농업 분야 컴퓨터 비전(Computer Vision) 기술 확산으로 고품질 학습 데이터 확보가 필수적이나, 기존의 수동 데이터 구축 방식은 많은 시간과 비용이 소요되는 한계가 있다. 이에 본 연구는 최신 멀티모달 파운데이션 모델인 SAM3(Segment Anything Model 3)를 기반으로 반자동 어노테이션 시스템을 개발하였다. 제안 시스템은 (1) 텍스트 프롬프트 기반 객체 인 식, (2) SAM3 기반 정밀 마스크 생성 및 학습 가능한 폴리곤 좌표 변환, (3) 사용자 검증의 3단계로 구성되며 GUI로 구현 되었다. 600장 이미지 평가 결과, SAM3는 92.9%의 매칭률 과 0.790의 평균 정밀도(mAP)를 달성하였으며, 데이터셋 구 축 시간을 수동 작업 대비 96~98% 단축시켰다. 이는 SAM+ CLIP, Grounding DINO+SAM 등 기존 파운데이션 모델 대 비 정확도와 효율성 모든 면에서 월등한 성능이다. 본 연구는 파운데이션 모델의 제로샷 성능을 활용해 농업 데이터 레이블 링 효율을 개선하고 관련 AI 연구 가속화에 기여할 것으로 기 대된다.

본 연구는 중소벤처기업부가 추진하는 정책사업인 로컬콘텐츠 중점대 학을 중심으로, 최근 2년간 온라인에서 형성된 담론의 구조와 사회적 수 용 양상을 소셜 빅데이터 분석을 통해 규명하는 데 목적이 있다. 이를 위해 네이버와 다음의 블로그, 뉴스, 웹문서 등 다양한 채널에서 수집한 데이터를 기반으로 텍스트 마이닝(단어빈도, TF-IDF, N-gram), 개체명 인식, 2-mode 매트릭스 분석, 감성 분석, CONCOR 분석, LDA 토픽모 델링 및 의미기반 클러스터링을 수행하였다. 분석 결과, ‘대학’, ‘콘텐츠’, ‘창업’, ‘지역’, ‘지원’ 등 핵심어를 중심으로 한 의미구조가 형성되어 있 었으며, 담론은 대체로 긍정적 정서를 포함하고 있었다. 또한 대학, 지역 기관, 중소기업 간 협력 네트워크가 주체별로 상이한 양상을 보이며 다 층적 실행 구조를 보여주었다. 본 연구는 로컬콘텐츠 중점대학의 사회적 인식과 정책적 함의를 담론 기반으로 조망함으로써, 향후 제도 설계 및 지역혁신전략 수립에 기초자료를 제공하고자 한다.

본 연구는 정원문화의 확산과 농촌이주에 대한 대중의 인식을 빅데이터 기반으로 분석하여 농촌공간의 사회적·정서적 가치에 대한 시사점을 도출하고자 하였다. 최근 치유농업, 정신건강 증진, 농촌 정주 촉진 등 국가적 정책 흐름 속에서 정원과 농촌 이주가 어떻게 디지털 공간에서 담론화되고 있는지를 탐색하였다. 네이버와 다음의 블로그 및 카페로부터 2015년 7월부터 2024년까지 수집된 비정형 데이터를 대상으로 텍스트마이닝 기법을 적용하였다. 분석 방법으 로는 키워드 빈도분석, TF-IDF, N-gram 연결망 분석, Louvain 클러스터링, 감성분석을 활용하였 다. 분석 결과 귀농귀촌은 ‘교육’, ‘지원’, ‘주택’ 등의 제도적 기반에 대한 관심이 강하게 나타났 으며, 귀촌정원은 ‘꽃’, ‘전원주택’, ‘텃밭’ 등 정서적 만족과 자연 친화적 주거 환경에 대한 수요를 보여주었다. 농촌정원은 ‘체험’, ‘마을’, ‘자연’ 등 공동체 기반의 참여형 콘텐츠로 인식되 고 있었다. 클러스터 분석에서는 정책수혜형, 감성치유형, 공동체정착형, 예술창작형 등 다층적 인 귀농 및 정원 유형이 도출되었으며, 감성분석 결과 전체 텍스트의 80% 이상이 긍정적 감정을 나타내었다. 본 연구는 농촌 정원과 귀농귀촌 활동이 단순한 공간 활용이나 이주를 넘어 정서적 공감, 정책적 수혜, 문화적 창작의 플랫폼으로 기능하고 있음을 보여준다. 연구 결과는 향후 정원산업 진흥, 치유농업 활성화, 농촌 정주 정책 수립을 위한 기초자료로 활용될 수 있다.

군사학은 급변하는 안보환경과 국제정세의 변화, 4차산업혁명시대의 무기체계 발전과 저출산에 따른 병역제도 등의 사회적 관심이 증대되 고 있다. 따라서 본 연구는 빅데이터를 활용한 텍스트마이닝 기법으로 군사학의 학술연구 동향과 사회적 인식을 분석하여 시사점을 제시하는 데 있다. 연구 결과 학술연구 동향은 주변국 관계, 무기체계, 방위산업, 인공지능 등이 중점을 이루었지만, 사회적 인식은 대학교와 군사학과, 장교 등의 관심으로 차이점을 보였다. 군사학 발전을 위해 연구 중심의 역량과 환경을 구축하고, 융·복합적 연구와 지역사회와 연계한 산학협 력 체계구축 및 국민 참여를 통한 학술 세미나 및 통합연구 등이 요구 되었다.

This research proposes a novel approach to tackle the challenge of categorizing unstructured customer complaints in the automotive industry. The goal is to identify potential vehicle defects based on the findings of our algorithm, which can assist automakers in mitigating significant losses and reputational damage caused by mass claims. To achieve this goal, our model uses the Word2Vec method to analyze large volumes of unstructured customer complaint data from the National Highway Traffic Safety Administration (NHTSA). By developing a score dictionary for eight pre-selected criteria, our algorithm can efficiently categorize complaints and detect potential vehicle defects. By calculating the score of each complaint, our algorithm can identify patterns and correlations that can indicate potential defects in the vehicle. One of the key benefits of this approach is its ability to handle a large volume of unstructured data, which can be challenging for traditional methods. By using machine learning techniques, we can extract meaningful insights from customer complaints, which can help automakers prioritize and address potential defects before they become widespread issues. In conclusion, this research provides a promising approach to categorize unstructured customer complaints in the automotive industry and identify potential vehicle defects. By leveraging the power of machine learning, we can help automakers improve the quality of their products and enhance customer satisfaction. Further studies can build upon this approach to explore other potential applications and expand its scope to other industries.

지능형 컴퓨팅의 등장으로 빅데이터를 활용한 패션 브랜드 의미 마이닝과 가치 홍보에 초점을 맞춘 새로운 연구 트렌드가 등장하였다. 본 연구의 목적은 인기 여성복 브랜드 5개를 대상으로 다양한 종류의 의류에 대한 소비자 감성 트렌드를 조사하는 것이다. 유니클로, 에이치스타일, 베로모다, 피스버드, 온리. 이를 위해 총 93,550건의 소비자 평가를 수집하고, 키스멧 감성 분석 엔진을 활용하여 의류 유형별 감성 극성도를 분석하였 다. 그 결과, 브랜드에 따라 감정 극성이 크게 다르다는 것을 알 수 있었으며, HSTYLE 후드티, ONLY 니트웨 어, 피스버드 순면, 유니클로 니트가 각각 소비자들에게 가장 강한 긍정적 감정을 불러일으켰다. 또한 이번 연 구에서는 각 브랜드에서 가장 인기 있는 의류 유형과 착용 효과를 밝혀 패션 기업이 효과적인 마케팅 전략을 수립하고 제품 제공을 강화하는 데 중요한 인사이트를 제공했다. 이러한 연구 결과를 바탕으로 게임 업계에서 는 감성 분석을 적용하여 다양한 게임 브랜드, 장르, 게임 플레이에 대한 플레이어의 감정 반응을 이해하고 게임 프로모션 전략과 제품 디자인 개발에 도움을 줄 수 있다. 전반적으로 이 연구 결과는 디자인 분야에서 빅데이터의 잠재력을 입증하고 업계에서 경쟁 우위를 확보하기 위해 빅데이터를 활용하는 것이 중요하다는 점을 강조할 수 있다.

This study applied the text frequency method to analyze the crops prevalent during the Chosunwangjoshilrok dynasty, and categorized the results by each king. Contemporary perception of grains was observed by examining the staple crop types. Staple species were examined using the word cloud and semantic network analysis. Totally, 101,842 types of crop consumption were recorded during the Chosunwangjoshilrok period. Of these, 51,337 (50.4%) were grains, 50,407 (49.5%) were beans, and 98 (0.1%) were seeds. Rice was the most frequently consumed grain (37.1%), followed by pii (11.9%), millet (11.3%), barley (4.5%), proso (0.8%), wheat (0.6%), buckwheat (0.1%), and adlay (0.05%). Grain chronological frequency in the Choseon dynasty was determined to be 15,520 cases in the 15th century (30.2%), 11,201 cases in the 18th century (21.8%), 9,421 cases in the 17th century (18.4%), 9,113 cases in the 16th century (17.8%), and 6,082 cases in the 19th century (11.8%). Interest in grain amongst the 27 kings of Choseon was evaluated based on the frequency of records. The 15th century King Sejong recorded the maximum interest with 13,363 cases (13.1%), followed by King Jungjo (8,501 cases in the 18th century; 8.4%), King Sungjong (7,776 cases in the 15th century; 7.6%).

This study was conducted to explore the change in the market issues on HMR (Home Meal Replacements) using local foods after the COVID-19 outbreak. Online text data were collected from internet news, social media posts, and web documents before (from January 2016 to December 2019) and after (from January 2020 to November 2022) the COVID- 19 outbreak. TF-IDF analysis showed that ‘Trend’, ‘Market’, ‘Consumption’, and ‘Food service industry’ were the major keywords before the COVID-19 outbreak, whereas ‘Wanju-gun’, ‘Distribution’, ‘Development’, and ‘Meal-kit’ were main keywords after the COVID-19 outbreak. The results of topic modeling analysis and categorization showed that after the COVID-19 outbreak, the ‘Market’ category included ‘Non-face-to-face market’ instead of ‘Event,’ and ‘Delivery’ instead of ‘Distribution’. In the ‘Product’ category, ‘Marketing’ was included instead of ‘Trend’. Additionally, in the ‘Support’ category, ‘Start-up’ and ‘School food service’ appeared as new topics after the COVID-19 outbreak. In conclusion, this study showed that meaningful change had occurred in market issues on HMR using local foods after the COVID-19 outbreak. Therefore, governments should take advantage of such market opportunity by implementing policy and programs to promote the development and marketing of HMR using local foods.

The purpose of this paper is to understand the key factors for efficient maintenance of rapidly aging facilities. Therefore, the safety inspection/diagnosis reports accumulated in the unstructured data were collected and preprocessed. Then, the analysis was performed using a text mining analysis method. The derived vulnerabilities of tunnel facilities can be used as elements of inspections that take into account the characteristics of individual facilities during regular inspections and daily inspections in the short term. In addition, if detailed specification information and other inspection results(safety, durability, and ease of use) are used for analysis, it provides a stepping stone for supporting preemptive maintenance decision-making in the long term.

국내에서 연구된 금융교육 유관 학술논문을 보다 객관적으로 이해하고자 논문 초록에서 추출된 키워드를 중심으로 주요 토픽을 추론하여 포괄적인 담론들을 알아보고자 한다. 연구의 효율성을 높이고 반복될 수 있는 후속과제 연구를 위하여 빅 데이터 분석기법(텍스트 마이닝 - LDA)을 활용하였고 주요토픽에 대한 단어들을 추출하였다. 총 208건의 유관된 학술 논문을 전 처리 한 후에 추출된 명사 32,523건 중 상위빈도 1,201건에 대하여 LDA 토픽모델링을 실시한 결과 16개의 토픽 군이 형성되었다. 최다 빈도의 단어는 “금융이해력” 이었고 다음은 “학생”, “금융소비자” 순이었는데 추론 된 토픽들의 공통적인 주요 요소에는 학교와 학생들에게 교육을 제공하거나 공급하는 과정에 관심을 가지고 있다는 것이었다. 핵심 텍스트와 토픽을 정의하면서 피교육자의 사회적 요구와 성인을 위한 금융교육 관심도가 미흡하여 향후 지속적인 연구영역 확대 가 필요하다는 시사점을 발견하게 되었다.

People write reviews of numerous products or services on the Internet, in their blogs or community bulletin boards. These unstructured data contain important emotions and opinions about the author's product or service, which can provide important information for future product design or marketing. However, this text-based information cannot be evaluated quantitatively, and thus they are difficult to apply to mathematical models or optimization problems for product design and improvement. Therefore, this study proposes a method to quantitatively extract user’s opinion or preference about a specific product or service by utilizing a lot of text-based information existing on the Internet or online. The extracted unstructured text information is decomposed into basic unit words, and positive rate is evaluated by using existing emotional dictionaries and additional lists proposed in this study. This can be a way to effectively utilize unstructured text data, which is being generated and stored in vast quantities, in product or service design. Finally, to verify the effectiveness of the proposed method, a case study was conducted using movie review data retrieved from a portal website. By comparing the positive rates calculated by the proposed framework with user ratings for movies, a guideline on text mining based evaluation of unstructured data is provided.

최근 들어 VR 산업의 성장을 위한 양질의 VR 콘텐츠에 대한 필요성이 꾸준히 제기되고 있다. 이에 본 연구는 VR 콘텐츠 중에서 가장 큰 주목을 받고 있는 VR 게임의 사용자의 관심요소에 대해 연구하였다. 연구 수행을 위해 스팀(STEAM)의 사용자 리뷰 데이터를 활용하였고 리뷰 데이터에 텍스트마이닝과 네트워크 분석을 적용한 결과 VR 게임 사용자의 관심요소는 '현존감', '1인칭 시점 게임', '청각적 요소', '상호작용' 으로 확인되었다. 본 연구는 양질의 VR 게임 개발을 위한 사용자 관점의 연구를 수행하고 사용자 관점의 연구를 리뷰을 통해 시도한 초기 연구라는 것에 대해 그 의의가 있다.