 8월 30일까지의 예측 결과를 바탕으로 작성했다. 기아타이거즈가 아닌 다른 구단끼리의 경기는 실제 결과를 사용했다. 머신러닝 모델은 KNN과 AdaBoost가 최적 모델로 선정되었으며, 실제 순위와 비교해 본 결과, 경기가 진행될수록, 예측 결과의 순위 오차가 점점 작아지는 것을 확인했다. 딥러닝 모델은 89%의 정확도를 기록했고, 머신러닝 모델과 마찬가지로 경기를 진행할수록 예측 결과 순위 오차가 작아지는 것을 확인했다. 실험 결과는 한국 프로야구 승·패 결과 예측뿐 아니라 다양한 분야에서 사용할 수 있을 것으로 사료된다. 방송국에서 야구 경기를 중계하는 중 이닝별로 인공지능 알고리즘이 예상한 승·패 여부를 중계화면에 띄울 수 있다. 시청자들에게 새로운 흥미를 일으킬 수 있을 것이고, 나아가 구단의 감독들이 이닝마다 데이터를 분석해 경기 중 유동적으로 승리하기 위한 전략을 세울 수 있을 것으로 기대된다. In this study, we conducted a study on the win-loss predicton analysis of korean professional baseball by artificial intelligence models. Based on the model, we predicted the winner as well as each team’s final rank in the league. Additionally, we developed a website for viewers’ understanding. In each game’s first, third, and fifth inning, we analyze to select the best model that performs the highest accuracy and minimizes errors. Based on the result, we generate the rankings. We used the predicted data started from May 5, the season’s opening day, to August 30, 2020 to generate the rankings. In the games which Kia Tigers did not play, however, we used actual games’ results in the data. KNN and AdaBoost selected the most optimized machine learning model. As a result, we observe a decreasing trend of the predicted results’ ranking error as the season progresses. The deep learning model recorded 89% of the model accuracy. It provides the same result of decreasing ranking error trends of the predicted results that we observe in the machine learning model. We estimate that this study’s result applies to future KBO predictions as well as other fields. We expect broadcasting enhancements by posting the predicted winning percentage per inning which is generated by AI algorism. We expect this will bring new interest to the KBO fans. Furthermore, the prediction generated at each inning would provide insights to teams so that they can analyze data and come up with successful strategies.
지상파방송의 장르다양성에 관한 연구: 시간대별 프로그램 편성과 노출을 중심으로
임성원 ( Seong Won Lim ),구세희 ( Se Hee Koo ),연보영 ( Bo Young Yeon ) 한국지역언론학연합회 2007 언론과학연구 Vol.7 No.2
본 연구에서는 지상파방송이 수용자의 권익이란 측면에서 다양성을 얼마나 확보하고 있는지를 실증적으로 분석하고 있다. 즉 매체환경의 변화에 따라 지상파방송의 역할로 ``다양성``이라는 가치의 중요성이 강조되고 있는 시점에서, 방송시간을 바탕으로 한 프로그램 장르의 송신된 다양성과 시청률을 토대로 한 수신된 다양성을 측정하여 비교하였다. 또한 각 시간대별로 프로그램 편성에서 차이를 보일 것이라고 예상하여 시간대별 프로그램 장르의 다양성을 비교하였다. 시청률지상주의와 시청자의 재미 위주 시청의 악순환 관계를 살펴볼 수 있기 때문이다. 분석결과, 전체적인 다양성 지수는 송신된 다양성과 수신된 다양성이 비교적 높게 나타났다. 그러나 시간대별 다양성을 비교해보면, 주시청시간대를 중심으로 인기 있는 장르가 편향되어 있음을 알 수 있었다. 시청률이 높은 주시청시간대에는 드라마 장르와 오락 장르가 집중적으로 방송되고 있었던 반면, 시사·교양 프로그램의 비율은 상대적으로 매우 적게 측정되었다. 또한 시청자에 대한 노출에서도 오락 장르에 대한 노출이 매우 높게 나타나고 있었다. 특히, 지난 2005년 12월부터 시작된 지상파 낮방송(12시~4시)에서도 연예/오락 프로그램 등의 편성 비율이 높았으며, 재방송 프로그램도 매우 높게 나타났다. 이는 공익성을 추구한다는 낮방송의 처음 취지와도 어긋난 것이라 할 수 있다. 이러한 편성은 낮방송이 어느 정도 정착된 2006년 봄 개편 이후에도 별다른 변화가 없는 것으로 분석되었다. 따라서 낮방송이 허용됨에 따라 특정 시간대에 특정 장르가 집중 편성되는 것을 막을 수 있는 규정이 필요할 것이다. This study analyzed empirically over-the-air broadcasters` diversity in terms of audience` rights. Especially, as media environment is changing, diversity is emphasized by role of over-the-air broadcasters. From this phenomenon, this study compares diversity of transmission of programming measured by broadcasting time with diversity of reception measured by program ratings. Under expectation of programming would be influenced by the time zone, this study also compares diversity of program genre located in different time zones. The results of this study shows that overall diversity of transmission index is 0.82 and overall diversity of reception is 0.81. These results are relatively high. However, from the studies of comparing the diversity of program genre in different time zone it was found that popular genre is concentrated in prime time. While drama and entertaining programs were mainly televised in prime time, programs dealing with issues or cultural category in prime time were rarely televised relatively very low in it`s percentage. Especially from the rates of the daytime broadcasting which first set in December, 2006 entertaining programs were highly formed and broadcasted. At the same time, entertaining programs were occupying high rates in re-broadcasting programs. Since daytime broadcasting had it`s purpose of emphasizing public interest in first place, high rates of entertaining programs digresses it`s genuine purpose. This study concludes with a suggestions that as daytime broadcasting is permitted, the specified laws for every time zone is required.