$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

'인공지능', '기계학습', '딥 러닝' 분야의 국내 논문 동향 분석

Trend Analysis of Korea Papers in the Fields of 'Artificial Intelligence', 'Machine Learning' and 'Deep Learning'

한국정보전자통신기술학회논문지 = Journal of Korea institute of information, electronics, and communication technology, v.13 no.4, 2020년, pp.283 - 292  

박홍진 (Dep. of Computer Engineering, Sangji University)

초록
AI-Helper 아이콘AI-Helper

4차 산업혁명의 대표적인 이미지 중 하나인 인공지능은 2016년 알파고 이후에 인공지능 인식이 매우 높아져 있다. 본 논문은 학국교육학술정보원에서 제공하는 국내 논문 중 '인공지능', '기계학습', '딥 러닝'으로 검색된 국내 발표 논문에 대해서 분석하였다. 검색된 논문은 약 1만여건이며 논문 동향을 파악하기 위해 빈도분석토픽 모델링, 의미 연결망을 이용하였다. 추출된 논문을 분석한 결과, 2015년에 비해 2016년에는 인공지능 분야는 600%, 기계학습은 176%, 딥 러닝 분야는 316% 증가하여 알파고 이후에 인공지능 분야의 연구가 활발히 진행됨을 확인할 수 있었다. 또한, 2018년 부터는 기계학습보다 딥 러닝 분야가 더 많이 연구 발표되고 있다. 기계학습에서는 서포트 벡터 머신 모델이, 딥 러닝에서는 텐서플로우를 이용한 컨볼루션 신경망이 많이 활용되고 있음을 알 수 있었다. 본 논문은 '인공지능', '기계학습', '딥 러닝' 분야의 향후 연구 방향을 설정하는 도움을 제공할 수 있다.

Abstract AI-Helper 아이콘AI-Helper

Artificial intelligence, which is one of the representative images of the 4th industrial revolution, has been highly recognized since 2016. This paper analyzed domestic paper trends for 'Artificial Intelligence', 'Machine Learning', and 'Deep Learning' among the domestic papers provided by the Korea...

주제어

표/그림 (10)

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 첫째, 논문 제목에서의 단어 빈도를 추출하여 논문 제목에서의 주요 연구 부분이 어느 부분인지를 알아보고자 하였다. 두 번째로, 논문에 나타나 있는 키워드의 단어의 빈도를 분석하여 논문 제목보다 세밀한 논문 분야 키워드에 대해서 알아보고자 하였다.
  • 본 논문에서는 ‘인공지능’, ‘기계학습’, ‘딥 러닝’ 분야의 기존 발표 논문 동향을 분석함으로써, 향후 이 분야의 연구 방향을 설정하는데 있어 도움을 제공할 수 있다.
  • 본 논문은 기존 논문과의 차이점은 인공지능 분야뿐만 아니라, 기계학습, 딥 러닝 분야에서 논문 연구 동향을 같이 살펴보았다. 또한, 본 논문에서 파악된 논문의 양이 약 1만개 정도의 대용량의 논문 데이터이다.
  • 본 논문은 한국교육학술정보원에서 제공하는 학술연구정보서비스(www.riss.kr)에서 ‘인공지능’, ‘기계학습’, ‘딥 러닝’으로 검색된 국내 논문 데이터를 분석하여 인공지능 뿐만 아니라 기계학습, 딥 러닝의 논문 연구 동향을 파악 하고져 한다.
  • 본 논문에서는 논문의 동향을 파악하기 위해 두 가지 빈도 분석을 수행하였다. 첫째, 논문 제목에서의 단어 빈도를 추출하여 논문 제목에서의 주요 연구 부분이 어느 부분인지를 알아보고자 하였다. 두 번째로, 논문에 나타나 있는 키워드의 단어의 빈도를 분석하여 논문 제목보다 세밀한 논문 분야 키워드에 대해서 알아보고자 하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
텍스트 마이닝은 어떤 기술인가? 텍스트 마이닝은 언어학, 통계학, 기계 학습 등을 기반으로 한 자연언어 처리 기술을 활용하여 반정형 및 비정형 텍스트 데이터를 정형화하고, 특징을 추출하기 위한 기술과 추출된 특징으로부터 의미 있는 정보를 발견할 수 있도록 하는 기술이다. 즉, 텍스트 데이터에서 가치와 의미가 있는 정보를 찾아내는 기술이다. 텍스트 마이닝 과정은 먼저 크롤링(Crawling)이나 스크래핑(Scrapping)을 통해 데이터를 수집한다.
4차 산업혁명은 무엇을 의미하는가? 4차 산업혁명은 빅데이터를 기반으로 하여 인공지능, 기계학습과 딥 러닝 발달, 그리고 사물인터넷(IoT), 클라우드를 통해 인간뿐만 아니라 모든 기기가 연결되는 초연결 시대를 의미한다. 인공지능 기술의 발달로 인해 인간의 지식 노동까지도 기계가 대체하는 초지능화 시대, 홀로그램등의 기술 발달로 인한 초현실 시대가 도래함을 의미한다.
딥러닝없이 바둑을 계산해야 될 경우, 경우의 수는 몇 개인가? 알파고는 기계학습 중 딥러닝을 기반으로 설계되었다. 일반적으로 바둑을 계산해야 할 경우의 수는 250의 150제곱이다. 몬테카를로 시뮬레이션을 사용하는 알파고는 딥 러닝 방식 없이 바둑을 둔다면 이 모든 경우의 수를 계산해야 하지만 이는 현실적으로 불가능하다.
질의응답 정보가 도움이 되었나요?

참고문헌 (17)

  1. J. W. Lee, H. D. Mun, "The status of our artificial intelligence in the era of the 4th industrial revolution", Information and Communication Technologies, Institute for Information & Communication Technology Promotion, Mar. 2018. 

  2. J. W. Choi, "AlphaGo's Impact : The possibilities and Limitations of Artificail Intelligence", KISDI Premium Report, Korea Information Society Development Institute, Jun. 2016. 

  3. http://riss.kr/index.do 

  4. https://ko.wikipedia.orf/wiki/RISS 

  5. A. Kamilaris, F. Prenafeta-Boldu, "Deep learning in agriculture: A survey", Computers and electronics in agriculture, pp. 70-90, Vol. 147, Apr. 2018. 

  6. M. Maheswari, J. Sathiaseelan, "Text mining: Survey on techniques and applications", International Journal of Science and Research, pp. 1660-1664, Vol. 6 Issue 6, Jun. 2017. 

  7. S. Brindha, K. Prabha, S. Sukumaran, "A survey on classification techniques for text mining", 3rd International Conference on Advanced Computing and Communication Systems, pp. 22-23, Jan. 2016. 

  8. A. Nayak, A. Kanive, N. Chandavekar, "Survey on pre-processing techniques for text mining", International Journal Of Engineering And Computer Science, Vol. 5 Issues 6, Jun. 2016. 

  9. A. Pietsch, S. Lessmann, "Topic modeling for analyzing open-ended survey responses", Journal of Business Analytics, pp. 93-116, Nov. 2018. 

  10. L. George, L. Birla, "A Study of Topic Modeling Methods", Second International Conference on Intelligent Computing and Control Systems, Jun. 2018. 

  11. M. Allahyari, S. Pouriyeh, M. Assefi, S. Safaei, "A brief survey of text mining: Classification, clustering and extraction techniques", KDD Bigdas, Aug. 2017. 

  12. H. Jelodar, Y. Wang, C. Yuan, X. Feng, X. Jiang, "Latent Dirichlet Allocation (LDA) and Topic modeling: models, applications, a survey", Multimedia Tools and Applications, Nov. 2018. 

  13. J. J. Sun, D. S. Kim, "A Study on the Development Trend of Artificial Intelligence Using Text Mining Technique: Focused on Open Source Software Projects on Github", Journal of Intelligence and Information Systems, pp. 1-19, Vol. 225, No. 1, Mar. 2019. 

  14. S. Hwang, M. K. Kim, "Analysis of research trends in the field of artificial intelligence in Korea-focusing on topic modeling and semantic network analysis-", Journal of Digital Contents Society, pp. 1847-1855, Vol. 20, No. 9, Sep. 2019. 

  15. J. M. Seok, S. H. Park, "Analysis of major research trends in artificial intelligence through analysis of thesis data", Journal of Digital Convergence, pp. 225-233, Vol. 15, No. 5. Jun. 2018. 

  16. S. M. Rho, "A Study of Topic Modeling Methods", Journal of Digital Contents Society, p p. 423-428, Vol. 18, No. 2, Feb. 2017. 

  17. K. S. Kang, S. M. Min, "Keyword Analysis of KCI Journals on Business Administration using Web Crawling and Machine Learning", Korea Journal of Business Administration, pp. 597-615, Vol. 32, No. 4, Apr. 2019. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트