소셜 빅데이터 기반 노인 인식 분석

전수영(Sooyoung Cheon) 한국자료분석학회 2020 Journal of the Korean Data Analysis Society Vol.22 No.2

급격한 고령화를 체험하고 있는 사회에서 노인 문제가 중요한 사회 문제로 대두되고 있다. 노인과 다른 세대들과의 갈등에서 노인에 대한 인식은 큰 부분을 차지하는데, 노인 인식 변화는 노인 문제의 근본적 해결 방법이 될 수 있다. 본 연구는 사회 구성원들이 노인에 대해 어떻게 인식하고 있는지 다각적으로 파악하고, 노인에 대한 부정적 인식에 영향을 끼치는 요인을 파악하기 위해 빅데이터 분석을 실시한다. 이를 위해 2018년 3월 1일부터 2019년 2월 28일까지 매 시간 단위로 수집한 소셜 빅데이터를 분석하여 노인인식 미래신호 예측 및 감성 분석을 진행하였다. 노인인식에 대한 미래신호를 예측하기 위해 단어와 문서의 빈도를 파악한 후 DoV와 DoD를 산출하여 미래의 트렌드에 대한 신호를 탐지하였다. 또한 로지스틱 회귀분석을 통하여 감정에 더 많은 영향을 끼치는 분석 키워드들을 분류한 후 통계적으로 유의한지 살펴보고 연관분석을 진행하여 키워드들이 문서 내에서 어떤 의미를 갖는지 확인해보았다. 분석 결과, ‘태극기’, ‘부대’ 키워드는 부정적 감정과 연관이 있다는 결론을 보였으며, ‘어르신’ 키워드도 부정적 감정과 연관이 있지만, 그 자체가 긍정적이라 비록 부정적인 이미지의 문서가 많이 존재한다고 하더라도 다른 키워드와의 상호관련성을 고려한다면 긍정적인 문서일 가능성이 더 높다. In the rapid aging society, the elderly problem becomes an important social problem. Since the awareness of the elderly is a big part in the conflict between the elderly and other generations, the awareness change of the elderly can be a fundamental solution of the elderly problem. This study examines how society members perceive the elderly, and factors affecting negative perceptions of the elderly. To this end, we conduct future signal prediction and sentiment analysis for the elderly, using social big data collected hourly from March 1, 2018 to February 28, 2019. Then We calculate DoV and DoD to detect signals for future trends of elderly awareness. After we classify keywords that affect more emotion by logistic regression, we look at whether it is statistically significant and conduct an association analysis to see what the keywords mean in the document. The results show that keywords ‘taegukgi’ and ‘unit’ are related to negative emotions. The ‘senior’ keyword is also related to negative emotions. However, since ‘senior’ itself is positive even if there are many documents with negative images, it is more likely to be included in the positive documents by considering the correlation with other keywords.

RSSI 데이터 기반 머신러닝 실내 측위 연구

전수영(Sooyoung Cheon),이대국(Daekug Lee),주아림(Ah-Rim Joo) 한국자료분석학회 2023 Journal of the Korean Data Analysis Society Vol.25 No.6

최근 과학기술 발달과 함께 측위 기술은 스마트폰과 사물 인터넷 기기를 통해 사용자에게 실시간 위치 정보를 바탕으로 맞춤형 모바일 서비스 제공을 가능하게 하였다. 특히 GPS 기반의 실시간 측위가 대표적으로 활용되고 있다. 그러나, GPS 정보 수집이 용이한 실외와 달리 실내에서는 GPS 수신율이 현저히 저하될 뿐만 아니라 GPS의 위도와 경도 정보만으로는 정확한 사용자의 실내 위치 측정이 어렵다. 본 연구에서는 RSSI 데이터를 활용하여 사용자의 실내 위치 추정을 제안하고자 한다. 이를 위해 머신러닝 분류기인 SVM, 의사결정나무, ExtraTrees, 랜덤포레스트, KNN 알고리즘을 WAP로부터 수집된 RSSI 데이터에 적용하여 실내 측위 연구를 수행하였다. 또한, 머신러닝 분류기 중 성능이 가장 우수하였던 랜덤포레스트 기반 RFE를 적용하여 RSSI의 특징을 추출해 영향력이 큰 WAP를 선별하였고, 선별된 RSSI 데이터만으로 머신러닝 분류를 통해 실내 측위를 실시하였다. 이를 통해 더 적은 양의 데이터임에도 보다 정확한 실내 측위가 가능함을 확인하였다. 추가로 RSSI 데이터로부터 위도 및 경도를 추정할 수 있어 실내뿐만 아니라 실외 위치도 추정할 수 있음을 회귀분석을 통해 확인하였다. With the recent development of science and technology, localization technology has made it possible to provide customized mobile services based on real-time location information to users through smartphones and Internet of Things devices. In particular, GPS-based real-time localization is commonly used. However, unlike outdoors, not only does the GPS reception rate decrease significantly indoors, but it is also difficult to accurately measure the user's indoor location using only GPS latitude and longitude information. In this study, we propose to measure the user's indoor location using RSSI (received signal strength indicator). For this purpose, an indoor localization study was conducted by applying machine learning classifiers, SVM, decision tree, ExtraTrees, random forest, and KNN to RSSI data. Among the machine learning classifiers, random forest exhibited the best performance. Therefore, we applied random forest-based RFE to extract features from RSSI data. We confirmed that even with a smaller amount of data, it was possible to achieve more accurate indoor positioning. In addition, it was confirmed through regression analysis that latitude and longitude can be estimated from RSSI data, so that indoor as well as outdoor locations can be estimated.

효율적인 물류 운송 배차를 위한 최적 프로세스 연구

이은주(Eunju Lee),전수영(Sooyoung Cheon) 한국자료분석학회 2023 Journal of the Korean Data Analysis Society Vol.25 No.2

다양한 O2O(online to offline) 서비스의 등장과 함께 물류기업의 운송 물량이 증가하고 있다. 하지만 차량과 차주가 한정되어 있어 화주는 적정 운임을 제시하지 않으면 배차 체결률이 감소하여 차주를 확보하는 것이 어려워진다. 차주 또한 실시간으로 올라오는 수많은 물류 운송 요청 속에서 가장 적합한 물류를 한 번에 찾기가 쉽지 않다. 따라서 본 논문에서는 효율적인 배차를 위해 화주와 차주 각각 입장에 따른 배차 체결 프로세스를 연구한다. 화주를 위한 프로세스에서는 Metropolis-Hastings 알고리즘을 이용하여 운임 결정 요인에 따라 높은 배차 확률을 가지는 최적의 운임을 제시하고, 최적의 운임을 제시했을 때의 체결 확률을 확인한다. 차주를 위한 프로세스에서는 수많은 화주의 화물 운송 요청 속에서 차주의 선택 폭을 좁혀주기 위해 랜덤포레스트를 이용한 개인 모델을 구축하여 각 차주에게 적합한 맞춤형 화물 추천 리스트를 만들어 제공한다. 이때 신규차주는 이전 배차 체결 기록이 없거나 매우 적어 개인 모델 구축이 불가능하므로 k-평균(k-means) 알고리즘을 통해 비슷한 체결 성향을 가진 차주끼리 그룹화하여 구축한 그룹모델을 이용한다. 구축한 모델을 통한 추천 리스트와 실제 체결 기록을 비교하여 추천 리스트가 타당함을 확인하였다. 추가로 차주의 배차 대기시간을 줄여주기 위해 짐을 싣지 않고 운행하는 공차 운송 거리를 최소화하는 방법을 분석하였고 그 결과 평균 29.771km를 감소시킬 수 있음을 알 수 있었다. With the advent of various online to offline (O2O) services, the transportation volume of logistics companies is increasing. However, since vehicles and car owners are limited, if the shipper does not present an appropriate fare, the rate of allocation will decrease and making it difficult to secure car owners. It is also not easy for car owners to find the most suitable logistics at once amid numerous requests for logistics transportation in real time. For efficient dispatch, we study the dispatch contract process according to each position of the shipper and the car owner. For shippers, we suggest optimal fares with high dispatch probability according to fare decision factors, and check the probability of execution when the optimal fare is presented. For car owners, a personal model using random forest is built to narrow the their choice amid numerous shippers' cargo transport requests, and a customized cargo recommendation list is provided. New car owners use a group model built by grouping car owners with similar tendencies. In addition, in order to reduce the waiting time for car owners, we analyze a method of minimizing the distance that runs without loading. As a result, it is found that the average 29.771 km can be reduced.

단어 임베딩을 통한 고전 문학 감정 분석

이윤진(Yunjin Lee),전수영(Sooyoung Cheon) 한국자료분석학회 2021 Journal of the Korean Data Analysis Society Vol.23 No.2

과학과 기술의 발전을 바탕으로 한 정보와 네트워크의 기반으로서의 인터넷의 확장과 진화는 다른 한편에서 오히려 인문학의 중요성을 부각시킨다. 이를 반영하듯 문학 작품의 디지털화가 급증하고 있으며, 많은 연구에서 고전 문학 텍스트와 자연어 처리 기술의 중요성 역시 높아지고 있다. 이 중 특히 희로애락과 같은 감정까지 분류해낼 수 있는 감정 분석에 주목하고 있는데, 이와 더불어 바쁜 현대인들이 쉽고 편리하게 인문학에 접근할 수 있도록 문학작품 내용 요약을 제공하는 콘텐츠 서비스가 연구되고 있다. 그러나 최근까지의 문학 콘텐츠 서비스 연구는 단지 작품의 내용을 요약하여 보여줄 뿐, 작품 속 다양한 감정을 파악하지 못하기 때문에, 효과적인 개인 맞춤형 서비스를 제공할 수 없다는 한계를 보인다. 고전 문학 작품에 드러나는 감정을 파악하고 분류하는 기술을 문학 요약 콘텐츠 서비스에 접목한다면, 각 개인이 현재 느끼는 감정상황에 따라 작품을 추천하는 맞춤형 서비스가 가능할 것이다. 따라서 본 연구는 고전문학 감정 분류법을 모색하여 감정의 흐름을 포함한 도서 요약 제공을 통해 개인 맞춤형 문학 작품을 추천할 수 있도록 하고자 한다. 단어 임베딩 방법을 통해 슬픔, 두려움, 행복의 세 가지 범주로 감정 분류를 진행하고, 고전 문학 종류별 내용의 흐름과 감정을 비교 분석해 보았다. Word2vec보다 GloVe가 감정이 직접적으로 드러나지 않은 문장 속 감정 해석에 더 뛰어났고, 책 줄거리의 초반, 중반, 후반의 감정을 파악함으로써 책의 흐름 이해에 더 도움을 주는 것으로 나타났다. With the evolution and expansion of Internet, there is great emphasis on the necessity of humanities. The recent effort for digitalization of literature and the growing interest to classic literature and natural language processing techniques such as emotion analysis reflects such demand of the time. Many researchers participate in developing contents services to provide people with an easier and quicker access to the summaries of classic literary works. However, there is a limit to such contents service only presenting the summary of the works, for they cannot provide the personalized contents for individuals. When emotion analyzing technique is applied to book summary contents services, personalized contents can be delivered to suit the emotional condition of individuals. This study aims to find solution to provide the personalized recommendation of classic literary works by offering a literary work summary that embraces the analysis of different emotions and the changing tides or the flows of emotions, through word embedding methods. Compared to Word2vec, GloVe showed better interpretation of emotions in the sentences where emotions are not explicit. GloVe can identify emotions in each stage of the work that helps us to detect the flow of emotions in the work.

미디어 사용 행태 토픽 분석을 통한 추천모델링

정유림(Yurim Jung),전수영(Sooyoung Cheon) 한국자료분석학회 2022 Journal of the Korean Data Analysis Society Vol.24 No.6

최근에 온라인 쇼핑 및 SNS 등의 모바일 매체가 활성화됨에 따라 사용자의 선호나 구매에 대한 다양한 피드백이 구축된다. 이러한 대량의 데이터로부터 사용자의 취향을 고려한 개인화 추천의 성능을 높이기 위한 다양한 접근의 연구가 진행되고 있다. 본 연구는 LDA 토픽 모델링을통해 미디어 패널 데이터로부터 사용자의 미디어 사용 행태의 의미를 내포한 클러스터링을 진행하고, 기존 평점과 클러스터별 미디어 사용에 대한 감정분석을 결합하여 생성한 새로운 평점을추천시스템에 적용하고자 한다. 자녀와 함께 거주하고 있는 가구를 분석 대상으로 선정하였으며해당 가구 구성원들의 일상생활에 도움이 될만한 스마트기기 31항목에 대한 추천을 진행하였다. LDA 토픽 모델링의 정확추론(exact test)을 위해 고급 몬테카를로 방법 중 하나인 확률적 근사몬테카를로(stochastic approximation Monte Carlo) 알고리즘을 적용하였고 일관성 및 혼란도 지표를 통해 최적의 주제 개수를 설정하였다. 주제 클러스터별 감정 점수를 반영하여 생성한 새로운평점을 이용하여 추천을 진행하였다. 추천 알고리즘은 BPR 알고리즘과 협업필터링을 사용하였고 본 연구의 LDA 클러스터링 추천 결과에 대해 3가지 성능 지표로 추천 검증 결과를 평가 및비교하였다. 분석 결과, BPR의 추천 성능이 가장 우수하였으며 추천 항목을 비교하였을 때, 본연구에서 제시하는 LDA 클러스터링 추천 결과가 사용자의 취향을 고려한 적합한 추천이 이루어졌음을 알 수 있다. As online shopping and mobile media are recently activated, various feedbacks are built on users' preferences and purchases. Various approaches are being studied to improve the performance of recommendation considering individual characteristics. This study carries out clustering from media panel data through LDA topic modeling to imply the meaning of user's media use behavior, and applies a new rating, calculated by combining the existing rating and sentiment analysis on media use by cluster, to the recommendation system. We select households living with their children, and make a recommendation 31 smart devices that could be helpful for the members. We utilize the SAMC algorithm for exact inference of LDA topic modeling, and set the optimal number of topics through coherence and perplexity. We use BPR and collaborative filtering for the recommendation algorithm, and BPR provides the best performance by comparing with three performance indicators. It is indicated that the recommendation process suggested by this study provides a reasonable recommendation considering individual characteristics.

온라인 텍스트 기반 COVID-19 관련 감정분석

주아림(Ah-Rim Joo),전수영(Sooyoung Cheon) 한국자료분석학회 2023 Journal of the Korean Data Analysis Society Vol.25 No.3

소셜 네트워크 서비스(SNS) 시장의 확대에 따라 풍부한 양의 데이터가 축적되고 이를 활용한 연구 분석으로 사람들의 생각과 의견에서 사람들의 감정 또한 확인할 수 있다. 심리는 정책, 경제, 의학 등 많은 분야에서 중요한 역할을 하며, 감정분석을 통해 현안에 대한 해결방안, 그리고 앞으로 발생할 문제의 대비책을 마련할 수 있다. 최근 전 세계에 큰 영향을 끼친 코로나바이러스감염증-19(COVID-19)는 사람들의 일상을 뒤바꿔놓을 정도로 영향력이 컸다. 초기에는 사람들에게 큰 공포와 충격을 안겼으나 시간이 갈수록 사람들은 익숙해졌고, ‘End Corona’ 시대를 맞이한 지금, COVID-19에 대한 사람들의 감정이 변하고 있음을 느낄 수 있다. 본 연구는 COVID-19를 검색어로 한 SNS 데이터를 NRC 감정사전을 이용하여 감정을 파악하고 시간의 흐름에 따른 COVID-19에 대한 사람들의 감정 변화를 살펴본 후, 감정이 어떻게 변하였는지 LDA와 언어 네트워크를 통해 알아보았다. 분석 결과, 가장 크게 느낀 감정은 ‘공포’와 ‘신뢰’였으며 감정의 변화에 주된 원인은 ‘백신’임을 알 수 있었다. 또한, 백신 개발 초기에는 백신에 대한 신뢰로 공포감이 낮았으나, 백신의 부작용으로 인해 다시 공포감을 느꼈으며, 초기인 2020년과 말기인 2022년의 COVID-19에 대한 감정에서 차이가 있음을 확인하였다. With the expansion of the social network service (SNS) market, a large amount of data is accumulated and analyzed, so people's emotions can be confirmed in people's thoughts and opinions. The coronavirus infection-19 (COVID-19), which has recently had a great impact on the world, has been so influential that it has changed people's daily lives. In the beginning, it gave people great fear and shock, but as time went on, people got used to it. Now that we have reached the era of ‘End Corona’, we can feel that people’s feelings about COVID-19 are changing. This study identifies emotions by using the NRC Emotional Dictionary with SNS data related to COVID-19, examines changes in people's emotions about COVID-19 over time, and then investigates how emotions change using LDA and language network. The analysis results indicate that the most felt emotions are 'fear' and 'trust', and the main cause of the change in emotion is 'vaccine'. In addition, in the early stage of vaccine development, ‘fear’ is low due to trust in the vaccine, but ‘fear’ is felt again due to the side effects of the vaccine, and it is confirmed that there is a difference in feelings about COVID-19 between the early stage of 2020 and the late stage of 2022.

개인별 생활 루틴을 반영한 초개인화 추천 시스템

주수빈(Subin Joo),장성봉(Sungbong Jang),전수영(Sooyoung Cheon) 한국자료분석학회 2021 Journal of the Korean Data Analysis Society Vol.23 No.6

초개인화 추천 시스템은 과거 구매기록과 평점 등을 활용하여 추천하는 서비스인 ‘개인화’를 넘어서 소비자가 처한 상황과 맥락까지도 반영하는 시스템이다. 각자의 취향을 존중하는 취향의 시대로 접어들고 코로나19의 여파로 집에 있는 시간이 늘어 소비의 중심이 오프라인에서 온라인으로 전환되고 있기 때문에 다양한 연령대의 고객층을 만족시켜 소비를 유도하기 위한 초개인화 추천 시스템은 더욱더 중요한 역할을 할 것이다. OTT 서비스는 포스트 코로나 시대가 지속되면서 성장한 대표적인 산업 중 하나이고, 어느 디바이스에서도 접속 가능한 쉬운 접근성으로 이용자 수가 늘어나 비대면 문화를 이끌어가고 있다. 본 연구의 목적은 유료 OTT 서비스를 추천받고 싶어하는 소비자들에게 초개인화 추천 시스템을 사용하여 소비자들의 성향에 맞는 최적의 OTT 서비스를 추천해주는 것이다. 이를 위해, 한국미디어패널조사 데이터의 개인의 특성을 알 수 있는 개인 데이터와 초개인화 추천을 위한 개인의 생활 루틴을 알 수 있는 다이어리 데이터를 사용하여 데이터를 구축하였다. 본 연구는 개인의 성향과 특성을 잘 파악하기 위해 BSR 방법을 이용하여 유의한 변수를 선택하였고, 선택된 유의한 변수만을 사용하여 와이드 앤 딥러닝 추천 알고리즘에 적용한 추천 시스템을 제안한다. 전체 변수를 적용한 결과와 정확도를 비교해 본 결과, BSR 방법을 사용한 추천 알고리즘의 결과가 더 좋은 것으로 확인되었다. Hyper-personalization recommender system (HPRS) is a system providing a service that reflects the situation and context of consumers, in addition to past purchase records and ratings. As the center of consumption is shifting from offline to online due to COVID-19, HPRS to satisfy customers of various ages is playing an important role. The OTT service is one of the representative industries that have grown as the post-COVID-19 era continues and lead to a non-face-to-face culture. The purpose of this study is to recommend optimal OTT services tailored to consumers preferences by using a HPRS to consumers who want to be recommended for paid OTT services. To this end, we use Korean media panel survey data constructed using personal data with the characteristics of individuals and diary data with individual life routines. This study selects significant variables using the BSR method to grasp individual characteristics, and proposes a recommender system applied to a wide & deep learning algorithmin using selected significant variables. The numerical results indicate that the proposed method produces much more accurate prediction than the method including all variables.

BiVAE를 활용한 MBTI 기반 OTT 서비스 개인화 추천 시스템

정세연(Seyeon Jeong),서영수(Young Soo Seo),전수영(Sooyoung Cheon) 한국자료분석학회 2023 Journal of the Korean Data Analysis Society Vol.25 No.6

현대 사회에서 영화, 드라마, 예능 등 다양한 미디어 콘텐츠를 제공하는 OTT 플랫폼은 사용자의 큰 관심을 끄는 중요한 역할을 하고 있으며, 개인 맞춤형 추천 시스템을 활용하여 사용자 경험을 개선하고 있다. 그러나 현재의 추천 시스템은 사용자의 성향을 충분히 이해하지 못해 정확한 추천에 어려움을 겪고 있다. 본 연구는 이러한 문제를 해결하기 위해 BiVAE(bilateral variational autoencoder)를 활용한 개인화 추천 알고리즘의 사용을 제안하며, 제안한 알고리즘의 성능을 향상시키기 위해 MBTI를 통한 그룹별 적용을 고려한다. BiVAE는 양방향 정보 흐름을 고려하여 데이터를 압축하고 생성하는 확률적인 생성 모델로서, 양방향으로 인코딩과 디코딩을 수행하여 더 풍부한 표현력과 재구성 능력을 제공한다. MBTI를 고려한 방법의 우수성을 보이기 위해 4가지 유형의 데이터를 모델에 적용한 결과, MBTI를 통한 그룹별 BiVAE 알고리즘을 적용했을 때 그렇지 않은 방법보다 OTT 장르 추천 정확도가 우수함을 보였다. 또한, MBTI를 고려했을 때, 기존 추천 시스템과 비교하여 BiVAE를 활용한 개인 추천이 더 높은 정확도를 보였다. 이러한 결과는 사용자의 개인 특성과 성격을 고려한 개인화 추천 시스템이 중요하며, 이를 통해 콘텐츠 제공 업체가 사용자 경험이 향상된 서비스를 개선할 수 있는 새로운 방향을 제시한다. The OTT platform, which provides various media contents in the modern society, seeks to improve the user experience by utilizing a personalized recommendation system. However, current recommendation systems are having difficulty in making accurate recommendations because they do not fully understand user's tendencies. This study proposes the use of a personalized recommendation algorithm using BiVAE (bilateral variational autoencoder) to solve this problem, and considers group-specific applications through MBTI. BiVAE is a probabilistic generation model that compresses and generates data considering of bidirectional information flow, providing richer expression and reconstruction capabilities by encoding and decoding in both directions. As a result of applying four types of data to the model, when applying BiVAE for each group using MBTI, the accuracy of OTT genre recommendation was shown to be superior to that of other methods. In addition, when considering MBTI, a personal recommendation using BiVAE showed higher accuracy compared to the existing recommendation system. This result means that the personalized recommendation system considering the user's personal characteristics and personality is important.

MH-SAMC 알고리즘을 이용한 소셜네트워크 분석

박원경(Wonkyeong Park),전승환(Seunghwan Jeon),서영수(Young Soo Seo),전수영(Sooyoung Cheon) 한국자료분석학회 2021 Journal of the Korean Data Analysis Society Vol.23 No.1

소셜네트워크 모형에 대한 통계적 추론에서 종종 베이지안 추론에 관심이 많다. 본 연구에서는 노드들 간의 규칙적인 관계 패턴을 파악하고 네트워크의 전체적인 구조를 이해하는 적절한 베이지안 소셜네트워크 모형을 고려한다. 소셜네트워크 분석에서 베이지안 추론을 위해 일반적 으로 마코브체인 몬테카를로 알고리즘을 이용한다. 하지만 전통적인 마코브체인 몬테카를로 알고리즘인 메트로폴리스 헤스팅스나 깁스샘플링 방법은 관심 모수의 사후분포로부터 샘플을 추출할 때 비효율성 문제 때문에 최댓값(global maximum)을 얻지 못하는 문제점이 종종 발생한다. 이를 극복하기 위해 본 연구는 확률적 근사 몬테카를로(stochastic approximation Monte Carlo, SAMC; Liang et al., 2007) 알고리즘을 이용하여 모형 추론 개선 방법을 제안한다. SAMC 알고리 즘은 샘플러의 자기조절능력을 가지고 있어 샘플을 추출할 때 국소트랩의 문제점을 본질적으로 해결하는 알고리즘으로 적응 마코브체인 몬테카를로(adaptive MCMC) 알고리즘이다. 모의실험과 실자료 분석으로부터 모수 추정에 있어 본 연구에서 제안한 알고리즘의 성능이 다른 알고리즘들 보다 더 우수함을 알 수 있다. Statistical inference for social network models has been often interested in Bayesian inference. This study considers an appropriate social network Bayesian statistical model that understands the regular relationship patterns between nodes and the overall structure of the network. For Bayesian inference in social network analysis, the Markov chain Monte Carlo algorithm is generally used. However, the Metropolis Hastings or Gibbs sampling methods, which are traditional Markov chain Monte Carlo algorithms, often have a problem in that the global maximum cannot be obtained due to the inefficiency of sample extraction from the posterior distribution of the parameter of interest. To overcome this, this study proposes a method to improve model inference using the stochastic approximation Monte Carlo (SAMC; Liang et al., 2007) algorithm. SAMC is an algorithm with self-adjusting capability that essentially solves the problem of sampling inefficiency, and is an adaptive Markov chain Monte Carlo algorithm. From simulation and analysis of real data, it can be seen that the performance of the algorithm proposed in this study is superior to other algoritms in parameter estimation.

강화학습을 통한 돼지 도매시장 수급 의사결정

정유림(Yurim Jung),장성봉(Sungbong Jang),주수빈(Subin Joo),이은주(Eunju Lee),전수영(Sooyoung Cheon) 한국자료분석학회 2021 Journal of the Korean Data Analysis Society Vol.23 No.4

최근 과학과 기술 발전을 바탕으로 빅데이터와 기계학습을 활용한 데이터 분석 및 활용에 대한 사회의 관심이 더욱 확대되고 있다. 이런 사회의 흐름에 발맞추어 농·축산 분야에서도 빅데이터 수집뿐만 아니라 분석을 통한 솔루션 서비스 제공과 활용 등의 사례가 다양하게 나타나는 추세이다. 특히 축산 경제를 활성화하기 위해 가격 예측을 통한 미래의 수익률을 예측하여 수급조절을 하려는 등의 연구가 다양하게 진행 중이다. 현재까지 기계학습을 이용한 연구는 주로 축산물 분야보다는 과일류 및 채소류와 같은 농산물 분야에서 활발하게 진행되었다. 축산물 분야에서는 최근까지는 한우를 포함한 소에 대한 연구가 활발하게 진행된 바가 있으나, 돼지에 대한 연구는 다소 미진하며 또한 최신 알고리즘과 빅데이터를 이용한 연구는 현저히 적다는 한계를 보인다. 따라서 돼지 축종에 대해 기계학습 알고리즘을 이용하여 분석한다면 더 개선된 분석 결과를 도출할 수 있을 것이다. 본 논문에서는 최신 연구가 적은 분야인 돼지에 대해 도매시장 내에서 적절한 수급 행동 결정을 통해 수익을 높이고자 한다. 계절에 따른 특정 패턴이 존재하는 돼지 도매가격에 대해 각 계절에서 어떤 매수 및 매도 행동을 취해야 하는지 결정을 하기 위한 A3C 강화학습 알고리즘을 이용하여 학습 및 분석을 하였다. 가격 데이터에 유의한 계절 간의 차이가 존재하는지 검증하기 위해 대응표본 t 검정과 일원 분산분석을 시행한 후, A3C 방법을 이용하여 에포크 1,000번 반복 학습한 결과 최종적으로 높은 수익이 발생한 것을 확인하였다. Based on advances in science and technology, society s interest in analysis using big data and machine learning has been expanding. In this trend, the provision and utilization of solution service through big data are appearing in the agricultural and livestock fields. In particular, various studies to revitalize the livestock economy are in progress, such as predicting future returns through price prediction to control supply and demand. Research using machine learning has been actively conducted in agricultural products rather than livestock. In the field of livestock products, research on pigs is rather insignificant and research using machine learning and big data has a limitation in that there are significantly fewer studies. Therefore, if the pig breeds are analyzed using machine learning, more improved analysis results can be derived. In this paper, we aim to increase profits by determining the appropriate supply and demand behavior in the wholesale market of pigs. The A3C reinforcement learning algorithm is used to determine which buying and selling actions should be taken for the wholesale price of pigs with a specific pattern for each season. The A3C method was used to repeatedly learn 1,000 epochs, confirming that a high profit was generated.