동계 스포츠 속 과학기술 : 유니폼 및 장비에 관하여

조유정(Cho, Yujung),구영석(Koo, Youngseok) 한국생활과학회 2020 한국생활과학회 학술대회 Vol.2020 No.11

인공지능의 사회적 수용도에 따른 키워드 검색량 기반 주가예측모형 비교연구

조유정(Yujung Cho),손권상(Kwonsang Sohn),권오병(Ohbyung Kwon) 한국지능정보시스템학회 2021 지능정보연구 Vol.27 No.1

최근 주식의 수익률과 거래량을 설명하는 주요 요인으로서 투자자의 관심도와 주식 관련 정보 전파의 영향력이 부각되고 있다. 또한 인공지능과 같은 혁신 신기술을 개발보급하거나 활용하려는 기업의 경우 거시환경 및 시장 불확실성 때문에 기업의 미래 주식 수익률과 주식 변동성을 예측하기 어렵다는 문제를 가지고 있다. 이는 인공지능 활성화의 장애요인으로 인식되고 있다. 따라서 본 연구의 목적은 인공지능 관련 기술 키워드의 인터넷 검색량을 투자자의 관심 척도로 사용하여, 기업의 주가 변동성을 예측하는 기계학습 모형을 제안하는 것이다. 이를 위해 심층신경망 LSTM(Long Short-Term Memory)과 벡터자기회귀(Vector Autoregression)를 통해 주식시장을 예측하고, 기술의 사회적 수용 단계에 따라 키워드 검색량을 활용한 주가예측 성능 비교를 통해 기업의 투자수익 예측이나 투자자들의 투자전략 의사결정을 지원하는 주가예측 모형을 구축하였다. 또한 인공지능 기술의 세부 하위 기술에 대한 분석도 실시하여 기술 수용 단계에 따른 세부 기술 키워드 검색량의 변화를 살펴보고 세부기술에 대한 관심도가 주식시장 예측에 미치는 영향을 살펴보았다. 이를 위해 본 연구에서는 인공지능, 딥러닝, 머신러닝 키워드를 선정하여, 2015년 1월 1일부터 2019년 12월 31일까지 5년간의 인터넷 주별 검색량 데이터와 코스닥 상장 기업의 주가 및 거래량 데이터를 수집하여 분석에 활용하였다. 분석 결과 인공지능기술에 대한 키워드 검색량은 사회적 수용 단계가 진행될수록 증가하는 것으로 나타났고, 기술 키워드를 기반으로 주가예측을 하였을 경우 인식(Awareness)단계에서 가장 높은 정확도를 보였으며, 키워드별로 가장 좋은 예측 성능을 보이는 수용 단계가 다르게 나타남을 확인하였다. 따라서 기술 키워드를 활용한 주가 예측 모델 구축을 위해서는 해당 기술의 하위기술 분류를 고려할 필요가 있다. 본 연구의 결과는 혁신기술을 기반으로 기업의 투자수익률을 예측하기 위해서는 기술에 대한 대중의 관심이 급증하는 인식 단계를 포착하는 것이 중요하다는 점을 시사한다. 또한 최근 금융권에서 선보이고 있는 빅데이터 기반 로보어드바이저(Robo-advisor) 등 투자 의사 결정 지원 시스템 개발 시 기술의 사회적 수용도를 세분화하여 키워드 검색량 변화를 통해 예측 모델의 정확도를 개선할 수 있다는 점을 시사하고 있다. Recently, investors" interest and the influence of stock-related information dissemination are being considered as significant factors that explain stock returns and volume. Besides, companies that develop, distribute, or utilize innovative new technologies such as artificial intelligence have a problem that it is difficult to accurately predict a company"s future stock returns and volatility due to macro-environment and market uncertainty. Market uncertainty is recognized as an obstacle to the activation and spread of artificial intelligence technology, so research is needed to mitigate this. Hence, the purpose of this study is to propose a machine learning model that predicts the volatility of a company"s stock price by using the internet search volume of artificial intelligence-related technology keywords as a measure of the interest of investors. To this end, for predicting the stock market, we using the VAR(Vector Auto Regression) and deep neural network LSTM (Long Short-Term Memory). And the stock price prediction performance using keyword search volume is compared according to the technology"s social acceptance stage. In addition, we also conduct the analysis of sub-technology of artificial intelligence technology to examine the change in the search volume of detailed technology keywords according to the technology acceptance stage and the effect of interest in specific technology on the stock market forecast. To this end, in this study, the words artificial intelligence, deep learning, machine learning were selected as keywords. Next, we investigated how many keywords each week appeared in online documents for five years from January 1, 2015, to December 31, 2019. The stock price and transaction volume data of KOSDAQ listed companies were also collected and used for analysis. As a result, we found that the keyword search volume for artificial intelligence technology increased as the social acceptance of artificial intelligence technology increased. In particular, starting from AlphaGo Shock, the keyword search volume for artificial intelligence itself and detailed technologies such as machine learning and deep learning appeared to increase. Also, the keyword search volume for artificial intelligence technology increases as the social acceptance stage progresses. It showed high accuracy, and it was confirmed that the acceptance stages showing the best prediction performance were different for each keyword. As a result of stock price prediction based on keyword search volume for each social acceptance stage of artificial intelligence technologies classified in this study, the awareness stage"s prediction accuracy was found to be the highest. The prediction accuracy was different according to the keywords used in the stock price prediction model for each social acceptance stage. Therefore, when constructing a stock price prediction model using technology keywords, it is necessary to consider social acceptance of the technology and sub-technology classification. The results of this study provide the following implications. First, to predict the return on investment for companies based on innovative technology, it is most important to capture the recognition stage in which public interest rapidly increases in social acceptance of the technology. Second, the change in keyword search volume and the accuracy of the prediction model varies according to the social acceptance of technology should be considered in developing a Decision Support System for investment such as the big data-based Robo-advisor recently introduced by the financial sector.

공연예술에서 광고포스터의 이미지 특성을 활용한 딥러닝 기반 관객예측

조유정(Yujung Cho),강경표(Kyungpyo Kang),권오병(Ohbyung Kwon) 한국전자거래학회 2021 한국전자거래학회지 Vol.26 No.2

공연예술 기관에서의 공연에 대한 흥행 예측은 공연예술 산업 및 기관에서 매우 흥미롭고도 중요한 문제이다. 이를 위해 출연진, 공연장소, 가격 등 정형화된 데이터를 활용한 전통적인 예측방법론, 데이터마이닝 방법론이 제시되어 왔다. 그런데 관객들은 공연안내 포스터에 의하여 관람 의도가 소구되는 경향이 있음에도 불구하고, 포스터 이미지 분석을 통한 흥행 예측은 거의 시도되지 않았다. 그러나 최근 이미지를 통해 판별하는 CNN 계열의 딥러닝 방법이 개발되면서 포스터 분석의 가능성이 열렸다. 이에 본 연구의 목적은 공연 관련 포스터 이미지를 통해 흥행을 예측할 수 있는 딥러닝 방법을 제안하는 것이다. 이를 위해 KOPIS 공연예술 통합전산망에 공개된 포스터 이미지를 학습데이터로 하여 Pure CNN, VGG-16, Inception-v3, ResNet50 등 딥러닝 알고리즘을 통해 예측을 수행하였다. 또한 공연 관련 정형데이터를 활용한 전통적 회귀분석 방법론과의 앙상블을 시도하였다. 그 결과 흥행 예측 정확도 85%를 상회하는 높은 판별 성과를 보였다. 본 연구는 공연예술 분야에서 이미지 정보를 활용하여 흥행을 예측하는 첫 시도이며 본 연구에서 제안한 방법은 연극 외에 영화, 기관 홍보, 기업 제품 광고 등 포스터 기반의 광고를 하는 영역으로도 적용이 가능할 것이다. The prediction of box office performance in performing arts institutions is an important issue in the performing arts industry and institutions. For this, traditional prediction methodology and data mining methodology using standardized data such as cast members, performance venues, and ticket prices have been proposed. However, although it is evident that audiences tend to seek out their intentions by the performance guide poster, few attempts were made to predict box office performance by analyzing poster images. Hence, the purpose of this study is to propose a deep learning application method that can predict box office success through performance-related poster images. Prediction was performed using deep learning algorithms such as Pure CNN, VGG-16, Inception-v3, and ResNet50 using poster images published on the KOPIS as learning data set. In addition, an ensemble with traditional regression analysis methodology was also attempted. As a result, it showed high discrimination performance exceeding 85% of box office prediction accuracy. This study is the first attempt to predict box office success using image data in the performing arts field, and the method proposed in this study can be applied to the areas of poster-based advertisements such as institutional promotions and corporate product advertisements.

ASAM XIL 기반 Test Automation Tool을 이용한 HILs 평가환경 확장 사례

김용회(Yonghoe Kim),조유정(Yujung Cho),김범섭(Beomseop Kim) 한국자동차공학회 2023 한국자동차공학회 학술대회 및 전시회 Vol.2023 No.11

This study explores how ASAM XIL-based Test Automation can improve the quality of automakers. We will explain the basic concept and structure of ASAM XIL and demonstrate the integration of Test Automation solutions such as National Instruments (NI) and Vector using the Test Automation Tool based on the ASAM XIL standard called X-Studio. This covers how to improve the scalavility of test cases, as well as the flexibility of automation validation and evaluation environment deployment.

소셜네트워크서비스 추이를 활용한 수정된 감염 예측 모델 제안 : COVID-19 한국 사례를 중심으로

배수진(Sujin Bae),황경화(Kyunghwa Hwang),조유정(Yujung Cho),권오병(Ohbyung Kwon) 한국IT서비스학회 2020 한국IT서비스학회 학술대회 논문집 Vol.2020 No.1

COVID-19는 비말을 통해 불특정 다수에게 쉽게 전염되는 높은 감염력으로 인해 유래없는 팬데믹을 야기했다. 발생 초기 전파력과 치명율 정도를 알 수 없어 감염 예측의 어려움이 있었다. 특히 COVID-19는 대면 접촉을 줄이는 것으로 감염 예방에 나섰는데, 대면접촉이 어려운 상황에서는 SNS를 매개로 의사소통을 통한 방역에 도움이 되기도 한다. 그러나 가짜뉴스 등 정보가 정확하지 않을 경우, 더 많은 감염자를 발생하는 문제를 야기한다. 따라서 본 연구의 목적은 기존 감염 예측 모델인 SEIR 모델을 기준으로 SNS의 효과를 반영한 수정 SEIR 모델을 제안하는 것이다. 본 연구는 SNS 효과를 감염 모델의 정확도 증가에 영향을 미치는 것을 실증적으로 분석한 최초의 연구이다. 실무적으로는 방역 기관이 SNS 발생 양상을 분석해보다 신속하게 감염 추이를 파악하고 대처하는데 유용할 것이며, 대유행의 시점에 SNS가 주는 영향이 있음을 주지할 필요가 있다는 시사점이 있다.

교통약자들을 위한 산책 정보 제공 앱 서비스 설계

공상택(SangTaek Kong),김동휘(DongHwi Kim),김어진(EoJin Kim),박희지(Huiji Park),조유정(Yujung Cho),최민규(Minkyoo Choi) 한국정보기술학회 2022 Proceedings of KIIT Conference Vol.2022 No.6

대부분의 사람들은 길안내에 중점을 둔 기존의 산책로 안내 서비스를 불편함 없이 이용할 수 있다. 하지만 교통약자들은 다양한 불편 요소들로 인해 산책과 가벼운 걷기 활동에 어려움을 겪는다. 본 논문에서는 이와 같은 문제를 해결하고자 교통약자들의 안전한 산책을 도와주고, 건강을 증진시키는 앱 서비스 ‘늘솔길’을 설계한다. Most people can use the existing application, providing walking courses, that focuses on directions. However, people with reduced mobility have difficulties in walking due to various factors. To solve this problem, we designed an application service that helps people with reduced mobility to take a safe walk and promotes their health.