디지털 라이브러리[ 검색결과 ]
기계학습 기반의 P2P대출 마감 시간 예측 모델 연구
http://doi.org/10.5626/JOK.2019.46.2.174
최근 온라인플랫폼을 통해 개인끼리의 대출 및 투자가 가능한 P2P대출 이용자가 급증하고 있다. 그러나 P2P대출은 투자자가 금전적 위험을 직접 부담하기 때문에 보다 신중한 투자판단으로 상품이 마감하면서 투자에 실패하기도 한다. 본 논문은 P2P대출 투자 상품에 대한 마감 시간 정보 제공을 위해 투자 상품이 일정 시점으로부터 마감까지 얼마나 걸리는지를 예측한다. 마감 시간을 예측하기 위하여 실제 P2P상품에 대한 투자정보를 기반으로 시계열 데이터와 Step 데이터로 변환하고 기계학습 알고리즘을 사용하여 회귀, 분류, 시계열 예측 모델을 생성하였다. 성능평가 결과 시계열 데이터 기반 모델은 Multi-layer Perceptron 회귀모델과 분류모델이 0.725, 0.703로 가장 높은 성능을 보였으며 Step 데이터 기반 모델 또한 Multi-layer Perceptron 회귀모델과 분류모델이 0.782, 0.651로 가장 높은 성능을 보였다.
멀티 모달 데이터를 이용한 한국형 주요 우울 장애 진단 및 치료 모델
최용화, 김아람, 전민지, 김선규, 한규만, 원은수, 함병주, 강재우
http://doi.org/10.5626/JOK.2019.46.1.71
우울증은 현대 사회에서 가장 흔한 정신질환 중 하나로, 반복되는 재발에 따른 만성화로 인해 사회적인 부담을 증가시킨다. 그러나 다양한 요인들이 복합적으로 관여하는 질병이기 때문에 여러 요인을 효율적으로 고려할 수 있는 기계학습 모델이 필요하다. 본 논문에서는 기본 정보, MRI, 유전자, 인지 검사의 4가지 멀티 모달 데이터를 이용해 우울증 여부를 진단하고 항우울제 반응의 정도를 예측할 수 있는 모델을 제안하여 우울증 진단의 경우 AUROC 점수 0.923, 항우울제 반응성 예측의 경우 MSE 0.08의 정확도를 얻었다. 그리고 제안한 모델의 결과를 정량적으로 분석하여 환자의 데이터를 추가할수록 정확한 진단 및 약물 반응성 예측이 가능함을 확인하고, 정성적으로 분석하여 우울증에 관해 기존에 알려진 주요 요인을 찾는 것뿐 아니라 새로운 가설을 제시하였다.
S²-Net을 이용한 한국어 기계 독해
http://doi.org/10.5626/JOK.2018.45.12.1260
기계 독해는 주어진 문맥을 이해하고, 질문에 적합한 답을 문맥 내에서 찾는 문제이다. Simple Recurrent Unit (SRU)은 GRU 등과 같이 neural gate를 이용하여 RNN에서 발생하는 베니싱 그래디언트 문제를 해결하고, gate 입력에서 이전 hidden state를 제거하여 GRU보다 속도를 향상시킨 모델이며, Self-matching Network는 R-Net 모델에서 사용된 것으로, 자기 자신의 RNN sequence에 대하여 어텐션 가중치를 계산하여 비슷한 의미 문맥 정보를 볼 수 있기 때문에 상호참조해결과 유사한 효과를 볼 수 있다. 본 논문에서는 한국어 기계 독해 데이터 셋을 구축하고, 여러 층의 SRU를 이용한 Encoder에 Self-matching layer를 추가한 S2-Net 모델을 제안한다. 실험 결과, 본 논문에서 제안한 S²-Net 모델이 한국어 기계 독해 데이터 셋에서 EM 70.81%, F1 82.48%의 성능을 보였다.
퍼지 범주 표현과 준지도 심층 신경망을 이용한 트위터 혐오 발언 문장 탐지
http://doi.org/10.5626/JOK.2018.45.11.1185
사회관계망 서비스(SNS, Social Network Service)에서 발생하는 혐오 발언 문장으로 인해 피해를 보는 사람이 점점 늘고 있다. 본 논문은 트위터 문장에서 단순 사전 비교를 통한 혐오 발언 탐지를 넘어 문장의 내포된 의미가 혐오성인지 아닌지를 판단하기 위해 대용량의 파일에서 준지도 학습과 심층신경망을 이용한 탐지 방법을 제안한다. 대부분 혐오 단어로 구성된 블랙리스트를 생성하여 이것과 비교하여 판단한다. 하지만 이러한 방법은 혐오 발언의 미묘하고 교묘한 표현을 찾아내지 못한다는 단점이 존재한다. 그리고 한국어 트위터 문장에 대해 혐오 발언 여부에 대한 레이블을 부착한 코퍼스를 생성하였다. 트위터 코퍼스 4만4천문장을 학습하였고, 1만3천여문장을 평가하여 음절 1-layer CNN과 문장 벡터를 사용한 모델의 결과가 명시적 혐오 발언의 F1 Score 86.13% 성능을 보였다. 음절 1-layer CNN과 2-layer CNN 그리고 문장 벡터를 사용한 모델 결과가 암시적 혐오 발언의 F1 Score 25.53%의 성능을 얻었다. 논문에서 제안한 방법을 이용하여 사이버 불링을 탐지하기 위한 방법으로 사용할 수 있다.
단어 특징의 의미적 보강을 이용한 트위터 뉴스 분류 기법
http://doi.org/10.5626/JOK.2018.45.10.1045
최근 많은 사람들이 트위터를 뉴스 플랫폼으로 활용하면서 많은 뉴스 기사가 끊임없이 생성되고, 기사와 관련된 다양한 정보와 의견들이 빠르게 확산되고 있다. 그러나 트위터 뉴스는 동시다발적으로 포스팅되기 때문에 사용자가 원하는 주제의 기사를 선별하여 보기가 어렵다는 문제가 있다. 이를 위해, 트위터 뉴스를 주제별로 분류하기 위한 기계 학습과 딥러닝 기반의 다양한 연구들이 진행되었다. 하지만 통상적인 기계 학습 기법은 트위터 뉴스를 임베딩하는 과정에서 데이터 희소성이나 시맨틱 갭의 문제가 발생할 수 있으며, 딥러닝 기법은 많은 양의 데이터를 필요로 한다. 이러한 단점을 개선하기 위해, 본 논문에서는 적은 양의 데이터로도 데이터 희소성과 시맨틱 갭 문제를 해결할 수 있는 방법으로, 단어 특징의 의미적 보강을 이용한 트위터 뉴스 분류 기법을 제안한다. 구체적으로 먼저, 벡터 공간 모델을 이용하여 수집된 트위터 뉴스 데이터의 특징을 추출하고, DBpedia Spotlight를 통해 DBpedia의 자원과 온톨로지 정보를 반영하여 추출된 특징을 보강한다. 보강된 특징 단어 집합을 이용하여 다양한 기계 학습 기법 기반의 주제별 분류모델을 구성하고, 다양한 실험을 통해 제안하는 모델이 기존의 기법들보다 더 효과적임을 보인다.
An Efficient and Adaptable Hybrid Multi-channel Multi-hop MAC Protocol in VANETs
VanDung Nguyen, Eui-Nam Huh, Choong Seon Hong
http://doi.org/10.5626/JOK.2018.45.10.981
차량과 관련된 애드혹 네트워크(VANETs)은 교통사고를 줄이고 안전을 향상시키는 등 운송효율을 개선하기 위해 설계되어졌다. 또한 VANETs은 차량 간의 또는 차량과 인프라 간의 정보를 연결하고 교환하기 위해 만들어졌다. VANETs의 경우, 효율적인 브로드캐스트 서비스를 제공하는 매체 접근 제어(MAC) 프로토콜은 차량과 공급자 간의 무선 매체를 효율적이고 공평하게 공유하도록 설계했다. 최근 하이브리드 MAC 프로토콜은 QoS를 향상시키고 충돌율을 줄이기 위해 TDMA 및 CSMA 기반 메커니즘을 단일 메커니즘으로 결합하도록 설계되었다. 본 논문에서 우리는 EAHMAC 프로토콜이라 불리는 효율적이고 적응 가능한 하이브리드 멀티 채널 멀티 홉 MAC 프로토콜을 제안한다. EAHMAC 프로토콜은 차량이 두 개의 홉 이웃의 정보를 기반의 유연한 방식으로 타임 슬롯을 점유하고 브로드 캐스트 패킷 역시 점유할 수 있게 한다. 시뮬레이션 결과는 우리의 제안이 기존 프로토콜보다 액세스 충돌 비율, 패킷 전달비율 및 서비스 채널 처리량 부분에서 우월한 결과를 보여주었다.
기계학습을 이용한 네트워크 전장정보 수집
http://doi.org/10.5626/JOK.2018.45.10.1096
최근 IoT(Internet Of Things) 및 ICT(Information and Communications Technologies) 기술이 집약된 다양한 시스템이 개발로 인해 다양한 기기들이 네트워크에 연결되면서 각기 다른 리소스와 기능을 갖는 기기들에 따른 다양한 운영체제가 등장하게 되었다. 해킹 보안에 대한 관심이 높아지면서 각 기기들에 대해 탑재된 운영체제의 취약점 분석과 이에 따른 실제적인 공격 기법에 대한 연구가 진행되었으며, 이에 따라 기기의 운영체제의 종류와 세부적인 버전 그리고 중점적으로 강화되어 있는 기능(API)이 보안에 있어 중요한 정보로 대두되고 있다. 사이버 전에서 이러한 정보 수집을 관제하는 것은 사이버 위협의 전초이기 때문에 이러한 스캐닝을 네트워크 트래픽 관제하는 방안은 끊임없이 연구되어 왔으며, 이 관제를 피하기 위해 정보수집자는 은밀하게 포트 정보를 수집하기 위한 대책을 맞서 준비하는 실정이다. 본 논문에서는 네트워크 관제시스템에서 중요하게 여기지 않는 네트워크 기본 명령어들과 기계학습을 이용한 분석을 통해서 상대에 대한 정보를 얻어 낼 수 있는 스캐닝에 대해서 다루게 된다.
강화학습과 이중 상호 집중을 이용한 한국어 기계독해
http://doi.org/10.5626/JOK.2018.45.9.932
기계독해는 주어진 문서를 질문을 통해 이해하고 추론하여 문서에 나타나는 정답을 출력하는 질의응답 모델이다. 이러한 기계독해는 다양한 주의집중 방법과 종단형 신경망 모델을 기반으로 한다. 그러나 기존의 모델들은 문법적 정보와 구문 정보를 사용하지 않기 때문에 어휘 간의 긴 의존성을 가진 대답을 찾기 어려운 단점이 있다. 본 논문에서는 이러한 문제를 해결하기 위해 품사와 의존 구문 최단 경로를 반영한 이중 주의집중 방법의 기계독해 모델을 제안한다. 또한, 성능을 향상시키기 위해 F1-score를 보상으로 하는 강화학습 방법을 제안한다. 문서와 질의로 구성된 18,863개의 실험 데이터에서 제안 시스템은 이전의 대표적인 모델보다 높은 성능(완전 일치 정확도: 0.4566, F1-score: 0.7290)을 보였다.
한국어 수업 대화의 화행 분석과 화행 자동분류를 위한 언어학적 기반연구
http://doi.org/10.5626/JOK.2018.45.8.807
화행이란 의사소통 과정에서 발화자가 가지는 발화 의도를 말한다. 성공적인 의사소통을 위해서는 발화자의 화행을 정확하게 파악하는 것이 매우 중요하다. 본 논문에서는 한국어 대화체 문장의 화행자동분류를 위해, 화행을 결정짓는 요인이 무엇인지 언어학적으로 분석하고자 하였다. 한국어 수업 대화를 분석하여 화행 분류 체계를 자체 정립하였고, 언어학적 근거를 바탕으로 13개의 화행 분류 자질을 제안하였다. 또한, 제안하는 화행 분류 자질을 검증하고자 웨카(Weka)를 이용하여 정확률 실험을 진행하였다. 본 연구에서 제안한 다양한 언어학적 자질을 이용하여 발화의 화행을 자동분류한 경우 70.03%의 정확률을 보였다. 이는 유니그램과 바이그램만으로 화행을 자동분류한 베이스라인에 비해 약 30%p의 정확률이 향상된 결과이다.
난독화된 악성코드 판별을 위한 2차원 배열 기반의 기술 연구
http://doi.org/10.5626/JOK.2018.45.8.769
일평균 20만개 이상의 악성코드가 출현하고 있으며, 대부분의 침해사고는 악성코드를 이용하여 발생한다. 그런데, 공격자의 악성코드 제작기술이 점차 지능화되고 있으며 역 공학 분석을 방지하기 위해 패킹이나 암호화를 하여 악성코드를 제작한다. 정적 분석의 경우 분석 파일이 난독화가 되면 분석을 하는데 한계가 있으며, 이에 대응할 수 있는 방안이 필요하다. 본 논문에서는 난독화 시에도 악성코드를 판별할 수 있는 방안으로 문자열, 심볼, 엔트로피 기반 접근 방법을 제시하였다. 특히, 고정된 feature-set 뿐 아니라, 고정되지 않은 Feature-set 처리를 위해 2차원 배열을 적용하였으며, 15,000개의 악성/정상 샘플을 DNN(Deep Neural Network)를 통해 검증을 진행하였다. 본 연구는 향후 여러 악성코드 탐지기법과 연계되어 동작 시 보완적인 형태로 동작할 것으로 예상하며, 난독화된 악성코드 변종 분석에서 활용 가능할 것으로 기대한다.
