클러스터링 기법을 이용한 IT직업 분류에 관한 연구

김은혜,Yangsok Kim(김양석),이충권 한국지능정보시스템학회 2017 한국지능정보시스템학회 학술대회논문집 Vol.2017 No.11

온라인쇼핑몰 구매데이터를 활용한 시계열 분석에 관한 연구

양치복,Yangsok Kim(김양석),이충권 한국지능정보시스템학회 2017 한국지능정보시스템학회 학술대회논문집 Vol.2017 No.11

정보기술분야의 직업간 유사도 측정에 관한 연구

심수진,Yangsok Kim(김양석),이충권 한국지능정보시스템학회 2017 한국지능정보시스템학회 학술대회논문집 Vol.2017 No.11

팬데믹 기간 Messenger 애플리케이션 리뷰 변화를 통한 서비스 전략 분석

이유나(YuNa Lee),노미진(Mijin Noh),김양석(YangSok Kim),한무명초(MuMoungCho Han) 한국스마트미디어학회 2023 스마트미디어저널 Vol.12 No.6

COVID-19 팬데믹 영향으로 대면 소통이 어려워지면서 비대면 소통의 영향을 파악하는 연구가 진행되고 있으나 메신저 애플리케이션 리뷰를 통해 이를 살펴본 연구는 미비하다. 본 연구는 구글 플레이 스토어 내의 메신저 애플리케이션 리뷰 데이터를 수집하여 LDA(Latent Dirichlet Allocation)토픽 모델링을 통해 팬데믹의 영향을 파악하고, 이에 따른 서비스 전략 방안을 제시하고자 한다. 연구에서는 팬데믹이 시작된 시점과 사용자가 부여한 평점을 기준으로 데이터를 분류하였다. 분석 결과 주로 중장년층이 메신저를 사용하는 것으로 나타났으며, 팬데믹 이후에는 가족과의 소통이 증가한 것으로 확인되었다. 사용자들은 애플리케이션의 업데이트에 대해 불만을 표현하였으며, 변화에 대한 적응이 어려움을 보였다. 이에 업데이트 주기를 조정하고 사용자들의 의견을 적극 수용하는 개발 접근이 필요하다. 또한, 직관적이고 간편한 사용자 인터페이스(UI)를 제공한다면 사용자 만족도를 향상시킬 수 있을 것으로 기대된다. As face-to-face communication has become difficult due to the COVID-19 pandemic, studies have been conducted to understand the impact of non-face-to-face communication, but there is a lack of research that examines this through messenger application reviews. This study aims to identify the impact of the pandemic through Latent Dirichlet Allocation (LDA) topic modeling by collecting review data of 메신저 applications in the Google Play Store and suggest service strategies accordingly. The study categorized the data based on when the pandemic started and the ratings given by users. The analysis showed that messenger is mainly used by middle-aged and older people, and that family communication increased after the pandemic. Users expressed frustration with the application's updates and found it difficult to adapt to the changes. This calls for a development approach that adjusts the frequency of updates and actively listens to user feedback. Also, providing an intuitive and simple user interface (UI) is expected to improve user satisfaction.

정부24 앱 사용자 리뷰 분석을 통한 문제 파악 및 개선방안

한무명초(MuMoungCho Han),노미진(Mijin Noh),김양석(YangSok Kim) 한국스마트미디어학회 2023 스마트미디어저널 Vol.12 No.11

4차 산업혁명과 코로나19 대유행의 영향으로 비대면 환경이 활성화되면서, 정부24 앱을 활용한 민원 서비스 이용량이 급증하고 있다. 따라서 공공 앱에 대한 사용자들의 불만과 개선 요구도 늘어나고 있으며 이에 대한 체계적인 관리가 필요하다. 본 연구의 목적은 정부24 앱 사용자의 불만 사항을 분석하여 민원인의 불만 현황을 파악하고 개선방안을 제시하는 것이다. 구글 플레이 스토어에서 2013년 5월 2일부터 2023년 6월 30일까지 데이터 6,344건을 수집하였으며, 이 중 평점이 1점이면서 ‘좋아요(thumbsUp)’를 1회 이상 받은 1,199건의 데이터를 토픽 모델 분석에 사용하였다. 분석 결과 ‘증명서 발급 문제’, ‘사이트 작동 및 UI 문제’, ‘사용자 아이디 관련 문제’, ‘업데이트 문제’, ‘공무원의 앱 관리 문제’, ‘예산 낭비 문제((별 한 개도 or 세금이) 아깝다)’, ‘비밀번호 관련 문제’라는 총 7개의 토픽을 추출하였다. 또한, 전체 토픽은 2021년까지 증가세를 보이다가 2022년에는 약간 감소하였으나 2023년에 다시 증가하는 추세를 보여 업데이트와 관리가 매우 시급하다. 본 연구의 결과가 현재 공공 앱의 문제점을 파악하여 앞으로 민원인이 만족하는 공공 앱 개발 및 관리에 도움이 되기를 기대한다. Fourth Industrial Revolution and COVID-19 pandemic have boosted the use of Government 24 app for public service complaints in the era of non-face-to-face interactions. there has been a growing influx of complaints and improvement demands from users of public apps. Furthermore, systematic management of public apps is deemed necessary. The aim of this study is to analyze the grievances of Government 24 app users, understand the current dissatisfaction among citizens, and propose potential improvements. Data were collected from the Google Play Store from May 2, 2013, to June 30, 2023, comprising a total of 6,344 records. Among these, 1,199 records with a rating of 1 and at least one 'thumbs-up' were used for topic modeling analysis. The analysis revealed seven topics: 'Issues with certificate issuance,' 'Website functionality and UI problems,' 'User ID-related issues,' 'Update problems,' 'Government employee app management issues,' 'Budget wastage concerns ((It's not worth even a single star) or (It's a waste of taxpayers' money)),' and 'Password-related problems.' Furthermore, the overall trend of these topics showed an increase until 2021, a slight decrease in 2022, but a resurgence in 2023, underscoring the urgency of updates and management. We hope that the results of this study will contribute to the development and management of public apps that satisfy citizens in the future.

머신러닝을 활용한 선발 투수 교체시기에 관한 연구

노성진(Seongjin Noh),노미진(Mijin Noh),한무명초(Mumoungcho Han),엄선현(Sunhyun Um),김양석(Yangsok Kim) 한국스마트미디어학회 2022 스마트미디어저널 Vol.11 No.2

본 연구는 야구 경기에서 선발 투수를 위기 상황 이전에 교체하기 위한 의사결정을 지원하는 예측 모델 구현을 목적으로 한다. 이를 위해 베이스볼 서번트(Baseball Savant)에서 제공하는 메이저리그 스탯캐스트 데이터를 활용하여, 선발 투수를 위기 상황 이전에 선제적으로 교체하는 예측 모델을 구현한다. 이를 위해 첫째, 데이터 탐색을 통해 선발 투수가 경기에서 직면하는 위기 상황을 도출하였다. 둘째, 선발 투수가 이닝 종료 전에 교체된 경우, 이전 이닝에서 교체하는 것으로 레이블을 구성하여 학습을 진행하였다. 학습된 모델을 비교한 결과 앙상블 기법을 기반으로 한 모델이 F1-Score가 65%로 가장 높은 예측 성능을 보였다. 본 연구의 실무적 의의는 제안하는 모델을 통해 선발 투수를 위기 상황 이전에 교체하여 팀의 승리 확률을 높이는 데 기여할 수 있으며, 경기 중 감독은 데이터 기반의 전략적 의사결정 지원을 받을 수 있을 것이다. The purpose of this study is to implement a predictive model to support decision-making to replace a starting pitcher before a crisis situation in a baseball game. To this end, using the Major League Statcast data provided by Baseball Savant, we implement a predictive model that preemptively replaces starting pitchers before a crisis situation. To this end, first, the crisis situation that the starting pitcher faces in the game was derived through data exploration. Second, if the starting pitcher was replaced before the end of the inning, learning was carried out by composing a label with a replacement in the previous inning. As a result of comparing the trained models, the model based on the ensemble method showed the highest predictive performance with an F1-Score of 65%. The practical significance of this study is that the proposed model can contribute to increasing the team s winning probability by replacing the starting pitcher before a crisis situation, and the coach will be able to receive data-based strategic decision-making support during the game.

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.