-발표자 후기-

1.발표준비과정
추천시스템의 성능을 입증하기 위한 실험 중, Movielens 데이터를 사용해 추천성능을 비교하는 경우가 많다. 제안하는 내용기반 추천시스템의 성능을 입증하기 위해 Movielens 사용자 평가데이터를 사용하였다.

2. 질문 및 대답

질문1 : 영화의 시간속성을 고려하지 않았는가?
대답1 : 시간속성이 포함되어져있고 이외의 정보는 반영하지 않았다.

질문2 : 속성에 대한 가중치는 어떻게 주어야 하는가?
대답2 : 협력필터링 기법과 융합하여 가중치를 주는 방법은 존재하나 온전하게 내용기반 필터링에서 가중치를 주는 방법은 아직 없다. 향후, 연구해 볼 가치가 있다.

3.발표 시 아쉬웠던 점과 개선방향
첫번째 질문에 대해 제대로 이해하지 못하였다. 영화개봉일을 속성으로 포함시켰는데 그것이 영화의 시간정보를 반영한것이 아닐까? 질문자의 의도를 파악하기 위해서 제안하는 방법론에 대해 객관적이고 다양한 관점으로 사고하는 습관을 가져야겠다.

-청취자 후기-

[Support Vector Machnines를 위한 마진 예측기반 학습패턴 선택 및 품질예측 응용]
요즘 딥러닝이 강세이지만 구조적 위험 최소화에 기반한 SVM 모델 또한 데이터마이닝 분야에서 가장 선호되는 모델 중 하나이다. 발표자는 SVM의 학습복잡도를 줄이기 위한 방법으로 마진예측 기반 학습패턴 선택 방법론을 제안하였다. Clustering, K-nearst neighbors, Statistical method 기반의 SV selection 기법 이후, Margin을 활용한 방법이 최근 연구되고 있는데 그러한 연구 중 하나인 듯 하였다. 제안하는 방법의 성능검증을 위해 기존의 NPPS와 BEPS 등을 비교해 제안하는 방법을 설명하였다. SVM연구의 최신 연구동향을 잘 반영한 연구였으며, 실제 제조공정의 품질 예측 문제에 적용한 결과를 보여준것이 의미있었다.

[응급의료체계 운영방안 도출을 위한 시공간적 응급의료수요 예측모형 비교연구]
응급의료체계는 구조를 요청한 환자에게 구급차를 배정하여 구조 현장에서 응급처치를 실시하고 최종처치를 위해 병원으로 이송하는 시스템을 말한다. 효율적인 응급의료체계 운용을 위해서 발표자는 응급의료수요 예측모형을 제안하였다. 제안하는 모형은 응급의료수요가 가진 시공간적 요소를 반영하기 위해 Spatio temporal gaussian mixture 모델 적용 방법이 중요할 것 같은데 이부분에 대해 자세히 이해하지 못해 아쉬움이 있었다. 데이터가 다양해지면서 시간과 장소 속성까지 고려해야하는 Application이 증가하는 추세이기 때문에, Spatio temporal gaussian mixture에 대해 좀 더 상세히 공부해야겠다는 생각이 들었다. 발표자가 대전시에 한정지어 실험을 하긴했지만 일반화 시킬 수 있는 예측모델이 개발된다면 굉장히 의미있는 연구가 될 것 같다.

 
​