Earticle

Trajectory data is widely collected and utilized for scientific research and business purpose, publishing trajectory it without proper privacy policy leads to an acute threat to individual data. Recently, several methods, i.e., k-anonymity, l-diversity, t-closeness, have been studied, though they tend to protect by reducing data depends on a feature of each method. When it requires strong privacy protection, these methods have excessively reduced data utility that may affect the result of scientific research. In this research, for the first time, we suggest a novel approach to tackle this existing dilemma via an adding noise trajectory on a vector-based grid environment. Afterward, we propose an efficient algorithm to expand trajectories adding the minimum amount of noise. Compared to other methods, our experiment shows the proposed algorithm maintains excellent performance with respect to data utility and time complexity.

With the rapid development of educational informatization, teaching methods become diversified characteristics, but a large number of information data restrict the evaluation on teaching subject and object in terms of the effect of English education. Therefore, this study adopts the concept of incremental learning and eigenvalue interval algorithm to improve the weighted decision tree, and builds an English education effect evaluation model based on association rules. According to the results, the average accuracy of information classification of the improved decision tree algorithm is 96.18%, the classification error rate can be as low as 0.02%, and the anti-fitting performance is good. The classification error rate between the improved decision tree algorithm and the original decision tree does not exceed 1%. The proposed educational evaluation method can effectively provide early warning of academic situation analysis, and improve the teachers' professional skills in an accelerated manner and perfect the education system.

With the deepening of population aging, pension has become an urgent problem in most countries. Community smart pension can effectively resolve the problem of traditional pension, as well as meet the personalized and multi-level needs of the elderly. To predict the pension intention of the elderly in the community more accurately, this paper uses the decision tree classification method to classify the pension data. After missing value processing, normalization, discretization and data specification, the discretized sample data set is obtained. Then, by comparing the information gain and information gain rate of sample data features, the feature ranking is determined, and the C4.5 decision tree model is established. The model performs well in accuracy, precision, recall, AUC and other indicators under the condition of 10-fold cross-validation, and the precision was 89.5%, which can provide the certain basis for government decision-making.

In the data scheduling process of wireless sensor network (WSN), node data fusion is one of the main methods to reduce network communication volume. The decrease in network communication volume contributes to the network energy consumption reduction, which is crucial for improving the WSN lifecycle. Hence, we propose an energy-saving hybrid-optimization scheduling algorithm based on fat tree (FT) for WSN, which is referred to as the FTEBHSA algorithm. In the scheduling algorithm, multiple strategies are adopted to optimize for saving energy, involving shortest path tree optimization, fusion tree load balance, a fusion node rotation mechanism, and a sleep mechanism for monitoring nodes. More importantly, we introduce the FT structure to organically integrate these strategies for reducing the energy consumption and boosting the WSN lifecycle. The simulation experiment results verify that the proposed hybrid-optimization scheduling algorithm performs optimally in optimizing the energy consumption.

Korea professional baseball industry has grown to take the lion"s share of the domestic sports industry, but still does not make break even. The purpose of this study is to examine the financial impact of adopting the Customer Relation Management (CRM) approach on the profitability of Korea professional baseball industry. We use a measuring tool called entropy used in ID3 decision tree algorithm. In the paper, we specify five the most important factors that affect spectator satisfaction based on the previous literature, perform survey analysis, calculate entropy values, and find the results. We predicted the change in revenues when we adopt CRM by checking the spectators" willingness to pay more when the conditions of each factor are improved. We find that we can reap significant fruits of the effect of CRM introduction through enhancing "game content factor" and "game promotion factor" among the five factors. We also find that we can increase the revenues of domestic professional baseball teams to 2.4 times or 2.1 times the current level if we manage intensively those two factors. respectively. It is very surprising to see that the improvement in total revenues makes both ends meet for domestic professional baseball teams. This clearly demonstrates the effectiveness of CRM approach in improving the profitability of organizations.

비모수 생산성 분석기법인 Data Envelopment Analysis (DEA)는 여러 분야의 효율성 평가에 적용되고 있다. DEA 방법론이 다양한 분야의 문제에 대한 현실적 적용에 있어 단점이 있다. 예를 들어 DEA는 각 의사 결정단위의 상대적인 효율성 평가에 적합하다. 그러나 이론적인 최대치와의 비교가 아닌 벤치마킹해야 할 참조그룹과 얼마만큼 개선해야 할지를 단지 알려 줄 뿐이다. 즉, 새로운 의사결정단위의 효율성을 측정하기 위해 우리는 과거에 사용된 의사결정단위 데이터와 함께 완전히 새로운 DEA를 적용해야만 한다. 또한 우리는 다시 DEA를 적용하지 않고서 새로운 의사결정단위의 효율성 수준을 예상할 수 없다. 우리는 이러한 DEA의 단점을 보완하기 위해 C5.0과 결합한 하이브리드 분석방법론을 제안한다. 35개의 항만의 효율성 평가를 통해 새로운 의사결정단위는 기존의 의사결정단위와 함께 다시 DEA를 실행할 필요 없이 제안한 방법론을 적용하여 어느 등급에 속하는지 예상할 수 있다.

Data Envelopment Analysis (DEA), a non-parametric productivity analysis tool, has become an accepted approach for assessing efficiency in a wide range of fields. Despite of its extensive applications, some features of DEA remain bothersome. For example DEA is good at estimating "relative" efficiency of a DMU(Decision Making Unit), it only tells us how well we are doing compared with our peers but not compared with a "theoretical maximum." Thus, in order to measure efficiency of a new DMU, we have to develop entirely new DEA with the data of previously used DMUs. Also we cannot predict the efficiency level of the new DMU without another DEA analysis. We aim to show that DEA can be used to evaluate the efficiency of ports and suggest the methodology which overcomes the limitation of DEA through hybrid analysis utilizing DEA along with C5.0. We can generate classification rules C5.0 in order to classify any new Port without perturbing previously existing evaluation structures by proposed methodology.

2021년에는 고등학교 교육과정에서 인공지능기초 과목이 도입되었다. 과거 교육에 ICT 접목 시 발생했던 원리 보다 활용 중심 교육의 문제가 인공지능 교육의 도입에도 되풀이될까 우려하는 의견이 다수 존재한다. 기존의 인공지능 교육 플랫폼은 대부분 인공지능의 활용에만 초점을 두고 있다. 중학생의 인공지능 교육을 위해 인공지능이 결과를 도출하는 과정에 관한 학습과 인공지능 알고리즘의 원리 학습에 어려움이 있다. 최근 메타버스의 교육적 적용이 화두가 되면서, 학생들의 몰입감과 흥미를 유발해 학습성취도 향상에 도움을 주려는 연구들이 시작되었다. 본 연구는 중학교 인공지능 교육에서 활용될 수 있는 교육 콘텐츠로 메타버스를 활용한 의사결정나무 알고리즘에 관한 교육 게임 콘텐츠를 개발하였다. 게임을 교육에 접목함으로써 학생들의 인공지능에 대해 흥미와 몰입감을 높이고 교육 효과를 높이고자 하였다. 본 연구에서는 개발한 게임 콘텐츠에 관하여 예비 교원들을 대상으로 교육 효과성, 난이도, 흥미 정도를 조사·분석하였고, 이를 바탕으로 향후 원리 중심의 인공지능 교육 방법에 관하여 제언하였다.

In 2021, AI basics were introduced in the high school curriculum. There are many worries that the problem of utilization-oriented education will be repeated with the introduction of artificial intelligence education rather than the principles that occurred when ICT was applied to education in the past. Most of the existing AI education platforms focus only on the use of AI. For artificial intelligence education of middle school students, there are difficulties in learning about the process by which artificial intelligence derives results and learning the principles of artificial intelligence algorithms. Recently, as the educational application of metaverse has become a hot topic, research has been started to improve learning achievement by arousing students' immersion and interest. This research developed educational game contents about decision tree algorithm using metaverse as educational contents that can be used in middle school AI education. By applying games to education, it was intended to increase students' interest and immersion in artificial intelligence, and to increase educational effectiveness. In this paper, the educational effectiveness, difficulty, and level of interest were analyzed for pre-service teachers regarding the developed game content. Based on this, a future principle-oriented artificial intelligence education method was suggested.

이미지를 감성으로 쾌 또는 불쾌, 긴장 또는 평온의 구분 감성을 트리 형식으로 가중치를 부여하여 평가한다. 이미지 대표평가 감성인 명도대비를 평가 기준으로 1차는 쾌, 불쾌 또는 긴장 또는 평온이고 2차는 세분화 이미지 감성으로 구분한다. 4개의 감성인식을 수치화 된 명도대비 데이터로 측정한다. 평가 구현은 OpenCV를 통해 명도대비를 그래프화하여 긴장, 평온, 쾌, 불쾌 값 변화에 따라 4개 감성으로 구분하여 컴퓨팅한다. 감성 컴퓨팅으로 명도대비의 입력된 값에 따라 '불쾌'를 '쾌' 또는 '긴장'을 '평온'으로 감성적 변화를 줄 수 있다. 이미지 감성의 규칙성을 계산화 된 컴퓨팅 시스템으로 제어할 수 있고 향후 산업방향에 감성 인식의 적용에 대한 긍정적인 역할을 할 것이다.

Image of emotional pleasure or displeasure, tension or emotional division of tranquility in the form of a tree is evaluated by weighting. Image representative evaluation of the sensitivity of the brightness contrast ratings 1 car pleasure, displeasure or stress or emotional tranquility and two cars are separated by image segmentation. Emotion Recognition of four compared to the numerical data is measured by brightness. OpenCV implementation through evaluation graph the stress intensity contrast, tranquility, pleasure, displeasure, depending on changes in the value of the computing is divided into four emotional. Contrast sensitivity of computing the brightness depending on the value entered 'nuisance' to 'excellent' or 'stress' to 'calm' the emotional changes can give. Calculate the sensitivity of the image regularity of localized computing system can control the future direction of industry on the application of emotion recognition will play a positive role.

생성트리와 같은 문제를 해결하는데 필요한 정보가 네트워크상의 프로세서에 분산되어 있는 상황에서 그들 정보를 교환하면서 그 문제를 해결하는 알고리즘을 분산알고리즘(Distributed Algorithm)이라고 한다. 생성트리와 강결합요소가 이미 구성되어 있는 비동기식 네트워크상에서 네트워크 형상이 변할 경우, 이로 인해 구성되어 있던 생성트리와 강결합요소를 갱신해야 해는 경우가 발생한다. 본 논문에서는 이러한 경우 생성트리와 강결합요소를 효율적으로 갱신하는 메시지 복잡도 O(n'log n'+ (n'+s+t)), 이상시간복잡도 O(n'log n')의 분산 알고리즘을 제안한다. 여기서 n'는 토폴로지 변화후의 네트워크의 프로세서수, s는 추가 링크수를 나타낸다. 또 t는 삭제 링크를 포함하는 강결합요소에 포함되어 있는 전체 링크수를 나타낸다.

Considers the problem to update the spanning tree and strongly-connected components in response to topology change of the network. This paper proposes a distributed algorithm that solves such a problem after several processors and links are added and deleted. Its message complexity and its ideal-time complexity are O(n'log n'+ (n'+s+t)) and O(n'logn') respectively where n'is the number of processors in the network after the topology change, s is the number of added links, and t is the total number of links in the strongly connected component (of the network before the topology change) including the deleted links.

컴퓨터 기반 적응적 검사는 이전에 제시된 문항에 대한 반응을 기반으로 피검사자의 잠재 특질 수준을 추정하기에 가장 적절한 다음 문항을 선택해 출제함으로써 피검사자별 맞춤형 검사를 제시하는 컴퓨터 기반 검사형태다. 컴퓨터 기반 적응적 검사 제작의 핵심 요소 중 하나는 문항 선정 알고리즘이라 할 수 있으며, 최근 결정-트리를 이용한 적응적 심리 검사 구성에 대한 관심과 적용 사례가 늘어나고 있다. 결정-트리는 기계학습 분야에서 주로 연구되어온 예측 모형 중 하나로서 쉽게 해석 가능한 트리-구조를 가진다는 장점에도 불구하고 과적합 문제에 매우 취약하다는 것이 알려져 있다. 본 연구의 목적은 기계학습 분야에서 결정-트리의 대안으로 제시된 앙상블 모형 중에서 해석 가능한 트리-구조를 지닌 Alternating Model Tree (AMT)가 컴퓨터 기반 적응적 심리 검사 제작에 활용될 수 있는지 탐색하는 데 있다. 이를 위해 먼저 AMT의 작동 방식을 적응적 검사의 특징에 비추어 상술하였고, 검사 점수를 예측하는 AMT 기반의 적응적 검사와 결정-트리 기반의 적응적 검사의 예측 성능을 두 개의 심리 검사를 대상으로 비교하였다. 그 결과, AMT는 적응적 검사의 특징을 가지는 것으로 확인되었고, AMT 기반 적응적 심리 검사의 성능은 결정-트리 기반 적응적 심리 검사의 성능과 유사하거나 더 나은 결과를 보였다. 이러한 결과를 바탕으로 본 연구의 의의와 한계, 후속연구에 대한 제언 등을 논의하였다.

Computerized adaptive testing (CAT) is a computer-administered test where the next question for estimating the examinee’s trait level is selected depending on his or her reponses to the previous items, resulting in tailored testing for each individual examinee. A defining feature of CAT stems from its item selection algorithms, among which both research interest and practical applications of decision-tree based CAT (DT-based CAT) have been rising recently. In the field of machine learning, however, it is well known that decision-trees, as a form of predictive models with simple and interpretable tree structures, can be vulnerable to the problem of overfitting or the problem of creating overly complex trees that do not generalize to newly observed data. Among various ensemble techniques developed to adequately address this problem, we the authors paid attention to the Alternating Model Tree (AMT) due to its interpretable tree-like structure. The purpose of this article is to investigate the viability of the Alternating Model Tree (AMT) as an item selection algorithm for constructing CAT. To this end, we first presented a detailed exposition of how AMT-based CAT can be constructed and then compared its performance with DT-based CAT using two sets of publicly available psychological test scores. The results provided supportive evidence that AMT-based CAT is viable, and that AMT-based CAT can predict test scores at least as accurate as DT-based CAT does. Based on our findings, we discuss implications, limitations, and directions of future studies.

본 논문에서는 기존에 연구되었던 Thayer의 인간의 감성 모델을 바탕으로 음악을 듣고 느끼는 감성을 8가지 감성으로 정의한 음악 감성모델로 제시하였다. 감성에 영향을 주는 음악의 요소는 음악의 템포, 역동성, 진폭변화, 밝기, 잡음 등 5가지로 선택하였다. 8가지 감성으로 이루어진 감성 모델에 따라서 8가지 감성으로 분류된 160곡의 노래를 선곡하여 실제 데이터를 추출하여 분석하였다. 실제 데이터의 분석을 통해 5가지 요소의 가중치로 이루어진 감성 수식을 도출하였고 임의의 음악에 대하여 감성 수식을 통해서 2차원 감성 좌표계에 매핑 하여 감성을 예측할 수 있도록 알고리즘을 설계하였다. 또한 2차원 감성 좌표계에서의 좌표 값을 이동시켜 감성을 제어할 수 있는 방법을 제시하였다.

This thesis proposes the emotions acquired after listening to the music as an emotion model composed of 8 types of emotions, based on the emotion model studied previously. The 5 musical factors selected, that affect the emotion, are tempo, dynamics, amplitude change, brightness, and noise. According to the emotion model composed of 8 types of emotions, 160 songs categorized into the 8 types of emotions were selected, and the actual data was extracted and analyzed. Through the analysis of actual data, an emotion equation made of weighted value of 5 factors was derived, and an algorithm that can predict the emotion by mapping on the 2-dimensional emotion coordinate system through the emotion equation was designed. Also, a way of controlling emotion by moving the coordinates on the 2-dimensional emotion coordinate system was suggested.

일반적으로 GPU 기반 트리 탐색을 수행할 경우 병렬 처리 속도가 생각보다 크게 향상되지 않는 경우가 대부분이다. 본 논문에서는 이러한 원인을 분석하고 그 분석 결과로 GPU 병렬 처리 하드웨어 아키텍처 내 최소 물리적 스레드 실행 단위인 warp 내에서 분기문(if문)으로 인한 warp divergence가 일어나기 때문임을 제시한다. 또한 이러한 warp divergence를 최소화할 수 있는 병렬 shifted sort 알고리즘과의 비교를 통해 shifted sort 알고리즘이 일반적인 GPU 내 트리 탐색에 비해 우수한 성능을 보이는 구조임을 제시하였다. 분석 결과 GPU 기반 kd-tree 탐색에 비해 warp divergence가 발생하지 않은 shifted sort 탐색은 3차원 공간에서 데이터나 쿼리의 수가 $2^{23}$개 일 때 16배 이상의 빠른 처리 속도를 보였으며 이 성능 차이는 데이터나 쿼리의 개수가 증가함에 따라 더 커지는 경향을 보였다.

It is common to achieve lower performance in traversing tree data structures in GPU than one expects. In this paper, we analyze the reason of lower-than-expected performance in GPU tree traversal and present that the warp divergences is caused by the branch instructions ("if${\ldots}$ else") which appear commonly in tree traversal CUDA codes. Also, we compare the parallel shifted sort algorithm which can reduce the number of warp divergences with a kd-tree CUDA implementation to show that the shifted sort algorithm can work faster than the kd-tree CUDA implementation thanks to less warp divergences. As the analysis result, the shifted sort algorithm worked about 16-fold faster than the kd-tree CUDA implementation for $2^{23}$ query points and $2^{23}$ data points in $R^3$ space. The performance gaps tend to increase in proportion to the number of query points and data points.

The basis of cyber trading has been sufficiently developed with innovative advancement of Internet Technology and the tendency of stock market investment has changed from long-term investment, which estimates the value of enterprises, to short-term investment, which focuses on getting short-term stock trading margin. Hence, this research shows a Short-term Stock Price Forecasting System on Learning Agent System using DTA(Decision Tree Algorithm) ; it collects real-time information of interest and favorite issues using Agent Technology through the Internet, and forms a decision tree, and creates a Rule-Base Database. Through this procedure the Short-term Stock Price Forecasting System provides customers with the prediction of the fluctuation of stock prices for each issue in near future and a point of sales and purchases. A Human being has the limitation of analytic ability and so through taking a look into and analyzing the fluctuation of stock prices, the Agent enables man to trace out the external factors of fluctuation of stock market on real-time. Therefore, we can check out the ups and downs of several issues at the same time and figure out the relationship and interrelation among many issues using the Agent. The SPFA (Stock Price Forecasting System) has such basic four phases as Data Collection, Data Processing, Learning, and Forecasting and Feedback.

서픽스 트리는 주어진 모든 문자열의 모든 서픽스를 트리 형태로 나타내는 자료구조로서 선형시간에 구성 할 수 있으며 문자열에 대한 많은 문제를 효율적으로 해결할 수 있다. 하지만 이런 효용성에도 불구하고 서픽스 트 리로 구성한 문자열을 삽입/삭제하는 경우 트리를 구성하는데 상당히 많은 시간이 소비된다. 본 논문은 이러한 문제 를 해결하기 위한 서픽스 트리 재구성 알고리즘을 제안한다. 제안하는 알고리즘은 부 문자열을 삽입하는 경우와 삭 제하는 경우로 나눈 다음, 발생할 수 있는 모든 경우의 수를 감안해서 설계했다. 알고리즘의 성능을 평가하기 위해 서 기존의 Ukkonen 알고리즘과 비교실험 해 본 결과 서픽스 트리 재구성 시 30% 이상 시간이 절약됨을 알 수 있었다.

This paper introduces a new algorithms for reconstructing the suffix tree of character string, when a substring id deleted from the string or a string is inserted into the string as a substring. The algorithem has two main functions, delete-structure and insert-structure. The main objective of this algorithm is to save the time for constructing the suffix tree of an edited string, when the suffix tree of the original string is available. We tested the performance of this algorithm with some DNA sequences. This test shows that delete-reconstructing can save time when the length of the subsequence deleted is less than 30% of the original sequence, and the insert-reconstructing takes less time with regard to the length of inserted sequence.

스레드 트리란 LR 파싱표를 사용하여 파스 트리인 동시에 파스 스택을 표현 할 수 있는 자료구조이다. Larchevque는 스택을 사용하여 스레드 트리를 구성하고 점진적 파싱을 한다. 본 논문에서는 재 파싱 노드와 파싱속도를 줄이기 위해 스택을 사용하지 않는 변화된 스레드 트리를 구성하는 알고리즘을 제안한다. 또한 노드의 재 파싱 과정을 없애기 위해 변화된 스레드 트리와 LR 파싱표를 사용하는 점진적 파싱 알고리즘을 제안한다.

Threaded Tree is the data structure that can express parse stack as well as parse tree with LR parsing table. Larchevque makes Threaded Tree and Incremental Parsing with stack. This paper suggests the algorithm consisting of changed threaded tree without stack in order to reduce reparsing node and parsing speed. Also, it suggests incremental parsing algorithm to get rid of the reparsing process in node.

효율적인 빈발 패턴 알고리즘은 연관 규칙 마이닝이나 융복합을 위한 마이닝 과정에서 필수적인 요소이며 많은 활용성을 가지고 있다. 패턴 마이닝을 위한 많은 모델들이 빈발 패턴에 관한 정보를 추출하여 FP-트리를 이용하여 저장하고 있다. 본 논문에서는 항목들의 무게중심을 이용한 새로운 빈발 패턴 알고리즘(CAWFP-Growth)을 제안하여 항목들이 가지는 가중치와 빈도수를 같이 고려하여 항목간의 중심을 계산하여 기존의 FP-Growth 알고리즘의 효율성을 향상시킨다. 제안한 방법은 하향 폐쇄의 성질을 유지하기 위한 기존의 전역적 최대치 가중치 지지도를 필요로 하지 않기 때문에 자연히 빈발 패턴의 탐색시간이 줄어들고 정보의 손실을 줄일 수 있다. 실험결과를 통하여 제안된 알고리즘이 기존의 동적 가중치를 이용하는 다른 방법과 비교해볼 때, 항목들의 무게중심이 빈발패턴의 정확한 정보를 유지하고 FP-트리의 처리 시간을 줄여주기 때문에 제안한 방법의 중요성을 보이고 있다 또한 가상 분산모드에서 맵리듀스 프레임을 기반으로 빅데이터를 모델링하고 향후 완전분산 모드에서 제안한 알고리즘의 모델링이 필요하다.

An efficient frequent pattern algorithm is essential for mining association rules as well as many other mining tasks for convergence with its application spread over a very broad spectrum. Models for mining pattern have been proposed using a FP-tree for storing compressed information about frequent patterns. In this paper, we propose a centroid frequent pattern growth algorithm which we called “CAWFP-Growth” that enhances he FP-Growth algorithm by making the center of weights and frequencies for the itemsets. Because the conventional constraint of maximum weighted support is not necessary to maintain the downward closure property, it is more likely to reduce the search time and the information loss of the frequent patterns. The experimental results show that the proposed algorithm achieves better performance than other algorithms without scarifying the accuracy and increasing the processing time via the centroid of the items. The MapReduce framework model is provided to handle large amounts of data via a pseudo-distributed computing environment. In addition, the modeling of the proposed algorithm is required in the fully distributed mode.

The consequences of rapid industrial advancement, diversified types of business and unexpected industrial accidents have caused a lot of damage to many unspecified persons both in a human way and a material way Although various previous studies have been analyzed to prevent industrial accidents, these studies only provide managerial and educational policies using frequency analysis and comparative analysis based on data from past industrial accidents. The main objective of this study is to find an optimal algorithm for data analysis of industrial accidents and this paper provides a comparative analysis of 4 kinds of algorithms including CHAID, CART, C4.5, and QUEST. Decision tree algorithm is utilized to predict results using objective and quantified data as a typical technique of data mining. Enterprise Miner of SAS and AnswerTree of SPSS will be used to evaluate the validity of the results of the four algorithms. The sample for this work chosen from 19,574 data related to construction industries during three years (2002~2004) in Korea.

Objectives : There is a need to develop a data quality management algorithm to improve the quality of healthcare data using a data quality management system. In this study, we developed a data quality control algorithms associated with diseases related to hypertension in patients with diabetes mellitus. Methods : To make a data quality algorithm, we extracted the 2011 and 2012 discharge damage survey data from diabetes mellitus patients. Derived variables were created using the primary diagnosis, diagnostic unit, primary surgery and treatment, minor surgery and treatment items. Results : Significant factors in diabetes mellitus patients with hypertension were sex, age, ischemic heart disease, and diagnostic ultrasound of the heart. Depending on the decision tree results, we found four groups with extreme values for diabetes accompanying hypertension patients. Conclusions : There is a need to check the actual data contained in the Outlier (extreme value) groups to improve the quality of the data.

본 연구에서는 재범위험성 평가 도구와 관련한 국내 현황과 한계점에 대하여 설명 하고 이를 위한 새로운 통계적 접근 방법을 제시하고자 하였다. 현재 미국에서 활발한 연구가 이루어지고 있는 머신 러닝 기법인 의사결정 나무(decision tree) 분석과 랜덤 포레스트 기법을 도입하여 한국 성범죄자 위험성 평가척도인 K-SORAS의 개정판을 이 용하여 수집한 데이터 샘플에서 성범죄 재범을 일으키는 가장 큰 위험요인을 확인하였다. 그 결과 KSORAS의 문항 중 8번 문항인 ‘감독 기간 내 문제 행동’이 재범과 가장 관련이 큰 것을 확인할 수 있었다. 이를 통해 한국의 재범위험성 평가가 가진 한계점을 보완하는 방법을 고찰해 보았다. 이와 같이 재범위험성 평가에 머신 러닝 기법을 함께 활용하여 분석하는 연구들은 현재 국내에서는 아직 그 흔적을 찾기가 어려운 상황이다. 따라서 본 연구가 그 발판이 되어 머신 러닝 기법 등을 재범위험성 평가 등에 적용하여 분석해보는 활발한 추가 연구가 이루어지게 되기를 바란다.

The purpose of this study is to identify recidivism risk factors of KSORAS (Korean Sex Offender Risk Assessment Scale) by using machine learning method, especially decision tree analysis and random forest algorithm which are currently being studied actively in the US. Also the limitation of existing risk assessments is explained. By using revised version of KSORAS data of the offenders who are under electronic monitoring, it was feasible to figure out the most related factors among 55 other factors to recidivism. The most affective factor to recidivism was the item number 8 which is problematic behavior while supervision period. This statistical approach is expected to be a latest way of making up for any weak points of existing risk assessments.