New Collaborative Filtering Based on Similarity Integration and Temporal Information

Keunho Choi(최근호),Gunwoo Kim(김건우),Donghee Yoo(유동희),Yongmoo Suh(서용무) 한국지능정보시스템학회 2011 한국지능정보시스템학회 학술대회논문집 Vol.2011 No.5

As personalized recommendation of products and services is rapidly growing in importance, a number of studies provided fundamental knowledge and techniques for developing recommendation systems. Among them, the collaborative filtering (CF) technique has been most widely used and has proven to be useful in many practices. However, current CF technique has still considerable rooms for improving the effectiveness of recommendation systems: 1) a similarity function most systems use to find like-minded people is not well defined; and 2) temporal information that contains the changing preference of customers needs to be considered when making recommendations. We hypothesize that integration of multiple aspects of similarity and utilization of temporal information will improve the accuracy of recommendations. The objective of this paper is to test the hypothesis through a series of experiments using MovieLens data. The experimental results show that the proposed recommendation system highly outperforms the conventional CF-based systems, confirming our hypothesis.

Detecting Credit Loan Fraud Based on Individual-Level Utility

Keunho Choi(최근호),Gunwoo Kim(김건우),Yongmoo Suh(서용무) 한국지능정보시스템학회 2012 지능정보연구 Vol.18 No.4

금융기관들에서 개발한 신용 대출 상품이 증가함에 따라 사기 거래의 수 또한 급속히 증가하고 있다. 따라서, 재정적 위험을 성공적으로 관리하기 위해 금융기관들은 대출 승인 심사를 강화하고 신용 대출사기를 사전에 탐지할 수 있는 능력을 증대시켜 나가야 한다. 신용 대출 사기를 탐지하기 위한 분류 모델을 구축하는 과정에서 분류 결과에 따른 유틸리티(즉, 정분류에 따른 이익과 오분류에 따른 비용)는 분류의 정확도보다 더 중요하다. 본 연구는 개인별 유틸리티에 기반하여 신용 대출 사기를 탐지하기 위한 분류 모델을 구축하는 것을 목적으로 하였다. 다양한 실험을 통해, 본 연구에서 제시한 모델이 기회 유틸리티와 현금 흐름의 두 관점 모두에서 개인별 유틸리티에 기반하지 않은 모델보다 더 높은 유틸리티를 제공하며, 평균 유틸리티에 기반한 모델보다 더 정확한 유틸리티를 제공한다는 것을 보였다. 본 연구는 기회 유틸리티와 현금 흐름의 두 관점에서 얻어진 실험 결과를 다양한 측면에서 살펴보았다. As credit loan products significantly increase in most financial institutions, the number of fraudulent transactions is also growing rapidly. Therefore, to manage the financial risks successfully, the financial institutions should reinforce the qualifications for a loan and augment the ability to detect a credit loan fraud proactively. In the process of building a classification model to detect credit loan frauds, utility from classification results (i.e., benefits from correct prediction and costs from incorrect prediction) is more important than the accuracy rate of classification. The objective of this paper is to propose a new approach to building a classification model for detecting credit loan fraud based on an individual-level utility. Experimental results show that the model comes up with higher utility than the fraud detection models which do not take into account the individual-level utility concept. Also, it is shown that the individual-level utility computed by the model is more accurate than the mean-level utility computed by other models, in both opportunity utility and cash flow perspectives. We provide diverse views on the experimental results from both perspectives.

머신러닝 기법을 이용한 납축전지 열화 예측 모델 개발

최근호(Keunho Choi),김건우(Gunwoo Kim) 한국지능정보시스템학회 2018 한국지능정보시스템학회 학술대회논문집 Vol.2018 No.6

현재 전세계 배터리 시장은 이차전지 개발에 박차를 가하고 있는 실정이지만, 실제로 소비되는 배터리 중 가격 대비 성능이 좋고 재충전을 통해 다시 재사용이 가능한 납축전지(이차전지)의 소비가 광범위하게 이루어지고 있다. 하지만 납축전지는 복합적 셀(cell)을 묶어 하나의 배터리를 구성하여 활용하는 배터리의 특성상 하나의 셀에서 열화가 발생하면 전체 배터리의 손상을 가져와 열화가 빨리 진행되는 문제가 존재한다. 이를 극복하기 위해 본 연구는 기계학습을 통한 배터리 상태 데이터를 학습하여 배터리 열화를 예측할 수 있는 모델을 개발하고자 한다. 이를 위해 실제 현장에서 배터리 상태를 지속적으로 모니터링 할 수 있는 센서를 골프장 카트에 부착하여 실시간으로 배터리 상태 데이터를 수집하고, 수집한 데이터를 이용하여 기계학습 기법을 적용한 분석을 통해 열화 전조 현상에 대한 예측 모델을 개발한다. 본 연구의 목적은 골프장 카트(전기자동차)에 쓰이는 이차납축전지의 사용 정보와 골프장 전기자동차의 운행 특성에 따른 정보를 활용하여 배터리 열화 패턴인식 모델을 개발하는 것이다. 본 연구에서 제안하는 배터리 열화 예측 모델은 배터리 열화의 전조현상을 사전에 예측함으로써 배터리 관리를 효율적으로 수행하고 이에 따른 비용을 획기적으로 줄일 수 있을 것으로 기대한다.

New Collaborative Filtering Based on Similarity Integration and Temporal Information

Keunho Choi(최근호),Gunwoo Kim(김건우),Donghee Yoo(유동희),Yongmoo Suh(서용무) 한국지능정보시스템학회 2011 지능정보연구 Vol.17 No.3

상품 및 서비스에 대한 개인화된 추천 서비스가 중요해짐에 따라 많은 연구자들은 추천시스템 개발을 위한 다양한 지식과 기법들을 제공해왔다. 이러한 기법들 중에서 협업 필터링(Collaborative Fitering) 기법은 여러 분야에서 널리 사용되고 있으며 그 유용성이 입증되었다. 하지만 추천시스템의 성능을 더욱 높이기 위해서 현재의 협업 필터링 기법은 다음과 같은 점들을 고려해야 한다. 첫째 대부분의 추천시스템과 관련한 연구에서 특정 고객과 성향이 유사한 다른 고객들을 찾기 위해 사용되는 유사도 함수들(Similarity Functions)은 대부분 특정한 관점에 초점을 두고 있기 때문에 다양한 관점에서 성향이 유사한 다른 고객들을 찾는데 한계를 가진다. 따라서 특정 관점에 치우치지 않는 통합된 유사도 함수를 사용해야 할 필요가 있다. 둘째 고객들의 성향은 시간이 지남에 따라 변화하기 때문에 이를 추천결과에 반영하기 위해서는 시간에 따른 고객들의 구매 성향의 변화를 고려해야 한다. 본 연구는 여러 실험들을 통해 다음의 가설을 검정하는 것을 목적으로 하였다-다양한 관점이 동시에 반영된 통합 유사도 함수의 이용과 시간정보를 이용한 사용자의 구매 성향의 변화를 반영할 경우 추천의 정확도가 향상될 것이다. 다양한 실험을 통해 본 연구에서 제시한 추천시스템은 전통적인 협업 필터링 기반의 추천시스템들에 비해 일반적으로 상당히 높은 정확도를 보였으며 이를 통해 본 연구에서 제시한 가설이 채택될 수 있음을 확인하였다. As personalized recommendation of products and services is rapidly growing in importance a number of studies provided fundamental knowledge and techniques for developing recommendation systems. Among them the CF technique has been most widely used and has proven to be useful in many practices. However current collaborative filtering (CF) technique has still considerable rooms for improving the effectiveness of recommendation systems: 1) a similarity function most systems use to find so-called like-minded people is not well defined in that similarity is computed from a single perspective of similarity concept; and 2) temporal information that contains the changing preference of customers needs to be taken into account when making recommendations. We hypothesize that integration of multiple aspects of similarity and utilization of temporal information will improve the accuracy of recommendations. The objective of this paper is to test the hypothesis through a series of experiments using MovieLens data. The experimental results show that the proposed recommendation system highly outperforms the conventional CF-based systems confirming our hypothesis.

디지털 매체 활용 탐색을 위한, 대학의 플립드 러닝 효과분석 연구

최근호(Keunho Choi),윤재영(Jaeyoung Yun) 한국HCI학회 2018 한국HCI학회 논문지 Vol.13 No.4

본 연구는, 최근 국내에서 미래형 대학교육 방안으로 부상중인 플립드 러닝 적용의 실증적 사례 연구를 분석 대상으로 한 문헌 연구이다. 연구의 목적은, 현재의 디지털 기반 매체 환경을 고려한 국내 대학의 플립드 러닝 적용 수업에서, 학습자들의 디지털 매체 활용에 대한 탐색이다. 이를 위해, 선행 연구의 측정 변인과 통계적 유의성에 대한 고찰 및 매체 활용에 대한 분석을 진행하였다. 가장 주요한 측정 변인은 ‘학습 성취도’와 ‘수업 만족도’로, 플립드 러닝 적용 수업의 효과성 측정에 대한 척도였다. 분석한 모든 연구는 매체를 활용 하였으나, 대부분의 연구가 교실수업의 효과성 검증에 치중하여, 한 편의 연구에서만 별도의 매체 활용 측정이 이루어졌고, ‘동영상 학습인식’ 변인에 대해 통계적으로 유의한 결과가 도출되었다. 연구 별로 매체 활용 관련한 정성적인 측정 내용은 별도의 분석 결과로 제시하였다. 향후, 플립드 러닝 적용 및 디지털 매체 활용에 대한 실효적인 후속 연구를 위해서는 정확한 효과 측정에 필요한 처치 기간의 확보 등 다섯 가지 주요 논점에 대한 검토가 필요하다. This study is a literature study that analyzes empirical case study of Flipped learning application which has emerged as a method of future university education in Korea. The purpose of the study is to explore the use of digital media by learners in the Flipped learning applied courses in domestic universities considering current digital-based media environment. For this purpose, we analyzed the measurement variables and statistical significance of the preceding studies and analyzed the media utilization. The most important measurement variables were "learning achievement" and "class satisfaction", which were measures of effectiveness on the Flipped learning classes. All studies analyzed used media, but most studies focused on verifying the effectiveness of classroom classes, resulting in separate media utilization measurements in one study and statistically meaningful results for the "video learning recognition" variable. The qualitative measurement related to the use of media for each study was presented as a separate analysis result. In the future, in order for effective follow-up studies on application of Flipped learning and digital media utilization, there are five main issues that need to be studied, which are securing the necessary treatment period for accurate effect measurement, etc.

머신러닝 기법을 이용한 납축전지 열화 예측 모델 개발

최근호(Keunho Choi),김건우(Gunwoo Kim) 한국지능정보시스템학회 2018 지능정보연구 Vol.24 No.2

현재 전세계 배터리 시장은 이차전지 개발에 박차를 가하고 있는 실정이지만, 실제로 소비되는 배터리 중 가격 대비 성능이 좋고 재충전을 통해 다시 재사용이 가능한 납축전지(이차전지)의 소비가 광범위하게 이루어지고 있다. 하지만 납축전지는 복합적 셀(cell)을 묶어 하나의 배터리를 구성하여 활용하는 배터리의 특성상 하나의 셀에서 열화가 발생하면 전체 배터리의 손상을 가져와 열화가 빨리 진행되는 문제가 존재한다. 이를 극복하기 위해 본 연구는 기계학습을 통한 배터리 상태 데이터를 학습하여 배터리 열화를 예측할 수 있는 모델을 개발하고자 한다. 이를 위해 실제 현장에서 배터리 상태를 지속적으로 모니터링 할 수 있는 센서를 골프장 카트에 부착하여 실시간으로 배터리 상태 데이터를 수집하고, 수집한 데이터를 이용하여 기계학습 기법을 적용한 분석을 통해 열화 전조 현상에 대한 예측 모델을 개발하였다. 총 16,883개의 샘플을 분석 데이터로 사용하였으며, 예측 모델을 만들기 위한 알고리즘으로 의사결정나무, 로지스틱, 베이지언, 배깅, 부스팅, RandomForest를 사용하였다. 실험 결과, 의사결정나무를 기본 알고리즘으로 사용한 배깅 모델이 89.3923%이 가장 높은 적중률을 보이는 것으로 나타났다. 본 연구는 날씨와 운전습관 등 배터리 열화에 영향을 줄 수 있는 추가적인 변수들을 고려하지 못했다는 한계점이 있으나, 이는 향후 연구에서 다루고자 한다. 본 연구에서 제안하는 배터리 열화 예측모델은 배터리 열화의 전조현상을 사전에 예측함으로써 배터리 관리를 효율적으로 수행하고 이에 따른 비용을 획기적으로 줄일 수 있을 것으로 기대한다. Although the worldwide battery market is recently spurring the development of lithium secondary battery, lead acid batteries (rechargeable batteries) which have good-performance and can be reused are consumed in a wide range of industry fields. However, lead-acid batteries have a serious problem in that deterioration of a battery makes progress quickly in the presence of that degradation of only one cell among several cells which is packed in a battery begins. To overcome this problem, previous researches have attempted to identify the mechanism of deterioration of a battery in many ways. However, most of previous researches have used data obtained in a laboratory to analyze the mechanism of deterioration of a battery but not used data obtained in a real world. The usage of real data can increase the feasibility and the applicability of the findings of a research. Therefore, this study aims to develop a model which predicts the battery deterioration using data obtained in real world. To this end, we collected data which presents change of battery state by attaching sensors enabling to monitor the battery condition in real time to dozens of golf carts operated in the real golf field. As a result, total 16,883 samples were obtained. And then, we developed a model which predicts a precursor phenomenon representing deterioration of a battery by analyzing the data collected from the sensors using machine learning techniques. As initial independent variables, we used 1) inbound time of a cart, 2) outbound time of a cart, 3) duration(from outbound time to charge time), 4) charge amount, 5) used amount, 6) charge efficiency, 7) lowest temperature of battery cell 1 to 6, 8) lowest voltage of battery cell 1 to 6, 9) highest voltage of battery cell 1 to 6, 10) voltage of battery cell 1 to 6 at the beginning of operation, 11) voltage of battery cell 1 to 6 at the end of charge, 12) used amount of battery cell 1 to 6 during operation, 13) used amount of battery during operation(Max-Min), 14) duration of battery use, and 15) highest current during operation. Since the values of the independent variables, lowest temperature of battery cell 1 to 6, lowest voltage of battery cell 1 to 6, highest voltage of battery cell 1 to 6, voltage of battery cell 1 to 6 at the beginning of operation, voltage of battery cell 1 to 6 at the end of charge, and used amount of battery cell 1 to 6 during operation are similar to that of each battery cell, we conducted principal component analysis using verimax orthogonal rotation in order to mitigate the multiple collinearity problem. According to the results, we made new variables by averaging the values of independent variables clustered together, and used them as final independent variables instead of origin variables, thereby reducing the dimension. We used decision tree, logistic regression, Bayesian network as algorithms for building prediction models. And also, we built prediction models using the bagging of each of them, the boosting of each of them, and RandomForest. Experimental results show that the prediction model using the bagging of decision tree yields the best accuracy of 89.3923%. This study has some limitations in that the additional variables which affect the deterioration of battery such as weather (temperature, humidity) and driving habits, did not considered, therefore, we would like to consider the them in the future research. However, the battery deterioration prediction model proposed in the present study is expected to enable effective and efficient management of battery used in the real filed by dramatically and to reduce the cost caused by not detecting battery deterioration accordingly.

HS 코드 분류를 위한 CNN 기반의 추천 모델 개발

이동주,김건우,최근호,Lee, Dongju,Kim, Gunwoo,Choi, Keunho 대한경영정보학회 2020 경영과 정보연구 Vol.39 No.3

현재 운영되고 있는 관세신고납부제도는 납세의무자가 세액 산정을 스스로하고 그 세액을 본인 책임으로 납부하도록 하는 제도이다. 다시 말해, 관세법상 신고 납부제도는 납세액을 정확히 계산해서 납부할 의무와 책임이 온전히 납세의무자에게 무한정으로 부과하는 것을 원칙으로 하고 있다. 따라서, 만일 납세의무자가 그 의무와 책임을 제대로 행하지 못했을 경우에는 부족한 만큼의 세액 추징과 그에 대한 제제로 가산세를 부과하고 있다. 이러한 이유로 세액 산정의 기본이 되는 품목분류는 관세평가와 함께 가장 어려운 부분이며 잘못 분류하게 되면 기업에게도 큰 리스크가 될 수도 있다. 이러한 이유로 관세전문가인 관세사에게 상당한 수수료를 지불하면서 수입신고를 위탁하여 처리하고 있는 실정이다. 이에 본 연구에서는 수입신고 시 신고하려는 품목이 어떤 것인지 HS 코드 분류를 하여 수입신고 시 기재해야 할 HS 코드를 추천해 주는데 목적이 있다. HS 코드 분류를 위해 관세청 품목분류 결정 사례를 바탕으로 사례에 첨부된 이미지를 활용하여 HS 코드 분류를 하였다. 이미지 분류를 위해 이미지 인식에 많이 사용되는 딥러닝 알고리즘인 CNN을 사용하였는데, 세부적으로 CNN 모델 중 VggNet(Vgg16, Vgg19), ResNet50, Inception-V3 모델을 사용하였다. 분류 정확도를 높이기 위해 3개의 dataset을 만들어 실험을 진행하였다. Dataset 1은 HS 코드 이미지가 가장 많은 5종을 선정하였고 Dataset 2와 Dataset 3은 HS 코드 2단위 중 가장 데이터 샘플의 수가 많은 87류를 대상으로 하였으며, 이 중 샘플 수가 많은 5종으로 분류 범위를 좁혀 분석하였다. 이 중 dataset 3로 학습시켜 HS 코드 분류를 수행하였을 때 Vgg16 모델에서 분류 정확도가 73.12%로 가장 높았다. 본 연구는 HS 코드 이미지를 이용해 딥러닝에 기반한 HS 코드 분류를 최초로 시도하였다는 점에서 의의가 있다. 또한, 수출입 업무를 하고 있는 기업이나 개인사업자들이 본 연구에서 제안한 모델을 참조하여 활용할 수 있다면 수출입 신고 시 HS 코드 작성에 도움될 것으로 기대된다. The current tariff return system requires tax officials to calculate tax amount by themselves and pay the tax amount on their own responsibility. In other words, in principle, the duty and responsibility of reporting payment system are imposed only on the taxee who is required to calculate and pay the tax accurately. In case the tax payment system fails to fulfill the duty and responsibility, the additional tax is imposed on the taxee by collecting the tax shortfall and imposing the tax deduction on For this reason, item classifications, together with tariff assessments, are the most difficult and could pose a significant risk to entities if they are misclassified. For this reason, import reports are consigned to customs officials, who are customs experts, while paying a substantial fee. The purpose of this study is to classify HS items to be reported upon import declaration and to indicate HS codes to be recorded on import declaration. HS items were classified using the attached image in the case of item classification based on the case of the classification of items by the Korea Customs Service for classification of HS items. For image classification, CNN was used as a deep learning algorithm commonly used for image recognition and Vgg16, Vgg19, ResNet50 and Inception-V3 models were used among CNN models. To improve classification accuracy, two datasets were created. Dataset1 selected five types with the most HS code images, and Dataset2 was tested by dividing them into five types with 87 Chapter, the most among HS code 2 units. The classification accuracy was highest when HS item classification was performed by learning with dual database2, the corresponding model was Inception-V3, and the ResNet50 had the lowest classification accuracy. The study identified the possibility of HS item classification based on the first item image registered in the item classification determination case, and the second point of this study is that HS item classification, which has not been attempted before, was attempted through the CNN model.

수입물품의 HS 코드 자동 분류를 위한 자연어처리 기반의 딥러닝 모델 개발

이종권(Jong-Kwon Lee),최근호(Keunho Choi),김건우(Gunwoo Kim) 한국디지털콘텐츠학회 2021 한국디지털콘텐츠학회논문지 Vol.22 No.3

산재근로자의 지역별 위험도 관리를 위한 산재 취약지수 개발

정석훈(Chung, Sukhoon),최근호(Choi, Keunho),유동희(Yoo, Donghee) 한국직업재활학회 2021 職業再活硏究 Vol.31 No.1

본 연구에서는 산재보험 데이터를 분석하여 지역별 근로자들이 산재 위험에 얼마나 노출되어 있는지를 파악할 수 있게 해주는 산재 취약지수를 개발하는 데 목적이 있다. 이를 위해 기존의 지수 개발방법론을 참조하여 지수사용 목적 정립, 후보지표 특성분석, 지표 선정, 지수 산정, 시뮬레이션, 적용 및 개선사항 도출 단계로 구성된 산재 취약지수 개발방법론을 제안하였다. 그 후, 제안된 개발방법론에 따라 산재 취약지수를 개발하였으며, 특정 지역의 상병 유형과 지역별 산재노출 정도와 같은 산재정보들을 복합적으로 분석하여 산재 취약지수를 계량화하였다는 점에서 연구의 의의를 찾을 수 있다. 본 연구에서 개발된 산재 취약지수는 지역별 산업재해에 의한 직업성 질병, 상병 유형 등을 비교하거나 산재 예방을 위한 지역 산업의 위험도를 분석할 때 활용될 것으로 기대된다. This study develops an industrial accident vulnerability index that determines how much and how often workers are exposed to the regional risk of industrial accident by analyzing industrial insurance data. To this end, we offer a methodology for developing an industrial accident vulnerability index consisting of six steps: Establishing the purpose of index use, analyzing the characteristics of candidate indicators, selecting the indicators, calculating the index, conducting a simulation, and applying and deriving industrial improvements by applying previous methodologies for developing the index. We developed this industrial accident vulnerability index using that proposed methodology. The study thus quantifies a vulnerability index by combining different industrial accident information including regional disease types and regional exposure levels for different industrial accidents. The results help compare types of occupational diseases caused by regional industrial accidents and help determine of the risk of regional industrial accidents to prevent future industrial accidents.

기계학습을 이용한 주간 박스오피스 예측

송정아(Junga Song),최근호(Keunho Choi),김건우(Gunwoo Kim) 한국지능정보시스템학회 2018 한국지능정보시스템학회 학술대회논문집 Vol.2018 No.6

본 연구는 개봉 후 역동적으로 변화하는 영화 시장에 대해 탄력적인 대응을 할 수 있도록주차별 관객수를 예측하는데 목적을 두고있다. 분석을 위해 선행연구에서 사용되었던 요인 뿐 아니라 개봉 후 역동적으로 변화하는 영화의 흥행순위, 관객수 증가 여부 등 선행연구에서 사용되지 않았던 데이터들을 새로운 요인으로 사용하고 Random Forest, MLP, Support Vector Machine, Naive Bays등의 기계학습 기법을 이용하여 개봉 일, 개봉 1주, 개봉 2주에는 다음주 관객수를 예측하고 개봉 3주에는 최종 관객수를 예측한다. 비교를 위해 매 예측시점마다 동일한 예측 요인을 사용하여 최종관객수도 예측해보았다. 분석결과 동일한 시점에 최종 관객수를 예측 했을 경우 보다 다음주 관객수를 예측하는 것이 더 높은 정확도를 보였다. 기계학습 기법 중에는 Random Forest가 가장 높은 정확도를 보였다.