<C3CAB7CFC1FD2E687770>

Transcription

1 한국지능정보시스템학회 춘계학술대회논문집 e-commerce in Smart Connected World 일시 :2016년 8월 19일 ( 금 ) 장소 : 수원노보텔앰배서더 주최 :( 사 ) 한국지능정보시스템학회

2 초대의 글 한국지능정보시스템학회회원여러분께 : 안녕하십니까? 우리학회는 2016 년춘계정기학술대회를 ICEC(The 18th International Conference on Electronic Commerce) 와공동으로수원노보텔앰배세더에서개최합니다. 이번학술대회에서는 e-commerce in Smart Connected World 라는주제로 IoT(Internet of Things) 기술 에서 알파고 이후급부상한우리의주제인 지능정보기술 에이르기까지, 이론적진보에서현실비즈니스에적용까지다양한스펙트럼의연구결과를공유하고자합니다. IoT 기술의출현과지능정보기술의발달로전자상거래를포함한비즈니스프로세스전반에걸쳐커다란변화가일어나고있습니다. 스타트업은물론기존의여러기업은각자의제품과서비스를생산하고판매하는공급망전체에걸쳐 IoT 기술과지능정보기술을적용해경쟁력을높일수있도록대비해야할것입니다. 따라서본학술대회에서는 IoT 기술과지능정보기술의기술적이슈뿐만아니라현실비즈니스에적용하는과정에서발생할수있는관리적인이슈에이르기까지다양한주제를두루커버할예정입니다. 이번학술대회에서는엄선된기조강연과튜토리얼발표, 그리고수준높은학술논문들이발표될것입니다. 투고된학술논문중우수한논문은엄정한심사과정을통해최우수논문상, 우수논문상등으로시상하고, 지능정보연구, Asia Pacific Journal of Information Systems, Journal of the Korea Service Management Society, JITAM(Journall of Information Technology Applications and Management) 와같은한국연구재단등재지에 fast track 심사를거쳐최신호에게재할예정입니다. 더불어이번학술대회는 ICEC 2016 과공동개최함으로춘계정기학술대회등록한번으로 8/17( 수 )~8/19( 금 ) 에열리는 ICEC 의여러세션은물론함께진행되는 Smart Connected World 의다양한세션에함께참여하실수있습니다. 이번 2016 년춘계정기학술대회에여러분의적극적인논문투고와참여를부탁드립니다. 감사합니다 년 8 월 대회장김민용 ( 학회장, 경희대학교 ) 조직위원장이정승 ( 호서대학교 ) 학술위원장이홍주 ( 가톨릭대학교 ) 조직위원 권영옥 ( 숙명여자대학교 ) 권오병 ( 경희대학교 ) 김경재 ( 동국대학교 ) 김남규 ( 국민대학교 ) 김종우 ( 한양대학교 ) 박도형 ( 국민대학교 ) 박병화 ( 한남대학교 ) 박상언 ( 경기대학교 ) 박윤주 ( 서울과학기술대학교 ) 박충식 (U1 대학교 ) 서보밀 ( 숙명여자대학교 ) 송용욱 ( 연세대학교 ) 신택수 ( 연세대학교 ) 안현철 ( 국민대학교 ) 양성병 ( 경희대학교 ) 이경전 ( 경희대학교 ) 이동원 ( 한성대학교 ) 장현성 (U1 대학교 ) 정선호 ( 경희대학교 ) 채성욱 ( 성균관대학교 ) 천세학 ( 서울과학기술대학교 ) 천은영 ( 연세대학교 ) 최광선 ( 빅뱅엔젤스 ) 최재원 ( 순천향대학교 ) 최진호 ( 세종대학교 ) 한창희 ( 한양대학교 )

3 행사일정 시간 순서 08:00 ~ 09:20 이사회 (Azalea 3) / 등록및입장 09:20 ~ 10:50 발표장 A (Azalea 1) A1 Data-driven Process 학술논문세션 발표장 B (Azalea 2) B1 Augmented/ Virtual Reality 발표장 C (Azalea 3) C1 Data Mining Applications 좌장 : 이동원 ( 한성대학교 ) 좌장 : 이재열 ( 전남대학교 ) 10:50 ~ 11:10 휴식 (Coffee Break) 개회식 / 패널토의 (Champagne Hall) 좌장 : 박도형 ( 국민대학교 ) 사회자 : 김남규교수 ( 국민대학교 ) 개회사 : 이정승조직위원장 ( 호서대학교 ) 환영사 : 김민용회장 ( 경희대학교 ) 11:10 ~ 12:40 감사패증정, 우수논문상시상패널토의 : 주제 : 알파고이후의인공지능의잠재력과한계 (AI Potential and Limitation) 좌장 : 김민용 ( 한국지능정보시스템학회회장 ) 12:40 ~ 14:00 점심식사 14:00 ~ 15:30 발표장A (Azalea 1) A2 IoT Applications 학술논문세션 발표장B (Azalea 2) B2 Behavior Analytics 발표장C (Azalea 3) C2 Text Mining I 좌장 : 안현철 ( 국민대학교 ) 좌장 : 박윤주 ( 서울과학기술대학교 ) 15:30 ~ 15:50 휴식 (Coffee Break) 15:50 ~ 17:20 A3 Smart Systems 좌장 : 장현성 (U1 대학교 ) B3 Intelligent Information Applications 좌장 : 최재원 ( 순천향대학교 ) 17:20 ~ 17:30 폐회식 (Champagne Hall) 좌장 : 이홍주 ( 가톨릭대학교 ) C3 Text Mining II 좌장 : 천세학 ( 서울과학기술대학교 )

4 프로그램 세션 A (Azalea 1) A1. Data-driven Process (09:20~10:50) 좌장 : 이동원 ( 한성대학교 ) A1.1 A1.2 A1.3 A1.4 아파치스파크기반기계학습라이브러리성능비교송준석, 김경태, 이병준, 길이만, 윤희용 ( 성균관대학교 ) 냉장식품산업에서타임바코드기반의유통품질관리방안연구안혜정, 이재호, 간자르알피엔, 이종태 ( 동국대학교 ) 매트랩기반포트폴리오관리의사결정보조패키지연구박주영, 허성만, 김태환, 박정호, 김재인, 박경욱 ( 고려대학교 ) 빅데이터분석을위한아파치스파크성능비교분석정영교, 이병준, 김경태, 김상영, 윤희용 ( 성균관대학교 ) A2. IoT Applications (14:00~15:30) 좌장 : 안현철 ( 국민대학교 ) A2.1 A2.2 A2.3 A2.4 IoT 기반분산전문가시스템의설계이정준, 김경태, 이병준, 윤희용 ( 성균관대학교 ) 기존 OS 핑거프린팅기법의 IoT 환경에적용가능성에관한연구장대일, 이은별, 전지수, 김환국 ( 한국인터넷진흥원 ) 웰니스서비스제공을위한 IoT 기반실내환경모니터링및제어시스템구현김규백, 윤종필 (SK 텔레콤 ) ZigBee 네트워크 connectivity 개선기법연구정성민, 김경태, 이정준, 윤희용 ( 성균관대학교 ) A3. Smart Systems (15:50~17:20) 좌장 : 장현성 (U1 대학교 ) A3.1 A3.2 A3.3 A3.4 OMNeT++ 를통해구현한데이터센터를위한 Full mesh 및 Fat-tree 아키텍처의비교분석정동영, 김경태, 이병준, 김상영, 윤희용 ( 성균관대학교 ) 딥러닝을이용한컴퓨터시스템장애예측김윤상 ( 모아데이타 ), 박충식 (U1 대학교 ) 루만사회체계이론관점에서의스마트팩토리장현성, 박충식 (U1 대학교 ) OMNeT++ 기반 Microserver Architecture 성능평가김상영, 김경태, 송준석, 길이만, 윤희용 ( 성균관대학교 )

5 세션 B (Azalea 2) B1. Augmented/Virtual Reality (09:20~10:50) 좌장 : 이재열 ( 전남대학교 ) B1.1 스마트기기와립모션을활용한휴대용수화통역기연구조재혁, 김유리, 김혜지, 이석기, 노광현 ( 한성대학교 ) B1.2 VR/AR 을활용한증강제조서비스지원이재열 ( 전남대학교 ) B1.3 가상현실을활용한웨어러블기기의구매촉진을위한사용자수용저항태도 : 가상현실헤드기어제품을중심으로손봉진, 박다슬, 최재원 ( 순천향대학교 ) B2. Behavior Analytics (14:00~15:30) 좌장 : 박윤주 ( 서울과학기술대학교 ) B2.1 위치기반서비스에대한한국과중국의사용자의인지된프라이버시이익과위험에대한비교장택붕, 임현아, 최재원 ( 순천향대학교 ) B2.2 데이터마이닝을활용한사랑의형태에따른연인관계몰입수준및관계지속여부예측박윤주 ( 서울과학기술대학교 ) B2.3 온라인뉴스콘텐츠의자발적독자구독료에영향을미치는체계적속성간중요도비교이형주 ( 아주대학교 ), 양성병 ( 경희대학교 ) B2.4 소프트웨어산업에서시장수요중심의직무분류체계제안김수경, 임혜경, 이재익 ( 단국대학교 ) B3. Intelligent Information Applications (15:50~17:20) 좌장 : 최재원 ( 순천향대학교 ) B3.1 동영상에서의세그멘테이션영역추적이영원 (U1 대학교 ), 장세인 ( 연세대학교 ), 박충식 (U1 대학교 ) B3.2 시멘틱웹의추론엔진에대한연구송병후, 김경태, 이병준, 이정준, 윤희용 ( 성균관대학교 ) B3.3 소프트웨어유사성탐지를위한속성요약과분석기법고남현 ( 한국방송통신대학교 ) B3.4 SPARQL 을이용한질의처리최적화송병후, 김경태, 이병준, 정영교, 윤희용 ( 성균관대학교 )

6 세션 C (Azalea 3) C1. Data Mining Applications (09:20~10:50) 좌장 : 박도형 ( 국민대학교 ) C1.1 웹검색트래픽을활용한유커인바운드여행수요예측모형및유커마이닝시스템개발최유지, 손기상, 이주상, 박도형 ( 국민대학교 ) C1.2 소셜네트워크분석을활용한추천시스템의정확도개선에관한연구최슬비, 곽기영, 안현철 ( 국민대학교 ) C1.3 인구통계특성기반디지털마케팅을위한클릭스트림빅데이터마이닝박지애, 조윤호 ( 국민대학교 ) C2. Text Mining I (14:00~15:30) 좌장 : 이홍주 ( 가톨릭대학교 ) C2.1 사용자리뷰의평가기준별이슈식별방법론 - 호텔리뷰사이트를중심으로변성호, 이동훈, 김남규 ( 국민대학교 ) C2.2 사회문제해결을위한비정형데이터기반의토픽간적합도분석진윤선, 남수현, 권오병 ( 경희대학교 ) C2.3 주제어를중심으로한프로파일링및동시출현분석을통한지능정보시스템연구의정체성에관한연구윤승정, 김민용 ( 경희대학교 ) C2.4 중립단어기반의인터넷뉴스분석을통한주가예측연구이민식, 이홍주 ( 가톨릭대학교 ) C3. Text Mining Ⅱ (15:50~17:20) 좌장 : 천세학 ( 서울과학기술대학교 ) C3.1 빅데이터와다범주감성사전을활용한우리나라 10 대기업감성분석김서인, 김동성, 김종우 ( 한양대학교 ) C3.2 텍스트분석을통한이종매체카테고리다중매핑방법론김다솜, 김남규 ( 국민대학교 ) C3.3 중립도기반선택적단어제거를통한유용리뷰분류정확도향상방안이민식, 이홍주 ( 가톨릭대학교 ) C3.4 주관적웰빙상태측정을위한웰니스워드넷개발송영은, 남수현, 권오병 ( 경희대학교 )

7 목차 A1. Data-driven Process 발표장 A (Azalea 1) A1.1 아파치스파크기반기계학습라이브러리성능비교송준석, 김경태, 이병준, 길이만, 윤희용 ( 성균관대학교 ) 1 A1.2 냉장식품산업에서타임바코드기반의유통품질관리방안연구안혜정, 이재호, 간자르알피엔, 이종태 ( 동국대학교 ) 2 A1.3 매트랩기반포트폴리오관리의사결정보조패키지연구박주영, 허성만, 김태환, 박정호, 김재인, 박경욱 ( 고려대학교 ) 3 A1.4 빅데이터분석을위한아파치스파크성능비교분석정영교, 이병준, 김경태, 김상영, 윤희용 ( 성균관대학교 ) 4 A2. IoT Applications A2.1 IoT 기반분산전문가시스템의설계이정준, 김경태, 이병준, 윤희용 ( 성균관대학교 ) 5 A2.2 기존 OS 핑거프린팅기법의 IoT 환경에적용가능성에관한연구장대일, 이은별, 전지수, 김환국 ( 한국인터넷진흥원 ) 6 A2.3 웰니스서비스제공을위한 IoT 기반실내환경모니터링및제어시스템구현김규백, 윤종필 (SK 텔레콤 ) 15 A2.4 ZigBee 네트워크 connectivity 개선기법연구정성민, 김경태, 이정준, 윤희용 ( 성균관대학교 ) 16 A3. Smart Systems A3.1 OMNeT++ 를통해구현한데이터센터를위한 Full mesh 및 Fat-tree 아키텍처의비교분석정동영, 김경태, 이병준, 김상영, 윤희용 ( 성균관대학교 ) 17 A3.2 딥러닝을이용한컴퓨터시스템장애예측김윤상 ( 모아데이타 ), 박충식 (U1 대학교 ) 18 A3.3 루만사회체계이론관점에서의스마트팩토리장현성, 박충식 (U1 대학교 ) 19 A3.4 OMNeT++ 기반 Microserver Architecture 성능평가김상영, 김경태, 송준석, 길이만, 윤희용 ( 성균관대학교 ) 20 - i -

8 B1. Augmented/Virtual Reality 발표장 B (Azalea 2) B1.1 스마트기기와립모션을활용한휴대용수화통역기연구조재혁, 김유리, 김혜지, 이석기, 노광현 ( 한성대학교 ) 21 B1.2 VR/AR 을활용한증강제조서비스지원이재열 ( 전남대학교 ) 22 B1.3 가상현실을활용한웨어러블기기의구매촉진을위한사용자수용저항태도 : 가상현실헤드기어제품을중심으로손봉진, 박다슬, 최재원 ( 순천향대학교 ) 23 B2. Behavior Analytics B2.1 위치기반서비스에대한한국과중국의사용자의인지된프라이버시이익과위험에대한비교장택붕, 임현아, 최재원 ( 순천향대학교 ) 24 B2.2 데이터마이닝을활용한사랑의형태에따른연인관계몰입수준및관계지속여부예측박윤주 ( 서울과학기술대학교 ) 25 B2.3 온라인뉴스콘텐츠의자발적독자구독료에영향을미치는체계적속성간중요도비교이형주 ( 아주대학교 ), 양성병 ( 경희대학교 ) 26 B2.4 소프트웨어산업에서시장수요중심의직무분류체계제안김수경, 임혜경, 이재익 ( 단국대학교 ) 27 B3. Intelligent Information Applications B3.1 동영상에서의세그멘테이션영역추적이영원 (U1대학교), 장세인 ( 연세대학교 ), 박충식 (U1대학교) 28 B3.2 시멘틱웹의추론엔진에대한연구송병후, 김경태, 이병준, 이정준, 윤희용 ( 성균관대학교 ) 29 B3.3 소프트웨어유사성탐지를위한속성요약과분석기법고남현 ( 한국방송통신대학교 ) 30 B3.4 SPARQL 을이용한질의처리최적화송병후, 김경태, 이병준, 정영교, 윤희용 ( 성균관대학교 ) 31 - ii -

9 발표장 C (Azalea 3) C1. Data Mining Applications C1.1 웹검색트래픽을활용한유커인바운드여행수요예측모형및유커마이닝시스템개발최유지, 손기상, 이주상, 박도형 ( 국민대학교 ) 32 C1.2 소셜네트워크분석을활용한추천시스템의정확도개선에관한연구최슬비, 곽기영, 안현철 ( 국민대학교 ) 33 C1.3 인구통계특성기반디지털마케팅을위한클릭스트림빅데이터마이닝박지애, 조윤호 ( 국민대학교 ) 34 C2. Text Mining I C2.1 사용자리뷰의평가기준별이슈식별방법론 -호텔리뷰사이트를중심으로변성호, 이동훈, 김남규 ( 국민대학교 ) 35 C2.2 사회문제해결을위한비정형데이터기반의토픽간적합도분석진윤선, 남수현, 권오병 ( 경희대학교 ) 36 C2.3 주제어를중심으로한프로파일링및동시출현분석을통한지능정보시스템연구의정체성에관한연구윤승정, 김민용 ( 경희대학교 ) 37 C2.4 중립단어기반의인터넷뉴스분석을통한주가예측연구이민식, 이홍주 ( 가톨릭대학교 ) 38 C3. Text Mining II C3.1 빅데이터와다범주감성사전을활용한우리나라 10대기업감성분석김서인, 김동성, 김종우 ( 한양대학교 ) 39 C3.2 텍스트분석을통한이종매체카테고리다중매핑방법론김다솜, 김남규 ( 국민대학교 ) 40 C3.3 중립도기반선택적단어제거를통한유용리뷰분류정확도향상방안이민식, 이홍주 ( 가톨릭대학교 ) 41 C3.4 주관적웰빙상태측정을위한웰니스워드넷개발송영은, 남수현, 권오병 ( 경희대학교 ) 42 - iii -

10 아파치스파크기반기계학습라이브러리성능비교 송준석 * 김경태 ** 이병준 *** 길이만 **** 윤희용 ***** 1) 최근빅데이터와이를활용하기위한기계학습에대한관심이높아지면서다양한오픈소스기반빅데이터처리및분석시스템이등장하고있다. 특히, 인메모리연산을통해고속클러스터컴퓨팅환경을제공하는분산데이터처리시스템인아파치스파크가고성능빅데이터분석엔진으로주목받고있다. 반복연산에적합한아파치스파크는기계학습라이브러리인 MLlib 를제공하며다른기계학습라이브러리와의연동을지원한다. 본논문에서는대표적인기계학습알고리즘인나이브베이즈 (Naive bayes) 알고리즘을이용하여아파치머하웃과 MLlib의성능을비교하고아파치스파크에적합한기계학습라이브러리를확인한다. Key Words : Apache Spark, MLlib, Apache Mahout, Machine learning, Naive bayes 본연구는 Institute for Information & communications Technology Promotion(IITP) grant funded by the Korea government(msip) (No.B ), Science and Technology (2014R1A1A ), the second Brain Korea 21 PLUS 및 Samsung Electronics 의일환으로수행되었음. * 성균관대학교, 정보통신대학전자전기컴퓨터공학과석사과정, 주저자, alskpo@skku.edu ** 성균관대학교, 정보통신대학전자전기컴퓨터공학과박사, 공동저자, kyungtaekim76@gmail.com *** 성균관대학교, 정보통신대학전자전기컴퓨터공학과박사과정, 공동저자, byungjun@skku.edu **** 성균관대학교, 소프트웨어대학교수, 공동저자, rmkil@skku.edu ***** 성균관대학교, 소프트웨어대학컴퓨터공학과교수, 교신저자, youn7147@skku.edu

11 냉장식품산업에서타임바코드기반의유통품질관리방안연구 안혜정 * 이재호 ** 간자르알피엔 *** 이종태 **** 2) 냉장식품산업에서냉장식품의유통중품질관리, 특히온도이력관리는식품안전사고와관련관심의증대로 2000 년대이후꾸준하게주요한이슈가되어오고있다. 특히, 식품이력관리시스템은정보통신기술을이용하여제품의추적관리를하는기술로생산에서소비까지 (farm to table) 소비자가각유통과정의기록을바코드시스템, RFID 시스템, 스마트폰등을이용한인터넷서비스등을통하여검색할수있는시스템을말한다. 본논문에서는이러한식품이력관리시스템중, 냉장식품인김치를대상으로타임바코드및 QR 코드를활용하여유통의온도이력을관리하여품질관리하는방안을제시하고자한다. 이를위해현장의도입장벽을낮추고제품의정확성, 신속성, 원가절감, 생산성증대등을목적으로김치생산공장에서유통대리점를거쳐학교급식소에유통되는과정을단계별타임바코드와 QR 코드를도입을지원하는유통품질관리고도화방안에관하여연구하고자한다. Key Words : 타임바코드, QR 코드, 콜드체인, 온도이력, 품질관리, SCM * 동국대학교 ( 서울 ), 공과대학산업시스템공학과, 주저자, macarori@dgu.edu ** 동국대학교 ( 서울 ), 공과대학산업시스템공학과, 공동저자, rapidme@dgu.edu *** 동국대학교 ( 서울 ), 공과대학산업시스템공학과, 공동저자, ganjar@dgu.edu **** 동국대학교 ( 서울 ), 공과대학산업시스템공학과교수, 교신저자, jtrhee@dgu.edu

12 매트랩기반포트폴리오관리의사결정보조패키지연구 박주영 * 허성만 ** 김태환 *** 박정호 **** 김재인 ***** 박경욱 ***** 3) 최근들어, 기계학습은최고레벨의정보처리기술로발전하였다. 이러한발전은다양한관점에서우리의향후라이프스타일에중대한영향을끼치게될것이다. 특히, 분류와의사결정을위한기계학습기술분야에서다양한종류의포트폴리오관리분야에등장하는추정및제어문제를데이터기반접근방식으로풀기위해많은연구가진행되고있다. 수학적분석보다적절한경험적데이터에기반을둔문제풀이방법들을시도하는최신의데이터기반기계학습방법론들은실용적인응용분야에서매우유용하다. 본연구에서우리는커널기법과함께주요포트폴리오관리문제를다룬다. 널리알려진바와같이커널기법은패턴분류, 함수근사, 그리고비정상상태탐지분야에서큰관심을끌고있으며, 특히가우시안프로세스는확률론적커널기법을위한도구로기계학습분야에서중요한역할을해왔다. 우리는금융포트폴리오관리를다루는상황에서위험성 (risk) 에대해갖는감도 (sensitivity) 의분류를수행하기위해최신가우시안프로세스논문들의결과를바탕으로스파스가우시안프로세스분류 (sparse Gaussian process classification) 기법의단순화된버전의사용을제안하고, 이를적절한포트폴리오관리문제에활용할수있도록매트랩기반포트폴리오관리의사결정보조패키지를작성하는문제에적용한다. 그림. 1 매트랩앱패키징과정 그림. 2 매트랩앱실행화면 Key Words : 머신러닝, 가우시안프로세스, 포트폴리오관리, 매트랩기반보조패키지 * 고려대학교, 과학기술대학제어계측공학과교수, parkj@korea.ac.kr ** 고려대학교, 과학기술대학제어계측공학과석사과정, hsm0099@korea.ac.kr *** 고려대학교, 과학기술대학제어계측공학과석사과정, kteaw0110@korea.ac.kr **** 고려대학교, 과학기술대학제어계측공학과석사과정, seanpark0107@korea.ac.kr ***** 고려대학교, 이과대학수학과박사과정, kkjin85@korea.ac.kr ****** 고려대학교, 경상대학경영학부교수, pkw@korea.ac.kr

13 빅데이터분석을위한아파치스파크성능비교분석 정영교 * 이병준 ** 김경태 *** 김상영 **** 윤희용 ***** 4) 빅데이터의데이터수집및분석기술에대한연구는컴퓨터과학분야에서각광받으며많은연구들이이루어지고있다. 또한소셜미디어로인한대량의비정형데이터분석을요구하는다양한분야에접목되어효용성을인정받고있다. 그러나스파크 (Spark) 는유즈케이스에따라성능이크게달라진다는문제점이있다. 이러한문제점을해결하기위해본논문에서는아파치스파크를이용한빅데이터분석을위한머신러닝알고리즘을이용한프로세싱모델의성능비교와스파크플랫폼에대한높은정밀도작업성능을예측할수있도록 CPU core 수의증가에따른 WordCount 시뮬레이션을비교평가하였다. Key Words : 빅데이터 (Big data), 스파크 (Spark), K-Means 본연구는 Institute for Information & communications Technology Promotion(IITP) grant funded by the Korea government(msip) (No.B ), Science and Technology (2014R1A1A ), the second Brain Korea 21 PLUS 및 Samsung Electronics 의일환으로수행되었음. * 성균관대학교, 정보통신대학전자전기컴퓨터공학과석사과정, 주저자, joung0491@skku.edu ** 성균관대학교, 정보통신대학전자전기컴퓨터공학과박사과정, 공동저자, byungjun@skku.edu *** 성균관대학교, 정보통신대학전자전기컴퓨터공학과박사, 공동저자, kyungtaekim76@gmail.com **** 성균관대학교, 정보통신대학전자전기컴퓨터공학과석사과정, 공동저자, impsoft@skku.edu ***** 성균관대학교, 소프트웨어대학컴퓨터공학과교수, 교신저자, youn7147@skku.edu

14 IoT 기반분산전문가시스템의설계 이정준 * 김경태 ** 이병준 *** 윤희용 **** 5) Internet of Thing 개념의확산으로인해 IoT 기기에적합한지능형서비스제공에대한연구수요가증가하고있다. 전문가시스템은최근 IoT 분야의적용을위해재조명받는지능형시스템의일종으로, 인간전문가가하는특정분야의지식을필요로하는작업을컴퓨터가대신하는컨셉을가진다. 기존의전문가시스템은모든정보를중앙집중형서버에전송후, 이를추론엔진을통해분석한후모든단말로중앙서버에서분석및추론한결론에의한서비스실행명령을전달하는방식으로이루어진다. 하지만 IoT 환경은각단말이일정수준의프로세싱능력을가지기때문에이러한중앙처리방식을이용할경우각단말노드의처리능력은사용하지못한채낭비될수있다. 본논문에서는이러한 IoT 환경의잠재력을극대화하고자경량화추론시스템기반의분산전문가시스템을제안한다. 제안하는시스템의분산추론은낮은레벨의추론데이터는 IoT 기기에서수행가능한제한된성능의추론엔진을기반으로서비스가실행되고, 보다높은복잡도의추론이필요할경우서버에존재하는고성능추론시스템에의한서비스를제공한다. Key Words : Expert System, Distributed expert system, Inference engine, Distributed Inference, IoT 본연구는 Institute for Information & communications Technology Promotion(IITP) grant funded by the Korea government(msip) (No.B ), Science and Technology (2014R1A1A ), the second Brain Korea 21 PLUS 및 Samsung Electronics 의일환으로수행되었음. * 성균관대학교, 정보통신대학전자전기컴퓨터공학과석사과정, 주저자, jungjune86@skku.edu ** 성균관대학교, 박사, 공동저자, kyungtaekim76@gmail.com *** 성균관대학교, 정보통신대학전자전기컴퓨터공학과박사과정, 공동저자, byungjun@skku.edu **** 성균관대학교, 소프트웨어대학컴퓨터공학과교수, 교신저자, youn7147@skku.edu

15 기존 OS 핑거프린팅기법의 IoT 환경에적용가능성에관한연구 장대일 * 이은별 ** 전지수 *** 김환국 **** 6) 가트너에서는 IoT 디바이스가 2020 년까지 250 억대로증가할것으로예상하고있고이때생성되는데이터량은 4조기가바이트에달할것으로예상하고있다. 많은 IoT 디바이스를각각효율적으로관리하기위해서디바이스를식별할수있는정보가필요하다. 현재라우터나게이트웨이같은장비는디바이스를식별할핑거프린트정보가있지만, IoT 환경에서사용되는 IoT 허브, 홈게이트웨이같은 IoT 디바이스경우에는아직핑거프린트를생성하기위한연구가없다. 따라서이러한 IoT 디바이스의효율적인관리를위해디바이스를식별하기위한핑거프린트정보를생성하기위한연구가필요하다. 본논문에서는 Shodan 을통해서어떤 IoT 디바이스가있는지확인한후, 기존핑거프린트생성방법중하나인 OS 핑거프린트의 IoT 환경에서적용가능성에대한실험을수행한다. Key Words : IoT디바이스, 핑거프린트, OS 핑거프린트, Shodan 목차 Ⅰ. 서 론 Ⅱ. OS 핑거프린팅 소개 Ⅲ. IoT 디바이스 식별 방법 Ⅳ. 향후연구및결론참고문헌 이논문은 2016 년도정부 ( 미래창조과학부 ) 의재원으로정보통신기술진흥센터의지원을받아수행된연구임 (No.B , IoT 보안취약점검색 공유및시험기술개발 ) * 한국인터넷진흥원, 보안기술 R&D 2 팀선임연구원, 주저자, dale@kisa.or.kr ** 한국인터넷진흥원, 보안기술 R&D 2 팀연구원, 2 저자, eunbyul91@kisa.or.kr *** 한국인터넷진흥원, 보안기술 R&D 2 팀주임연구원, 3 저자, jjs0771@kisa.or.kr **** 한국인터넷진흥원, 보안기술 R&D 2 팀팀장, 교신저자, rinyfeel@kisa.or.kr

16 Ⅰ. 서론 IoT 디바이스의연결허브는냉장고라고할정도로우리생활속에많은디바이스들이하나둘씩연결되며 IoT 생태계가확장되고있다. 현재에는스마트폰등의디바이스가있지만, 앞으로는커넥티드카, IoT 연결허브등의새로운디바이스들이생겨나면서하나로연결될것이다. 이는최근국내한기업에서사물인터넷을위한망구축완료를통해알수있으며, 2017년까지 400만개의 IoT 디바이스를연결할수있을거라고전망했다. 또가트너에서는 < 그림 1> 에서보는것과같이 2020년까지 IoT 디바이스의수가 250억대이상으로증가할거라고예상하고있다. < 그림 1. IoT 디바이스증가전망 > ( 단위 : 억대 ) < 출처 : 가트너 > IoT 디바이스에는스마트폰, 스마트워치, 구글글래스등뿐만이아니라최근에등장하고있는 IoT 게이트웨이, 홈게이트웨이, VoIP 게이트웨이, IoT 허브등의디바이스가포함된다. 다양한 IoT 환경에맞는디바이스가생겨나고있으며, 그수가빠르게증가됨으로써발생할수있는다양한상황들에대비하기위하여디바이스를효율적으로관리하기위한식별정보가필요하다. 본논문에서는 OS 핑거프린트 (JM Allen, 2007) 정보를통해서 IoT 디바이스를식별하려고한다. 현재라우터나게이트웨이, 스마트폰등의디바이스는이를식별할수있는핑거프린트정보가있지만, 이제하나둘씩생겨나고있는새로운 IoT 디바이스같은경우에는아직핑거프린트정보가없다. 따라서이러한디바이스를식별하기위해서는핑거프린트정보가필요하기때문에기존 OS 핑거프린팅기법을 IoT 환경에적용해보고자한다. 2장에서는핑거프린팅기술에대해설명하면서어떤정보를통해 IoT 디바이스를식별할것인지설명할것이다. 3장에서는 2장에서설명한핑거프린팅기술을통해서라즈베리파이에서사용하는 OS 인라즈비안에적용하여 IoT 디바이스의핑거프린트를생성하는방법을소개할것이다. 마지막으로 4장은결론으로제안방법을통해 IoT 디바이스를식별한후어떤연구를진행할것인지향후연구방향에대해논의할것이다.

17 Ⅱ. OS 핑거프린팅소개 본논문에서는현재사용되고있는 OS 핑거프린트에서사용하는정보를활용해 IoT 디바이스 의 핑거프린트를 생성해보고자 한다. 따라서 기존의 OS 핑거프린트를 생성기법에 대해 알아보고 자 한다. 1. OS 핑거프린팅 OS 핑거프린팅은 OS의기본설정에따라다른여러값들을이용해서식별대상인디바이스의 OS 를알아내는것으로, 호스트에다양한명령어를전송하고이를통해받은응답으로정보를알아내 OS 를추측할수있다. 이때, Tim e To Liv e( TTL), W indow Size, M ax Se gme nt Siz e( M SS), Packet Length 등을이용해 OS 디바이스를식별할수있고, 각각디바이스에따른핑거프린트정보를생성할수있다 (JM A l l en, 20 07). 이러한 OS 핑거프린팅은 A ct ive OS 핑거프린팅과 Pas sive OS 핑거프린팅으로나눠진다 (GetCertifiedGetAhead, 2016). 1 ) A c t i v e OS 핑거프린팅식별하기위한디바이스로네트워크패킷을전송한후, 돌아오는응답패킷을분석해 OS 정보를알아내는것으로속도가빠르다는장점이있지만, 디바이스에서핑거프린팅시도를알아챌수있다는단점이있다. 사용툴로는 x pr obe 2(xprobe2, 2016), Nmap(Nmap, 2016) 과 queso(wikipedia, 2016) 가있고, 주로 Nmap을사용해디바이스의 OS 를식별해낸다. 2 ) P a s s i v e OS 핑거프린팅네트워크트래픽을감시하고분석하는프로그램인 Sniffer를통해얻은정보를분석함으로써식별하려는디바이스의 OS 를결정할수있다. 또디바이스에트래픽을전송하지않기때문에시스템이인지하지못한다는장점이있지만, 속도가느리다는단점이있다. 주로사용되는툴로는 p0f(p0f3, 2016), NetworkMiner(Netresec, 2016), Ettercap(Ettercap, 2016) 가있다. 2. OS 핑거프린트생성값기본적으로사용되는정보는 IP 패킷속에담긴정보로패킷이몇개의라우터를거칠때까지살아있을지를의미하는값으로네트워크에서루핑현상을막기위해사용되는 Time To Live(TTL), TCP 패킷속에들어있는정보로윈도우의크기를의미하는 Window Size, OS 에서한번에전송할수있는세그먼트최대사이즈인 Max Segment Size(MSS), Packet Size라고도불리며, 기본패킷의길이를의미하는 Packet Length가있다. 추가로, TCP flag 값들이포함되어있으며, MSS 포함되고, SYN, SYN+ACK 패킷에포함되어있는 TCP Options이있고, IP 패킷에서식별값을의미하면서단편화된하나의패킷을표현할때주로사용되는 IP ID 가있다. 이외에도 'don't fragment' flag, 'sackok' flag, 'nop' flag 등이있다. 아래의 < 표1> 은위의식별정보를토대로현재많이사용되고있는디바이스의핑거프린트정보를나타낸것으로 OS 핑거프린팅으로검색해찾은인터넷사이트에서얻은정보를하나로모아놓은표이다 (Netresec, 2016; jinb-park blog, 2016).

18 < 표 1. 현재사용되고있는 OS 의핑거프린트식별정보 > OS TTL W i n d ow Si z e M SS Ti m e s t a m p s s a c k OK d on t f r a g m e n t n op IP ID 패킷길이 Linux 2.4/ (1) 60 Linux Kernel OpenBSD (5) 랜덤 64 Solaris AIX Windows (2) Windows XP Windows 7, Vista Windows Windows server 2008, Server MAC OS (1) 60 FreeBSD Novell 1368 Android Chrome OS Cisco Router IOS Ⅲ. IoT 디바이스식별방법 2장에서소개했던식별정보를토대로 IoT 환경에서사용되는디바이스중하나를선택한후, 그디바이스의핑거프린트를생성할것이다. 먼저 Shodan으로검색하면현재존재하는 VoIP 게이트워이, IoT 게이트워이, 홈게이트웨이, Webcam 등다양한 IoT 디바이스들을확인해볼수있다. 이러한디바이스들의핑거프린트를생성하기위해서내부환경에테스트베드를셋팅해놓은후, 단계별로진행할것이다. 1. Sh od a n 으로디바이스검색먼저 Shodan(Shodan, 2016; 고윤성외, 2015) 은라우터, 스위치, Webcam, Cam, 웹서버, SCADA 등의정보수집이가능한검색엔진으로 IoT 환경에서사용되는디바이스의정보를수집할수있다. Shodan은주로모의해킹, 해킹등에서노출된정보가없는지, 보안상의위험성이없는지를판단하는도구로활용되지만, 본논문에서는현재 IoT 환경에서사용되는디바이스들이어떠한디바이스인지를파악하기위해서디바이스를검색하는용도로사용했다. 라즈베리파이, IoT 게이트웨이, 홈게이트웨이, VoIP 게이트웨이등을검색했으며, Shodan을통해나온검색결과는보안이취약한디바이스의 IP 주소, 디바이스정보, 연결되어있는포트정보등이나온다. 이러한검색결과를토대로이번연구에서핑거프린트를생성할 IoT 디바이스를선정했다.

19 2. 핑거프린트생성과정 우리나라에서는 Xprove2 나 Nmap 과같은스캔툴을외부에서사용해스캔하는것이불법이다. 따라서테스트를진행하기위해서내부환경에테스트베드를구축한후, 연구를진행했다. < 그림 2. 디바이스의핑거프린트생성방법 > 먼저가상공간에 linux를설치해내부환경에테스트베드를구축한다. 그후의순서는 < 그림 2> 와같다. Nmap을사용해핑거프린트생성을원하는 IoT 디바이스를스캔하고, 스캔후얻은패킷정보에서디바이스식별이가능한정보를모으면 IoT 디바이스의핑거프린트가생성된다. 이순서를바탕으로 IoT 환경에서사용되는디바이스의핑거프린트를생성하려고한다. 1 ) N m a p 을사용한디바이스스캔가상공간에서 Nmap 툴을사용해서 MAC 디바이스스캔을통해 OS 를식별해보려고한다. 이디바이스의 OS 가 MAC이라는것을인지한후, 연구를진행하기때문에패킷분석을통해 < 표 1> 에서처럼 MAC OS 에해당하는값들이나오는지확인하면된다. Nmap에서명령어를입력하면 < 그림 3> 의정보를얻을수있다. < 그림 3> 은툴을사용해디바이스의 OS 를식별한결과를나타낸것이고, 좀더자세히살펴보기위해서 SYN 과 SYN/ACK 패킷을확인해보았다. < 그림 3. Nmap 으로 IP 스캔 >

20 < 그림 4. SYN/ACK 패킷분석 > < 그림 4> 는 SYN/ACK 패킷정보의일부를캡처한것이다. < 그림 4> 를분석하면다음과같은정보를얻을수있다. Window size는 65535이고, Options에는 MSS, NOP, Timestamp 값이포함되어있다. 이때, MSS 값은 1360이다. 그리고헤더길이는 40바이트이고, Options이 20바이트이기때문에총패킷길이는 60바이트이다. < 표 1> 의 MAS OS 에해당하는값은 Window size는 65535, Options에는 MSS, Timestamp, NOP 값이포함되어있고, 패킷길이는 60바이트이기때문에위에서얻은값과비교한결과이디바이스의 OS 는 MAC이라는것을알수있다. 이와비슷한방법으로이번에는 IoT 환경에서사용되는디바이스의 OS 를식별해보려고한다. 현재존재하는핑거프린트값과비교해 IoT 디바이스의 OS 는어떤 OS 를사용하는지식별해낼수있으며, 이를식별해내기위한핑거프린트를생성할것이다. 2 ) IoT 디바이스의핑거프린트이번에는 IoT 환경에서사용하는디바이스의핑거프린트정보를알아보기위해서 IoT 디바이스중리눅스데비안을기반으로하는라즈비안을 OS 로사용하는라즈베리파이의핑거프린트를생성해보려고한다. 디바이스핑거프린트를생성할때사용하는값은위에서확인한데로 Window size 값과 Options에해당하는값들을통해서생성해보려고한다. < 그림 5. Nmap 으로라즈베리파이 IP 스캔 >

21 먼저라즈베리파이의 IP 를툴을사용해스캔하면 < 그림 5> 와같은정보를확인할수있다. 아래의 < 그림 5> 를보면, 라즈베리파이의 OS 를확인할수있는데, 리눅스기반의 OS 라고추측해냈다. 위에서말했듯이라즈베리파이의 OS 는리눅스데비안을기반이기때문에리눅스라고식별한것이맞다는것을확인할수있다. 한번만확인하면정확하지않기때문에같은종류의다른디바이스들도툴은사용해서같은방법으로 OS 를식별해보았다. 모두같은 OS 로식별되었고, 이번에는패킷을분석해보려고한다. < 그림 6. 라즈베리파이의 SYN/ACK 패킷분석 > 패킷분석을통해서위의 < 그림 6> 을확인할수있었다. Window size 값은 28960이고, Options 에는 MSS, Timestamp, NOP 값이포함되어있으며, 패킷길이는 60바이트이다. 위에서확인한것과같이다른디바이스들의패킷도분석해보았다. 그결과패킷에서얻은정보는이전에얻은정보와같다는것을알수있었다. 따라서라즈베리파이의핑거프린트정보는다음과같다. < 표 2. 라즈베리파이의핑거프린트정보 > OS TTL W i n d ow Si z e M SS Ti m e s t a m p s s a c k OK d on t f r a g m e n t n op IP ID 패킷길이 라즈비안 이와같은방법으로 IoT 환경에서사용되는디바이스들의핑거프린트를생성한다면, 디바이스의 OS 를쉽게식별할수있을것이다. Ⅳ. 결론및향후연구 최근 IoT 디바이스들이증가하고있고, 보안에취약한디바이스또는효율적으로디바이스를관리하기위해서는디바이스를식별하는방법, 즉식별이가능한핑거프린트가생성되어야한다. 기존에 ICT환경의디바이스들은핑거프린트가이미존재하고있고, 다양한툴과핑거프린팅방법을통해서디바이스가식별되고있다. 하지만앞으로생기고있고, 생겨날다양한 IoT 환경에서

22 사용되는 디바이스의 식별정보는 아직 공개되지 않았거나, 생성되지 않았기 때문에 디바이스 관리 측면에서 이를 해결하기위한 IoT 환경의 디바이스에 대한 핑거프린팅 생성 방법에 대한 연구가 필 요하다. 이에 본 논문에서는 ICT 디바이스 대상의 OS핑거프린팅 기법을 IoT 환경에서 적용할 수 있음 을 보였다. 라즈베리파이에서 사용하는 라즈비안에 스캐닝을 수행하고 트래픽을 분석하여 OS 핑 거프린팅을 생성하였다. 이는 기존 OS 핑거프린팅 뿐만아니라 서비스 및 디바이스 핑거프린팅 기 술도 IoT 환경에 맞게 구성가능 할 것으로 볼 수 있다. 앞으로 IoT 디바이스는 더욱 더 많아질 것이고, 그에 따른 관리 기술의 마련이 필요하게 될 것 이다. 향 후 더욱 다양한 IoT 환경에서 사용되는 디바이스의 핑거프린트 생성을 통해 디바이스를 식별하고 관리할 수 있는 방법에 대한 지속적인 연구가 필요할 것이다.

23 참고문헌 Allen, Jon M., "OS and Application Fingerprinting Techniques," SANS Institute InfoSec Reading Room, Ettercap, Ettercap, ( ) GetCertifiedGetAhead, Active fingerprinting, ( ) jinb-park blog, OS 핑거프린팅, ( ) Ko, Yun-Seong, Il-Kyeun Ra, and Chang-Soo Kim., "A Study on IP Exposure Notification System for IoT Devices Using IP Search Engine Shodan," International Journal of Multimedia and Ubiquitous Engineering 10.12, 2015, pp Netresec, NetworkMiner, ( ) Netresec, OS fingerprinting, Passive-OS-Fingerprinting, ( ) Nmap, nmap, ( ) p0f3, p0f, ( ) Shodan, Shodan, ( ) Wikipedia, queso, ( ) xprobe2, xprobe2, ( )

24 웰니스서비스제공을위한 IoT 기반실내환경모니터링및제어시스템구현 김규백 * 윤종필 ** 7) The purpose of this study is to introduce how to implement a new indoor environment monitoring and controlling system. In developing the system, we have focused on providing useful information for various wellness services in open and cost-effective way. For this, the system adopts IoT infrastructure and connects to existing services. It helps the system achieve much competitiveness compared to other commercial products. Especially, configuring the system easily can be done. That is our main contribution on the literature. The system shows stability and represents good functionalities to be used for possible services. Key Words : Wellness, Indoor Air Quality(iAQ), IoT(Internet of Things) 이논문은 2015 년도정부 ( 산업통상자원부 ) 의재원으로미래산업선도기술개발사업의지원을받아수행된연구임 (No ) * SK 텔레콤, 종합기술원 IoT Tech. Lab 매니저, 주저자, gyubaek.kim@sk.com ** SK 텔레콤, 종합기술원 IoT Tech. Lab 팀장, jpyoun@sk.com

25 ZigBee network connectivity 개선기법연구 정성민 * 김경태 ** 이정준 *** 윤희용 **** 8) ZigBee 네트워크는 IEEE 표준으로써저비용, 저전력소모를위한무선센서네트워크로고안되었다. ZigBee 네트워크의 tree topology 는센서디바이스가네트워크에가입할때하드웨어적필요요소가간단하고낮은 threshold 를가지는장점이있지만, 네트워크의제한적인구성변수들로인해센서디바이스는 isolated 노드가될수있는문제점이있다. 따라서 isolated 노드를줄이기위하여본연구는네트워크 connectivity 를향상시키는기법을제안한다. 제안하는기법은네트워크의일부센서디바이스들을더가입할수있도록효율적으로재구성함으로써 connectivity 를향상시킨다. Key Words : ZigBee, Wireless sensor network, Isolated node, Connectivity, Tree topology 본연구는 Institute for Information & communications Technology Promotion(IITP) grant funded by the Korea government(msip) (No.B ), Science and Technology (2014R1A1A ), the second Brain Korea 21 PLUS 및 Samsung Electronics 의일환으로수행되었음. * 성균관대학교, 정보통신대학전자전기컴퓨터공학과석사과정, 주저자, gearfried@skku.edu ** 성균관대학교, 정보통신대학전자전기컴퓨터공학과박사, 공동저자, kyungtaekim76@gmail.com *** 성균관대학교, 정보통신대학전자전기컴퓨터공학과석사과정, 공동저자, jungjune86@skku.edu **** 성균관대학교, 소프트웨어대학컴퓨터공학과교수, 교신저자, youn7147@skku.edu

26 OMNeT++ 를통해구현한데이터센터를위한 Full mesh 및 Fat-tree 아키텍처의비교분석 정동영 * 김경태 ** 이병준 *** 김상영 **** 윤희용 ***** 9) 데이터센터는 IT 인프라를전용환경에구축하여 24시간 365 일운영및관리를통해서비스를지원하는설비이다. 지난수십년간, 클라우드컴퓨팅의대두에따라데이터센터의역할또한더욱중요해지고있다. 데이터센터의규모가커짐에따라사용되는아키텍처역시변화해왔으며이에따라네트워크시뮬레이션툴인 OMNeT++ 를통해데이터센터에서활용되는 Full mesh 아키텍처와 Fat-tree 아키텍처를모델링하고비교해보았다. Key Words : Cloud computing, Data center architecture, OMNeT++, Full mesh, Fat-tree. 본연구는 Institute for Information & communications Technology Promotion(IITP) grant funded by the Korea government(msip) (No.B ), Science and Technology (2014R1A1A ), the second Brain Korea 21 PLUS 및 Samsung Electronics 의일환으로수행되었음. * 성균관대학교, 정보통신대학전자전기컴퓨터공학과석사과정, 주저자, jungdy@skku.edu ** 성균관대학교, 정보통신대학전자전기컴퓨터공학과박사, 공동저자, kyungtaekim76@gmail.com *** 성균관대학교, 정보통신대학전자전기컴퓨터공학과박사과정, 공동저자, byungjun@skku.edu **** 성균관대학교, 정보통신대학전자전기컴퓨터공학과석사과정, 공동저자, impsoft@skku.edu ***** 성균관대학교, 소프트웨어대학컴퓨터공학과교수, 교신저자, youn7147@skku.edu

27 딥러닝을이용한컴퓨터시스템장애예측 김윤상 * 박충식 ** 10) 본연구에서는컴퓨팅서비스를제공하는서버들 ( 컴퓨터, 네트워크장비, 보안장비, 서버프로그램, 등 ) 의모니터링데이터를딥러닝학습기술을이용하여서버들의성능측정치를예측하고예측치의이상을탐지할수방안을모색하였다. 많은양의실시간자료를학습하고예측을실행하기위하여상호연동하는 2개의딥러닝네트워크, 그리고이상탐지를위하여 1개의딥러닝네트워크를구성하였다. 또한이상탐지의종류를파악하기위하여서버들의성능측정치뿐만아니라각종에러메시지들의개수와종류를같이학습하는방안을제시하였다. Key Words : 빅데이터 (Big data), 장애예측 (Failure prediction), 신경망 (Neural Network), 딥러닝 (deep learning), H2O * ( 주 ) 모아데이타, 서비스개발실실장, 주저자, yskim@moadata.co.kr ** U1 대학교 ( 아산캠퍼스 ), 스마트 IT 학과 : 인공지능전공셀교수, 교신저자, leciel@u1.ac.kr

28 루만사회체계이론관점에서의스마트팩토리 장현성 * 박충식 ** 11) 최근제조업을중심으로스마트팩토리에대한관심이높아지고있는가운데미국, 중국, 독일, 일본그리고우리나라에서도제조업을대상으로스마트팩토리구축에대한정부의지원과함께관련업계의구축노력이시도되고있다. 그러나제조업이워낙분야가넓고해당제조업의특성이나구축범위, 구축수준, 기대효과에따라스마트팩토리구축내용이달라질수밖에없어막상스마트팩토리를도입하는업체나이를지원하는기관, 관련업계도이런문제를고민해야만한다. 본논문에서는스마트팩토리구축과관련된이해당사자들이보다쉽게이런고민을보다해결할수있도록스마트팩토리의기능및구조적관점에서의스마트팩토리체계를분석하고자한다. 루만의사회체계이론을바탕으로분석한스마트팩토리의기능및구조적관점의고찰은현재시점에서구현되어있는스마트팩토리에대한이해를기반으로다양한업의특성에따라실현가능한수준과제한요인의인식은물론, 효율적인스마트팩토리구축방향을가늠할수있는가능성을제시한다고생각한다. 추가적으로현재스마트팩토리의제한적인요소를루만의체계이론과인공지능을활용하여기능적, 구조적발전방향을제시하고보다생태적이고자기생산체계적인스마트팩토리의구축필요성을논의하고자한다. Key Words : 스마트팩토리, 인더스트리4.0, 사회체계이론, 자기생산체계, * U1 대학교, 공과대학반도체디스플레이학과조교수, 주저자, hsjang@u1.ac.kr ** U1 대학교, 공과대학스마트 IT 학과교수, 교신저자, leciel@u1.ac.kr

29 OMNeT++ 기반 Microserver Architecture 성능평가 김상영 * 김경태 ** 송준석 *** 길이만 **** 윤희용 ***** 12) ICT 융합기술의발전과대용량멀티미디어콘텐츠사용이증가함에따라고성능, 저전력서버들의운영을통해비용을최소화하고유지보수방법을최적화할수있는마이크로서버수요가늘어나고있다. 하지만고성능서버제품군과달리마이크로서버는제품에최적화된벤치마크시뮬레이션도구가미비하고이에대한환경정보도부족한실정이다. 따라서본논문에서는 OMNeT++ 를이용하여마이크로서버 Architecture 를모델링하고환경을구축, latency, End-to-End delay 등의서버벤치마크기준지표를성능평가하였다. Key Words : 마이크로서버, 데이터센터, OMNeT++, Benchmark 본연구는 Institute for Information & communications Technology Promotion(IITP) grant funded by the Korea government(msip) (No.B ), Science and Technology (2014R1A1A ), the second Brain Korea 21 PLUS 및 Samsung Electronics 의일환으로수행되었음. * 성균관대학교, 정보통신대학전자전기컴퓨터공학과석사과정, 주저자, impsoft@skku.edu ** 성균관대학교, 정보통신대학전자전기컴퓨터공학과박사, 공동저자, kyungtaekim76@gmail.com *** 성균관대학교, 정보통신대학전자전기컴퓨터공학과석사과정, 공동저자, alskpo@skku.edu **** 성균관대학교, 소프트웨어대학교수, 공동저자, rmkil@skku.edu ***** 성균관대학교, 소프트웨어대학컴퓨터공학과교수, 교신저자, youn7147@skku.edu

30 스마트기기와립모션을활용한휴대용수화통역기연구 조재혁 * 김유리 ** 김혜지 *** 이석기 **** 노광현 ***** 13) This paper proposes a potable sign language translator with a smart device and a leap motion for hearing-impaired person. Even if a the detection range of a leap motion is not enough for detecting entire sign language, it is a good device for extracting the skeleton data of hands. For the recognition of finger language and sign language, DWT and $1 algorithm are being used. 31 finger languages and 47 sign languages have been tested. The average recognition ratio was 85.64% and the average recognition time was 0.542sec. Also, for the preparation of commercialization, the portable sign language translator integrated with a 8 tablet and a leap motion was implemented. Key Words : Sign Language Translator, Leap Motion, Smart Device, $1 algorithm * 한성대학교, 공과대학산업경영공학과학부생, 주저자, jaehyuk1117@hotmail.com ** 한성대학교, 공과대학산업경영공학과학부생, 공동저자, dbflek620@naver.com *** 한성대학교, 공과대학산업경영공학과학부생, 공동저자, hj12190@hanmail.net **** 한성대학교, 공과대학컴퓨터공학부조교수, 공동저자, smchoi@hansung.ac.kr ***** 한성대학교, 공과대학 IT 응용시스템공학과부교수, 교신저자, khrho@hansung.ac.kr

31 VR/AR 을활용한증강제조서비스지원 이재열 * 14) 본연구는가상. 증강현실을활용하여 IoT 제조융합테스트베드환경에서효과적인증강제조서비스지원을위한방법을제안한다. 제시된방법은 VR과 AR을함께접목시켜사용자상황에따라 VR과 AR을스위칭시킬수있다. 또한, 몰입형 VR과모바일 AR을통해서제조테스트베드의설비에대한현황및상태를인지할수있고가시화및상호작용을실시할수있다. 본연구는현재개발중인증강제조서비스의개요, 목표및방법론을함께제시하고자한다. 또한, Oculus Rift DK2, GearVR, Tangible AR 등을접목시킨시스템구현결과를통해서본연구의가능성을살펴보고관련연구이슈를고찰하고자한다. Key Words : Augmented Reality, Live Manual, Manufacturing Service, Virtual Reality * 전남대학교, 공과대학산업공학과교수, 교신저자, jaeyeol@jnu.ac.kr

32 가상현실을활용한웨어러블기기의구매촉진을위한사용자수용저항태도 : 가상현실헤드기어제품을중심으로 손봉진 * 박다슬 ** 최재원 *** 15) 스마트폰을넘어차세대 IT 비즈니스의주목할만한후보군으로가상현실 (VR: Virtual Reality) 이이슈가되고있다. 가상현실은컴퓨터와 VR헤드셋을통해구현한입체적인가상공간을제공함으로써사용자의시각을완전히장악하고, 청각, 촉각등오감과의상호작용및음성, 동작인식등을통해가상공간을마치현실처럼느끼게한다는점에서향후주목할만한산업분야로떠오르고있다. 많은글로벌대기업들이가상현실과관련한사업에투자를하고있으나소비자의관점에서가상현실관련제품군은아직쉽게접하거나구매하기어려운제품군으로인식된다. 그렇기때문에소비자의태도변화가큰변화가발생되고있지않으며 Acception & Diffusion 모델의초기단계에지나지않아구매로연결되지않는실정이다. 본연구는기존선행연구의관점을바탕으로가상현실헤드기어제품들의판매촉진을위한사용자관점에서의사용자저항 (User Resistance) 을매개변수로저항을감소시키고사용및구매의도에영향을주는선행요인들을도출하고자하였다. 또한사용자가가지고있는태도에대한자신감에영향을주어행동의도까지변화시키는현상에대한분석을하고자하였다. Key Words : 가상현실, 가상현실기기, 사용자혁신저항, 태도자신감, 사용의도 * 순천향대학교, 글로벌경영대학관광경영학과학사과정, 주저자, thshqd@naver.com ** 순천향대학교, 인문과학대학국제문화학과학사과정, 제 2 저자, zlxl109@naver.com *** 순천향대학교, 글로벌경영대학경영학과조교수, 교신저자, jaewonchoi@sch.ac.kr

33 위치기반서비스에대한한국과중국의사용자의인지된프라이버시이익과위험에대한비교 장택붕 * 임현아 ** 최재원 *** 16) 최근 4G 데이터네트워크의빠른발전을바탕으로스마트폰시장의콘텐츠시장이매우빠르게성장하고있다. 특히스마트폰에서응용되는어플리케이션 (App) 과위치기반서비스 (LBS: Location-based Service) 를활용한 App 이출시되고있으며이를활용한사용자층이점차증가하고있다. 현재까지소비자들은위치기반서비스를활용한맛집, 제품검색, 장소정보등편리성을제공하는콘텐츠를사용하고있으며이와관련된서비스와어플리케이션의수는점차증가하고있는실정이다. 그럼에도불구하고최근부각되고있는위치기반서비스의직면한문제는개인의프라이버시노출에따른정보보안과정보운용에따른사용자의인지된위험도가증가하고있다는점을들수있다. 특히위치정보노출로인한보안적위협의정도가증가할수록해당서비스에대한활용빈도및신뢰도하락에의한서비스의부정적단점이노출되고있다. 특히해당서비스를이용하는사용자의위치정보를노출시켜서비스정보를제공하고있는현재의서비스콘텐츠특성상사용자의프라이버시보호및프라이버시태도의긍정적구축은서비스활성화및지속성에있어중대한문제이다. 본연구는위치기반서비스의종류, 소비자의개인적활용능력및스마트폰어플리케이션에대한사용자의사용행태와관련하여사회적상호작용성의관점을통해프라이버시계산이론의관점에서접근하고자한다. 특히기존프라이버시에대한염려와반대로프라이버시이익과위험의다차원적접근을바탕으로사용자의지속적사용을증가시키기위하여위치기반서비스가다루어야할선행요인들을개발하고결정변수와의영향력을확인하고자하였다. 특히본연구는프라이버시와관련하여한국과중국사용자의문화적특성차이를확인하기위하여맛집서비스를제공하는스마트폰어플리케이션을대상으로연구를수행하였다. 그에따라한국및중국소비자들의프라이버시염려가위치정보를기반으로제공되는맛집콘텐츠에대한선행요인들의유사점과국가별고려할요인의차이를도출하고자하였다. Key Words : 위치기반서비스, 스마트폰앱, 프라이버시이익, 프라이버시위험, 개인정보 * 순천향대학교, 글로벌경영대학경영학과석사과정, 주저자, taypun@naver.com ** 순천향대학교, 인문과학대학국제문화학과석사과정, 제 2 저자, limha3097@naver.com *** 순천향대학교, 글로벌경영대학경영학과조교수, 교신저자, jaewonchoi@sch.ac.kr

34 데이터마이닝을활용한사랑의형태에따른연인관계몰입수준및관계지속여부예측 박윤주 17) 연인과의성공적인관계형성은인생의만족감을결정짓는핵심적인요소중하나이다. 기존에심리학분야에서는성공적인연인관계에영향을미치는요인들에대한다양한연구가수행되어왔으나, 주로통계적인분석기법에기반하고있기때문에복잡한비선형의관계를분석하고, 특징을추출하는데에는한계가있었다. 이에, 본연구는, 기존의통계적인분석기법과더불어, 데이터마이닝의의사결정나무분석기법을활용하여사랑의형태에따른연인관계의몰입 (commitment) 수준과관계지속여부를분석하였다. 특히, 기존연구에서도출된주요변인들이외에사랑의여섯가지형태인에로스 (eros), 루두스 (ludus), 스트로게 (storge), 매니아 (mania), 그리고아가페 (agape) 를추가적으로고려하여, 이들이연인관계에서서로에대한몰입수준및연인관계지속여부에어떠한영향을미치는지분석하고, 예측하는모형을수립하였다. 본연구에는실제남녀커플 105 쌍, 총 210 명에대한데이터가활용되었다. 본연구결과연인관계몰입수준및관계지속여부의영향요인으로, 기존에심리학분야에서제시된변수들이외에, 에로스 (eros), 아가페 (agape), 프래그마 (pragma) 등이유의한영향을미친다는것을확인되었으며, 남성은아가페적사랑의형태가몰입에중요한영향을미치는반면, 여성은에로스적사랑의형태가더욱중요한영향을미치는것으로나타났다. 이러한연구는데이터마이닝의적용분야를심리학영역으로확장한융합연구로, 연인관계에대한새로운분석을시도하였다는점에서의의가있으며, 조화로운연인관계를형성하는데실질적인시사점을제공할수있을것으로기대된다. 키워드 : 사랑의형태, 연인관계몰입, 이별예측, 의사결정나무, 회귀분석 * 서울과학기술대학교경영학과, 서울특별시노원구공릉 2 동 232, Tel: , yjpark@seoultech.ac.kr

35 온라인뉴스콘텐츠의자발적독자구독료에영향을미치는체계적속성간중요도비교 이형주 * 양성병 ** 18) 최근영화, 음악, 웹툰, 교육등다양한형태의온라인콘텐츠가유료화정책을기반으로활발히소비되고있지만, 온라인뉴스콘텐츠의경우 뉴스는공짜 라는사용자의인식으로인해여전히유료화에어려움을겪고있다. 이러한문제를해결하기위한대안으로광고, 제휴등의여러방안이제시되고있긴하지만근본적인대책이되지못하고있는실정이다. 이러한상황에서최근에는일부온라인뉴스매체를중심으로독자들이자발적으로마음에드는뉴스콘텐츠에대해구독료를지불하게하는 Pay What You Want(PWYW) 지불모델에대한적용이시도되고있다. 이에본연구는 PWYW 모델의성공적인정착을위한선결요인으로자발적독자구독료에주목하고, 온라인뉴스콘텐츠의내용적 ( 체계적 ) 특성간자발적독자구독료에영향을미치는정도를비교분석해보고자한다. 좀더구체적으로, 본연구에서는선행연구분석을통해가독성, 기사유형, 완결성, 지배적정서, 자극성, 기사- 이미지유사성, 기사제목유형등총일곱가지의온라인뉴스콘텐츠에대한내용적속성을도출한후, 컨조인트분석을통해속성간상대적중요도를비교검증한다. PWYW 모델이적용된온라인뉴스콘텐츠 379 개에대한컨조인트분석결과, 자발적독자구독료에영향을주는속성은가독성, 지배적정서, 기사- 이미지유사성등의순으로분석된반면, 자극성및기사제목유형은상대적으로가장낮은기여도를보이는것으로조사되었다. 본연구는온라인뉴스콘텐츠를활용한성공적인비즈니스모델대안으로시도되고있는 PWYW 모델및독자의자발적지불행위관련연구의확장을위한초석을마련하였다는점에서학술적의의가있으며, 온라인뉴스콘텐츠생산자로하여금콘텐츠의어떠한내용적속성에좀더초점을맞춰생산해야하는지에대한해답을제시하였다는점에서실무적인의의를찾을수있다. Key Words : 온라인뉴스콘텐츠, 자발적독자구독료, 휴리스틱-체계적모형, 내용적속성, 컨조인트분석 * 아주대학교, 일반대학원경영정보학과박사과정, 주저자, lhj35741@ajou.ac.kr ** 경희대학교, 경영대학경영학과조교수, 교신저자, sbyang@khu.ac.kr

36 소프트웨어산업에서시장수요중심의직무분류체계제안 김수경 * 임혜경 ** 이재익 19) *** 소프트웨어산업은지속적으로성장중이며미래에도중요한산업이다. 하지만소프트웨어기업은구인란인반면소프트웨어구직자는취업난에처해있다. 소프트웨어개발전문가구인인원중 1/3 이충원의어려움을호소하고있다. 여러원인이있으나원인중하나는구인구직자간미스매치가크다. 이를해결하기위해정부는 NCS 를도입하였으나일부공기업을제외한일반기업에서는거의사용하지않는상황이다. 더불어주요구인구직사이트인워크넷, 사람인, 잡코리아의직무분류체계가상이하고 NCS 와도다르다. 따라서소프트웨어산업에서소프트웨어기업, 소프트웨어구직자, 구인구직사이트와같은시장참여자가모두납득할수있는새로운직무분류체계가필요하다. 본연구에서는 NCS 와주요구인구직사이트를분석하여소프트웨어기업, 소프트웨어구직자, 주요구인구직사이트를위한시장수요중심의표준직무분류체계를제안하고자한다. NCS 와주요구인구직사이트의소프트웨어관련직무분류체계중소프트웨어산업과관련한직무에한정하여분석했다. 우선데이터수집단계에서첫번째주요구인구직사이트를선정하고, 두번째각구인구직사이트에게시된구인정보를수입하고, 세번째두개이상의구인구직사이트에동시에게시된구인정보를필터링했다. 데이터분석단계에서첫번째동시에게시된구인정보가속한직종을연결함으로써각구인구직사이트의직종간연관분석을실시하고, 두번째직종간연관분석으로도출한연관규칙을이용해각구인구직사이트의직무분류체계를맵핑하고, 세번째 NCS 기반구인정보를이용해구인구직사이트의직무분류체계를 NCS 직무분류체계와맵핑했다. 마지막으로맵핑결과를활용하여시장수요중심의표준직무분류체계제안했다. 본연구는일부전문가의직관이아닌직종간연관분석을통해데이터기반직종맵핑테이블제안하고시장중심의새로운직무분류체계제안했으며, 이를통해직무분류체계분야에서도일부전문가의직관이아닌과학적인데이터분석을통해향후표준직무분류체계제안이가능했다. Key Words : 연관분석, NCS, 직무, 직종, 소프트웨어산업 이논문은 2014 년도정부 ( 미래창조과학부 ) 의재원으로한국연구재단의지원을받아수행된연구임 ( 융합 NRF- 2014R1A2A2A ). * 단국대학교, 국제학부국제경영학전공부교수, 주저자, sookim@dankook.ac.kr ** 단국대학교, 회계학과박사과정, soave1014@naver.com *** 단국대학교, 국제학부국제경영학전공학사과정, jildku@gmail.com

37 동영상에서의세그멘테이션영역추적 이영원 * 장세인 ** 박충식 *** 20) 본연구에서는사물인식을위한전반작업으로써동영상에서의세그멘테이션 (segmentation) 영역추적방안을연구하였다. 대개사물인식을위하여동영상을각각나누어이미지를분석한다. 각해당하는이미지를그안에가지고있는색상, 명암, 윤곽선정보들을이용하여세그멘테이션하게된다. 각이미지는여러영역으로나뉜세그멘테이션을가지게되고각세그멘테이션은사물인식의기반이된다. 이사물인식의기반을마련하기위해동영상을이용하여세그멘테이션영역의추적과추적된객체의동일성을판단하는것을제안한다. 또한추적되는객체의병합및분리에대한이슈를처리하여복잡한환경에서도사물인식이가능하도록한다. 또한이러한처리를거쳐서인공지능시스템에서사용될수있도록해당영역의이동경로및변화과정의정보를리스트의형태로남겨인공지능시스템을위한기반을마련하고자하였다. Key Words : 동영상, 세그멘테이션, 추적, 패턴인식, 인공지능 * U1 대학교 ( 아산캠퍼스 ), 스마트 IT 학과학부생, 주저자, 교신저자, dlftod5412@naver.com ** 연세대학교, 전기전자공학과박사과정, sijang@yonsei.ac.kr *** U1 대학교 ( 아산캠퍼스 ), 스마트 IT 학과교수 ( 인공지능 ), lecial@yd.ac.kr

38 시멘틱웹의추론엔진에대한연구 송병후 * 김경태 ** 이병준 *** 이정준 **** 윤희용 ***** 21) 본연구에서는시멘틱웹의추론엔진의대한연구와비교를한다. 시멘틱웹은문서의의미를온톨로지의메타데이터로검색하고이를바탕으로검색을수행하게된다. 이와같은온톨로지기반의시스템은논리를바탕으로추론을적용하여데이터에대한이해와사용을한다. 이러한추론엔진에적용사례는다양하며전문가시스템, 사물인터넷, 상황인식등여러환경에적용된다. 추론엔진의연구와비교를통하여추론기술에대한연구와조사를서술한다. Key Words : 추론엔진, 시멘틱웹, 온톨로지, 메타데이터, 추론 본연구는 Institute for Information & communications Technology Promotion(IITP) grant funded by the Korea government(msip) (No.B ), Science and Technology (2014R1A1A ), the second Brain Korea 21 PLUS 및 Samsung Electronics 의일환으로수행되었음. * 성균관대학교, 정보통신대학전자전기컴퓨터공학과석사과정, 주저자, by911129@skku.edu ** 성균관대학교, 정보통신대학전자전기컴퓨터공학과박사, 공동저자, kyungtaekim76@gmail.com *** 성균관대학교, 정보통신대학전자전기컴퓨터공학과박사과정, 공동저자, byungjun@skku.edu **** 성균관대학교, 정보통신대학전자전기컴퓨터공학과석사과정, 공동저자, jungjune86@skku.edu ***** 성균관대학교, 소프트웨어대학컴퓨터공학과교수, 교신저자, youn7147@skku.edu

39 소프트웨어유사성탐지를위한속성요약과분석기법 고남현 * 22) 본논문에서는소프트웨어의표절을탐지하기위해사용가능한방법과알고리즘을소개하고기존분석기법과상호보완적으로운용할수있는소프트웨어및소스코드유사성비교방법을제안한다. 제안기법은소프트웨어내부의속성유형에따라속성을분해하는과정, 분해된속성을서술하여나열하는과정, 나열된속성정보를요약한정보를바탕으로각소프트웨어의유사한정도를파악하는방법이다. 본연구는컴퓨터프로그램의유사성파악뿐만아니라악성코드분석과소프트웨어저작권보호에이바지한다. Key Words : 정보보안, 소프트웨어, 저작권, 유사성, 소스코드 * 한국방송통신대학교, 컴퓨터과학과학사과정, 주저자, gnh1201@gmail.com

40 SPARQL 을이용한질의처리최적화 송병후 * 김경태 ** 이병준 *** 정영교 **** 윤희용 ***** 23) 본연구에서는유동성과데이터규모가큰 RDF 데이터의질의처리최적화를제안한다. 시멘틱웹에서 RDF(Resource Description Framework) 는중요한역할을한다. RDF 는웹에있는 Resource 에대한정보를표현하기위한언어로시멘틱웹 Resource 에대한 Metadata 를표현한다. 이러한 RDF 데이터의양이많아짐에따라 RDF 의그래프모델를통한질의처리는성능이떨어진다. 이러한그래프모델을 SPARQL 을이용하여질의처리에최적화하려한다. Key Words : RDF, SPARQL, 시멘틱웹, 질의처리, Metadata 본연구는 Institute for Information & communications Technology Promotion(IITP) grant funded by the Korea government(msip) (No.B ), Science and Technology (2014R1A1A ), the second Brain Korea 21 PLUS 및 Samsung Electronics 의일환으로수행되었음. * 성균관대학교, 정보통신대학전자전기컴퓨터공학과석사과정, 주저자, by911129@skku.edu ** 성균관대학교, 정보통신대학전자전기컴퓨터공학과박사, 공동저자, kyungtaekim76@gmail.com *** 성균관대학교, 정보통신대학전자전기컴퓨터공학과박사과정, 공동저자, byungjun@skku.edu **** 성균관대학교, 정보통신대학전자전기컴퓨터공학과석사과정, 공동저자, joung0491@skku.edu ***** 성균관대학교, 소프트웨어대학컴퓨터공학과교수, 교신저자, youn7147@skku.edu

41 웹검색트래픽을활용한유커인바운드여행수요예측모형및유커마이닝시스템개발 최유지 * 손기상 ** 이주상 *** 박도형 **** 24) 최근독감예측이나당선인예측, 구매패턴, 투자등다방면에서웹검색트래픽. 소셜네트워크내용등거대한데이터를통해사회적현상, 소비패턴을분석하는시도가이전보다늘어났다. 구글, 네이버, 바이두등인터넷포털업체들의웹검색트래픽정보공개서비스와함께웹검색트래픽정보를활용하여소비자나사용자와관련된연구가실시되기시작했다. 웹검색트래픽정보를활용한사회현상, 소비패턴분석을연구는많이수행되었으나, 이를이용하여여행수요를예측해보고이를토대로관광정책을수립하는연구는부족한실정이다. 본연구에서는중국최대검색엔진인 바이두 의웹검색트래픽정보를이용하여중국인 ( 유커 ) 의한국여행수요를예측하는모형을개발하고자한다. 더나아가, 웹검색트래픽정보를활용하여도출할수있는유커인사이트를함께보여주는유커마이닝시스템도제안하고자한다. 본연구가제안하는모형과시스템은관광수요예측모형분야에서새로운시도이며, 실무적으로관련정책결정자나관광사, 항공사등이활용가능한실제적인가치를가지고, 정책적으로도효과적인관광정책수립에활용될수있다. Key Words : 중국인, 유커, 관광수요, 여행수요, 웹검색트래픽, 바이두, 빅데이터, 인바운드 * 국민대학교경영대학경영정보학부학부생, 주저자, uuzie13@gmail.com ** 국민대학교경영대학경영정보학부학부생, hungryjoshi0110@gmail.com *** 국민대학교경영대학경영정보학부학부생, wntkd0530@naver.com **** 국민대학교경영대학경영정보학부조교수, 교신저자, dohyungpark@kookmin.ac.kr

42 소셜네트워크분석을활용한추천시스템의정확도개선에관한연구 최슬비 * 곽기영 ** 안현철 *** 25) 협업필터링 (Collaborative Filtering) 은유용성과정교성면에서가장성공적인추천알고리즘으로평가받으며산업계나학계에서많이활용및연구되고있지만, 기본적으로사용자들이평가한점수에만기반하여추천결과를생성하는한계점이있다. 이에본연구는사용자가상품을구매할때자신이신뢰하는타인의추천을더적극적으로수용할것이라는점에착안하여, 사용자의평점외에사용자간신뢰관계를소셜네트워크분석으로분석한결과를추가로반영하는추천알고리즘들을제안하였다. 구체적으로본연구에서는소셜네트워크분석에서네트워크내의중심적위치를나타내는척도인내향및외향중심성을활용하여사용자간유사도를산출하는알고리즘들과사용자신뢰네트워크를탐색하여추천대상이되는사용자가직접 간접적으로신뢰하는사용자의평가점수를보다높게반영하는알고리즘을제안한뒤그성능을비교해보았다. 실제데이터에적용하여분석한결과, 사용자신뢰네트워크의내향중심성지수를조건없이적용한경우에는오히려정확도의감소만을야기하는것으로나타났고, 일정임계치이상의외향중심성을갖는사용자에한해내향중심성지수를고려한추천알고리즘은전통적인협업필터링에비해약간의정확도개선이이루어짐을확인할수있었다. 아울러, 사용자신뢰네트워크를기반으로탐색하는알고리즘이가장우수한성능을보이는것을알수있었으며, 전통적인협업필터링과비교해서도통계적으로유의한수준의정확도의개선이이루어짐을확인할수있었다. Key Words : 추천시스템, 협업필터링, 소셜네트워크분석, 중심성, 신뢰관계네트워크 * 국민대학교, 비즈니스 IT 전문대학원, 제 1 저자, seulbimon@kookmin.ac.kr ** 국민대학교, 비즈니스 IT 전문대학원, 제 2 저자, kykwahk@kookmin.ac.kr *** 국민대학교, 비즈니스 IT 전문대학원, 교신저자, hcahn@kookmin.ac.kr

43 인구통계특성기반디지털마케팅을위한클릭스트림빅데이터마이닝 박지애 * 조윤호 ** 26) 인구통계학적정보는디지털마케팅의핵심이라할수있는인터넷사용자에대한타겟마케팅및개인화된광고를위해고려되는가장기초적이고중요한정보이다. 하지만인터넷사용자의익명활동증가와허위기재된설문조사의위험성으로인해인구통계학적정보를수집하는일은점차어려워지고있다. 반면, 인터넷사용자의온라인활동을기록한클릭스트림데이터는해당사용자의인구통계학적정보에활용될수있다. 특히, 인터넷사용자의온라인행위특성중하나인페이지뷰는인구통계학적정보예측에있어서중요한요인이된다. 본연구에서는기존선행연구를토대로클릭스트림데이터분석을통해인터넷사용자의온라인행위특성을추출하고이를해당사용자의인구통계학적정보예측에사용한다. 또한, (1) 의사결정나무를이용한변수축소, (2) 주성분분석을활용한차원축소, (3) 군집분석을활용한변수축소의방법을제안하고실험에적용함으로써많은설명변수를이용하여예측모델생성시발생하는차원의저주와과적합문제를해결하고예측모델의정확도를높이고자하였다. 실험결과, 범주의수가많은다분형종속변수에대한예측모델은모든설명변수를사용하여예측모델을생성했을때보다본연구에서제안한방법론들을적용했을때예측모델에대한정확도가향상됨을알수있었다. 본연구는클릭스트림분석을통해추출된인터넷사용자의온라인행위는해당사용자의인구통계학적정보예측에활용가능하며, 예측된익명의인터넷사용자들에대한인구통계학적정보를디지털마케팅에활용할수있다는데의의가있다. 또한, 제안방법론들을통해어느종속변수에대해어떤방법론들이예측모델의정확도를개선하는지확인하였다. 이는추후클릭스트림분석을활용하여인구통계학적정보를예측할때, 본연구에서제안한방법론을사용하여보다높은정확도를가지는예측모델을생성할수있다는데의의가있다. Key words : Big Data, Clickstream Data, Demographics, Online Behavior, Classification, Variable Reduction, Accuracy * 국민대학교, 데이터사이언스학과석사과정, 주저자, lucky0240@naver.com ** 국민대학교, 경영대학경영학부교수, 교신저자, www4u@kookmin.ac.kr

44 사용자리뷰의평가기준별이슈식별방법론 호텔리뷰사이트를중심으로 변성호 * 이동훈 ** 김남규 *** 27) 최근 IT기술의발전에따라많은사람들이자신들의여가활동에대한경험을공유하고있으며, 역으로다른사람들의여가활동에대한경험을참고하여더나은여가활동누릴수있는기회를얻게되었다. 이러한현상은영화, 숙박, 음식, 여행등여가활동전반에걸쳐나타나고있으며, 그중심에는여가활동에대한정보를요약하여제공하는수많은사이트가있다. 대부분의여가활동정보사이트는각상품에대한평균평점뿐아니라상세리뷰를제공함으로써, 해당상품을구매하고자하는잠재고객의의사결정을지원하고있다. 하지만기존대부분의사이트는한단계의평가기준에따라평점과리뷰를제공하기때문에, 두단계이상의세부평가기준에대한정보를필요로하는사용자의요구를충족시키기어렵다는한계를갖는다. 예를들어어떤호텔에대해접근성, 객실, 서비스, 음식등한단계의평가기준만을사용하여평점과리뷰를제공하는경우, 접근성중특히지하철역과의거리, 객실중특히욕실의상태를살펴보고자하는사용자에게필요한정보를효율적으로제공하지못한다. 이에본연구에서는여가정보제공사이트의리뷰를각평가기준에따라재구성하고, 개별상품의평가기준별로주요이슈를발굴하고요약하여제공할수있는방안을제시한다. Key Words : Big Data, Review Analysis, Text Mining, Topic Modeling * 국민대학교, 비즈니스 IT 전문대학원석사과정주저자, formyjihad@kookmin.ac.kr ** 국민대학교, 비즈니스 IT 전문대학원박사과정공동저자, donghoonlee@kookmin.ac.kr *** 국민대학교, 비즈니스 IT 전문대학원부교수교신저자, ngkim@kookmin.ac.kr

45 사회문제해결을위한비정형데이터기반의토픽간적합도분석 진윤선 * 남수현 ** 권오병 *** 28) 최근우리사회가직면한현안을과학기술로해결해야한다는요구가증가하면서과학기술의역할이중요해지고있다. 특히환경오염, 기후변화, 자원부족등과같은주요문제들의대응방안으로과학기술을활용하려는시도가확산되고있다. 사회문제해결을위한과학기술발굴에는적시성과적합성이요구된다. 그럼에도불구하고이를자동으로연계하는연구는미흡하다. 따라서사회문제와과학기술관련키워드를생성하고이들을연결하는자동생성시스템이필요하다. 본연구에서는사회문제와과학기술연계분석을위한비정형데이터기반의토픽간적합도분석방법을제안하는것을목표로한다. 이를위해로마클럽에서발행한인간 자원 환경문제에관한미래예측보고서인로마클럽보고서로부터사회문제키워드를추출한다. 이때키워드추출을위한 TF-IDF 에근간하여 NTF(Normalize Term Frequency) 를고안하였다. 추출된사회문제와과학기술키워드를수집한후, 비정형데이터인인터넷뉴스기사를수집하여매칭분석한다. 이후사회문제와과학기술토픽이함께등장하는문장이나문단을감성분석하여사례베이스를구축한다. 본연구에서제시한방법론은사회문제대응을위한정책수립및효율적인의사결정지원체계를마련할것으로기대된다. Key Words : 비정형데이터, 유사도측정, 토픽모델링, 키워드추출, NTF * 경희대학교, 일반대학원경영학과박사과정, 주저자, dudnrha@khu.ac.kr ** 경희대학교, 일반대학원경영학과석사과정, gloomycloud@khu.ac.kr *** 경희대학교, 경영대학경영학과교수, 교신저자, obkwon@khu.ac.kr

46 주제어를중심으로한프로파일링및동시출현분석을통한지능정보시스템연구의정체성에관한연구 윤승정 * 김민용 29) 본연구는한국지능정보시스템학회의최근 3년동안게재된논문을기준으로키워드를수집하고군집형태와동시출현빈도를추출하여연구및학회의정체성을밝히고자한다. 연구정체성에대한상대적위치를파악하기위하여한국지능정보시스템학회뿐만아니라한국경영정보학회그리고한국정보시스템학회에대하여키워드및연구방법론을수집하여비교하고자한다. 또한, 한국지능정보시스템학회에서인공지능 / 데이터마이닝, 지능형인터넷, 지식경영, 최적화기법에대한주요분야를중점적으로다루고있음을고려할때이에대한각영역의대표적인학회의연구경향을동시에분석하고자한다. 데이터와관련된학회는한국데이터정보과학회, 한국빅데이터서비스학회및한국빅데이터학회를대상으로키워드와연구방법론을동시에조사할것이다. 지능형인터넷과관련한대표학회로는한국인터넷전자상거래학회를대상으로하며, 지식경영과관련한연구경향분석을위해서는한국지식경영학회를분석할것이다. 본연구를통하여최근집중하고있는연구경향을키워드를중심으로분석하고, 제목에대한워드클라우드분석과연구방법론에대하여비교하고자한다. 이를통하여한국지능정보시스템학회의현재연구경향의위치와방향성을알수있게된다. 결과적으로, 본연구를통하여한국지능정보시스템학회만이고유하게추구하고있는연구영역을밝혀그정통성과정체성을밝히고, 향후추구해야할연구영역또한제시하고자한다. 더나아가한국지능정보시스템학회뿐만아니라유사연구분야에서생태계전반적융합가능성을예측해보고자한다. Key Words : 프로파일링분석, 군집분석, 네트워크분석, 키워드, 연구방법론 * 경희대학교, 경영대학경영학과박사, 주저자, sj9416@naver.com ** 경희대학교, 경영대학경영학과교수, 교신저자, andy@khu.ac.kr

47 중립단어기반의인터넷뉴스분석을통한주가예측연구 이민식 * 이홍주 ** 30) 본연구는주가와온라인뉴스를분석하여주가변동예측을하였다. 온라인뉴스를통한주가예측은희소성이나정보기여도등의다양한방법을통해단어를추출하여사용하는연구가진행되고있다. 본연구에서는중립단어를기반으로하는새로운단어추출방법을제안했다. 중립단어를기반으로하는주가예측방법과기존의희소성을기반으로하는주가예측방법을사용하여 SVM, Boosting, Random Forest 의알고리즘을통해주가변동예측을비교하였다. 5개의종목 3개의알고리즘을통한 15가지분석결과본연구에서제안하는방법이기존의희소성기반단어제거방법보다 12개더높은 F 값을갖고 2개는동일한 F 값을가지며 1개는더낮은 F 값을갖는결과를나타났다. 뉴스를통한주가예측에서가격에영향력이적은단어를제거한연구들과다르게본연구에서는중립단어를활용함으로써새로운방식을고안했다. 본연구에서중립단어를선정하는기준은절대적이지않으나이를활용한연구로써의의를갖는다. Key Words : 텍스트마이닝, 주가예측, 머신러닝, 빅데이터, 중립성 * 가톨릭대학교, 경영학부, salvia0413@gmail.com ** 가톨릭대학교, 경영학부경영학과부교수, hongjoo@catholic.ac.kr

48 빅데이터와다범주감성사전을활용한우리나라 10 대기업감성분석 김서인 * 김동성 ** 김종우 *** 31) Recently, sentiment analysis using big-data is conducted actively. As online communication channels become popular, firms try to capture social sentiment of them from online open information sources. This research is conducted for the purpose of analyzing social sentiments of Korea s Top-10 conglomerates using multi-categorical sentiment dictionaries. Whereas existing researches related to social sentiment measurement using big-data classify sentiments into dimensions, this research classifies sentiments into individual categories, and then divides them into 9 domains. Dimensional sentiment structure have been commonly applied in social sentiment analysis in business academic domain, because it is academically proven, and has a clear advantage of capturing degree of sentiment and interrelation of each dimension. However, the dimensional structure is not effective when measuring social sentiment because human sentiment is too complex to be divided into few dimensions. In addition, special training is needed for ordinary people to apply dimensional structure. People do not divide their sentiment into dimensions, nor do they need psychological training when they feel. People would not express their feeling in the way of dimensional structure like positive/negative or active/passive; rather they express theirs in the way of categorical sentiment like sadness, rage, happiness and so on. Accordingly, this research suggests multi-categorical sentiment structure as an alternative way to measure social sentiment from the point of the public. Multi-categorical sentiment structure classifies sentiments following the way that ordinary people do although it has possibility to contain some subjectivity. To do this, news data of Korean Top-10 conglomerates collected over the past 25 months were used. Based on the sentimental words extracted from previous researches, we have created a sentiment dictionary, and analyzed the frequency of the words coming up within the data. The frequency of each sentiment category was calculated as a ratio out of the total sentimental words to make ranks of distributions. As a next step, the research tested hypothesis to prove the significance of multi-categorical sentiment dictionary. It tested how effective categorial sentiment can be used as relative comparison index in cross sectional and time series analysis. Both hypotheses have turned out to be statistically correct, and therefore sentiment analysis in business area using categorical sentiments has persuasive power. Key Words : Sentiment Analysis, Conglomerates Analysis, Multi Categorical Sentiment Dictionary * 한양대학교, 경영대학경영학부, 주저자, seoin1991@hanyang.ac.kr ** 한양대학교, 일반대학원경영학과, paulus82@hanyang.ac.kr *** 한양대학교, 경영대학경영학부, 교신저자, kjw@hanyang.ac.kr

49 텍스트분석을통한이종매체카테고리다중매핑방법론 김다솜 * 김남규 ** 32) 다양한소셜네트워크서비스가등장하면서, 최근사용자들은각자의목적및취향에따라여러매체를동시에이용하는경향을보이고있다. 또한특정주제에대한정보를수집할때에도여러매체를동시에활용하는것이일반적이다. 하지만다양한매체를통해유통되는문서들은서로유사한주제, 심지어는동일한내용을다루더라도, 각매체별정책및기준에따라각기다른카테고리로관리되고있으며, 이는이종매체를아우르는범위에서특정카테고리에대한탐색을수행하고자하는시도에걸림돌로작용하고있다. 이러한제약을극복하기위해, 본연구에서는기존매체고유의카테고리체계는그대로유지하면서이종매체간카테고리매핑을수행하는방안을제시한다. 즉개별문서를다양한매체의관점에서재분류하고이러한분류결과를문서에 2차원레이블 (Label) 로저장함으로써, 이종매체에속한다양한문서들을마치한매체에속한것과같이동일한카테고리기준으로탐색할수있는논리적장치를제안한다. 본논문에서는국내인터넷뉴스포털사이트두곳의뉴스기사 6,000 건에대해제안방법론을적용한실험을통해각기사에매체와카테고리정보로구성된 2차원레이블을부여하였으며, 매체간, 지도학습과준지도학습간, 동질학습데이터와이질학습데이터간의정확도비교실험을수행하였다. 특히매우흥미롭게도, 일부카테고리에서이질학습데이터를사용한준지도학습의분류정확도가지도학습및동질학습데이터를사용한준지도학습의분류정확도보다도높게나타나는현상을발견하였다. Key Words : Category Mapping, Document Classification, Text Mining, Topic Modeling * 국민대학교, 비즈니스 IT 전문대학원석사과정주저자, dskim1225@kookmin.ac.kr ** 국민대학교, 비즈니스 IT 전문대학원교수교신저자, ngkim@kookmin.ac.kr

50 중립도기반선택적단어제거를통한유용리뷰분류정확도향상방안 이민식 * 이홍주 ** 33) The purpose of this study is to find a way of deleting words for creating document-term matrix in text mining. Since there are many documents, the size of document-term matrix is so large. Thus, researchers delete terms in terms of sparsity since sparse words have little effects on classifications or predictions. In this study, we propose neutrality index to select words to be deleted. Many words still appear in both classifications and these words have little or negative effects on classification performances. Thus we deleted neutral words which are appeared in both classifications similarly. After deleting sparse words, we selected words to be deleted in terms of neutrality. We tested our approach with Amazon.com s review data from five different product categories and compared the classfication performances in terms of precision, recall, and F-measure. By selecting deleted words with neutrality index, we can best classification performances. Key Words : Neutrality, Term Remove, Customer Review, Classification, Usefulness index * 가톨릭대학교, 경영학전공학부생, 주저자, salvia0413@gmail.com ** 가톨릭대학교, 경영학전공부교수, 교신저자, hongjoo@catholic.ac.kr

51 주관적웰빙상태측정을위한웰니스워드넷개발 송영은 * 남수현 ** 권오병 *** 34) 본연구에서는현존하는감성어휘사전인 SenticNet 을기반으로하여 SenticNet 에서제공하는정보를통해스트레스, 우울, 분노에대한웰니스상태를추정한결과를추가한 WellnessWordNet 을개발하였다. 기존의감성어휘사전은 Wellness IT의주요서비스인주관적웰빙상태를측정할수는없기때문에웰니스어휘사전이별도로구축될필요가있다. 또한기존의감성어휘사전은동일한감정어에대해한가지만의감성값을제공함으로써그용어를사용한사람의특징에따라감성값이변경될수있다는점을간과하고있다. 이렇게개발된 WellnessWordNet 은실제사람들을대상으로 WellnessWordNet 에근거한웰니스상태추정정확도를검증해보았다. 본연구의독창성은 WellnessWordNet 웰니스상태언어에대한값을제공할뿐더러, 성별이나연령과같은사람의특성에따라다른감성값을제공하는최초의감성어휘사전이라는것이다. 주제어 : 주관적웰빙감성분석상황적긍부정성비정형데이터 SenticNet 이논문은 2016 년도정부 ( 미래창조과학부 ) 의재원으로정보통신기술진흥센터의지원을받아수행된연구임 (No.R ) * 경희대학교일반대학원경영학과, 서울특별시동대문구경희대로 26, Tel: , dudeun13@khu.ac.kr ** 경희대학교일반대학원경영학과, 서울특별시동대문구경희대로 26, Tel: , gloomycloud@khu.ac.kr *** 경희대학교일반대학원경영학과교수, 교신저자, 서울특별시동대문구경희대로 26, Tel: , obkwon@khu.ac.kr