가솔린엔진 대상 성능시험시의 노킹보정률을 사용한 엔진 수정토크의 편차개선

조윤호(Yoonho Cho),김우태(Wootai Kim),배충식(Choongsik Bae) 한국자동차공학회 2008 한국 자동차공학회논문집 Vol.16 No.4

EGR 장착 스파크 점화 LPG 엔진의 성능 및 배기특성

조윤호(Yoonho Cho),구준모(Junemo Koo),장진영(Jinyoung Jang),배충식(Choongsik Bae) 한국자동차공학회 2002 한국 자동차공학회논문집 Vol.10 No.1

가솔린엔진 대상 성능시험시의 노킹보정률을 사용한 엔진 수정토크의 편차개선

조윤호(Yoonho Cho),김용옥(Yongok Kim),이춘우(Chunwoo Lee),김우태(Wootai Kim) 한국자동차공학회 2006 한국자동차공학회 춘 추계 학술대회 논문집 Vol.- No.-

Recent trends of development in small size gasoline engines are both to have higher compression ratio for the purpose of improved fuel consumption and to advance spark timing up to DBL in a low to mid engine speed region for a good acceleration performance of vehicles. However, there occurs the deviation of corrected engine torque results during engine performance test on dynamometer because test conditions influence the onset of knock. Therefore, this research shows the test deviation of corrected engine torque decreases when knock correction rate is used.

청평-양평 지역에 분포하는 근청석 편마암의 백립암상 변성작용과 P-T 진화 경로

조윤호(Yoonho Cho),조문섭(Moonsup Cho),이승렬(Seung Ryeol Lee) 한국암석학회 1996 암석학회지 Vol.5 No.1

사회연결망분석과 인공신경망을 이용한 추천시스템 성능 예측

조윤호(Yoonho Cho),김인환(Inhwan Kim) 한국지능정보시스템학회 2010 지능정보연구 Vol.16 No.4

협업필터링 추천은 다양한 분야에서 활용되고 있지만 트랜잭션 데이터의 성격에 따라 추천 성능에 현저한 차이를 보이고 있다. 기존 연구에서는 이러한 추천 성능의 차이가 나타나는 이유에 대한 설명을 구체적으로 제시하지 못하고 있고 이에 따라 추천 성능의 예측 또한 연구된 바가 없다. 본 연구는 사회네트워크분석과 인공신경망 모형을 이용하여 협업필터링 추천시스템의 성능을 예측하고자 한다. 본 연구의 목적을 달성하기 위해 국내 백화점의 트랜잭션 데이터를 기반으로 형성되는 고객간 사회 네트워크의 구조적 지표를 측정한 후 이를 기반으로 인공신경망 모형을 구축하고 검증한다. 본 연구는 협업필터링 추천 성능을 예측할 수 있는 새로운 모형을 제시하였다는 점에서 그 의의가 있으며 이를 통해 기업들의 협업필터링 추천시스템 도입에 대한 의사결정에 도움을 줄 수 있을 것으로 기대된다.

신상품 추천을 위한 사회연결망분석의 활용

조윤호(Yoonho Cho),방정혜(Jounghae Bang) 한국지능정보시스템학회 2009 지능정보연구 Vol.15 No.4

추천시스템에서 가장 많이 활용되고 있는 협업필터링은 고객들의 과거 구매이력을 기반으로 추천하기 때문에 새로이 출시되는 상품을 추천하는 것이 근본적으로 불가능하다. 이와 같은 협업필터링의 한계점을 극복하기 위하여 많은 연구자들은 추천 대상 고객이 선호하는 상품과 유사한 속성을 가진 상품을 추천하는 내용기반 필터링을 협업필터링과 결합한 하이브리드 추천기법을 제시하였다. 그러나 하이브리드 추천기법은 음악, 영화 등 속성 추출이 용이한 일부 상품의 추천에만 활용될 수 있다는 한계가 있다. 따라서 상품 유형에 관계없이 고객에게 신상품을 효과적으로 추천할 수 있는 새로운 접근방법이 제시될 필요가 있다. 본 연구에서는 사회연결망분석에서 관계 및 구조적 특성을 분석하기 위해 널리 활용 되고 있는 중심성 개념을 적용하여 상품간의 구매 관계를 파악한 후 이를 기반으로 신상품을 구매할 가능성이 높은 고객을 찾아 신상품을 추천방법을 제안한다. 추천 프로세스는 구매 유사도 분석, 상품 네트워크 구성, 중심성 분석, 신상품 추천 등 네 단계 절차로 나뉘어진다. 제시한 추천방법의 성능을 평가하기 위하여 국내 유명 백화점 중의 하나인 H백화점의 구매 데이터를 사용하여 실험하였다. Collaborative Filtering is one of the most used recommender systems. However, basically it cannot be used to recommend new products to customers because it finds products only based on the purchasing history of each customer. In order to cope with this shortcoming, many researchers have proposed the hybrid recommender system, which is a combination of collaborative filtering and content­based filtering. Content­based filtering recommends the products whose attributes are similar to those of the products that the target customers prefer. However, the hybrid method is used only for the limited categories of products such as music and movie, which are the products whose attributes are easily extracted. Therefore it is essential to find a more effective approach to recommend to customers new products in any category. In this study, we propose a new recommendation method which applies centrality concept widely used to analyze the relational and structural characteristics in social network analysis. The new products are recommended to the customers who are highly likely to buy the products, based on the analysis of the relationships among products by using centrality. The recommendation process consists of following four steps; purchase similarity analysis, product network construction, centrality analysis, and new product recommendation. In order to evaluate the performance of this proposed method, sales data from H department store, one of the well­known department stores in Korea, is used.

Applying Centrality Analysis to Solve the Cold-Start and Sparsity Problems in Collaborative Filtering

Yoonho Cho(조윤호),Jounghae Bang(방정혜) 한국지능정보시스템학회 2011 지능정보연구 Vol.17 No.3

본 연구에서는 협업필터링의 두 가지 근본적인 문제인 신규고객 추천(cold-start recommendation)과 희박성(sparsity) 문제를 해결하고자 한다. 먼저 사회 네트워크 분석에서 가장 많이 활용 되고 있는 세 가지 중심성 지표인 연결중심성(degree centrality) 근접중심성(closeness centrality) 매개중심성(betweenness centrality)을 결합한 다양한 중심성 지표들을 만든 후 이를 기반으로 신규고객의 잠재 이웃고객을 찾고 그 이웃고객들의 구매정보를 이용하여 신규고객에게 상품을 추천하는 새로운 방법을 제시한다. 다음으로 희박성 문제를 해결하기 위하여 구매정보가 충분한 고객에게는 협업필터링을 그렇지 않은 고객에 게는 협업필터링 대신 제시한 신규고객 추천방법을 적용하는 하이브리드 추천 방법을 제안한다. 제시한 추천 방법의 효과성을 평가하기 위하여 국내 유명 백화점 중의 하나인 H백화점의 구매 트랜잭션 데이터를 사용하여 실험하였다. 실험결과로부터 근접중심성과 매개중심성을 결합한 지표를 신규고객 추천 시에 사용할 경우 추천 성능이 가장 우수한 것으로 판명되었으며 제안한 하이브리드 추천 방법이 기존의 협업필터링의 성능을 상당히 개선함으로써 희박성 문제를 해결할 수 있는 새로운 대안임이 입증되었다. Collaborative Filtering (CF) suffers from two major problems:sparsity and cold-start recommendation. This paper focuses on the cold-start problem for new customers with no purchase records and the sparsity problem for the customers with very few purchase records. For the purpose we propose a method for the new customer recommendation by using a combined measure based on three well-used centrality measures to identify the customers who are most likely to become neighbors of the new customer. To alleviate the sparsity problem we also propose a hybrid approach that applies our method to customers with very few purchase records and CF to the other customers with sufficient purchases. To evaluate the effectiveness of our method we have conducted several experiments using a data set from a department store in Korea. The experiment results show that the combination of two measures makes better recommendations than not only a single measure but also the best-seller-based method and that the performance is improved when applying the hybrid approach.

[가솔린엔진부문] EGR 장착 스파크 점화 LPG 엔진의 성능 및 배기특성

조윤호(Yoonho Cho),구준모(Junemo Koo),김정헌(Jeongheon Kim),김승규(Seunggyu Kim),배충식(Choongsik Bae),오승묵(Seungmook Oh),강건용(Kemyong Kang) 한국자동차공학회 2000 한국자동차공학회 춘 추계 학술대회 논문집 Vol.- No.-

EGR (Exhaust Gas Recirculation) system has been used 10 reduce NO, emissions, improve fuel economy, and decrease thermal loading of engine because it offers the benefits of charge dilution as is the case with a lean bum technique. It is currently used in conventional engines, especially light-duty gasoline and diesel engines for a variety of advantages, and in recent years, it has become as a means of reducing engine-out emissions for heavy-duty vehicles as a consequence of the development of its control schemes as well.<br/> However, the occurrence of excessive cyclic variation with high EGR rates, especially at high load conditions, brings about the undesirable combustion instability within the engine cylinder, which results in the deterioration of both engine performance and emissions. Therefore, in order to avoid the reduction of thermal efficiency and to improve fuel economy, the optimum EGR rate depending on operating conditions of engine, should be derived effectively.<br/> An experimental study was conducted to investigate the effects of EGR on performance and emission characteristics of a spark-ignition LPG fuelled engine, and the feasibility of an enhanced methodology, such as a cooled EGR system.<br/>

사업장의 위험기계·기구현황이 산업재해에 미치는 영향: 근로자 안전 행동수준의 매개효과

이창훈(Chang Hun Lee),조윤호(Yoonho Cho) 한국데이터정보과학회 2020 한국데이터정보과학회지 Vol.31 No.6

본 연구는 사업장이 보유하고 있는 위험기계·기구의 수와 종류가 근로자 안전 행동수준과 산업재해에 미치는 영향을 알아보기 위해 실시되었다. 연구대상은 안전보건공단에서 조사하는 국가승인통계2종(작업환경 실태조사, 산업안전보건 실태조사)과 산업재해통계를 병합하여 새로 구성된 자료를 대상으로 한다. 구조방정식 모형을 사용하여 근로자 안전 행동수준을 매개효과로 두어 사업장 위험기계·기구현황이 산업재해에 미치는 영향을 분석하였다. 분석결과 위험기계·기구가 많을수록 근로자 안전 행동수준을 떨어뜨리는 것으로 나타났다. 근로자 안전행동수준이 높을수록 산업재해가 낮아지는 것으로 나타났다. 위험기계·기구가 많을수록 산업재해를 높이는 것으로 나타났다. This study was conducted to identify the impact of the number and type of hazardous equipment possessed by the workplace on industrial accidents and worker safety behaviour levels. The research targets are new data by merging the two national approved statistics (working environment survey , industrial safety and health survey) by the Korea Occupational Safety and Health Agency (KOSHA) and the industrial accident statistics. A structural equation model was used to analyze the mediating effect of the level of safety behavior of workers in the workplace and the effect of hazardous machine and equipment conditions on industrial accidents. As a result of the analysis, it was found that the more hazardous machinery and equipment, the lower the level of worker safety behavior. It was found that the higher the level of worker safety behavior, the lower the industrial accident. It was found that the more hazardous machinery and equipment, the more industrial accidents.

빅데이터 기반 추천시스템 구현을 위한 다중 프로파일 앙상블 기법

김민정(Minjeong Kim),조윤호(Yoonho Cho) 한국지능정보시스템학회 2015 지능정보연구 Vol.21 No.4

기존의 협업필터링 추천시스템 연구는 상품에 대한 고객의 평점(rating)이나 구매 여부 데이터로부터 하나의 프로파일을 생성하고 이를 기반으로 추천 성능을 향상시킬 수 있는 새로운 알고리즘을 개발하는 위주로 진행되어 왔다. 그러나 빅데이터 환경이 도래하면서 기업이 수집할 수 있는 고객 데이터가 풍부해지고 다양해짐에 따라, 보다 정확하게 고객의 선호도나 행태를 파악하는 것이 가능하게 되었고 이러한 데이터, 즉 퍼스널 빅데이터(personal big data)를 추천시스템에 활용하는 연구의 필요성이 대두되고 있다. 본 연구에서는 마케팅의 시장세분화 이론에 근거하여 퍼스널 빅데이터로부터 고객의 선호도나 행태를 다양한 관점에서 표현할 수 있는 5종의 다중 프로파일(multimodal profile)을 개발하고, 이를 활용하여 협업필터링 추천시스템의 성능을 개선하고자 한다. 제안하는 5종의 다중 프로파일은 프로파일 통합 유사도, 개별 프로파일 유사도 평균, 개별 프로파일 유사도 가중 평균이라는 세 가지 앙상블 기법을 통해 협업필터링의 이웃(neighborhood)탐색과정에 적용된다. 실제 퍼스널 빅데이터에 본 연구에서 제안하는 방법론을 적용한 결과, 단일 프로파일을 사용하는 협업필터링 알고리즘보다 추천 성능이 상당히 개선되었으며 앙상블 방법 중에서는 개별 프로파일 유사도 가중 평균 기법이 가장 높은 추천 성능을 보여주었다. 본 연구는 빅데이터 환경에서 추천시스템을 개발하고자 할 때, 어떠한 성격의 데이터로부터 고객의 특성을 규명하는 프로파일을 만들고 이를 어떻게 결합하여 사용하는 것이 효과적인 지 처음으로 제안하였다는 점에서 그 의의가 있다. The recommender system is a system which recommends products to the customers who are likely to be interested in. Based on automated information filtering technology, various recommender systems have been developed. Collaborative filtering (CF), one of the most successful recommendation algorithms, has been applied in a number of different domains such as recommending Web pages, books, movies, music and products. But, it has been known that CF has a critical shortcoming. CF finds neighbors whose preferences are like those of the target customer and recommends products those customers have most liked. Thus, CF works properly only when there’s a sufficient number of ratings on common product from customers. When there’s a shortage of customer ratings, CF makes the formation of a neighborhood inaccurate, thereby resulting in poor recommendations. To improve the performance of CF based recommender systems, most of the related studies have been focused on the development of novel algorithms under the assumption of using a single profile, which is created from user"s rating information for items, purchase transactions, or Web access logs. With the advent of big data, companies got to collect more data and to use a variety of information with big size. So, many companies recognize it very importantly to utilize big data because it makes companies to improve their competitiveness and to create new value. In particular, on the rise is the issue of utilizing personal big data in the recommender system. It is why personal big data facilitate more accurate identification of the preferences or behaviors of users. The proposed recommendation methodology is as follows: First, multimodal user profiles are created from personal big data in order to grasp the preferences and behavior of users from various viewpoints. We derive five user profiles based on the personal information such as rating, site preference, demographic, Internet usage, and topic in text. Next, the similarity between users is calculated based on the profiles and then neighbors of users are found from the results. One of three ensemble approaches is applied to calculate the similarity. Each ensemble approach uses the similarity of combined profile, the average similarity of each profile, and the weighted average similarity of each profile, respectively. Finally, the products that people among the neighborhood prefer most to are recommended to the target users. For the experiments, we used the demographic data and a very large volume of Web log transaction for 5,000 panel users of a company that is specialized to analyzing ranks of Web sites. R and SAS E-miner was used to implement the proposed recommender system and to conduct the topic analysis using the keyword search, respectively. To evaluate the recommendation performance, we used 60% of data for training and 40% of data for test. The 5-fold cross validation was also conducted to enhance the reliability of our experiments. A widely used combination metric called F1 metric that gives equal weight to both recall and precision was employed for our evaluation. As the results of evaluation, the proposed methodology achieved the significant improvement over the single profile based CF algorithm. In particular, the ensemble approach using weighted average similarity shows the highest performance. That is, the rate of improvement in F1 is 16.9 percent for the ensemble approach using weighted average similarity and 8.1 percent for the ensemble approach using average similarity of each profile. From these results, we conclude that the multimodal profile ensemble approach is a viable solution to the problems encountered when there’s a shortage of customer ratings. This study has significance in suggesting what kind of information could we use to create profile in the environment of big data and how could we combine and utilize them effectively. However, our methodology should be further studied to consider for its r