http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
인터넷 뉴스 댓글 기반의 다중 감정 분석 모델 개발 및 적용
한재호(Jaeho Han),김우정(Woojeong Kim),한경식(Kyungsik Han) 한국HCI학회 2018 한국HCI학회 학술대회 Vol.2018 No.1
본 연구에서는 4 가지 감정(‘기쁨’, ‘슬픔’, ‘분노’, ‘혐오’)으로 분류한 데이터를 바탕으로 기계학습기반 감정 분석 모델을 구축하였다. 기사와 댓글을 연관하여 총괄적인 측면에서 문맥을 파악하여 판단한 감정 데이터를 기반으로 한 우리의 모델은 단순 감정 사전 중심인 기존의 감정 모델과 차이가 있다. 우리 모델은 79%의 정확도를 달성하여 우리 방법론의 유효성과 실제 활용 가능성을 보여주었다.
비시안 무전해 Au 도금의 석출거동에 미치는 하지층 무전해 Ni-P 도금 조건의 영향
김동현,한재호,Kim, DongHyun,Han, Jaeho 한국표면공학회 2022 한국표면공학회지 Vol.55 No.5
Gold plating is used as a coating of connector in printed circuit boards, ceramic integrated circuit packages, semiconductor devices and so on, because the film has excellent electric conductivity, solderability and chemical properties such as durability to acid and other chemicals. In most cases, internal connection between device and package and external terminals for connecting packaging and printed circuit board are electroless Ni-P plating followed by immersion Au plating (ENIG) to ensure connection reliability. The deposition behavior and film properties of electroless Au plating are affected by P content, grain size and mixed impurity components in the electroless Ni-P alloy film used as the underlayer plating. In this study, the correlation between electroless nickel plating used as a underlayer layer and cyanide-free electroless Au plating using thiomalic acid as a complexing agent and aminoethanethiol as a reducing agent was investigated.
중국 인터넷 쇼핑몰 고객들의 구매동기와 쇼핑수단의 관계에 관한 연구
이현규(Hyunkyu Lee),한재호(Jaeho Han) 한국인터넷전자상거래학회 2012 인터넷전자상거래연구 Vol.12 No.4
In this study Means-Ends Network model was used for identifying factors influencing on the customer value of China buyers in internet shopping mall. 4 purchasing motivations that is fundamental objectives of shopping-shopping convenience, internet environment, customer support and product value, and 6 means supplied by vendor that is means objectives for satisfying purchasing motivations -shopping travel, shipping assurance, vendor trust, online payment, product choice, and recommender systems were founded. However, the results are different from that of Korea because of slow internet capacity, insufficient infrastructure of payment system, difficulties of shipment, several types of social infrastructures concentrated in large cities. That is, the main features are they do not think many different product information, many options for choice, and recommender systems important for purchasing decision making. Instead they recognize short shopping travel as one of main factors. But, it shows shipping assurance and vendor trust are main means objectives influencing on every fundamental objectives. This results tell us a set of new internet shopping-related legal and institutional policies are regarded as a prerequisite to the encouragement of Internet shopping mall and growth of trading size in China.
대학의 AI 기반 맞춤형 강의 추천 시스템 개발 및 실제 적용 사례 연구: K 대학을 중심으로
이진숙 ( Jinsook Lee ),문기범 ( Kibum Moon ),한수연 ( Suyeon Han ),이수강 ( Sukang Lee ),권혜정 ( Hyejung Kwon ),한재호 ( Jaeho Han ),김규태 ( Gyutae Kim ) 한국교육공학회 2021 교육공학연구 Vol.37 No.2
본 연구는 대학혁신을 위한 인공지능 기반의 적응형 학습인 AI 기반 교양 강의 추천 시스템을 래피드 프로토타입 모형에 기반하여 개발하고, 실제 교내 포털 시스템에 적용하여 이용 결과를 분석하는 것에 목적을 두었다. 해당 서비스는 2020년 7월 교내 포털 시스템에 적용하였다. 추천 기능에 이용된 알고리즘은 사용자 기반 협업 필터링과 수강 이력 기반 통계 알고리즘을 이용하였으며, 각 모델당 21개의 교양 강의를 추천하였다. 서비스 만족도 설문조사를 진행한 결과, 782명의 응답을 수집하였고 협업 필터링 알고리즘보다 통계 기반 알고리즘의 만족도가 유의미하게 높은 것을 확인하였다. 그러나 실제 사후 추적 조사 결과, 2020년 2학기 희망 강의로 등록된 강의 내역과 실제 수강 내역에서 추천된 강의를 분석했을 때 협업 필터링 알고리즘의 Recall@21이 각각 약 37%와 43%로 통계 기반 알고리즘의 결과인 18%와 14%에 비해 높은 것으로 나타났다. 또한, 학생들은 교양 강의를 선택할 때 흥미 및 관심사를 가장 우선순위로 고려하였으며, 강의 제목의 모호함 때문에 강의에 대한 키워드가 가장 필요한 정보라고 응답하였다. 더불어 설문 응답자들은 원하는 강의와 원하는 수업 방식을 추천 결과에 직접 반영하고자 하는 요구를 확인하였다. 본 연구가 국내 대학 교육 실정에 맞는 인공지능 기반의 맞춤형 강의 추천 시스템을 개발하고 학습자에게 맞춤형 교육 정보를 제공하고자 할 때 기초자료로 기여할 수 있기를 기대한다. This paper outlines the development process of an AI-based elective course recommendation system on the basis of rapid prototype methodology (RP), from algorithm modeling to development of a user interface and follow-up survey. The algorithms used to produce recommendations employed either user-based collaborative filtering or a class history-based statistical model, incorporating students’ course ratings and course enrollment history data. The system was implemented on the campus portal website in July 2020, and a satisfaction survey was conducted. Our results, based on 782 responses, demonstrated that the statistical-based model had significantly higher satisfaction than the collaborative filtering model. However, a follow-up survey based on course wish list and course registration data found that Recall@21 for the collaborative filtering model was about 37% and 43%, respectively, compared with 18% and 14%, respectively, for the statistical-based model. Thus, we found a difference between satisfaction with the recommended list and actual course behavior. In their responses, students regarded their academic interests as the top priority when choosing elective courses, and noted that keywords, capable of fully describing the lectures, were vital information due to ambiguous course titles. This study is expected to contribute to the further development and real application of AI-based recommendation systems in Korean higher education institutions.