Earticle

본 연구는 기업의 사회적 책임(CSR: corporate social responsibility)활동이 재무성과에 미치는 영향 을 베이지안 네트워크를 통해 분석하였다. 본 연구에서는 선행연구에서 널리 사용되어 온 분석방법인 다중회귀분석방법의 종속변수와 설명변수간에 획일적인 선형함수만을 가정하는데에서 나오는 문제점을 극복하고자 한다. 즉, 기업의 재무성과에 영향을 미치는 경영자의 사회적 책임활동간에 존재하는 인과 관계를 도출할 필요가 있다. 이는 어떤 변수가 다른 어떤 변수와 직접 또는 간접적 인과관계를 통하여 기업의 재무성과에 영향을 주는지를 의사결정자에게 알려줌으로써 보다 효과적으로 기업의 재무성과를 개선시킬 수 있도록 지원할 수 있다. 이를 위하여 본 연구에서는 일반 베이지안 네트워크 (GBN: General Bayesian Network)을 제안하고 GBN에서 유도되는 마코프 블랭킷 (Markov Blanket)을 제시 한다. 본 연구는 경제정의실천시민연합 산하 경제정의연구소에서 조사한 한국의 대표적 기업 약200개의 2005년부터 2011년까지 경제정의지수(Korean economic justice institute index: KEJI index)를 기초로 실험한 결과 기업성과측정치에 따라 차이는 보이지만 건전성(CSR1_20)과 경제발전기여도(CSR7_10)는 모든 기업의 재무성과에 직접적인 인과관계를 나타내었으며, 소비자보호만족도(CSR4_7), 환경보호만족 도(CSR5_10) 및 종업원만족도(CSR6_10)는 각 측정지표간의 직ž간접적인 인과관계를 나타내어 서로에 게 중요한 영향을 미치고 있음을 나타내었다. 또한, what-if 민감도 분석을 통해 기업재무성과에 직접 적인 인과관계가 있는 변수들의 사전확률이 변할 대 사후확률의 변화를 분석하여, 본 연구에서 제안한 방법이 모두 통계적으로 유의한 결과를 제공한다는 것이 실증적으로 검증되었다.

This study analyzes the impact of Corporate Social Responsibility (CSR) activities on financial performances using Bayesian Network. The research tries to overcome the issues of the uniform assumption of a linear function between financial performance and CSR activities in multiple regression analysis widely used in previous studies. It is required to infer a causal relationship between activities of CSR which have an impact on the financial performances. Identifying the relationship would empower the firms to improve their financial performance by informing the decision makers about the different CSR activities that influence the financial performance of the firms. This research proposes General Bayesian Network (GBN) and presents Markov Blanket induced from GBN. It is empirically demonstrated that all the proposals presented in this study are statistically significant by the results of the research conducted by Korean Economic Justice Institute (KEJI) under Citizen's Coalition for Economic Justice (CCEJ) which investigated approximately 200 companies in Korea based on Korean Economic Justice Institute Index (KEJI index) from 2005 to 2011. The Bayesian Network to effectively infer the properties affecting financial performances through the probabilistic causal relationship. Moreover, I found that there is a causal relationship among CSR activities variable; that is Environment protection is related to Customer protection, Employee satisfaction, and firm size; Soundness is related to Total CSR Evaluation Score, Debt-Assets Ratio. Though the what-if analysis, I suggest to the sensitive factor among the explanatory variables.

재무정보의 신뢰성을 높이는 가장 좋은 방법 중 하나는 양질의 감사품질을 유지하는 것이다. 양질의 감사품질을 유지하는 첫 번째 단계는 감사계약체결위험을 낮추는 일일 것이다. 이에 본 연구에서는 베이지안 네트워크를 활용하여 회계법인의 속성과 감사계약체결위험간의 관계에 대해 살펴보고자 한다. 이를 위해 감사계약체결위험에 영향을 미치는 최소한의 설명변수 집합인 마코브 블랭킷을 제시하였으며, 도출된 설명변수간의 관계를 바탕으로 민감도분석을 통해 회계법인의 속성과 감사계약체결위험간의 관련성을 분석하였다. 기존의 선행연구에서 사용한 회귀분석은 독립변수와 종속변수간의 선형성을 가정하였기 때문에 독립변수간의 관계를 도출하는데 한계점이 있었다. 이에 본 연구에서는 일반 베이지안 네트워크를 바탕으로 변수간의 상호의존성을 파악하고 각 변수들이 감사품질에 영향을 미치는 감사계약체결위험에 어떠한 영향을 미치는 지를 검토하였다. 본 연구의 결과는 감독기관이 감사계약체결위험을 제대로 관리하지 못한 감사인을 사전에 식별할 수 있기 때문에 감리의 효율성을 높일 수 있다. 또한 본 연구는 감독기관이 감사품질과 관련된 회계법인의 속성을 파악함으로써 감리제도의 미비점을 개선할 수 있다는 점에서 공헌점이 있을 것이다.

One of the methods of securing the reliability of accounting information is maintaining high audit quality. The first step of improving audit quality is lowering audit engagement risks. Thus, this study analyzed the relationship between the characteristics of accounting firms and audit engagement risks based on the Bayesian Network. For this, Markov Blanket, the minimum explanatory variable set, which affects audit engagement risks, was presented, and based on the drawn causal relationship, sensitivity analysis was conducted to verify the characteristics of accounting firms, which affect audit engagement risks. The existing preceding research that used multiple regression analysis presumes the linearity between explanatory variables and dependent variables, so there was a limit in drawing the relationship between explanatory variables. Therefore, this study figured out the interdependence between variables using the General Bayesian Network and examined the impact that each variable has finally on audit engagement risks that affects the audit quality. The results of this study would greatly contribute to improving the efficiency of the supervisory task by allowing a supervisory institution to identify an accounting firms that does not manage audit engagement risks properly and to improve the supervision of the accounting firms in advance. In addition, this study will be used as a reference when a supervisory institution would improve the system related to audit quality by presenting the characteristics of accounting firms related to the audit quality.

현재 제공되고 있는 모바일 게임 추천 시스템들은 실제 사용자가 선호하는 게임에 대한 패턴을 추천하는지, 아니면 단순히 관심 정도의 패턴을 추천하는지 알 수 없어 사용자의 주관적인 선호도를 직접적으로 알 수 없다는 문제점이 있다. 이를 해결하기 위하여 사용자들의 주관적인 선호도를 직접적으로 반영한 계층적 분석 방법(Analytic Hierarchy Process, AHP) 기반 모바일 게임 추천 시스템을 개발하였지만, 사용자들이 선호하는 항목에 대한 척도가 같다고 할지라도 선호하는 정도까지 동일하다고 볼 수 없다는 문제가 발생하였다. 본 연구에서는 이와 같은 문제점을 해결하기 위해 Fuzzy-AHP 기 법의 삼각 퍼지 수(Triangular Fuzzy Numbers)와 베이지안 네트워크에서 평가 항목의 독립성을 적용한 모바일 게임 추천 시스템을 구현하였다. 그 결과 본 연구에서 제안한 추천 시스템이 기존의 시스템과 비교하여 볼 때 추천 결과의 정확도 및 사용자의 만족도가 가장 높은 것을 확인할 수 있었다.

The current available recommendation systems for mobile games have a couple of problems. First, there is no knowing whether they make a pattern recommendation for games that actual users prefer or for games that they are simply interested in. It is also impossible to know the subjective preference of users in a direct manner. An AHP(Analytic Hierarchy Process)-based recommendation system for mobile games was thus developed to reflect the subjective preference of users directly, but it had its own problem since the degree of preference could vary among users in spite of the same scale for their preferable items. In an effort to solve those problems, this study implemented a recommendation system for mobile games by applying triangular fuzzy numbers of the Fuzzy-AHP technique and the independence of evaluation items in the Bayesian Network. The findings show that the proposed recommendation system recorded the highest accuracy of recommendation results and the highest level of user satisfaction.

Real time accessiblity and agility in Ubiquitous-commerce is required under ubiquitous computing environment. The Research has been actively processed in e-commerce so as to improve the accuracy of recommendation. Existing Collaborative filtering (CF) can not reflect contents of the items and has the problem of the process of selection in the neighborhood user group and the problems of sparsity and scalability as well. Although a system has been practically used to improve these defects, it still does not reflect attributes of the item. In this paper, to solve this problem, We can use a implicit method which is used by customer’s data and purchase history data. We propose a new clustering method of weighted preference for customer using k-means clustering and Bayesian network in order to improve the accuracy of recommendation. To verify improved performance of the proposed system, we make experiments with dataset collected in a cosmetic internet shopping mall.

최근 SNS를 활용한 소셜커머스를 통해 식음료 쿠폰의 거래가 활발하게 이루어지고 있다. 소셜커머스 상에서 식음료 쿠폰을 구매하여 사용할 경우 원하는 상품을 할인된 가격으로 이용할 수 있으나, 쿠폰 구입 시 매장의 위치, 이용 가능 기간 및 시간, 할인율 등을 구매자가 직접 비교하여 선택해야 하는 어려움이 있다. 따라서 본 논문에서는 사용자의 위치 및 시간과 구매 이력 등의 상황정보를 고려하여 사용자에게 적합한 소셜커머스 상의 식음료 쿠폰을 추천하는 시스템을 제안한다. 이를 위해 사용자의 상황 인지 및 지속적인 사용자 성향 반영을 위해 베이지안 네트워크 기반의 쿠폰 추천 방법을 제안한다. 또한 사용자가 선호하는 쿠폰 선택 기준에 대한 개인화된 가중치를 반영하기 위해 AHP를 이용하여 선호도의 가중치를 측정하고 분류를 수행한다. 시스템의 효율성을 검증을 하기 위해 12명의 학생을 대상으로 1개월간 20회에 걸쳐 실험을 수행하였으며 그 결과 80%의 추천 만족도를 얻을 수 있었다.

More sales of food and beverage coupons have been made using SNS on social commerce recently. If one buys coupons on social commerce, he/she can enjoy products at a lower price; however, there are drawbacks that one must consider such as location, service hours, and discount rate. Thus, this paper suggests a system that recommends food and beverage coupons on social commerce for users that considers a user’s personal context of location, time, and purchase history. In order to reflect a user’s context awareness and continuous preference, this paper suggests a method based on the Bayesian network. In order to reflect personalized weighting on the standard of coupon selection to match a user’s preference, a measurement and classification of weighting preferences is performed on the basis of AHP. 20 experiments in one month involving 12 students were carried out to verify the effectiveness of the system, resulting in an 80% satisfaction level.

1인 창조기업에 대한 정부의 지원이 확대되고, 인공지능과 IT 기술의 발달로 1인 창조기업의 성장할 수 있는 환경이 좋아졌다. 이로 인해 1인 창조기업에 대한 사람들의 관심이 증가하고, 1인 창조기업 지원센터를 찾는 청년 창업가의 숫자도 크게 증가하고 있다. 본 연구는 비지도 기계학습과 베이지안 네트워크를 결합한 새로운 유형의 확률적 구조방정식 모형, 즉 PSEM을 사용하여 국내 1인 창조기업의 당기순이익에 영향을 주는 요인을 분석하고자 한다. 아울러 해당 영향요인들이 국내 1인 창조기업의 당기순이익에 미치는 인과관계 값을 산출하기 위하여 What-If 분석을 실시하였다. 분석 결과 당기 순이익의 변화에 큰 영향을 받지 않는 요인들은 서비스 업종일 때 ‘초기 자본금’, ‘창업자특성’, ‘준비 기간’, ‘창업자 배경’, ‘회사 특성’으로 나타났다. 서비스 업종을 제외하였을 때는 ‘창업자 배경’, ‘인식’, ‘초기 자본금’, ‘회사 특성’, ‘창업자특성’으로 분석되었다. 당기순이익에 영향을 주는 요인은 ‘수익’, ‘종업원’, ‘판매’임을 발견하였다.

In the era of economic recession caused by covid-19 pandemic, government expanded various types of supports for one-man creative companies with a bid to promoting healthier ecosystem for start-ups. Furthermore, the 4th industrial revolution atmospheres emboldened by AI technologies have countenanced young entrepreneurs’attempts to launch their own one-man creative companies. However, despite positive trends with one-man creative companies like this, few studies exist investigating which factors affect its net profit. To fill the research void, this study proposes a novel method of probabilistic structural equation model (PSEM) combining unsupervised machine learning and Bayesian networks. Empirical results revealed that those influential factors affecting one-man creative companies’ net profit encompass ‘income’, ‘number of employees’, and ‘sales’. On the contrary, multiple factors initially deemed to be significant to the net profit were excluded, like “background of the CEO”, “characteristics of the company”, “initial fund”, ‘preparation’, and “characteristics of the CEO” in service company. The others company’s results showed that ‘background of the CEO’, ‘perception’, ‘initial fund’, ‘characteristics of the company’, and ‘characteristics of the CEO’ were not included in factors affected by changes of net profit.

비대면 학습의 일상화와 온라인 교육 환경의 확산에 따라, 수강자의 학습 데이터를 기반으로 학습 패턴과 수강 흐름을 분석하는 연구의 필요성이 증가하고 있다. 본 연구는 네이버 커넥트재단이 운영하는 온라인 교육 플랫폼 부스트코스의 63개 강의에 대한 수강 데이터를 활용하여, 2023년 9월부터 2024년 8월까지 1년간 수강생들의 학습 패턴과 연계 수강 경로를 분석하였다. 수강 요일, 월, 시간대 등 변수 간 관계는 베이지안 네트워크로 분석하였고, 강의 간 연계 흐름은 Chord diagram 및 네트워크 분석 기법을 통해 시각화하였다. 분석 결과, 월요일과 화요일, 1 월과 8월, 오후 시간대에 수강 활동이 집중되었으며, "인공지능", "데이터 과학", "컴퓨터 과학" 분야 간 연계성이 높게 나타났다. 특히 데이터 과학 분야에서 파이썬 강의가 중심 허브로 작용하였다. 본 연구는 학습자의 실제 수 강 데이터를 바탕으로 적응적 학습 경로 설계와 교육과정 개선을 위한 실증적 기초자료를 제공하였다.

As online and blended learning environments expand, analyzing learner behavioral data is becoming essential for developing effective educational strategies. This study explores course-taking patterns and inter-course linkages using actual learning records from Boostcourse, a non-profit online platform by the NAVER Connect Foundation. Based on data from 63 courses offered between September 2023 and August 2024, the study analyzes learner engagement by day, month, and time of day. A Bayesian network was used to identify relationships among variables such as course difficulty, time, and learner activity. Chord diagrams and network visualizations further illustrate transitions across six subject domains. Results show learning activity was concentrated on Mondays, Tuesdays, in January and August, and during afternoon hours. Strong linkages were observed among the domains of Artificial Intelligence, Data Science, and Computer Science, with Python courses serving as key hubs. These findings suggest that learner data can inform the design of adaptive learning paths and contribute to more effective online curriculum development.

온라인 사용자들이 소셜 미디어상에 올린 온라인 리뷰 속 숨겨진 감정을 분석하는 감성분석은 소셜미디어의 확산에 힘입어 많은 관심을 받고 있다. 본 연구는 기존 연구들과 차별화된 방법으로 감성분석을 시도하기 위하여 베이지안 네트워크에 기반한 감성 분석 모델을 제안한다. 모델에는 MBFS (Markov Blanket-based Feature Selection)가 속성 선택 기법으로 사용된다. MBFS의 성과를 실증적으로 증명하기 위하여 소셜미디어인 Yelp의 리뷰 데이터를 활용하였다. 벤치마킹 속성 선택 기법으로는 상관관계기반 속성 선택, 정보획득 속성 선택, 획득비율 속성 선택을 사용하였다. 한편, 해당 속성선택 방법을 토대로 4개의 머신러닝 알고리즘을 이용하여 분류성과를 비교하였다. 나아가 MBFS로 선택된 속성들 간 인과관계를 확인하고자 베이지안 네트워크를 통해 What-if 분석을 실시하였다. 본 연구에서 택한 머신러닝 분류기는 베이지안 네트워크 기반의 TAN (Tree Augmented Naïve Bayes), NB (Naïve Bayes), S-Spouses(Sons & Spouses), A-markov (Augmented Markov Blanket)이다. 성과분석 결과 본 연구에서 제안한 MBFS 방법이 정확도, 정밀도, F1점수 측면에서 벤치마킹 방법보다 더 우수한 성과를 나타내었다.

Social media-based communication has become crucial part of our personal and official lives. Therefore, it is no surprise that social media sentiment analysis has emerged an important way of detecting potential customers’ sentiment trends for all kinds of companies. However, social media sentiment analysis suffers from huge number of sentiment features obtained in the process of conducting the sentiment analysis. In this sense, this study proposes a novel method by using Bayesian Network. In this model MBFS (Markov Blanket-based Feature Selection) is used to reduce the number of sentiment features. To show the validity of our proposed model, we utilized online review data from Yelp, a famous social media about restaurant, bars, beauty salons evaluation and recommendation. We used a number of benchmarking feature selection methods like correlation-based feature selection, information gain, and gain ratio. A number of machine learning classifiers were also used for our validation tasks, like TAN, NBN, Sons & Spouses BN (Bayesian Network), Augmented Markov Blanket. Furthermore, we conducted Bayesian Network-based what-if analysis to see how the knowledge map between target node and related explanatory nodes could yield meaningful glimpse into what is going on in sentiments underlying the target dataset.

기업은 사회의 구성원으로서 사회적 책임을 다해야 하는 의무가 있다. 비록 기업이 사회적 책임을완수하기 위해서 기업의 자원을 일정 부분 소비하지만 이러한 기업의 사회적 책임활동은 사회적 불평등을 해소하는데 도움을 주고 있다. 한편, 기업의 사회적 책임활동은 기업의 지속적 성장과 관련이 높을 수 있다. 많은 선행연구들은 기업의 사회적 책임활동과 기업의 지속가능성에 대해 관심을 가지고있다. 그러나 기존의 선행연구들은 변수들간의 관계를 단순하게 선형이라고 가정하고 있기 때문에 복잡한현실세계를 반영하지 못하는 한계점 또한 존재하고 있다. 따라서 본 연구에서는 마코브 블랭킷을 통해변수들간 최소한의 상관관계를 도출하고 베이지안 네트워크를 통해 다양한 현실세계 속에서 변수들간의 관련성을 분석하고자 한다. 또한 본 연구에서 사용한 민감도분석은 복잡한 현실세계에서 다양한 변수들간의 변동성을 파악하는데 유용하게 활용될 수 있을 것이다. 본 연구는 기업의 지속가능성에 관심이 많은 투자자와 채권자들에게 유용한 정보를 제공할 수 있을것이다. 왜냐하면, 그들은 기업의 가치에 관심이 많은데 사회적 책임활동은 기업의 가치에 긍정 또는부정적인 영향 모두 미칠 수 있기 때문이다. 본 연구의 중요한 결과로 기업의 미래이익지속성은 당연히 영업이익과 밀접한 관련이 있으며, 기업의 지배구조가 건전할수록 기업은 안정적으로 사회적 책임을 완수하는 모습을 보였다. 그러나 기업의 규모가 크다고 하여 기업 관련 법규를 잘 준수하는 것을 아니라는 것이 나타났다. 이는 최근의 많은 기업들이 법규를 준수하지 않아 사회적 지탄을 받는 일과도 무관하지 않을 것이다. 한편, 기업의 지속가능성이 자본시장에 미치는 영향을 고려할 때 이러한 자본시장을 감독하는 관계당국도 본 연구의 결과를 활용하여 정책을 입안하거나 규정을 정비하는데 도움을 받을 수 있을 것이다.

Companies shall hold social responsibility as a member of the social community. Corporate social responsibility uses corporate resources, yet it plays important roles in reducing social imbalance. Their responsibilities are highly associated with the corporate sustainability. Many earlier studies on the association between corporate social responsibility and corporate sustainability have been attempted. Yet it should be mentioned that they do not show a variety of realities as linearity between dependent variables and independent variables were assumed. Thus, this study aims to analyze Markov blanket, a node of minimum descriptive variables that relieve a rigid assumption among variables and affect corporate sustainability by using Bayesian network. Sensitivity analysis was used to elicit how other variables affect by reflecting the complex reality when real factors are changed. As an important result of this study, the firm's future earnings sustainability is naturally related to operating earnings, and as the corporate governance structure is sound, the firm is able to steadily fulfill its social responsibility. However, the fact that the size of a company is large does not mean that it is in good compliance with corporate laws. This would not be unrelated to the fact that many of today's companies are not complying with the law and are suffering social condemnation. Results from this study will serve as a useful analytic tool when investors and creditors showing interests in corporate sustainability for assessing the value of companies and making investment decisions. Moreover, they can be used as references for relevant agency supervising capital markets to establish or improve appropriate institutions aimed at improving corporate sustainability.

본 연구는 기업의 사회적 책임(Corporate Social Responsibility)활동을 방어적 사회적책임활동과 전략적 사회적책임활동 두가지 유형으로 구분하고 여러 가지 기업특성변수와의 관계를 베이지안 네트워크를 통해 분석하였다. 사회 적책임활동과 관련된 선행연구에서 주로 사용된 분석방법인 회귀분석은 종속변수와 설명변수간에 선형성을 가정하여 복잡한 현실세계를 반영하지 못한다는 한계점이 존재한다. 따라서 본 연구에서는 기업의 사회적책임활동과 기업특성 변수들 간의 선형관계를 극복하여 변수들간에 존재하는 다양하고 복잡한 인과관계를 제시하고자 한다. 이를 위하여 본 연구에서는 일반 베이지안 네트워크 (General Bayesian Network)을 도출하고 최소한의 설명변수 집합인 마코프 블 랭킷 (Markov Blanket)을 제시한다. 본 연구는 경제정의연구소에서 발표하는 경제정의지수(KEJI Index)를 기초로 2005년부터 2010년까지 약300개의 기업들을 대상으로 분석하였다. 분석결과, 방어적사회적책임활동(DCSR)에 직접적 으로 영향을 미치는 재무변수들은 광고비(ADV)와 외국인지분율(FOR)로 나타났다. 또한, 전략적사회적책임활동과 직 접적인 인과관계를 나타내는 기업특성변수는 연구개발비지출(RND)과 외국인지투자자분율(FOR)로 나타났다. 그러나 방어적/전략적 사회적책임활동과 기업성과는 직접적인 인과관계를 보이지 않았다.

This paper attempts to classify the corporate social responsibility (CSR) activities into the two different types such as defensive CSR activities and strategic CSR activities, and to analyze the relationships between the two types of CSR activities and several firms characteristic variables by using Bayesian network. While the definition of defensive CSR activities is to obey the minimum law and government regulations for satisfying various business stakeholders, the definition of strategic CSR activities is to response social problems by exploiting business resources strategically. There exist several shortcomings and limitations in previous studies for corporate social responsibility (CSR) activities, especially their statistical methods of analysis such as an OLS regression analysis. It cannot easily apply the theoretical results into the real world situations because it generally assumes a linear relationship between dependent and independent variables. Thus, this paper attempts to resolve the problem of a linear relationship between corporate social responsibility (CSR) activities and company characteristic variables, and to provide the various and complex causality between them. For this reason, this paper derives the general Bayesian network and provide Markov Blanket, a minimal set of explanatory variables. The dataset of this paper is based on the Korea Economic Justice Institute (KEJI) index, which contains the database of 300 companies from 2005 to 2010. The findings show that there is no statistical evidence between the defensive CSR and strategic CSR activities and business performance, whereas the both types of CSR activities can be varied by advertisement costs, shareholding rate of foreign investors, and R&D investment.

최근 가습기살균제 사건을 비롯하여 휴대폰, 유아용 기저귀 등 생활용품의 안전사고가 빈번히 발생하고 있다. 이러 한 사고로부터 소비자를 보호하기 위해서는 제품 안전관리가 필요하며, 제품의 안전성 정도를 평가할 수 있는 제품 리스크 평가 도구가 필요하다. 본 논문은 한국소비자원의 제품 사고관련 위해정보를 바탕으로 제품 리스크를 평가할 수 있는 시스 템인 RAS(Risk Assessment System)를 구축하였다. RAS는 사고관련 정보를 분석하는 위해정보 분석시스템과 이 시스템 으로부터 도출된 정보를 활용하여 리스크를 평가하는 리스크 평가시스템으로 구성되어 있다. 리스크 평가과정에서 제품 리스크에 영향을 미치는 인과관계를 반영한 베이지안 네트워크 기반의 확률적 기법을 적용하였다. RAS를 사용하여 어린이 제품 33품목에 대해 평가를 실시했으며 EU RAPEX의 RAG의 평가결과와 비교해 보았다. 그 결과 본 연구의 RAS의 결과는 전반적으로 EU RAPEX RAG의 평가 결과에 비해 낮은 수준을 보임을 알 수 있었다. 추후과제로는 사고영향척도 입력값의 주관성 저감, 위해정보 분석시스템과 리스크 평가시스템의 연동 등을 들 수 있다.

Recently, safety accidents of daily necessities such as humidifier disinfectant, mobile phones, and infant diapers, have occurred frequently. To protect consumers from these accidents, product safety management is required, and a product risk assessment tool is needed to evaluate the degree of safety of the product. In this paper, we have constructed RAS, which is a system that can evaluate product risk based on injury information of product accident in Korea Consumer Agency. RAS consists of an injury information analysis system for analyzing accident-related information and a risk assessment system for assessing risk using information derived from the system. The Bayesian network - based probabilistic method is applied to reflect the causal relationships that affect product risk in the risk assessment process. We used RAS to evaluate 33 children's products and compared them with the results of EU RAPEX RAG. Subsequent tasks include reducing the subjectivity of the input of the accident impact scale, and linking the above two systems.

제품 안전관리는 공산품 및 전기제품 등의 제조 및 수입, 유통의 전 과정에서 제품사고로 인해 발생하는 위해로부터 소비자의 안전을 보호하는 제반 활동을 의미한다. 즉, 안전한 제품의 생산 및 수입, 제품안전성 평가, 안정성 평가결과에 의한 안전인증 및 확인, 시장 출시 제품에 대한 시장감시 활동을 통한 사고 및 불법제품의 리콜 등 다양한 활동의 수행을 포함하고 있다. 본 연구에서는 제품 안전관리에 필요한 제품 리스크 평가를 위하여 리스크에 영향을 미치는 인과관계를 반영한 새로운 평가기법으로서 베이지안네트워크 기반의 확률적 모델을 적용한 리스크 평가모델을 제시하고 적용사례를 보인다. 리스크 평가를 위하여 요인계층, 사고계층, 부상계층 등으로 인과네트워크 구조를 설계하고 각 계층확률 및 조건부확률을 도출한다. 요인계층은 제품결함요인과 사용주체, 사용시간, 사용장소 등을 포함하는 사용환경요인으로 구성한다. 사고계층과 부상계층은 요인계층에 의해 발생하는 사고와 사고에 의해 발생하는 부상으로 구성한다. 최종적으로 부상확률과 부상심각도를 바탕으로 리스크를 결정한다. 본 모델의 적용 예를 보이기 위하여 유모차 사례분석을 통해 평가모델 프로토타입을 제시하고 유럽(EU RAPEX RAG)과 일본(NITE R-Map)의 기법과 비교한다. 본 논문의 모델은 시나리오 기반의 평가기법이 지니고 있는 시나리오 생성과정의 무한성과 확률 도출과정의 주관성을 극복하고 있다. 또한 부상 유형별로 부상확률과 부상심각도를 도출하여 리스크를 평가함에 따라 더욱 정교한 평가가 가능한 장점을 가지고 있다.

Product safety management means the various activities to protect the safety of the consumer against the hazard arising from product accidents in the whole process of manufacture, import and distribution of goods including industrial and electrical products. In other words, it includes the implementation of the various activities including production and importation of safe products, product safety assessment, safety certification and confirmation by the safety assessment, and recall the accident and illegal products through market surveillance activities to market products. This study presents a new product risk assessment model based on bayesian network model as a tool for risk assessment needed for product safety that reflect the casual relationship affecting the product risk and shows an application example. For the risk assessment, the structure of the network is designed hierarchically to factor layer, accident layer, and injury layer and the probabilities and the conditional probabilities of each layers are derived. The factor layer is composed of the product defect factors and the use environment factors including factors such as subject of use, hours of use, and place of use. The accident and injury layer is composed of accidents caused by the factor layer and injuries caused by the accidents. Finally, the product risk is determined based on the probabilities and severities of injuries by reference to PI(probability impact) matrix. The severity of injury is obtained by calculating ISS using AIS presented in IISC. For the injury, damages to property as well as personal injuries are considered. An example applying the risk assessment model presented in this paper to the stroller is shown and the model is compared with EU RAPEX RAG and Japan’s R-Map. The two methods are representative method that is currently being presented related to the risk assessment. The EU RAPEX RAG, as a method based on the scenario, composes possible scenarios and assesses the scenarios and adopts the higher risk to the final risk. As a result, it is shown that the EU RAPEX RAG and the model presented in this paper gives the same results each other. Japan’s R-Map, on the other hand, gives one step higher result compared to the result of this paper. This can be seen because it follows the R-Map manual regulation when different types of injuries occurred together the strictest definition is adopted because R-Map does not assess separately each incident of injury. The model of this paper overcomes the subjectivity of probability of the scenario steps and infinity of the scenario creation that scenario-based assessment methods have. It also have the advantage that a more elaborate assessment is possible as the risk is assessed by deriving the probability and severity of injury by the types of injury. At present, the classification basis for safety management of the products in Korea is weak because there do not exist standardized risk assessment methods to classify the products into the categories for safety management. The model in this paper is a systematic and leading assessment model in Korea and can be utilized to review the current products managed by regulations and classify them into the new categories or derive reasonable and objective safety management levels for the new products. Also the model can be utilized to support the development of inherently safe products in the process of the development of the new products in the companies by letting themselves to assess the risk of the products. Further research should be the problems to ensure the reasonableness of the derivation process of the subjective product defect probabilities and the conditional probabilities if there does not exist data relating accidents. In addition, there may be problems reviewing the appropriateness of classification of the products by applying multi-variate cluster analysis if there exist data relating accidents and comparing it with the results of this study.

본 논문에서는 빅 데이터를 이용하여 범죄 발생 요인에 따른 범죄 예측 알고리즘을 구현했다. 제안된 알고리즘은 대검찰청에서 수집 하여 공개한 범죄관련 빅 데이터를 사용하였으며, 통계분석을 통해 서울시의 2011-2013년 범죄발생 패턴을 분석했다. 범죄예측 알고 리즘 구현을 위해 베이지안 네트워크를 적용하였으며, 범죄발생 요인으로서 공간적, 인구적, 사회적 특성 및 요일, 시간, 날씨와 같은 기타 요인으로 베이지안 네트워크의 노드를 구성하였다. 제안한 알고리즘의 구현 결과, 서울시의 각 구별로 범죄발생 패턴이 다르다 는 것을 파악할 수 있었으며, 다양한 범죄발생 패턴을 분석하고, 범죄예측 알고리즘의 정확도를 확인할 수 있었다.

In this paper, we proposed and implemented a crime prediction algorithm based upon crime influential factors. To collect the crime-related big data, we used a data which had been collected and was published in the supreme prosecutors’office. The algorithm analyzed various crime patterns in Seoul from 2011 to 2013 using the spatial statistics analysis. Also, for the crime prediction algorithm, we adopted a Bayesian network. The Bayesian network consist of various spatial, populational and social characteristics. In addition, for the more precise prediction, we also considered date, time, and weather factors. As the result of the proposed algorithm, we could figure out the different crime patterns in Seoul, and confirmed the prediction accuracy of the proposed algorithm.

Purpose: Previous research has explored the factors influencing frailty in older patients with chronicheart failure (CHF), but these studies have not revealed the potential network interactions among therelated factors. This study aimed to construct a Bayesian network (BN) model of frailty in older patientswith CHF, analyze the predictive factors, and explore the internal relationships between these factors. Methods: A total of 439 older patients with CHF were selected using a convenience sampling methodfrom September 2023 to March 2024 at the cardiology department of a comprehensive tertiary hospitalin Nanchang, Jiangxi, China. Multivariate logistic regression analysis was used to explore the influencingfactors of frailty in older patients with CHF. The BN structure was learned using the maxemin hillclimbingalgorithm, with parameter estimation achieved through maximum likelihood estimation. Netica software was utilized for prediction and diagnosis. The effectiveness of the model was validatedusing the Receiver Operating Characteristic (ROC) curve. Results: The prevalence of frailty in older patients with CHF was found to be 53.3%. After using amultivariate logistic regression analysis model that screened the variables, the nutritional risk, physicalactivity, depression, multimorbidity, grip strength and left atrial diameter were included into theBayesian network model. The Bayesian network model of frailty related factors in older CHF patientsshowed that nutritional risk, physical activity, depression, and multimorbidity were directly related tofrailty, while grip strength and left atrial diameter were indirectly related. Conclusion: The study results indicated that malnutrition risk, inactivity, depression, and multimorbiditywere directly related to frailty, while lower grip strength and a wider left atrial diameter were indirectlyrelated to frailty. Enhancing frailty assessment and implementing measures addressing disease, nutrition,exercise, and psychological well-being are crucial for delaying and potentially reversing the onset andprogression of frailty.

As more and more data is described, stored, exchanged and represented by XML, the abilities of information retrieval for XML document become increasingly important. However, the retrieval results to users are quite large. This paper gives a Bayesian network‐based model for ranking these large results. Each XML document is modeled through a Bayesian network, which can handle both structure and content for the document. And then this paper presents the inference for the probability of each document on the given query. Finally documents are ranked according to the probabilities in descent.

본 연구는 기업의 재무정보와 이익의 질간의 관련성을 분석한 연구이다. 기존의 연구들에 의하면 종속변수와 설명변수들 간 선형성을 가정한 다중회귀분석을 통해 재무정보와 이익의 질을 분석한 연구가 대부분이었다. 이는 각 설명변수들 간 존재하는 유의한 관계를 파악하는데 일정부분 한계점이 존재하였다. 이에 본 연구에서는 재무정보의 각 변수들과 이익의 질 간에 직접 또는 간접적인 관련성을 파악함으로써 이익의 질을 높이려는 경영자와 감독기관에 유용한 의사결정의 도구로 지원될 수 있을 것이다. 본 연구에서 사용한 기업의 재무정보로는 당기순이익, 기업규모, 부채비율, 손실여부, 매출액변동성 및 영업순환주기 등이 있으며 이익의 질은 이익지속성과 이익예측가능성, 이익유연화, 재량적 발생액, 유동발생액의 질로써 측정하였다. 본 연구는 베이지안 네트워크를 통해 유도된 재무정보와 이익의 질에 관한 마코프 블랭킷을 제시하였으며, 주요한 변수들에 대한 민감도분석을 통해 현실에서의 적용가능성을 높였다. 본 연구의 표본은 2005년부터 2015년까지 한국거래소에 상장된 기업 중에서 일정한 요건을 만족하는 기업을 대상으로 분석하였으며, 기업의 재무정보와 이익의 질 간에 유의한 결과가 있다는 점이 실증적으로 검증되었다.

This study analyzes the relationship between financial information of a company and the earning quality. Majority of previous researches have used multiple regression analyses with assumption of linearity between dependant variable and explanatory variables to analyze financial information and earning quality. These prevailing ones, in certain points, have shown limitations in grasping significant relationships which abide between those explanatory variables. Hence, this paper will be exploited as a valuable decision making tool valuable to companies and supervisory organizations which seek for increase of earning quality by grasping direct or indirect relevance between each variable of financial information and earning quality. Financial information of companies used in this study includes net income, size, debt, loss, std_sales and operating cycleand earning quality was measured by persistence of earning, prediction of earning, income smoothing, discretionary accruals, and current accruals. This paper suggests Markov blanket about financial information and earning quality induced by Bayesian network and applicability in real world was enhanced through sensitivity analysis of major variables. Samples analyzed in this study were collected from listed companies in Korea Exchange from 2005 until 2015 which satisfied specific conditions, and it has been empirically verified that significant outcome can be found between financial information and earning quality of companies.

본 연구는 기업의 지배구조에 영향을 미치는 다양한 기업의 재무변수들간의 특성을 분석한 연구이다. 본 연구에서는 기존의 선행연구들에서 사용한 독립변수와 종속변수 간의 획일적인 선형의 가정을 극복하고자 한다. 즉, 기업의 지배구조에 영향을 미치는 다양한 기업의 재무변수들의 구성요소간 존재하는 인과관계를 도출하는데 초점을 맞출 것이다. 이는 어떤 재무변수들이 다른 재무변수들에 직간접적인 인과관계를 통해 기업 의 지배구조에 영향을 주는지에 대해 회계정보이용자나 감독기관에 다양한 정보를 제 공함으로써 기업의 지배구조의 투명성을 높이는데 공헌할 수 있을 것이다. 이를 위해 본 연구에서는 베이지안 네트워크를 제안하고 이를 통해 도출한 마코프 블랭킷을 제시 하고자 한다. 본 연구는 한국기업지배구조원이 2012년부터 2015년까지 기업의 지배구조를 평가하여 공시한 2,232개 (firm-year)를 대상으로 실험한 결과 본 연구에서 사용한 방법에 의해 기업의 지배구조와 재무변수들간에는 모두 통계적으로 유의한 결과를 제공한다는 것이 실증적으로 검증되었다.

The purpose of this study is to analyze characteristics between financial variables of a company that have influence of corporate governance structure. This study attempts to overcome an uniformed linear assumption about independent and dependent variables that are used in the previous studies. In other words, it focuses on finding causality between components of financial variables of a firm that have influence on corporate governance. Transparency of corporate governance can be improved by providing accounting information users or supervisory institutions with a variety of information on how a financial variable has influence on corporate governance through direct or indirect casual relationship with other financial variables. For the purpose, this study proposes Baysian Network and presents Makov Blanket drawn from the Baysian Network. According to the research on 2,232 firm-years whose corporate governance was evaluated and disclosed by Corporate Governance Service from 2012 to 2015, it is empirically demonstrated that the methodology used in this study present statistically significant results for corporate governance and financial variables.

Naive Bayesian classifiers 네이브 베이지안 분류기는 샘플 데이터로부터 쉽게 구현될 수 있는 강력하고도 많이 사용되는 형식의 분류기다. 그러나 강한 조건부 독립성으로 인하여 효율이 저하되는 분류 결과를 초래한다. 일 반적으로 네이브 베이지안 분류기는 연속성을 가진 특징 데이터의 우도를 처리하기 위해 가우시안 분산을 사용한다. 속성들의 확률밀도는 항상 가우시안 분산에 적합한 것만은 아니다. 또 다른 형식의 분류기는 지도학습을 통해 퍼지 규칙과 퍼지집합을 학습할 수 있는 퍼지신경망이다. 퍼지신경망과 네이브 베이지안 분류기간에는 구조적 유사성을 가지고 있기 때문에 퍼지신경망으로 학습된 분산 그래프를 네이브 베이지안 분류기에 적용하고자 하는 방안이 본 연 구의 목적이다. 따라서 네이브 베이지안 분류기에 가우시안 분산 그래프를 사용한 결과와 퍼지 분산 그래프를 사용 한 결과를 비교하였다. 이를 위해 leukemia와 colon의 DNA 마이크로어레이 데이터를 적용하여 분류하였다. 네이브 베이지안 분류기에 퍼지 분산 그래프를 사용한 결과 가우시안 분산 그래프를 사용한 결과보다 더 신뢰성이 있음을 보여주었다.

Naive Bayesian classifiers are a powerful and well-known type of classifiers that can be easily induced from a dataset of sample cases. However, the strong conditional independence assumptions can sometimes lead to weak classification performance. Normally, naive Bayesian classifiers use Gaussian distributions to handle continuous attributes and to represent the likelihood of the features conditioned on the classes. The probability density of attributes, however, is not always well fitted by a Gaussian distribution. Another eminent type of classifier is the neuro-fuzzy classifier, which can learn fuzzy rules and fuzzy sets using supervised learning. Since there are specific structural similarities between a neuro-fuzzy classifier and a naive Bayesian classifier, the purpose of this study is to apply learning distribution graphs constructed by a neuro-fuzzy network to naive Bayesian classifiers. We compare the Gaussian distribution graphs with the fuzzy distribution graphs for the naive Bayesian classifier. We applied these two types of distribution graphs to classify leukemia and colon DNA microarray data sets. The results demonstrate that a naive Bayesian classifier with fuzzy distribution graphs is more reliable than that with Gaussian distribution graphs.