墨자의 윤리사상과 그 현대적 의의/

박주영 부산대학교 1999 국내석사

조절 가능한 단순화 그래프 확산 신경망 연구

강지철 서울과학기술대학교 2022 국내석사

그래프 합성곱 신경망(graph convolutional networks, GCN)는 그래프 정보를 활용하기 위한 효과적인 심층 학습 모델로 분류뿐 아니라 오토 인코더 모델과 함께 링크 예측에서도 사용되며, 그 성능 또한 우수한 것으로 확인되었다. 하지만, GCN의 그래프 필터는 1-홉(hop) 또는 2-홉 이웃 노드의 정보만을 활용하는 데에 한정되어 있다. 확장된 범위의 이웃 노드 정보를 활용하기 위해 그래프 확산 합성곱 신경망 모델은 GCN에 그래프 확산 연산을 적용했지만, 지나치게 높은 밀도를 가지는 행렬을 계산하는 과정을 거쳐야 하는 문제가 있으며 잠재적으로 노드 특성의 지나친 획일화(over-smoothing) 문제도 야기할 수 있다. 본 연구에서 제안하는 단순화 그래프 확산은, 정규화된 인접 행렬의 n제곱 행렬만을 이용함으로써 이러한 문제들을 방지하며, 확산 조절 파라미터를 도입해 효과적인 정보 전파 조절이 가능하도록 한다. 제안한 모델에 대한 검증 실험은 링크 예측과 준지도 분류로 나누어 수행되었으며, 단순화 그래프 확산을 이용한 모델이 전반적으로 기존 모델의 성능을 향상시키는 양상이 확인되었다. Graph convolutional networks(GCNs) have become an effective deep learning framework to leverage graph information. The graph convolution mechanism is used in classification tasks and utilized in link prediction tasks with auto encoder models. However, the graph filter of GCNs is limited to aggregate feature information from 1- or 2-hop neighborhoods. Recent graph diffusion neural network models applied diffusion operation on GCNs to use multi-hop information. But it needs to calculate a fully dense matrix which cause computational inefficiency. Furthermore, the polynomial form of graph diffusion might lead to over-smoothing problem. This study proposed simplified graph diffusion which uses n-th power of normalized adjacency matrix with diffusion control parameter. Both link prediction and semi-supervised classification experiments are conducted and models with simplified graph diffusion showed better performance compared to existing approaches.

QFD를 활용한 플랜트 사업관리시스템(PMIS) 설계 : EPC 프로젝트를 중심으로

김성우 서울과학기술대학교 2015 국내석사

최근 국내 건설 경기 침체로 인해 많은 국내 건설사들은 해외 진출을 시도하고 있다. 국내 건설 업체는 해외 플랜트 프로젝트에서 많은 수주를 하고 있으며 경쟁력을 가지고 있다. 그러나 국내 건설 환경에서 플랜트가 차지하는 비중은 상대적으로 적으며, 그나마 국내 발주방식과 해외 발주방식의 차이로 플랜트분야 중 EPC사업을 지원할 수 있는 시스템은 부족한 편이다. 본 연구는 건설 프로젝트 중 플랜트 EPC 사업을 지원할 수 있는 사업관리시스템 설계를 통해 플랜트 EPC 프로젝트 관리에 도움을 주는 것을 목적으로 한다. 본 연구에서는 플랜트 EPC 업무 전문가 설문을 통해 고객의 요구사항(Customer Attributes - 기능 108개, 비기능 20개)을 조사하였다. 그리고 신제품 개념정립과 고객만족도를 극대화할 수 있는 QFD방법론의 품질의 집(House of Quality, HOQ)을 활용하여 CTQ를 도출하였다. 기술특성은 기존 연구를 참고하여 항목으로 설정하였다. QFD 분석결과 공정관리, 자료관리, 자재관리, 품질관리 순으로 업무 중요도를 알 수 있었으며, 각 업무별 CTQ를 도출할 수 있었다. 시스템 기능 부분은 정보품질, 사용자 만족도, 시스템 품질이 중요한 것으로 분석되었다. 그리고 설문조사 내용 중 업무 간 연계성부분은 공정관리를 중심으로 자료관리와 자재관리 부분 연계가 가장 중요한 것으로 나타났다. 플랜트 EPC는 Engineering, Procurement, Construction이 병행되어 진행되고 대형화, 복잡화됨으로써 프로젝트 관리가 어렵다. 그래서 플랜트 EPC 프로젝트는 효과적으로 관리할 수 있는 사업관리시스템이 필요하다. 본 연구에서 제시하는 플랜트 EPC 사업관리시스템 설계를 기준으로 각 프로젝트에 맞게 수정하여 사용한다면 프로젝트 관리에 도움이 될 것이다. 다만 플랜트 프로젝트는 다양한 세부 분야가 있어 모든 플랜트 프로젝트에 적합하지 않으며, 사용자 편의사항에 대한 부분에 대해서도 추가적인 연구가 필요하다. As the significance of plant projects in global markets grows, it is important to privide a Plant Project Management Information System(PMIS) in an Engineering, Proceurement, and Contruction (EPC) business. This thesis provides a design configuration of a PMIS for an EPC project by using a Quality Function Deployment(QFD) method. A survey is conducted to idenfity customer requirements; 108 functional requirements and 20 non-functional requirements are identified as Customer Attributes(CA). Engineering Attributes(EA) of a PMIS are derived from existing studies. Then, a Quality Function Deployment(QFD) method has been used to identify Critical-To-Quality(CTQ). As a results, process management, document management, and materials management have been identified as critical components. Also, customer satisfaction, information quality, and system quality are selected as CTQ. Finally, a design configuration of a PMIS for an EPC project is proposed. It is expected the proposed design configuration would facilitate efficient management of EPC projects.

클라우드 환경에서의 개인정보 보호를 위한 DLP(Data Loss Prevention)의 설계 및 구현

백찬호 서울과학기술대학교 2015 국내석사

최근 IDC, 가트너 등 주요 리서치 기관에서 ‘클라우드’를 주요 키워드로 주목하고 클라우드 컴퓨팅 시장 규모가 지속적으로 확대 될 것으로 예상 하고 있다. 국내에서도 급격한 성장을 예상함에 따라 정부에서도 클라우드 컴퓨팅 서비스 산업 육성을 위해 ‘클라우드 컴퓨팅 활성화 종합계획’을 마련하여 2010년부터 정책을 추진 중에 있다. 공공/민간에서의 클라우드 도입 및 확산에 따라 기업의 기밀 정보나 개인 정보가 노출 되는 등 하이브리드(Public/Private Cloud) 클라우드 환경에서의 효과적인 정보 유출 방지(DLP : Data Loss Prevetion) 솔루션의 필요성이 대두되고 있다. 본 연구에서는 증가하고 있는 정보 유출의 위협을 방지하기 위해 기업의 하이브리드 클라우드 환경에서의 노출되는 개인정보 및 기밀정보를 탐지하고, 탐지된 결과를 통제 할 수 있는 시스템을 제안한다. 클라우드 서비스에서 제공하는 REST API 및 OAuth인증 방법을 활용하여 클라우드 시스템의 데이터를 수집한다. 또한 저장된 데이터에 대하여 컨텐츠 기반으로 중요정보 여부를 검사하고 개인정보 검출 유무를 보여준다. 클라우드 데이터 보안 정책에 따라 관리자가 해당 데이터를 삭제하거나 암호화하는 과정을 거쳐 개인정보 유출을 통제한다. 제안하는 시스템은 크게 사용자 인터페이스 부분과 개인정보를 탐지하는 엔진 부분으로 나누어져 있다. 사용자 인터페이스는 웹 화면으로 클라우드 환경 설정, 클라우드 사용자 관리, 탐지 규칙 설정, 검사 결과 내역, 검사 리포트, 검사 로그 내역으로 구성되고, 엔진 부분은 해당 클라우드에 검사를 요청하는 작업서버와 각 클라우드에 접근하여 데이터를 탐색하고 개인정보를 검출하는 에이전트 부분으로 구성된다. 결과적으로 사용자 인터페이스에서 설정한 클라우드 환경 설정 정보에 따라 에이전트 모듈에서 클라우드 사용자의 데이터를 수집하고 분석하여 주민등록번호, 전화번호, 사업자번호 등과 같은 개인정보를 탐지 할 수 있었고, 사용자가 설정한 기밀정보를 정규표현식을 활용하여 검출할 수 있었다. 또한 탐지된 데이터 결과 내역을 확인하고, 삭제하거나 암호화할 수 있음 을 확인하였다. This thesis suggests a Data Loss Prevention(DLP) system in a cloud environment. The proposed system detects and controls privacy information. Utilizing a REST API and OAuth authentication method, the system collects data of cloud services, checks the importance of collected data, and determines whether privacy information is detected or not. The proposed system is largely divided into the engine module and user interface. The user interface is composed of cloud configuration, cloud user management, detection rule set, detect result, inspection reports, and log history. The engine part divided into a job server which requests inspection and a cloud agent which detects privacy information. As a result, the proposed system can detect privacy information such as social security number, phone number, company number, the normal confidential information, etc. It detects privacy Information by using a regular expression. In addition, detected data can be confirmed, detected, or encrypted.

온라인 쇼핑몰 고객의 재방문과 재구매 및 이탈 요인 연구

추희정 서울과학기술대학교 2022 국내석사

Analyzing user behavior of online shopping malls is an essential issue in operating strategy. Studies on the factors of revisit, repurchase, and churn intention of customers have been conducted. However, most of them were based on the form of a survey, showing limitations in terms of actual user behaviors. Therefore, empirical research using log data containing the actual customer records of online shopping is needed. This study analyzed the factors affecting revisit, repurchase, and churn intention of customers based on user behavior-related data of a cosmetics online shopping mall. The purpose is to provide shopping mall operators with factors that affect customer retention and churn and establish a differentiated marketing strategy. In this study, logistic regression analysis and Cox proportional risk analysis were performed using customer data, purchase and visit data of domestic cosmetics online shopping malls. The results of this study are summarized as follows. As a result of the logistic regression and the Cox proportional risk model, the variables selected and verified based on previous studies showed some differences depending on the analysis model. As a result of revisit and exit analysis, a total of 12 variables were derived, including transaction information, discount, visit, and other-friend recommendation. In addition, it was possible to check the results that reflected characteristics such as basic cosmetic product categories, membership level, and events. The Cox proportional risk model was able to check the degree of influence of each event in detail (0.1). However, it seems that there will be variations in the influencing factors depending on the period of the dataset. The expected effects of this study are as follows. This paper is meaningful because significant variables were derived and comprehensively compared, and analyzed using logistic regression analysis and the cox proportionality risk model under the theme of revisit/leave and repurchase/leave of shopping malls. Based on the analysis result, it is expected to be used as meaningful data that can be used for operation and marketing strategy establishment. 온라인 쇼핑몰의 사용자 행동을 분석하는 것은 운영전략에 있어 중요한 문제이다. 재방문과 재구매, 이탈과 연관된 연구들은 국내외에서 활발히 진행되고 있으나 대부분 설문조사 방식으로 진행되어 이용자의 실제 행동과 차이를 보인다는 점에서 한계를 갖는다. 이를 보완하기 위해 서비스 이용자의 실제 행동이 기록되어 있는 로그 데이터를 활용한 실증적 연구가 필요하다. 본 연구에서는 화장품 쇼핑몰 내의 사용자 행동 관련 데이터를 기반으로 재방문, 재구매, 이탈에 영향을 주는 변수를 분석하였다. 쇼핑몰 운영자에게 고객 유지와 이탈에 영향을 주는 요인을 제공하고, 운영전략에 따른 현황 분석과 향후 마케팅 차별화 전략을 수립 할 수 있도록 방안을 제시하고자 하는 데 목적이 있다. 본 연구에서는 국내 화장품 온라인 쇼핑몰 고객데이터, 구매 및 방문 데이터를 이용하여 로지스틱 회귀분석과 Cox비례위험분석을 실시하였다. 본 연구의 결과를 요약하면 다음과 같다. 로지스틱회귀와 Cox비례위험모형의 분석결과 선행연구를 토대로 선별하여 검증한 변수가 분석모형에 따라 약간의 차이를 보였다. 재방문과 이탈 분석 결과 거래정보, 할인, 방문, 기타-친구추전 등 총 12개의 변수가 도출되었고, 재구매와 이탈 분석 결과로는 고객정보, 거래정보, 할인, 방문, 기타 총 33개의 변수가 영향을 주는 것으로 나타났다. 또한, 쇼핑몰에서는 기초 화장품 제품 카테고리와 회원등급 및 이벤트 등의 특성이 반영된 결과를 보였다. Cox비례위험모형은 이벤트에 해당하는 값(0.1)에 대해 각각의 영향도를 상세하게 확인할 수 있었으나, 데이터셋의 기간에 따라 영향을 미치는 요소는 변동이 있을 것으로 보인다. 본 연구의 기대효과는 다음과 같다. 본 연구에서는 쇼핑몰의 재방문/이탈, 재구매/이탈을 주제로 로지스틱회귀분석과 cox비례위험모형을 활용하여 유의한 변수를 도출하고 종합적으로 비교분석한 것에 의의가 있다. 분석결과를 토대로 온라인 쇼핑몰 운영과 마케팅 전략 수립에 유의미한 데이터로 활용할 것을 기대한다.

예산제약을 고려한 IT프로젝트 선정 모델 연구

박재희 서울과학기술대학교 2013 국내석사

제 목 : 예산제약을 고려한 IT프로젝트 선정 모델 연구 IT 프로젝트를 수행하는 기업은 정해진 예산범위 내에서 투자계획을 수립하고 실행하게 된다. 이 과정에서 효과적으로 IT프로젝트를 선정하는 문제는 기업경쟁력과 직결되는 중요한 요소이다. 본 연구에서는 예산 제약을 전제로 효과적인 IT 프로젝트 선정모형을 제시하였다. 이를 위하여 사전타당성 평가항목을 도출하고, 각 평가항목의 가중치를 AHP(Analytic Hierarchy Process: 계층분석법)의 상대평가법을 이용하여 산출 하였다. IT프로젝트 투자대상 선정 시에는 상대평가법(relative measurement) 대신 절대평가법(Absolute measurement)를 적용하였다. 이를 통해 신규대안 추가 시에 과다하게 발생하는 쌍대 비교 횟수를 줄임으로써 대안선정을 용이하게 하였다. 또한 예산 제약이 있는 경우를 반영하기 위해, 기존 AHP 모델에 배낭문제(Knapsack Problem) 모형을 결합한 AHP-K(AHP-Knapsack)모형을 제시하고 기존 모형과 AHP-K 모형의 프로젝트 선정 결과를 상호 비교하였다. 비교 결과 AHP-K 방법을 적용하여 IT프로젝트 우선순위를 선정하는 것이 기존 AHP 모형에 비해 효과적인 것으로 확인되었다.

순환신경망(RNN)을 활용한 이러닝 학습자의 집중도 판별 연구

정영상 서울과학기술대학교 2021 국내석사

Recently, interest in e-learning has increased rapidly as distance learning has been widely adapted due to COVID-19. While e-learning offers many advantages such as time and location flexibility and convenient access to learning materials it also has limitations. Major disadvantage of e-learning is the difficulty to maintain concentration due to the limited interaction between learners and teachers. Various methodologies have been developed to make up for the disadvantage, but research on quantitative evaluation of e-learners' concentration is still limited. The objective of this study is to develop a methodology to predict e-learners' concentration by applying Recurrent Neural Network models to eye gaze and facial landmark data extracted from e-learners' video data. 184 video data of 92 e-learners' were obtained and their frame data were extracted by using the OpenFace 2.0 toolkit. Then, the data were divided into five second interval and labeled with their concentration levels. The Recurrent Neural Network, Long-Short Term Memory, and Gated Recurrent Units models were utilized in the comparative experiments. As a result, Gated Recurrent Units exhibited the best performance showing that overall accuracy of 84.8 percent. This study is significant in that e-learning contents based on learners' concentration can be developed and in that it can be expected to increase the effectiveness of education by providing opportunities for e-learning learners to manage their own learning attitudes. 최근 코로나 19로 인해 비대면 원격수업이 활성화되면서 이러닝에 관한 관심이 증가하고 있다. 이러닝은 여러 가지 장점에도 불구하고 학습자와 교수자 간의 직접 적인 교류가 부족하므로 즉각적인 피드백을 받기가 힘들다는 단점이 있다. 이러한 단점을 보완하기 위해 다양한 방법론이 개발되었으나, 학습자의 태도를 정량적으로 측정하여 분석한 연구는 부족한 실정이다. 본 연구에서는 이러닝 학습자 영상에서 추출한 시선 및 얼굴 윤곽 데이터에 순환신경망 모델을 적용해 학습자의 집중도를 예측하는 방법론을 제시하고자 한다. 이러닝 학습자 92명을 촬영한 184개의 영상으 로부터 OpenFace 2.0 툴킷을 이용해 프레임별 데이터를 추출했고 5초 단위로 나눠 레이블링을 진행했다. 전처리한 데이터에 순환신경망(Recurrent neural network), 장 단기 메모리(Long-short term memory), 게이트 순환 유닛(Gated recurrent units) 모 델을 적용하여 비교 분석하였다. 그 결과, 게이트 순환 유닛이 84.8 퍼센트의 정확 도를 보여 가장 성능이 높게 나왔다. 본 연구를 통해 교수자에게는 학습자 집중 여 부에 따른 이러닝 콘텐츠 개발에 대한 가능성을 제시할 수 있고, 이러닝 학습자에 게는 스스로 학습 태도를 관리할 기회를 제공함으로써 교육 효과 상승을 기대할 수 있다는 점에서 의의가 있다.

브랜드 및 만족도를 중심으로 한 디지털 인쇄 산업의 구매 의향 분석

김현모 서울과학기술대학교 2014 국내석사

마케팅 전략을 수립하는 기업은 소비자의 특성에 맞게 판매 계획을 세우고 활용한다. 이 과정에서 구매 가능성과 연관이 있는 요소를 파악하여 효과적인 마케팅 전략을 수립하는 것은 기업 경쟁력과 직결된다. 본 논문에서는 디지털 인쇄 산업의 브랜드 인지도/선호도, 제품 사용 후기, 추천의향을 파악하여 구매가능성과 연관된 요소에 관한 연구를 실시하였다. 디지털 인쇄업 실수요자들에게 설문을 통해 수집된 데이터를 토대로 상관관계 및 회귀분석을 수행하였다. 연구결과, 디지털 인쇄업계에서는 브랜드의 선호/만족도가 중시되는 특성을 보였다. 또한, 소비자의 브랜드 인지/선호도에 따라 제품 구매가능성의 상관관계가 다르게 나타났으며, 소비자가 현재 사용하는 제품의 만족도에 따라 브랜드 별 추천의향이 차이를 보였다. 브랜드 별로 유의한 상관관계가 높은 변수를 종합해 회귀분석을 실시한 결과, 모든 브랜드가 선호도에 유의한 관계를 보였으며, 해당 연구를 통해 디지털 프린터 업계의 마케팅 전략에 활용될 수 있을 것으로 기대한다. Analyzing the characteristics of consumers is critical for development of marketing strategies. Thus, it is important to investigate the elements that are associated with the purchase intention of consumers. In this paper, a study has been conducted on the factors that would affect purchase intentions of digital printing industry's consumers. Brand awareness, brand preference, users' experience, and recommendation have been identified as factors. Based on a survey on digital printing industry's consumers, statistical analysis has been conducted. As a result, it was found that brand awareness and satisfaction can be considered as significant factors in the digital printing industry. Further, according to the brand awareness/preference of consumers, it was revealed that there exist differences in terms of correlation of product purchase possibility. Regression analysis has been conducted with significant variables. The result shows that all brands have meaningful relationships with preference. This study is expected to be utilized during the development of marketing strategy in the digital printing industry.

포인트 클라우드 기반 딥 러닝 기법을 이용한 BIM 객체 분류에 관한 연구

정재윤 서울과학기술대학교 2017 국내석사

건축 산업 전반에 BIM(Building Information Modeling)의 활용이 확대되고 있다. BIM은 3차원 건축물 객체 데이터를 기반으로 건축물이 지닌 다양한 정보를 담고 있는 데이터 형태이다. BIM 데이터는 IFC(Industry Foundation Classes) 표준 형태로 제작 및 배포된다. 이 때 BIM 데이터를 IFC 표준으로 생성하는 과정에서 설계자가 직접 IFC 데이터의 정보를 매핑해야 하는 문제가 존재한다. 이는 전문 인력 자원의 소요와 인적 오류의 발생 가능성을 높일 수 있는 위험을 지니고 있다. 본 연구에서는 이러한 위험을 줄이고, 보다 효과적으로 IFC 표준에 맞는 BIM 데이터 생성을 위한 딥 러닝 기법을 이용하여 학습한 모델을 통한 자동화된 BIM-IFC간 클래스 매핑 과정을 제안하였다.표준 BIM 라이브러리 데이터인 KBIMS 데이터를 이용한 실험에서 심층 신경망, 합성곱 신경망, Pointnet 총 3개의 딥 러닝 구조를 학습하여 평가하였다. 실험 결과 세 모델 모두 85% 이상의 높은 성능을 보였으며 그 중 3차원 객체의 위치 정보를 점들의 집합 형태의 데이터인 포인트 클라우드 형태로 표현한 Pointnet이 95% 이상의 정확도를 보여 가장 높은 성능의 모델임을 확인할 수 있었다. 본 연구의 의의는 BIM-IFC 클래스 매핑 작업에서 자동화된 딥 러닝 기반 모델 학습 과정을 통해 기존의 설계 전문가가 수작업으로 수행하는 정보 입력 과정을 자동화할 수 있다는 가능성을 보여준 것에 있다. The use of BIM (Building Information Modeling) is expanding throughout the industry. BIM has been distributed in the form of IFC(Industry Foundation Classes) standards, which contains various information of buildings based on 3D building object data. Generating a BIM model, however, often requires tedious and time-consuming processes as the data of the BIM model should be matched with the IFC standards. Usually it is performed by engineers, increasing the possibility of human errors. In this paper, we propose an automated BIM-IFC inter-class mapping process by using a deep learning model. In the experiments, the standard BIM library data, KBIMS library, were utilized. Three deep running structures ─ Deep Neural Network, Convolutional Neural Network, and Pointnet ─ were learned and evaluated. As a result, all three models showed high performance; they all achieved accuracy more than 85%. Among them, Pointnet, which expresses the position information of three-dimensional objects as point cloud data, showed the best performance, with accuracy over 95%. This study demonstrates the possibility of automating the information input process directly performed by existing design experts through an automated deep learning based model learning process in the BIM-IFC class mapping task.

토픽모델링과 사회연결망분석을 활용한 실감영상기술 관련 특허 동향 분석

노석현 서울과학기술대학교 2023 국내박사

최근 실감영상기술의 발전으로 인해 AR, VR, 3D 등의 IT서비스가 공연, 전시, 영화, 도서 등 다양한 엔터테인먼트 분야로 확산되고 있다. 또한 코로나 19의 영향으로 비대면 업무의 수요도 높아지고 있다. 줌(Zoom), MS팀스(MS Teams) 등 온라인 공간에서의 만남도 익숙해졌다. 가상현실기술이 인공지능 등 신기술들과 결합되면서 혼합현실, 대체현실 등 서비스 범위가 급속하게 확장되고 있다. 실감영상기술의 산업 활용과 경제적 가치가 높아짐에 따라 실감영상기술과 의료, 교육, 관광 등 다양한 산업분야에서 실감영상기술을 활용하는 연구는 증가하고 있으나 실감영상기술 동향 분석에 대한 연구는 부족한 상황이다. 이에 따라 실감영상기술 관련 특허 동향분석을 통해 실감영상기술 분야의 전체적인 구조와 내용을 파악하고, 해당 분야의 세부기술과 핵심 내용을 제시하고자 한다. 본 연구는 Google Patent Web Site에서 2000년부터 2021년 8월까지 약 21년간 총 152,617건의 특허를 수집하였고, 수집된 특허 중 한국, 미국, 중국 등 3개국의 CPC(Cooperative Patent Classification, 협력적 특허분류)코드가 모두 포함된 특허출원 94,205건을 분석에 이용하였다, 본 연구는 두 부분으로 구성되어 있다. 첫 번째로, Word2vec을 접목한 토픽모델링 확장모형을 활용해 실감영상기술 관련 특허출원에 대한 토픽 8개를 선정하고 각 토픽별 기간에 따른 성장(Hot)·쇠퇴(Cold) 기술의 추이를 분석하였다. 두 번째로, 수집한 특허의 CPC코드를 통한 네트워크 분석을 수행하여 토픽별로 기술간 연결망 구조와 기술융합 특성을 확인하고, 연결중심성 지표를 통해 핵심기술을 도출하였다. 본 연구는 첫째 Word2vec을 접목한 토픽모델링 확장모형을 활용하여 토픽의 의미를 명확히 하고 실감영상기술 세부 분야에 대한 동향을 객관적 측면에서 분석하였다는 점, 둘째로 한국, 미국, 중국 등 3개국의 실감영상기술 관련 특허의 네트워크 분석을 통해 기업, 정부 차원에서 실감영상기술 산업을 육성하고 지원하기 위한 전략 및 정책적 시사점을 제시하는데 연구의 의의가 있다. 본 연구의 결과는 향후 실감영상기술 연구개발 계획을 수립하기 위한 참고자료로 활용될 수 있을 것으로 기대된다. Due to the recent development of realistic video technology, IT services such as AR, VR, and 3D are spreading to various entertainment fields such as performances, exhibitions, movies, and books. In addition, the demand for non-face-to-face work is increasing due to the influence of COVID-19. Meetings in online spaces such as Zoom and MS Teams have also become familiar. As virtual reality technology is combined with new technologies such as artificial intelligence, the scope of services such as mixed reality and alternative reality is rapidly expanding. As the industrial use and economic value of realistic imaging technology increases, research using realistic imaging technology in various industries such as medical care, education, and tourism is increasing, but research on analyzing realistic imaging technology trends is insufficient. Accordingly, through analysis of patent trends related to realistic video technology, the overall structure and content of the field of realistic video technology are identified, and detailed technologies and core contents of the field are presented. This study collected a total of 152,617 patents for about 21 years from 2000 to August 2021, and 94,205 patent applications containing CPC (Cooperative Patent Classification) codes from three countries, Korea, the United States, and China, were used for the analysis This study consists of two parts. First, eight topics for patent applications related to realistic video technology were selected using the topic modeling expansion model incorporating Word2vec, and the trend of hot and cold technologies according to the period of each topic was analyzed. Second, network analysis through CPC code of collected patents was performed to check the network structure and technology convergence characteristics between technologies for each topic, and key technologies were derived through connection centrality indicators. The main contribution of this study is that it clarifies the meaning of the topic and analyzes trends in detailed fields of realistic imaging technology from an objective perspective using Word2vec, and suggests strategies and policy implications for fostering and supporting the realistic imaging technology industry at the corporate and government levels. The results of this study are expected to be used as reference materials for establishing R&D plans for realistic imaging technology in the future.