Category Archives: Publications on AI

Recommendation system with minimized transaction data

Hwangbo, Y., Lee, K. J., Jeong, B., & Park, K. Y. (2021). Recommendation system with minimized transaction data. Data Science and Management, 4, 40-45.(pdf)

Abstract

This paper deals with the recommendation system in the so-called user-centric payment environment where users, i.e., the payers, can make payments without providing self-information to merchants. This service maintains only the minimum purchase information such as the purchased product names, the time of purchase, the place of purchase for possible refunds or cancellations of purchases. This study aims to develop AI-based recommendation system by utilizing the minimum transaction data generated by the user-centric payment service. First, we developed a matrix-based extrapolative collaborative filtering algorithm based on open transaction data. The recommendation methodology was verified with the real transaction data. Based on the experimental results, we confirmed that the recommendation performance is satisfactory only with the minimum purchase information.

Deploying an Artificial Intelligence-based defect finder for manufacturing quality management

Lee, K. J., Kwon, J. W., Min, S., & Yoon, J. (2021). Deploying an Artificial Intelligence-based defect finder for manufacturing quality management. AI Magazine, 42(2), 5-18.(pdf)

Abstract

This paper describes how the Big Data Research Center of Kyung Hee University
and Benple Inc. developed and deployed an artificial intelligence system
to automate the quality management process for Frontec, an SME company
that manufactures automobile parts. Various constraints, such as response time
requirements and the limited computing resources available, needed to be considered
in this project. Defect finders using large-scale images are expected to
classify weld nuts within 0.2 s with an accuracy rate of over 95%. Our system
uses Circular Hough Transform for preprocessing as well as an adjusted VGG
(Visual Geometry Group) model. Our convolutional neural network (CNN) system
shows an accuracy of over 99% and a response time of about 0.14 s. To embed
the CNN model into the factory, we reimplemented the preprocessing modules
using LabVIEW and had the classification model server communicate with an
existing vision inspector. We share our lessons from this experience by explaining
the procedure and real-world issues developing and embedding a deep learning
framework in an existing manufacturing environment without implementing
any hardware changes.

ECF 방법론을 활용한 Hybrid Filtering 추천 알고리듬 연구

배성원, 정백, 황보유정, 이경전(2021). ECF 방법론을 활용한 Hybrid Filtering 추천 알고리듬 연구. 한국지능정보시스템학회 학술대회, 238-239.

Abstract

다양한 컨텐트 서비스들의 등장으로, 사용자들이 많은 컨텐트에 노출되고 있는 반면, 각 사이트들이 제공하는 컨텐트의 종류가 달라, 사용자의 성향이 각 사이트에 파편화되어 있다. 본 연구에서는 자연어 처리 방식 중 하나인 Word2Vec기반 ECF 방법론과 Doc2Vec을 활용한 내용 기반 필터링을 결합하여 하이브리드 필터링 방법론을 제안하였다. 그 결과, 본 연구에서 제안한 모델은 모든 사이트에서 Single 사이트 관점의 추천 성능 보다 Multi 사이트 관점의 추천 성능이 향상됨을 확인하였다.

Extrapolative Collaborative Filtering 실험 : 컨텐트 서비스간 협력 환경 적용

배성원, 조은별, 정백, 황보유정, 이경전 (2021). Extrapolative Collaborative Filtering 실험 : 컨텐트 서비스간 협력 환경 적용. 한국경영정보학회 학술대회, 568-571.

Abstract

본 논문은 Extrapolative Collaborative Filtering 방법론의 유용성을 컨텐트 추천 분야에서 확인하고자 한다. 컨텐트 서비스들은 개별적으로 운영되고, 그들간의 정보 공유가 이루어지지 않아, 타 서비스를 이용할 경우 다른 서비스에서의 자신의 성향이 반영되지 않는 한계가 있다. 이에 본 연구에서는 다양한 컨텐트 사이트를 이용하는 사용자의 편의를 위해 타 사이트간의 최소한의 협력이 있는 환경에서, 상호적 추천을 하는 Extrapolative Collaborative Filtering (ECF) 방법론이 유용한지를 검증하였다. 이를 위해 공개된 4개의 컨텐트 사이트 데이터셋을 확보하여 실험하였다. 그 결과, 적절한 협력을 하는 경우가 독자적으로 하는 것보다 추천의 성과가 향상될 수 있음을 확인하였다.

Extrapolative Collaborative Filtering Recommendation System with Word2Vec for Purchased Product for SMEs

Kyoung Jun Lee, YuJeong Hwangbo, Baek Jeong, Jiwoong Yoo, & Kyung Yang Park. (2021). Extrapolative Collaborative Filtering Recommendation System with Word2Vec for Purchased Product for SMEs. Sustainability, 13(13), 7156. (Pdf)

Abstract

Many small and medium enterprises (SMEs) want to introduce recommendation services to boost sales, but they need to have sufficient amounts of data to introduce these recommendation services. This study proposes an extrapolative collaborative filtering (ECF) system that does not directly share data among SMEs but improves recommendation performance for small and medium-sized companies that lack data through the extrapolation of data, which can provide a magical experience to users. Previously, recommendations were made utilizing only data generated by the merchant itself, so it was impossible to recommend goods to new users. However, our ECF system provides appropriate recommendations to new users as well as existing users based on privacy-preserved payment transaction data. To accomplish this, PP2Vec using Word2Vec was developed by utilizing purchase information only, excluding personal information from payment company data. We then compared the performances of single-merchant models and multi-merchant models. For the merchants with more data than SMEs, the performance of the single-merchant model was higher, while for the SME merchants with fewer data, the multi-merchant model’s performance was higher. The ECF System proposed in this study is more suitable for the real-world business environment because it does not directly share data among companies. Our study shows that AI (artificial intelligence) technology can contribute to the sustainability and viability of economic systems by providing high-performance recommendation capability, especially for small and medium-sized enterprises and start-ups.

Embedding Convolution Neural Network-Based Defect Finder for Deployed Vision Inspector in Manufacturing Company Frontec

Kyoung Jun Lee Jun Woo Kwon Soohong Min Jungho Yoon, Embedding Convolution Neural Network-Based Defect Finder for Deployed Vision Inspector in Manufacturing Company Frontec, IAAI 2020 (The Innovative Applications of Artificial Intelligence Conference), 2020. (Pdf)

Abstract

In collaboration with Frontec, which produces parts such as bolts and nuts for the automobile industry, Kyung Hee University and Benple Inc. develop and deploy AI system for automatic quality inspection of weld nuts. Various constraints to consider exist in adopting AI for the factory, such as response time and limited computing resources available. Our convolutional neural network (CNN) system using large-scale images must classify weld nuts within 0.2 seconds with accuracy over 95%. We designed Circular Hough Transform based preprocessing and an adjusted VGG (Visual Geometry Group) model. The system showed accuracy over 99% and response time of about 0.14 sec. We use TCP / IP protocol to communicate the embedded classification system with an existing vision inspector using LabVIEW. We suggest ways to develop and embed a deep learning framework in an existing manufacturing environment without a hardware change.

인공지능 기업의 핵심 의사결정 요소 도출을 위한 Value Engine 모형화

이경전, 손동성, 인공지능 기업의 핵심 의사결정 요소 도출을 위한 Value Engine 모형화, 2020 한국경영정보학회 추계학술대회, 2020.

Abstract

Stabell & Fjeldstad(1998)의 가치배열(Value Configuration) 이론은 기업의 비즈니스 모델을 이해하고 분석하는데 유용한 세 가지 유형을 제시한다. 가치 상점(Value shop)은 고객의 특수한 문제를 해결하는 서비스를 제공하는 기업을 분석하는데 유용하고, 가치 사슬(Value chain)은 대량 생산 체제를 갖춘 기업 분석에 사용되며, 가치 네트워크(Value network)는 두 종류 이상의 고객을 매개함으로써 가치를 창출하는 기업에 적용된다. 가치 상점은 1차 산업 혁명 시기에 탄생한 소규모 상점, 가치 사슬은 2차 산업 혁명시기에 나타난 제조업, 가치 네트워크는 3차 산업 혁명 시기에 탄생한 플랫폼 기업으로 구분한다고 할 때, 본 연구에서는 4차 산업 혁명을 대표하는 인공지능 기업의 비즈니스 모델에 적절한 새로운 가치배열로서, 가치 엔진(Value engine)을 제안한다. 엔진이란 다른 에너지를 기계에너지로 변환하는 기계로, 엔진의 한 유형인 내연 기관(Combustion Engine)은 연료를 연소하여 운동에너지로 변환한다. 한편, Boisot & Canals(2004)은 지능을 가진 자연의 또는 인공 에이전트의 정보 처리 및 행동 메커니즘을, “세계로부터 자극을 입력받아, 감지 필터를 통해 데이터로 변환하고, 개념 필터를 통해 정보로 변환하며, 이를 내면의 가치 체계를 반영하여, 행동으로 의사결정하는 시스템”으로 모형화하였는데, 본 연구는 엔진 메타포에 Boisot & Canals(2004) 모델을 결합하여 AI 엔진을 모형을 제시하였다.
AI 엔진은 데이터를 연료로 활용하여, 가치를 고려한 의사결정을 통해 행동을 도출하는데, AI엔진에 기반하여 사업을 수행하는 기업을 가치 엔진으로 모델링한다. 가치 엔진 모델을 정립하기 위한 대표적인 기업 사례로 뤼이드(Riiid)를 활용하였는데, 뤼이드는 하나의 AI 엔진으로 특정 언어와 시험 영역에 관계없이 다양한 분야에 적용할 수 있다. AI 엔진을 가진 기업은 사용자가 늘어남에 따라 데이터가 축적되고 AI 엔진의 성능이 최적화되고 이에 따라 서비스, 비즈니스 모델, 제품 등의 경쟁력과 가치가 커지는 이른바 데이터 효과(Data effect)를 나타낸다. 본 연구에서는 뤼이드 뿐만 아니라, 뷰노, 비프로컴파니, 웨이모, 테슬라, OpenAI의 GPT-3, 수퍼빈, 플리토 등 여러 인공지능 기업의 비즈니스 모델을 가치 엔진에 따라 분석하였고, 분석 과정을 통해 가치 엔진의 5대 핵심 의사 결정 요소를 다음과 같이 도출하였다: 1) 데이터와 지식의 획득 전략, 2) 가치있는 목표의 설정과 확대 전략, 3) 추론 및 최적화 전략, 4) 인간-AI 협업 전략, 5) 시스템 유지 및 운영 전략.

다분야 서비스 가능 기계학습 엔진 비즈니스 모델 사례 연구

이경전, 손동성, 황보유정, 다분야 서비스 가능 기계학습 엔진 비즈니스 모델 사례 연구, 2020 한국지능정보시스템학회 춘계 학술대회, 2020.

Abstract

인터넷 기술의 발전이 플랫폼 비즈니스 모델을 발전시킨 것과 같이, 인공지능 기술, 특히 기계학습 기술이 과연 프로젝트형, 솔루션 모델을 넘어서 플랫폼 비즈니스 모델과 같은 새로운 비즈니스 모델을 발전시킬 것인가에 대한 산업과 학계의 관심이 늘어나고 있다. 본 논문에서는 에듀테크 기업 뤼이드(Riiid)사례를 통해 기계학습 엔진에 기반한 다분야 서비스 비즈니스 모델의 가능성을 탐색적으로 연구한다. 이 모델은 네트워크 효과에 기반하지 않는다는 면에서 인터넷 기반의 플랫폼 비즈니스 모델과 차별성을 가지며, 데이터 효과가 발생한다는 점에서 인공지능 기반의 비즈니스 모델의 중요한 특성 하나를 도출하며, 일반인공지능(AGI: Artificial General Intelligence)이 추구하는 것이 너무 이상적이고 기술중심적인 상황에 놓여 있는 것에 비해, 기계학습 엔진에 기반하여 다분야에 서비스를 가능하게 하면서 수익을 추구하고 있다는 면에서, 세계적으로 더 유명한 인공지능 기업들 보다 더 우월한 비즈니스 모델을 보여주고 있다.

사용자 중심 인공지능: 정의와 접근방법(User-Centric AI: Definition and Approach)

이경전, 황보유정, 정백, 박경양, 박종일, 사용자 중심 인공지능: 정의 와 접근방법(User-Centric AI: Definition and Approach), 2020 한국경영정보학회 추계학술대회, 2020.

Abstract

인공지능 시스템의 성능을 높이기 위해 많은 데이터가 필요하지만, 개인정보 관점에서는 사용자 정보를 최소한으로 사용할 필요가 있다. 예를 들어, 인공지능 비서 서비스의 경우, 서비스의 수준을 높이기 위하여 사용자의 정보를 필요 이상으로 수집하여 프라이버시 침해의 우려가 제기되기도 했다. 이에 따라, 프라이버시를 최대한 보호하면서, 서비스할 수 있는 기술의 필요성이 대두되고 있는데, 구글의 경우 Federated Learning을 활용하여 서버에 개인정보를 전달하지 않으면서도 맞춤형 타이핑 서비스인 Gboard를 제공하고 있다.
본 연구에서는 사용자와 기업 모두의 데이터를 직접 공유하지 않고도 서비스를 가능하게 하는 User Centric-AI(UCAI) 구조를 제안한다. 즉, UCAI는 개인 사용자의 프라이버시를 보호하고(Privacy Preserving), 사업자(기업 사용자)의 데이터를 안전하게 상호 활용하면서도(Secure Collaboration), 적절하고 새로움을 주면서, 혜택을 주는(Relevant, Novel, & Beneficial) 서비스를 제공할 수 있는 인공지능 시스템의 구조를 지향한다.
UCAI의 한 구현 알고리즘으로, 사용자의 인적 정보를 활용하지 않고 구매정보만을 활용하면서, 단일 상점 관점에서는 부족한 데이터 상황을 보완하기 위하여, 여타 상점의 구매 정보를 반영하여 추천하는 외삽적인 협업필터링(Extrapolative Collaborative Filtering; ECF) 방법론을 개발하였다. ECF 알고리즘은 Matrix 기반의 M-ECF와, 실제 데이터를 카테고리화하지 않고 자연어 그대로를 활용하여 처리할 수 있도록 Vector 기반의 V-ECF 두 가지 형태로 개발하였다. 다양한 상점의 구매정보를 파악할 수 있는 결제 데이터를 활용하여 ECF 알고리즘을 개발하였고, 사용자 중심 결제 서비스를 제공하고 있는 H결제사의 데이터를 활용하여 알고리즘을 검증하였다. 연구 결과, 인적 정보를 사용하지 않고 오로지 결제 서비스의 수행을 위해 유지하는 구매정보만 가지고, 개인의 프라이버시와 각 상점의 정보를 노출하지 않으면서, 적절한 추천이 가능함을 확인하였다. 더 나아가, H결제사 데이터로 검증 시, 상품명을 카테고리화 하지 않고 자연어 그대로 활용한 추천 또한 가능한 것으로 확인하였다.