http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
이유빈(Yu-Bin Lee),김언군(YANJUN JIN),배기형(Ki-Hyung Bae) 한국콘텐츠학회 2013 한국콘텐츠학회논문지 Vol.13 No.12
캐릭터 산업은 고부가가치 문화산업이며, 반드시 육성해야 하는 전략산업 중의 하나이다. 그러나 캐릭터산업의 중요성과 가치에 대한 국가적인 공감대의 형성 부족과 영화산업을 국가 전략산업으로서의 가치 인식의 미미로 인하여 캐릭터 산업의 발전에 큰 어려움을 겪고 있다. 본 연구는 한국은행의 2009년 산업연관표상 기본분류인 403개 산업 중 장난감 및 오락용품(291), 모형 및 장식용품(296) 등 2개 부문을 캐릭터산업으로 한정하고 새로이 캐릭터 산업연관표를 작성, 활용하여 캐릭터산업의 경제적 효과를 계량적으로 측정, 평가하여 향후 캐릭터산업의 정책과 전략수립에 일조하는데 목적이 있다. 연구 결과 다음과 같다. 캐릭터 산업의 생산유발계수는 열 합계 1.602, 행 합계 1.007, 감응도 계수 0.543,로 영향력계수 0.864, 부가가치유발계수 0.620, 소득유발계수 0.334, 생산세유발계수 0.066, 노동유발계수 0.008 등을 보여주고 있다. The character industry is a high value-added industry, and is one of the strategic industries to be fostered. However, the character industry is struggling due to the lack of national consensus on the importance and value of the character industry. Therefore, in order to resolve this issue, the study used the character Input-Output Table of year 2009 of korea to analyze how much the character industry(Toys and games, Models and decorations) contributes to the national economy by measuring economic spreading effects of character industry on national economy. The results shows that character industry shows that production inducement coefficient is column 1.602, row 1.007, index of the sensitivity of dispersion is 0.543, Index of the power of dispersion is 0.864, value-added coefficient is 0.620, income inducement coefficient is 0.334, tax inducement coefficient is 0.066, employment inducement coefficient is 0.008.
이유빈 ( Yu Bin Lee ),박천희 ( Chun Hee Park ),배기형 ( Ki Hyung Bae ) 한국물류학회 2013 물류학회지 Vol.23 No.5
본 연구는 한국은행이 2010년에 발표한 2009년 산업연관표를 이용하여 소매업을 소매유통업으로 구분하고 소매유통업이 국민경제에 얼마만큼 기여하는지를 타산업과 비교분석하여 향후 소매유통업에 대한 국민들의 인식 제고는 물론 소매 유통업에 대한 정부의 정책 및 전략 수립을 위한 기초자료를 제공하는데 목적이있다. 이를 위해 한국은행의 2009년 산업연관표 403개 기본부문 중 소매업만을 소매유통업으로 한정하여 새로이 소매유통업 산업연관표를 작성, 활용하였다. 연구 결과 소매유통업산업의 경제적 효과는 총생산유발액은 63.3조원이며, 생산유발계수는 1.715(행), 1.549(열), 감응도 계수 0.796,영향력계수 0.881, 부가가치유발계수는 0.881, 소득유발계수 0.338, 생산세유발계수 0.047 그리고 노동유발계 수 0.031 등을 보여주고 있다. The purpose of this study is to provide baseline data for government policy and establishment of a strategy on retail distribution and to help people understand the future of retail distribution by using the 2009`s Input-output Table announced by the Bank of Korea in 2010. This study classifies retailing as retail distribution and shows how much retail distribution has contributed to the national economy by analyzing and comparing it with other industries. To achieve this purpose, the study created and used the retail distribution Input-output Table limiting only retailing to retail distribution out of 403 basic fields of 2009`s Input-output Table. The results of the study show that the economic effects of retail distribution amount to 63.3 trillion won, with inducement coefficient of 1.715(row) and 1.549(column), index of the sensitivity of dispersion of 0.867, index of the power of dispersion of 0.881, value-added coefficient of 0.881, income inducement coefficient of 0.338, tax inducement coefficient of 0.047 and employment inducement coefficient of 0.031.
계량적 모델을 통한 지리학 연구의 최신동향 및 토픽 분석
이유빈(Yubin Lee),이영호(Youngho Lee),성정창(Jeongchang Seong),애나 스타네스쿠(Ana Stanescu),지상훈(Sanghoon Ji),황철수(Chul Sue Hwang) 대한지리학회 2020 대한지리학회지 Vol.55 No.6
지리학의 연구 주제와 방법론이 점차 확장되고, 방대한 양의 연구 결과가 도출되면서 과거의 방식으로는 최근 지리학 관련 연구들의 연구 경향을 한 눈에 파악하기 어려워졌다. 따라서 본 연구에서는 토픽 모델링 기반의 LDA 방법론을 활용하여, 2018년부터 2020년까지 AAG 학회에 제출된 초록들을 분석해 최근 지리학의 연구 토픽을 분석하고자 하였다. 이를 통해 기존 지리학 연구동향 분석의 결과와 비교하여 현재의 지리학 연구동향을 파악하고자 하였다. 이를 위하여 초록 내의 모든 단어를 토큰화하고 표제어추출을 한 뒤, 명사와 형용사에 해당하는 단어만 추출하였다. 이후 LDA를 통하여 총 8개의 토픽(정치생태학, 지리공간 과학, 도시 개발, 지리공간 시각화, 토지 피복 변화, 보건 지리학, 도시 공동체, 정치 지리학)을 추출하였다. 본 연구는 지리학 연구자들이 지리학의 전반적인 연구동향을 이해하고 최근에 주목받고 있는 연구 주제를 탐색하는데 기여할 수 있을 것이다. With the gradual expansion of the scope of research in geography and the vast amount of research results being produced, it has become difficult to grasp the trend of research in recent geography studies. In this study, we tried to analyze the recent research trend and topics of geography by analyzing the abstracts submitted to the AAG Conference from 2018 to 2020, using the LDA-based Topic Modeling. All words in the abstract were tokenized and lemmatized to extract only nouns and adjectives. Eight topics; "Political Ecology," "Geospatial Science," "Urban Development," "Geospatial Visualization," "Land Cover Change," "Health Geography," "Urban Community" and "Political Geography" has been generated through the LDA. This study could contribute to geography researchers understanding the overall research trends in geography and exploring research topics that have recently drawn attention.
에세이 창의성 분류를 위한 저빈도 서브워드 마스킹 기반 BERT 모델
이유빈(You-Bin Lee),온병원(Byung-Won On) 한국정보기술학회 2022 Proceedings of KIIT Conference Vol.2022 No.12
기존의 지식을 바탕으로 새로운 것을 만들어내는 중요성이 높아지고 있는 4차 산업혁명 시대인 만큼 우리는 창의적인 능력이 기를 필요가 있다. 이때 글쓰기는 창의력을 키우는 좋은 도구이다. 창의성은 명확하게 정의하기가 어렵기 때문에 최근 몇 년 동안 창의성에 대한 수많은 연구는 딥 러닝 모델에 기반을 두고 있다. 특히 BERT(Bi-directional Encoder Representation from Transformers)는 마스킹 할 일부 단어를 무작위로 선택하여 사전 훈련 단계를 수행한다. 본 논문에서는 마스킹과정에서 참신한 단어에 중점을 둔다. 추출된 참신한 단어를 기반으로 마스킹 하게되면 BERT 모델은 창의적 에세이를 잘 분류할 수 있는 단어에 더 집중할 수 있다. 따라서 우리는 낮은 빈도수에 해당하는 subword들을 참신한 단어로 여겨, 참신한 단어 마스킹 기반 BERT 모델을 제안한다. 실험 결과 제안한 모델이 기존 BERT 모델에 비해 최대 5% 향상되었다. In the era of the fourth Industrial Revolution, in which the importance of creating something new based on existing knowledge is increasing, we are required to be creative. At this time, writing is a good tool to develop creativity. Because creativity is very difficult to clearly define, numerous studies on creativity in recent years are based on deep learning models. In particular, Bi-directional Encoder Representation from Transformers (BERT) performs the pre-training step by randomly selecting some words for masking. In this paper, we focuses on novel words for masking. If the extracted novel words are masked, BERT model can focus more on them that can help it classify creative essays well. Therefore, we propose a new novel word masking-based BERT model in which novel words are considered as the corresponding subwords with low frequency. Our experimental results show that our proposed model improved up to 5%, compared to the existing BERT model.