화장품 및 뷰티산업에서 고객의 피부상태 진단과 관리는 중요한 필수기능이다. 소셜미디어 환경이 사회 전 분야에 확산되고 일반화되면서 피부 상태의 진단과 관리에 대한 다양하고 섬세한 고민과 요구 사항의 질문과 답변의 상호작용이 소셜미디어 커뮤니티에서 활발하게 다루어지고 있다. 그러나 소셜미디어 정보는 매우 다양하고 비정형적인 방대한 빅데이터이므로 적절한 피부상태 정보분석과 인공지능 기술을 접목한 지능화된 피부상태 진단 시스템이 필요하다. 본 논문에서는 소셜미디어의 텍스트 분석정보를 학습데이터로 가공하여 고객의 피부상태를 지능적으로 진단 및 관리하기 위한 피부상태진단시스템 SCDIS를 개발하였다. SCDIS에서는 딥러닝 기계학습 방법인 인공신경망 기술을 사용하여 자동적으로 피부상태 유형을 진단하는 인공신경망 모델 AnnTFIDF을 빌드업하여 사용하였다. 인공신경망 모델 AnnTFIDF의 성능은 테스트샘플 데이터를 사용하여 분석되었으며, 피부상태 유형 진단 예측 값의 정확성은 약 95%의 높은 성능을 나타내었다. 본 논문의 실험 및 성능분석결과를 통하여 SCDIS는 화장품 및 뷰티산업 분야의 피부상태 분석 및 진단 관리 과정에서 효율적으로 사용 가능한 지능화된 도구로 평가할 수 있다. 본 논문에서 제안된 시스템은 소셜미디어 기반의 새로운 환경에서 화장품 및 피부미용에 대한 사용자의 요구를 체계적으로 파악하고 진단하는 기초 기술로 사용 가능할 것이다. 그리고 이 연구는 새로운 기술 트렌드인 맞춤형 화장품제조와 소비자중심의 뷰티산업기술 수요를 해결하기 위한 기초 연구로 사용될 수 있을 것이다.
화장품 및 뷰티산업에서 고객의 피부상태 진단과 관리는 중요한 필수기능이다. 소셜미디어 환경이 사회 전 분야에 확산되고 일반화되면서 피부 상태의 진단과 관리에 대한 다양하고 섬세한 고민과 요구 사항의 질문과 답변의 상호작용이 소셜미디어 커뮤니티에서 활발하게 다루어지고 있다. 그러나 소셜미디어 정보는 매우 다양하고 비정형적인 방대한 빅데이터이므로 적절한 피부상태 정보분석과 인공지능 기술을 접목한 지능화된 피부상태 진단 시스템이 필요하다. 본 논문에서는 소셜미디어의 텍스트 분석정보를 학습데이터로 가공하여 고객의 피부상태를 지능적으로 진단 및 관리하기 위한 피부상태진단시스템 SCDIS를 개발하였다. SCDIS에서는 딥러닝 기계학습 방법인 인공신경망 기술을 사용하여 자동적으로 피부상태 유형을 진단하는 인공신경망 모델 AnnTFIDF을 빌드업하여 사용하였다. 인공신경망 모델 AnnTFIDF의 성능은 테스트샘플 데이터를 사용하여 분석되었으며, 피부상태 유형 진단 예측 값의 정확성은 약 95%의 높은 성능을 나타내었다. 본 논문의 실험 및 성능분석결과를 통하여 SCDIS는 화장품 및 뷰티산업 분야의 피부상태 분석 및 진단 관리 과정에서 효율적으로 사용 가능한 지능화된 도구로 평가할 수 있다. 본 논문에서 제안된 시스템은 소셜미디어 기반의 새로운 환경에서 화장품 및 피부미용에 대한 사용자의 요구를 체계적으로 파악하고 진단하는 기초 기술로 사용 가능할 것이다. 그리고 이 연구는 새로운 기술 트렌드인 맞춤형 화장품제조와 소비자중심의 뷰티산업기술 수요를 해결하기 위한 기초 연구로 사용될 수 있을 것이다.
Diagnosis and management of customer's skin condition is an important essential function in the cosmetics and beauty industry. As the social media environment spreads and generalizes to all fields of society, the interaction of questions and answers to various and delicate concerns and requirements ...
Diagnosis and management of customer's skin condition is an important essential function in the cosmetics and beauty industry. As the social media environment spreads and generalizes to all fields of society, the interaction of questions and answers to various and delicate concerns and requirements regarding the diagnosis and management of skin conditions is being actively dealt with in the social media community. However, since social media information is very diverse and atypical big data, an intelligent skin condition diagnosis system that combines appropriate skin condition information analysis and artificial intelligence technology is necessary. In this paper, we developed the skin condition diagnosis system SCDIS to intelligently diagnose and manage the skin condition of customers by processing the text analysis information of social media into learning data. In SCDIS, an artificial neural network model, AnnTFIDF, that automatically diagnoses skin condition types using artificial neural network technology, a deep learning machine learning method, was built up and used. The performance of the artificial neural network model AnnTFIDF was analyzed using test sample data, and the accuracy of the skin condition type diagnosis prediction value showed a high performance of about 95%. Through the experimental and performance analysis results of this paper, SCDIS can be evaluated as an intelligent tool that can be used efficiently in the skin condition analysis and diagnosis management process in the cosmetic and beauty industry. And this study can be used as a basic research to solve the new technology trend, customized cosmetics manufacturing and consumer-oriented beauty industry technology demand.
Diagnosis and management of customer's skin condition is an important essential function in the cosmetics and beauty industry. As the social media environment spreads and generalizes to all fields of society, the interaction of questions and answers to various and delicate concerns and requirements regarding the diagnosis and management of skin conditions is being actively dealt with in the social media community. However, since social media information is very diverse and atypical big data, an intelligent skin condition diagnosis system that combines appropriate skin condition information analysis and artificial intelligence technology is necessary. In this paper, we developed the skin condition diagnosis system SCDIS to intelligently diagnose and manage the skin condition of customers by processing the text analysis information of social media into learning data. In SCDIS, an artificial neural network model, AnnTFIDF, that automatically diagnoses skin condition types using artificial neural network technology, a deep learning machine learning method, was built up and used. The performance of the artificial neural network model AnnTFIDF was analyzed using test sample data, and the accuracy of the skin condition type diagnosis prediction value showed a high performance of about 95%. Through the experimental and performance analysis results of this paper, SCDIS can be evaluated as an intelligent tool that can be used efficiently in the skin condition analysis and diagnosis management process in the cosmetic and beauty industry. And this study can be used as a basic research to solve the new technology trend, customized cosmetics manufacturing and consumer-oriented beauty industry technology demand.
본 논문에서는 소셜미디어를 기반한 고객의 정확한 피부 상태 진단 및 관리를 위하여 적절한 빅데이터 분석을 통하여 피부 상태 분석정보를 획득하고, 인공신경망 기반의 인공지능 기술로 구현한 지능화된 피부 상태 진단시스템을 개발하였다. 즉, 소셜미디어에서 수집하여 분석된 피부 상태 진단 및 관리 정보를 기계학습의 훈련데이터로 가공하여 지능적으로 고객의 피부 상태를 진단할 수 있는 인공신경망 기반의 피부 상태 진단시스템을 개발하고 성능을 분석하였다.
제안 방법
본 논문에서는 빅데이터의 텍스트정보를 중심으로 분석된 피부 상태 분석정보를 활용하여 피부 상태를 지능적으로 진단하는 시스템을 구축하였다. 향후에는 빅데이터의 이미지 정보를 활용하여 더욱더 발전된 지능적인 피부 상태 진단이 가능한 추가적인 연구가 필요할 것이다.
본 논문에서는 우리가 앞서 연구한 [6]의 연구 결과로 소셜미디어에서 피부 상태 분석을 위한 빅데이터 분석 결과를 인공신경망을 훈련하기 위한 소스 정보로 활용하였다. 본 논문에서는 소셜미디어를 통하여 제시된 고객의 피부 상태에 대한 요구 내용인 텍스트를 중심으로 분석한 결과[6]를 사용하여 피부 상태를 지능적으로 진단하기 위한 소셜미디어기반의 지능형 피부 상태 진단정보시스템 SCDIS(Skin Condition Diagnosis Information System)를 개발하였다. 소셜미디어 커뮤니티에서 교류되는 정보는 매우 비정형적이고 데이터 사용 목적에 부합되지 않는 다양한 내용과 형태를 포함하고 있으므로 이러한 특성을 고려할 수 있는 빅데이터기술과 딥러닝 기계학습기술을 사용하여 지능화된 시스템으로 개발하였다.
피부상태 진단정보시스템 SCDIS는 소셜미디어 인스타그램으로부터 도출된 분석 정보를 인공신경망기술의 훈련데이터로 활용한 지능적인 피부상태 진단 및 관리 시스템이다. 본 논문에서는 훈련데이터생성단계와 훈련데이터준비단계를 통하여 피부상태 진단에 사용할 훈련데이터를 생성 및 준비하고, 인공신경망빌드업단계, 인공신경망훈련 단계, 인공신경망평가단계, 인공신경망예측단계를 인공신경망의 다양한 파라미터를 반복적으로 실험 및 평가하여 적절한 성능을 갖는 인공신경망 모델을 빌드업하였다. 최종적으로 빌드업된 인공신경망 AnnTFIDF 모델을 사용하여 테스트데이터로 준비된 소셜미디어의 게시물이 나타내고 있는 피부 상태 유형을 예측하고 이에 대한 예측 결과를 분석하였다.
본 논문에서는 소셜미디어를 통하여 제시된 고객의 피부 상태에 대한 요구 내용인 텍스트를 중심으로 분석한 결과[6]를 사용하여 피부 상태를 지능적으로 진단하기 위한 소셜미디어기반의 지능형 피부 상태 진단정보시스템 SCDIS(Skin Condition Diagnosis Information System)를 개발하였다. 소셜미디어 커뮤니티에서 교류되는 정보는 매우 비정형적이고 데이터 사용 목적에 부합되지 않는 다양한 내용과 형태를 포함하고 있으므로 이러한 특성을 고려할 수 있는 빅데이터기술과 딥러닝 기계학습기술을 사용하여 지능화된 시스템으로 개발하였다.
본 논문에서는 소셜미디어를 기반한 고객의 정확한 피부 상태 진단 및 관리를 위하여 적절한 빅데이터 분석을 통하여 피부 상태 분석정보를 획득하고, 인공신경망 기반의 인공지능 기술로 구현한 지능화된 피부 상태 진단시스템을 개발하였다. 즉, 소셜미디어에서 수집하여 분석된 피부 상태 진단 및 관리 정보를 기계학습의 훈련데이터로 가공하여 지능적으로 고객의 피부 상태를 진단할 수 있는 인공신경망 기반의 피부 상태 진단시스템을 개발하고 성능을 분석하였다.
피부상태 진단에 대한 기존 연구에서는 준비된 피부상태 이미지를 활용하여 선형적 분류 알고리즘인 SVM(Support Vector Machine)으로 기계학습을 진행하고 이를 근거로 피부 이미지를 지성과 건성으로 분류하는제한된 방식의 피부상태 진단 모델에 관한 연구를 진행하였다. 기존 연구에서는 피부 이미지로부터 정형적인 형태의 기하학적 특징점을 추출하는 제한점과 양질의 훈련데이터를 준비해야한다는 제한점이 있다.
대상 데이터
본 논문에서는 빅데이터 분석정보인 상대빈도수(TFIDF) 결과를 가공하여 SCDIS의 훈련데이터로 생성하였다. 훈련데이터는 핵심단어에 대한 상대빈도수 값을 입력값에 해당하는 특징들로 사용하였고, 게시물 항목의 좋아요 값과 분석된 핵심단어 정보를 사용하여 결정된 피부상태 유형 값을 정답에 해당하는 라벨로 구성하였다.
인공신경망빌드업단계 및 훈련단계는 인공신경망 모델에 대한 입력층, 은 닉층, 출력층의 구조를 모델링하고 피부상태 진단 성능을 높일 수 있도록 최적의 하이퍼 파라미터를 결정하는 과정이다. 인공신경망 평가 및 예측단계에서는 소셜미디어로부터 수집된 테스트샘플 데이터를 사용하여 평가하고 분석하였다. 인공신경망 모델 AnnTFIDF의 성능 분석 결과에서 피부상태 유형 진단 예측 값의 정확성이 약 95%의 높은 성능을 나타내었고, 손실 값은 약 0.
인공신경망평가단계에 사용되는 테스트샘플 데이터는 훈련샘플데이터에 포함되지 않는 데이터로서, 매 평가단계마다 랜덤하게 샘플링되어 모델이 공정하게 평가 받을 수 있도록 준비된 데이터이다. 테스트샘플 데이터는 전체 훈련데이터의 20%(347 개)를 사용하였다.
데이터처리
본 논문에서는 훈련데이터생성단계와 훈련데이터준비단계를 통하여 피부상태 진단에 사용할 훈련데이터를 생성 및 준비하고, 인공신경망빌드업단계, 인공신경망훈련 단계, 인공신경망평가단계, 인공신경망예측단계를 인공신경망의 다양한 파라미터를 반복적으로 실험 및 평가하여 적절한 성능을 갖는 인공신경망 모델을 빌드업하였다. 최종적으로 빌드업된 인공신경망 AnnTFIDF 모델을 사용하여 테스트데이터로 준비된 소셜미디어의 게시물이 나타내고 있는 피부 상태 유형을 예측하고 이에 대한 예측 결과를 분석하였다.
이론/모형
본 논문에서는 우리가 앞서 연구한 [6]의 연구 결과로 소셜미디어에서 피부 상태 분석을 위한 빅데이터 분석 결과를 인공신경망을 훈련하기 위한 소스 정보로 활용하였다. 본 논문에서는 소셜미디어를 통하여 제시된 고객의 피부 상태에 대한 요구 내용인 텍스트를 중심으로 분석한 결과[6]를 사용하여 피부 상태를 지능적으로 진단하기 위한 소셜미디어기반의 지능형 피부 상태 진단정보시스템 SCDIS(Skin Condition Diagnosis Information System)를 개발하였다.
본 논문에서는 피부상태 유형 진단에 손실함수 Categ oricalCrossentropy(categorical_crossentropy)를 사용하였다. 손실함수 CategoricalCrossentropy는 훈련중인 모델의 예측 값인 피부상태 유형과 정답 레이블인 피부상태 유형 간의 교차 엔트로피 손실을 계산하는 함수이다.
인공신경망 AnnTFIDF의 출력층은 피부상태 유형 진단결과를 나타내는 계층으로 피부상태 유형 진단을 위해 Softmax 활성화함수를 사용하였다. 출력층의 Softmax 활성화함수는 가장 높은 예측 값을 갖는 피부상태 유형을 결과로 출력할 수 있도록 한다.
skinType 값으로 결정되는 피부유형은 뷰티산업분야에서피부상태 진단에 일반적으로 사용하는 "피부결", "모공", " 각질", "주름", "피부톤", "홍반", "홍조", "여드름", "색소침착"의 9개 피부 상태 유형 가운데 상대빈도수가 높은 유형으로 결정된다. 인공신경망 훈련과정에서 skinType이 훈련데이터에 정답 라벨로 사용될 때에는 인공신경망의 출력값과의 차이를 정량화하기 위해 원핫인코딩(one-hot-encoding)을 적용하여 사용하였다.
활성화함수 ReLU함수는 미분도 간단하고 심층신경망에서 나타나는 그래디언트 감쇠가 일어나지 않아서 본 논문의 annTFIDF 인공신경망 모델 구성에 적합한 특성을 갖는다. 인공신경망의 예측성능과 효율성을 고려하여 입력층과 은닉층의 활성화함수는 ReLU함수를 사용하여 설계하였으며, 출력층의 활성화함수는 피부상태 유형 결정에 적합한 Softmax 활성화함수를 사용하여 설계하였다.
빌드업된 인공신경망 모델인 AnnTFIDF의 은닉층 개수, 유형, 각 은닉층의 뉴런의 개수는 인공신경망의 정확도와 견고성을 높이기 위하여 반복적인 실험을 통하여 인공신경망의 다양한 파라미터와 함께 결정되었다. 활성화 함수는 인공신경망 빌드업과정에서 일반적으로 효율성과 성능이 우수하다고 평가되는 ReLU함수를 적용하였다. 빌드업된 인공신경망 AnnTFIDF에서 훈련과정을 통하여 학습결과를 나타내는 가중치 등의 파라미터는 총 22,212,039 개로 표 2와 같다.
성능/효과
본 논문에서 개발한 SCDIS는 소셜미디어의 피부 상태 분석정보를 피부 상태 유형 진단을 위한 훈련 데이터로 가공하여 인공신경망 AnnTFIDF 시스템의 훈련데이터로 사용함으로써 고객의 피부 상태를 지능적으로 진단 및 관리할 수 있다. SCDIS는 훈련데이타생성단계, 훈련데이터준 비단계, 인공신경망빌드업단계, 인공신경망훈련단계, 인공 신경망평가단계, 인공신경망예측단계로 구성된다.
인공신경망 평가 및 예측단계에서는 소셜미디어로부터 수집된 테스트샘플 데이터를 사용하여 평가하고 분석하였다. 인공신경망 모델 AnnTFIDF의 성능 분석 결과에서 피부상태 유형 진단 예측 값의 정확성이 약 95%의 높은 성능을 나타내었고, 손실 값은 약 0.44의 낮은 오차값을 나타냄으로써 화장품 및 뷰티산업분야의 피부상태 진단 및 관리에 있어서 지능화된 도구 및 환경으로 사용 가능한 것으로 분석되었다.
최근 화장품산업과 뷰티산업의 동향은 기능과 성분을 중시하며 기능성 화장품과 개인 맞춤형 뷰티산업 방향으로 발전되어 가고 있다. 화장품과 뷰티산업에서 개인 맞춤형 기능성 화장품과 미용 서비스를 제공하기 위해서는 무엇보다 화장품 및 미용 소비자의 니즈를 파악하는 것이 가장 중요하고, 가장 필수적인 기능은 소비자의 피부 상태 및 요구 사항 파악이라 할 수 있다. 이러한 관점에서 화장품과학 및 미용과학 분야의 뷰티산업 종사자와 연구개발자에게 고객 피부상태의 파악과 진단은 중요한 관심사이다.
후속연구
피부상태 진단에 대한 기존 연구에서는 준비된 피부상태 이미지를 활용하여 선형적 분류 알고리즘인 SVM(Support Vector Machine)으로 기계학습을 진행하고 이를 근거로 피부 이미지를 지성과 건성으로 분류하는제한된 방식의 피부상태 진단 모델에 관한 연구를 진행하였다. 기존 연구에서는 피부 이미지로부터 정형적인 형태의 기하학적 특징점을 추출하는 제한점과 양질의 훈련데이터를 준비해야한다는 제한점이 있다. 따라서 화장품 및 뷰티산업분야에서 고객의 피부상태 진단 및 관리에 있어서 변화되는 화장품 및 피부미용에 대한 고객들의 요구 사항을 지속적이고 실시간적으로 파악하고 대응할 빅데이터분석시스템과 지능화된 피부 상태 유형 진단 및 관리 체계시스템의 연구가 필요하다.
4차 산업혁명시대로 사회 전반이 발전되어 가면서 기존의 많은 활동이 온라인 비대면 환경으로 급속하게 발전하고 온라인을 기반으로 한 새로운 세대가 나타나고 있다. 따라서 다양한 온라인 환경에서 자신의 피부미용 및 피부상태와 관련된 사용자의 요구 사항을 이해 및 파악하고 이를 참고하여 고객의 피부미용 관리 및 피부 상태 진단의 상호작용을 할 필요가 있다.
기존 연구에서는 피부 이미지로부터 정형적인 형태의 기하학적 특징점을 추출하는 제한점과 양질의 훈련데이터를 준비해야한다는 제한점이 있다. 따라서 화장품 및 뷰티산업분야에서 고객의 피부상태 진단 및 관리에 있어서 변화되는 화장품 및 피부미용에 대한 고객들의 요구 사항을 지속적이고 실시간적으로 파악하고 대응할 빅데이터분석시스템과 지능화된 피부 상태 유형 진단 및 관리 체계시스템의 연구가 필요하다.
빅데이터 분석 결과를 훈련데이터로 활용한 지능화된 피부 상태 진단 도구 SCDIS는 급변하는 4차 산업환경에 대응하고 맞춤형화장품 등 소비트렌드를 충족시킬 수 있는 솔루션이 될 것으로 기대된다. 또한 SCDIS는 화장품 및 뷰티산업분야의 발전과 향후 보다 정교한 피부 상태 진단시스템을 구축하는데 필요한 기초 연구자료가 될 것이다.
일반적으로 사용되는 활성화함수는 계단함수, 시그모이드함수, ReLU 함수 등이 있다. 본 논문에서 사용되는 훈련데이터는 소셜미디어로부터 수집, 분석된 방대한 정보를 근간으로 하고 있으므로, 완성된 인공신경망의 예측 성능을 높일 수 있는 활성화함수의 선택이 필요하다. 활성화함수 ReLU함수는 미분도 간단하고 심층신경망에서 나타나는 그래디언트 감쇠가 일어나지 않아서 본 논문의 annTFIDF 인공신경망 모델 구성에 적합한 특성을 갖는다.
향후에는 빅데이터의 이미지 정보를 활용하여 더욱더 발전된 지능적인 피부 상태 진단이 가능한 추가적인 연구가 필요할 것이다. 빅데이터 분석 결과를 훈련데이터로 활용한 지능화된 피부 상태 진단 도구 SCDIS는 급변하는 4차 산업환경에 대응하고 맞춤형화장품 등 소비트렌드를 충족시킬 수 있는 솔루션이 될 것으로 기대된다. 또한 SCDIS는 화장품 및 뷰티산업분야의 발전과 향후 보다 정교한 피부 상태 진단시스템을 구축하는데 필요한 기초 연구자료가 될 것이다.
소셜미디어 상의 피부 상태 요구 표현은 매우 비정형적이고 다양한 표현의 방대한 규모의 빅데이터로 발생되므로 인공지능기술이 접목된 지능화된 솔루션을 제공하는 것이 필요하다. 즉, 소셜미디어에 표현된 고객의 피부 상태 요구에 대하여 최신의 빅데이터 분석기술과 딥러닝 기계학습 기술을 사용하여 피부상태 유형을 진단하고 관리하는 지능화된 도구 및 환경이 필요하다.
소셜미디어 상의 피부 상태 요구 표현은 매우 비정형적이고 다양한 표현의 방대한 규모의 빅데이터로 발생되므로 인공지능기술이 접목된 지능화된 솔루션을 제공하는 것이 필요하다. 즉, 소셜미디어에 표현된 고객의 피부 상태 요구에 대하여 최신의 빅데이터 분석기술과 딥러닝 기계학습 기술을 사용하여 피부상태 유형을 진단하고 관리하는 지능화된 도구 및 환경이 필요하다.
본 논문에서는 빅데이터의 텍스트정보를 중심으로 분석된 피부 상태 분석정보를 활용하여 피부 상태를 지능적으로 진단하는 시스템을 구축하였다. 향후에는 빅데이터의 이미지 정보를 활용하여 더욱더 발전된 지능적인 피부 상태 진단이 가능한 추가적인 연구가 필요할 것이다. 빅데이터 분석 결과를 훈련데이터로 활용한 지능화된 피부 상태 진단 도구 SCDIS는 급변하는 4차 산업환경에 대응하고 맞춤형화장품 등 소비트렌드를 충족시킬 수 있는 솔루션이 될 것으로 기대된다.
참고문헌 (18)
Eui-Hyang Kim, Hyun-joo Kim, "A Study on the Analysis Method of Skin Condition through Visual Confirmation of Skin Surface", Journal of Convergence for Information Technology, Vol. 11. No. 5, pp.267-275, May. 2021
J. S. Koh, "Observation of Sebun, Moisture content and Microtopography of Different aged Skin for classification of facial Skin Types", Journal of the Society of Cosmetic Scientists of Korea, Vol. 15. No. 1, pp.63-70, 1989
Salton G. and McGill, M. J., "Introduction to modern information retrieval", McGraw-Hill, ISBN 0-07-054484-0., 1983
Kim Ki Young, "A Study on Model of Skin Type Judgment Tool Using Machine Learning Technique", The Treatise on The Plastic Media, Vo4. No. 21, pp.115-121, Nov. 2018
Hyeon-yeong CHoi, Jae-pil Ko, "Deep Learning-based Automatic Wrinkles Segmentation on Microscope Skin Images for Skin Diagnosis", Journal of Advanced Navigation Technology, Vol. 24. No. 2, pp.148-154, Apr., 2020
Hyung-Hoon Kim, Jeong-Ran Cho, "Development of big data based Skin Care Information System SCIS for skin condition diagnosis and management", Journal of The Korea Society of Computer and Information, Vol. 27. No. 3, pp.137-147, Mar. 2022
Zheng, Tong, Zha. Dongmiao, Wang, Xingtian, Gao, Weijun, Miao, Sheng, "Architecture Descriptions Analysis Based on Text Mining and Crawling Technology", 2021 IEEE 3rd International Conference on Frontiers Technology of Information and Computer , pp.138-143, Nov. 2021
Hyung-Woo Lee, "Development of Supervised Machine Learning based Catalog Entry Classification and Recommendation System", Journal of Internet Compuing and Services, Vol. 20. No. 1, pp.57-66, Feb. 2019
Dae-Chul Kim, Cheol_hee Lee, Myong-Hui Choi, Yeong-Ho Ha, "Skin Detection Method using Color Space based Methods and Focus Region", Journal of Korean Society for Imaging Science & Technology, Vol. 18. No. 4, pp.16-22, Dec. 2012
Jeonghoon Kang, Hojung Lim, Wonsik Ko, "Visualization of Text Mining Technology based on Big Data", The Korean Society of Visulalization, Dec. 2015
Won-Jo Lee, "A Study on Word Cloud Techniques for Analysis of Unstructured Text Data", The Journal of the Convergence on Culture Technology, Vol. 6. No. 4, pp.715-720, Nov.. 2020
M. Han, Y. Kim, C. Lee, "Analysis of News Regarding New southeastem Airport Using Text Mining Techniques", Smart Media Journal, Vol. 6. No. 1, 2017
Joon-Hwan Kim, Hyung-Jin Mun, Hang Lee, "A Study on Trend Analysis in Convergence Research Applying Word Cloud in Korea", Journal of Digital Convergence, Vol. 19. No. 2, pp.33-38, 2021
Min Ah Jang, Jung Min Lee, "Research on domestic and international industrial trends of functional cosmetics", Journal of Digital Convergence, Vol. 38. No. 2, pp.618-627, Apr., 2021
E. Marengo, V. Gianotti, S. Angioi, M.C. Gennaro, "Optimization by experimental design and artificial neural networks of the ion-interaction reversed-phase liquid chromatographic separation of twenty cosmetic preservatives", Journal of Chromatography A, 1029, pp.57-65, 2004
Hyung-Hoon Kim, Jeong-Ran Cho, "Sign Language Image Recognition System Using Artificial Neural Network", Journal of The Korea Society of Computer and Information, Vol. 24. No. 2, 2018
Sin-Hae Hwang, Dong-Young Ku, Jeoung-Kun Kim, "Application of Social Big Data Analysis for CosMedical Cosmetics Marketing : H Company Case Study", Jouranl of Digital Convergence, Vol. 17., No. 7, pp.35-41, 2019
Lim, Hee Suk, Shin, Jae Wook, "A Study on the Trends of Cosmetics through Big Data Analysis-Focusing on text mining and semantic network analysis", The Korean Society of Illustration Research, Vol. 66. pp.85-95, 2021
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.