- 3 -

1. 기술개발의 목표 및 내용

1-1. 최종목표 및 평가 방법

(1) 개발 대상 기술․제품의 개요

➀ 요약

[그림 1-1] 제안하는 과제의 요약

- 4 -

□ 삶의 영역에서 수집되는 물리적, 가상, 하이브리드 정형/비정형 생활 이벤트 데이터를 기반으

로 현재 상황을 지능적으로 파악하여 개인 맞춤형 서비스를 제공하고, 사용자의 의사를 반영

하여 지능적이며 지속적으로 지식을 관리하는 “진화형 퍼스널 빅데이터를 활용한 마이닝마

인즈 서비스 플랫폼” 핵심 기술, 플랫폼 및 서비스 모델을 개발하고, 이를 이용하여 라이프

매니지먼트 비지니스 사업화를 달성하며 타 지식 서비스 응용에도 이를 활용함.

[그림 1-2] 제안하는 마이닝마인즈 서비스 플랫폼 물리적 개념도

□ 서비스 품질의 지속적인 향상을 위해 제안하는 플랫폼은 다양한 형태의 데이터 처리 단계를

데이터 큐레이션, 정보 큐레이션, 지식, 큐레이션, 서비스 큐레이션과 지원 계층의 5단계 계층

으로 구분하며 (제안 초기는 데이터, 정보, 서비스 3단계), 각 계층의 지식/서비스 정책을 지

속적이며 지능적으로 관리할 수 있는 지식관리 기법을 적용함. 또한 각 단계 내부에서도 필

요한 경우 추가적인 멀티 레벨이 가능함.

[그림 1-3] 제안하는 마이닝마인즈 시스템의 서비스 개념도 (제안 초기)

- 5 -

□ 또한, 사용자의 피드백을 능동적으로 반영할 수 있는 요소기술의 개발과 사용자 행위나 의도

를 반영하는 UI/UX 개발로 서비스 사용 시 습관화를 유도함으로써 지속적인 이력관리가 용이

하여 미래 삶에 대한 예측/관리가 가능한 사용자 밀착형 융합서비스를 제공함.

□ 제안하는 마이닝마인즈 서비스 플랫폼은 1) 퍼스널 빅데이터 구축 처리기술 개발, 2) 경험모

델기반 생활이벤트 분석, 추적 및 예측 기술개발, 3) 개인화된 서비스 제공을 위한 지식기반

추론 및 관리 기술 개발 4) 마이닝마인즈 서비스 기술과 플랫폼 개발, 5) 빅 데이터 시각화

및 사용자 의견수렴을 위한 피드백 분석기술과 개인정보 보호를 위한 보안 기술로 구성됨.

[그림 1-4] 제안하는 마이닝마인즈 서비스 플랫폼 기능적 개념도

□ 핵심 개발 내용은 다음과 같음.

Ÿ 다양한 환경정보와 사용자 액티비티를 사용하여 라이프스타일 개선을 위한 퍼스널 서비스

큐레이션 핵심원천기술 개발

Ÿ 개인의 고유 특성 추출이 가능한 퍼스널 빅데이터 추출 기술 개발

Ÿ 사용자의 직관적인 이해 및 엔터테인먼트 요소를 더해주는 시각화 기술 개발

Ÿ 경험모델기반 생활이벤트 분석, 추적, 예측 기술 개발

Ÿ 마이닝마인즈 서비스 기술과 플랫폼 기술 개발

Ÿ 서비스 테스트베드 구축으로 실질적인 플랫폼의 성능 테스트 및 검증

- 6 -

□ 제공되는 서비스는 액티브 시니어(Active Senior) 계층인 40~50대를 타겟으로 “4050 Healthy

Life”서비스 모델을 개발하여 시니어 진입 전 세대의 라이프 매니지먼트를 통해 복합 만성

질환 이환율을 감소시키는 것을 목표로 함. 또한 건강한 시니어 라이프를 즐길 수 있도록 만

성질환관리와 복합질환예방을 위한 운동, 영양 및 당뇨 관리서비스 비즈니스 모델을 도출하

여, 순환적 프로세스로 운영되는 수요자 중심 라이프스타일 통합관리 서비스를 제공하는 지

속가능한 사업 모델을 도출함.

[그림 1-5] 제안하는 마이닝마인즈 기반 헬스케어 서비스 모델 개념도

□ 과제의 우수성 및 차별성은 다음과 같음.

Ÿ 다중융합 센싱 기술개발로 퍼스널 빅 데이터 수집 한계 극복

Ÿ 계층적 모델로 다양한 생활 이벤트형 빅 데이터의 효율적 처리 및 관리 가능

Ÿ 진화하는 지식관리 툴 도입으로 맞춤형 개인화 서비스 가능

Ÿ 피드백과 메타데이터 룰 모델링으로 서비스 품질 제고

Ÿ 행위분석 UI/UX 도입으로 서비스 사용자의 생활습관화 유도

□ 제안 과제는 퍼스널 빅데이터를 활용한 마이닝마인즈 핵심기술을 확보하여 베이비부머시대의

뉴 실버비지니스와 개인 생애가치 증진을 위한 라이프매니지먼트 사업모델의 도출이 가능하

며, 사회적 의료비용 절감 및 저비용으로 고령자들의 삶의 질 향상에 기여할 수 있는 건강

서비스 시장뿐만이 아니라, 퍼스널 빅데이터 기반 고부가가치 신 시장 창출의 플랫폼으로 활

용될 것임.

- 7 -

□ 본 과제에서 제안하는 개발 대상 기술은 다음과 같음

□ 본 과제의 10대 키워드는 다음과 같음

➀ 마이닝마인즈, ➁ 큐레이션, ➂ 빅 데이터, ➃ UI/UX, ➄ 지식 생성 및 관리, ➅ 라이프

로그, ➆ 행위/행동 인지, ➇ 보안 및 익명화, ➈ 피드백, ➉ 개인화 웰니스 서비스

개발 대상 기술 상세 기술

마이닝마인즈 기술

데이터 큐레이션 기술

퍼스널 빅데이터 추출

Ÿ Data StreamingŸ Life-log Representation and MappingŸ Life-log Monitoring

정형/비정형 데이터 간 구조적 융합

Ÿ Data AquisitionŸ Data AnalyzerŸ Data Preservance

정보 큐레이션 기술

생활이벤트 분석 및 추출을 위한

저수준/고수준 상황인지 프로세스

Ÿ Lower Level Context AwarenessŸ Position Independent Inertial Sensor based Activity

RecognitionŸ Position dependent Inertial Sensor based Activity

RecognitionŸ Video Based Activity RecognitionŸ Audio based Emotion RecognitionŸ Video Based Emotion RecognitionŸ Decision FusioningŸ Location DetectorŸ Food RecognitionŸ High Level Context Awareness

지식 큐레이션 기술

지식관리 툴Ÿ Knowledge Data BrokerŸ Machine Learning MethodsŸ Evolutionary Knowledge Maintenance

지식생성Ÿ Data-driven Knowledge CreationŸ Expert Knowledge Creation

서비스 큐레이션

추천Ÿ ClassificationŸ Explanation

서비스관리 Ÿ Service Orchestrator

서포팅계층

시각화 Ÿ Parameter TuningŸ Numerical Transformation

퍼스널데이터 보안 Ÿ Encrypted Anonymized Data ProcessingŸ Authorized Access

피드백Ÿ 피드백 관리자Ÿ Update 스케쥴러Ÿ Evolution 프로토콜

S/W플랫폼

테스트베드 구축 Ÿ 클라우드 기반 마이닝마인즈 플랫폼

- 8 -

➁ 필요성

[뉴 베이비 부머시대의 실버 진입]

□ 급격한 출산율 저하와 기대수명의 연장

으로 우리나라의 인구 고령화는 세계에

서 유래를 찾을 수 없을 정도로 빠르게

진행되고 있음. 2000년 고령화 사회(고령

인구비율 7%)로 진입한 이후 2026년에

초고령 사회(고령인구비율 20%)로 진입할

것으로 전망되어 사회적 의료비용증가

및 복지제도 수행에 따른 국가 재정적

압박 등 많은 문제가 예상됨.

□ 인구의 1/4을 차지하고 있는 1차(1955-1963년생)와 2차(1968-1974년생) 베이비부머 세대가

2020년부터 65세 이상 실버층으로 진입할 예정임. 이들 베이비부머 세대는 자산과 소득 수준

이 이전세대보다 높을 것으로 예상되며 능동적 소비주체로서의 성향을 가짐.

□ 베이비부머 세대는 질병 예방은 기본이고 활동적이고 건강한 생활을 위해서라면 비용이 들더

라도 투자를 주저하지 않는 점이 특징으로, 신체기능이 쇠퇴할수록 건강검진이나 적극적인

질병 치료에 대한 니즈가 꾸준히 증가할 것으로 예상됨.

□ 인구 고령화와 만성질환 증가로 의료비 문제와 건강관리 서비스의 접근성 및 질에 관한 문제

가 논의되면서 많은 국가에서 IT와 의료기술을 접목한 건강관리 서비스에 대한 요구도가 증

가하고 있음. 특히, 베이비부머 세대의 만성질환은 고령층이 되어도 계속 유지될 가능성이 커

예방차원의 각별한 관리와 주의가 필요함.

□ 따라서, 노년층의 만성질병은 대부분 잘못된 생활 습관에서 발생하므로, 주요 생활 습관을 모

니터링-분석-피드백 함으로써, 생활 습관을 개선하여, 궁극적으로는 건강한 삶을 살도록 라이

프매니지먼트 서비스를 국가적 차원에서 개발하는 것이 필요함.

[IT 기술과 헬스케어]

□ 근래에 사회적 현상으로 IT 기술을 잘 이해하고 이를 일상적으로 자유롭게 활용하는 뉴 베이

비부머 세대들의 스마트폰 보급률은 급증하고 있으며, 웨어러블 기기 및 웹, SNS등과 같은

온라인 커뮤니티를 주요 교류 및 정보 공유 수단으로 사용하고 있음.

□ 최근 구글 글라스, Pebble, Fitbit One, 스마트폰, 스마트 의류, 센서 기기, 카메라 등 다양한

스마트 웨어러블 디바이스가 개발되고 있으며, SNS, 스마트폰과의 연동을 통해 추출되는 방

대한 퍼스널 빅데이터는 다양한 어플리케이션으로 활용되어 새로운 시장이 형성되고 있음.

[그림 1-6] 한국 베이비부머 세대 인구분포

- 9 -

□ 웨어러블 센서나 스마트기기의 보편화는 누구나 손쉽게 자신의 생체 정보와 생활이벤트를 손

쉽게 수집하여 헬스케어 및 개인화 서비스를 제공받을 수 있는 환경과 인프라가 구축되었음

을 뜻함. 따라서 방대한 이기종의 융합 센싱 데이터로부터 개인 생활 패턴에 특화된 개인화

서비스를 제공할 수 있는 빅데이터 처리 기술 개발이 요구됨.

[퍼스널 빅 데이터]

□ 대용량 빅 데이터를 저장하기 위한 Volume을 고려한 기술과, 대용량의 데이터를 빠르게 처리

하는 Velocity를 고려한 기술은 많은 발전을 이루었으나, 아직까지 Variety를 고려한 기술 및

연구가 부족한 상태임. Variety은 구조적인 정형 데이터뿐만 아니라 로그, 센서 데이터, 사용

자의 위치 데이터, 사진, 동영상 등 비정형 데이터가 빅데이터에 포함됨을 나타냄.

□ Volume 특성을 만족시키기 위해 기존의 빅데이터를 저장, 관리하기 위한 기술로 하둡 분산

파일 시스템(HDFS), SAN(Storage Area Network), NAS(Network Attached Stroage) 등의 분산

파일 시스템이 사용되어 왔음. 하지만 기존의 연구 및 응용에서는 수집된 데이터의 정형/비정

형과 같은 Variety 특성은 고려하지 않은 채 데이터를 수집, 저장하는 문제가 있음.

□ 기존 하둡 분산 파일 시스템에 대용량 파일을 저장하는 경우 파일의의 내부 구조에 대한 고

려 없이 일정크기로 분할하여 저장하였음. 이로 인해, 분산 처리를 수행할 때 파일 구조분석

등의 마이닝 프로세스를 수행하는 데에 불필요한 오버헤드가 발생하는 문제가 있음. 따라서,

데이터의 Variety 특성을 고려하는 선택 저장 기술, in-memory 파일 시스템 연구가 필수적임.

□ 기존의 빅데이터의 Velocity 특성을 고려한 대용량 데이터의 빠른 처리를 위한 기술로 스트리

밍 마이닝 기술이 연구되어 왔음. 하지만, 기존 스트리밍 마이닝 및 분산 마이닝의 경우 모델

학습 시 최근 데이터만 고려하는 슬라이딩 윈도우 방식을 사용하는 경우가 대부분임. 이는

일정 시간이 지난 과거 데이터는 버리고, 새로운 데이터를 모델에 반영하는 방식을 취하는

방식으로써, 최신 데이터에 대해 중요도를 높게 두는 방식임.

□ 하지만 생활형 마이닝의 경우 최신 데이터만을 고려해서는 생활 주기(routine) 및 시기(period)

별 일정한 패턴을 도출해내는 데에 한계가 존재함. 현재 생활 이벤트의 주기와 시기를 함께

고려한 생활형 마이닝에 최적화된 기술이 부재한 상황임. 따라서, 생활형 마이닝의 특징인 주

기 및 시기별 패턴을 도출해내고, 이를 기반으로 Velocity와 Variety를 함께 고려하는 선택 저

장, 스트리밍 마이닝, 분산 마이닝 기술 개발이 필요함.

□ 스마트 기기 또는 웹, SNS 등을 통해 수집한 생활이벤트는 데이터의 포맷, 형태 그리고 크기

가 서로 상이하여, 이들 데이터를 기반으로 생활이벤트를 분석하고 추론하기 위해서는 각기

다른 포맷의 데이터들을 정형 데이터로 융합하는 과정이 요구됨.

□ 정형/비정형 데이터에 대한 질의/분석 방식은 사용자 경험에 따라 유동적으로 변화하기 때문

에 데이터 간 변환, 융합을 실행 시점에서 정의하고 제어할 수 있어야 하며, 데이터 검색과

- 10 -

변환 작업에 대한 구조화, 조직화 작업을 정의할 수 있는 프레임워크 제공 기술의 개발이 요

구됨.

□ 한편, 수집되는 각종 데이터(센서, SNS, 웹 등)들은 스트리밍의 형태로 실시간으로 수집되므

로, 마이닝마인즈 어플리케이션이 정확한 예측을 통해 적절한 시점에 사용자에게 서비스를

제공하기 위해서는 실시간 스트리밍 데이터 처리 기술 개발이 필요함.

□ 이를 위해 수집 데이터의 실시간 처리 및 스트리밍 데이터에 대한 효율적인 분석과 관리 기

술이 필요함. 수집된 데이터에 대해 최소한의 접근으로 이벤트 추출 및 상황 인지가 가능해

야 하며, 새로운 데이터에 대한 업데이트 또한 용이해야 하므로 알고리즘 고안 시 이러한 요

구사항들을 고려하여 개발하여야 함.

□ 다양한 데이터 마이닝 기법들(군집화, 분류, 빈발 패턴 마이닝, 이상점 검출 방법)을 사용하여

센서 데이터로부터 새로운 정보를 추출이 가능하나, 스트리밍 데이터의 처리를 위해서는 실

시간 처리가 부족한 기존 알고리즘의 개선하는 새로운 알고리즘의 개발이 필요함.

[마이닝마인즈]

□ 다양한 센서 기기, 스마트폰, 웹, SNS 등에서 수집한 개인 생활 이력 데이터를 기반으로 개인

라이프스타일을 도출하고 분석하기 위해서는, 수집 데이터의 규칙성과 상관관계를 기반으로

생활이벤트 분석 및 예측을 포함하는 마이닝마인즈 기술이 필요함.

□ 사용자의 행위, 상황, 감성, SNS 정보 및 헬스 데이터로부터 다양한 데이터마이닝 기법을 통

해 새로운 데이터를 추출하는 것이 가능함. 하지만 사용자에게 개인화된 서비스를 위한 의미

있는 데이터를 추출하기 위해 사용자의 저수준의 데이터와 고수준의 개인화 서비스의 지원을

위한 개인 생활이벤트를 고려한 지식 추론 기술과 플랫폼의 개발이 필요함.

□ 기존 규칙 기반 지식 추론 기술은 개인화된 서비스의 지원을 위한 개인 생활이벤트 빅데이터

를 처리하기 어려움. 따라서 빅데이터 지식 자원으로부터 규칙 기반의 추론 기술 개발이 필

요하며, 클러스터 환경에서 병렬 추론이 가능한 지식 추론 기술이 요구됨.

□ 저수준의 마이닝마인즈 기술은 다양한 센서들로부터 수집된 데이터를 기반으로 시간흐름에

따른 이벤트 발생 인지 및 인지된 이벤트를 정형화된 구조로 표현하는 과정이 요구됨. 또한

각 센서에서 발생 가능한 다양한 오류(배터리의 용량의 한계, 네트워크 통신 오류로 인한 측

정 데이터의 공백, 측정치에 포함된 오류 및 노이즈, 비정형 데이터로부터 추출한 정보의 불

확실성 등)를 보완하는 기술 개발이 필요함.

□ 고수준의 마이닝마인즈 기술 개발을 위해서는 센서 별 수집 데이터로부터 행위, 환경, 상황

인지 기술 및 이를 이용한 고수준의 복합상황인지 기술의 개발이 필요하며, 실시간으로 업데

이트 되는 센서 데이터를 추적, 업데이트 및 관리 하는 기술개발이 필요함.

- 11 -

□ 기존 추천 시스템의 경우 특정 도메인 데이터를 기반으로 모델을 학습하고, 학습 데이터와

동일한 도메인에 대한 추천을 수행하는 연구 및 응용이 주류를 이루었음. 하지만 생활형 데

이터 마이닝의 경우 다양한 형식 및 다양한 도메인으로부터 수집된 데이터를 기반으로 모델

을 학습하고, 사용자에게 추천 서비스를 제공해야 하는 환경임.

□ 이러한 추천 환경은 단일 도메인만 고려하는 기존 추천 알고리즘을 적용할 수 없고, 다중 도

메인으로부터 수집된 Variety 특성을 갖는 데이터를 통한 추천 기술 연구가 필요하게 됨. 따

라서, 이종 타입 및 수집 데이터의 도메인과 추천 도메인이 상이한 크로스도메인

(cross-domain) 추천 시스템에 관한 연구가 필요함.

[UI/UX 디자인]

□ 잘못된 일상생활 습관 때문에 기인되는 문제점이나 질병을 치유하기 위해서는 사용자 개인의

라이프스타일과 특성을 잘 분석하고 이해하여 서비스 제공 시 개인의 특성에 맞는 적절한 대

응과 관심을 유도하는 것이 필요함.

□ 사용자로 하여금 지속적인 흥미와 관심을 유도하여 싫증을 내지 않고 헬스관련 제품을 사용

할 수 있게 함으로써 생활 습관 개선 또는 치료에 도움이 될 수 있는 UI/UX 기술 접목이 매

우 중요함. 즉, 사용자의 행동, 습관, 라이프 스타일 분석을 통해 각 개인에게 맞춤형으로 제

공되는 UX 디자인 기술은 특히 생활 습관 개선을 목적으로 하는 서비스 및 제품 개발 시 고

려되어야 될 중요한 요소임.

□ 다양한 빅데이터 인사이트와 소비자의 관련 니즈의 간극을 해소할 수 있는 데이터와 이를 기

반으로 하는 의사결정 시스템 개발이 필요함. 이러한 간극을 매울 수 있도록 제품(서비스) 개

발 초기 단계에서부터 UX 리서치를 기반으로 서비스 컨셉을 도출하여야 하며, 이러한 과정들

을 통해 개발된 시제품(서비스)의 UI/UX 또한 사용자 평가 결과를 반영, 최적의 사용자 경험

을 할 수 있도록 하여야 함.

□ 이를 위해서는 기술 개발 과정에서 서비스 컨셉 발굴을 위한 UX Research, 소비자의 선호,

실제 성능 측정1), 사용 맥락 파악을 위한 다양한 방법의 User Test, Graphic User Design 개

발이 필요함.

1) 제안기관에서 보유하고 있는 사용자의 실제 행동 분석(real behavior data analysis) 시스템을 이용한 측정 및 분석

- 12 -

➂ 기대효과

가) 기술적 측면

□ 비정형 데이터의 특성을 고려한 분산 데이터 저장 기술은 분산 저장된 데이터 처리를 위해

별도의 데이터 처리를 위한 오버헤드를 최소화 하고 처리를 위한 추가적인 이동이 필요치 않

도록 하는 효율적인 처리를 위한 저장 기법을 제공 하게 됨. 이를 이용하여 멀티미디어 데이

터 및 다양한 형태의 데이터 처리 시 데이터 타입 별로 내부 구조를 보존한 병렬처리 기법

활용으로 대용량 데이터의 효율성을 극대화 시킬 수 있음.

□ 분산 파일 시스템에서 대용량의 파일을 저장 시 임의로 분할하여 저장하는 방식으로 인해 바

이너리 데이터 형식의 멀티미디어 데이터나 그래프와 같은 복잡한 구조를 가진 데이터의 경

우, 추후 고 수준의 데이터 처리 시 오버헤드가 급증하는 문제가 있었음. 그러나 본 과제에서

개발하려는 비정형 데이터의 특성을 고려한 분산 데이터 저장 기술은 분산 저장된 데이터 처

리를 위해 별도의 데이터 처리를 위한 오버헤드를 최소화 하고 처리를 위한 추가적인 이동이

필요치 않도록 하는 효율적인 처리를 위한 저장 기법을 제공 하게 됨. 따라서 이를 이용하여

멀티미디어 데이터 및 다양한 형태의 데이터 처리 시 데이터 타입 별로 내부 구조를 보존한

병렬처리 기법 활용으로 대용량 데이터의 효율성을 극대화 시킬 것으로 기대됨.

□ Map-Reduce 프레임워크를 이용한 분산 처리 시, 마이닝 알고리즘의 경우 Map과 Reduce 단

계로 나눠서 표현을 하기 쉽지 않고, Map-reduce단계의 반복은 매유 비효율적인 문제, 동일

데이터를 반복적으로 접근하는 경우 연산 오버헤드가 매우 큰 문제가 지적되어 왔음. 하지만

본 과제에서 제안되는 in-memory 파일 시스템 저장 기법을 통해 알고리즘 수행 과정 중 반

복적으로 사용되는 데이터를 효과적으로 접근 및 처리 할 수 있도록 함.

□ 기존의 추론 시스템은 대용량의 파일을 추론 시 파일을 분산하여 처리할 수 없으며, 클라우

드 환경에서 단일 노드만 사용하기 때문에 분할하여 파일을 저장하는 분산 파일 시스템에서

전체 파일에 대한 정확한 추론이 불가능한 문제점이 발생함. 그러나, 본 과제에서는 분산 환

경에서 퍼스널 빅데이터를 활용한 추론 기술을 개발하여 이를 통해 다수의 노드로 구성된 클

라우드 환경에서 분할하고 저장된 데이터를 병렬 추론할 수 있어 대용량 데이터에 대한 추론

시 속도 및 정확도를 향상 시킬 것으로 기대됨.

□ 스트리밍 마이닝의 경우 메모리와 알고리즘 처리 시간과 같은 자원의 제약으로 인해 데이터

스트림에서 핵심 정보만을 도출하여 모델을 학습하는 방법을 취하여 왔음. 현재까지도 스트

리밍 마이닝 기법의 경우 최신 데이터에 더 가중치를 두고 모델을 학습하고 이를 기반으로

추론하는 슬라이딩 윈도우 기법의 연구가 대부분을 차지하고 있음. 그러나 본 과제에서는 단

순 시간별로 데이터를 나누는 슬라이딩 윈도우 기법 대신, 사용자 퍼스널 빅데이터에서 생활

주기 및 시기별 패턴을 기반으로 학습 데이터를 선택하고 모델을 업데이트 하는 방식으로 성

능 향상이 클 것으로 기대됨.

- 13 -

□ 각 기업과 정부에서 수집한 행동 패턴 데이터, 로그데이터, 멀티미디어 데이터, 산업체에서

제품 제조 시 생성된 제품 공정 데이터는 마이닝을 위한 목적이 아닌 단순 저장에 치우쳐 클

라우드 시스템에 보관만 되는 경우가 많았음. 또한 비정형 데이터 타입의 깊은 이해 없이 이

루어진 클라우드 시스템에서의 분산 저장은 효율적인 처리가 불가능해왔음. 하지만 본 과제

에서는 비정형 데이터의 데이터 타입별 선택 저장 기술의 적용으로 저장의 효율성을 높이고,

데이터를 보관하는 노드에서 데이터의 이동 및 네트워크 비용의 최소화를 통한 비용 절감 및

마이닝 기술 적용이 가능하게 될 것으로 기대 됨.

□ 개발하려는 데이터 시각화를 위한 메타포 기반의 직관적 레이아웃 엔진 기술은 기존의 축을

기반으로 한 템플릿 시각화 기술이 다룰 수 없는 다양한 라이프로그 데이터에 대한 시각화

를 가능하게 하게함.

□ 크로스 도메인 추천 기술은 음식 소비 패턴을 통해 사용자에게 운동을 추천하는 식의 학습

데이터와 전혀 다른 새로운 도메인에 대해 사용자에게 추천 서비스를 제공하는 새로운 추천

방식임. 기존 추천 모델의 경우 동일 도메인의 데이터만으로 추천 모델을 학습시킬 수 있어

서, 데이터 수집이 어려운 도메인에 경우 추천 결과가 좋지 못한 한계가 있었음. 본 과제에서

개발하려는 크로스 도메인 추천 기법은 추천 시스템에 새로운 패러다임을 제시할 것으로 기

대되며, 생활 주기 및 시기를 활용한 다양한 추천 기법에 관한 연구가 뒤따를 것으로 예상됨.

□ 제안하는 프라이버시 보호 기술은 각각의 개인 생활 이력 데이터에 가장 적합한 익명화 알고

리즘을 적용하는 효율적인 방식으로, 시스템 전반의 안정성과 신뢰성을 높이는 효과를 줄 것

으로 기대됨.

□ 개발하려는 UI/UX 기술은 기존의 사용자 평가를 위해 수행되던 다양한 방법론 뿐 아니라, 사

용자의 실제 행동 기반 데이터의 분석을 통해 사용성 관련 이슈를 도출하고, 관련 사용자 분

석 기술을 대중화함.

□ 또한, 본 과제에서 개발하려는 행위/상황 및 감정인지와 같은 라이프로그 수집 기술과 건강관

리를 위한 헬스케어 서비스 추론 기술은 사용자로 하여금 자가 건강관리를 위한 마이닝마인

즈 서비스 개발을 위한 원천기술로서 유비쿼터스 헬스케어 서비스 시장을 선도하는 핵심 기

술로의 활용을 기대할 수 있음.

나) 경제적․ 산업적 측면

□ 빅데이터 시장이 커지고 있는 현재 각 기업과 정부에서 수집한 행동 패턴 데이터, 로그데이

터, 멀티미디어 데이터 등 다양한 비정형/정형 데이터 수집과 그들의 효과적인 표현 방법 및

저장 방식에 대한 연구는 본 과제 뿐 아니라 다른 빅데이터 마이닝을 하는 산업계에 커다란

성장을 가지고 올 것으로 예상됨.

- 14 -

□ 모바일 단말을 통한 라이프 로그의 수집 및 이에 대한 마이닝 기술은 SNS나 웹 기반 데이터

중심의 마이닝 기술이 제공할 수 없었던 개인의 헬스 케어 로그에 대한 분석을 가능하게 하

여 의료 산업의 발전에 기여할 것으로 예상됨.

□ 분산 환경 기반 퍼스널 빅데에터를 활용한 추론 기술은 분산 환경의 빅데이터 처리에 적합하

지 않았던 기존 추론 기법을 분산 환경에서 빅데이터의 추론이 가능하도록 개선되었으며, 이

를 통해 빅데이터를 이용한 다양한 서비스 산업에 활용되어질 것으로 기대 됨.

□ 개발하려는 서비스 정량화 모델은 IT를 활용한 자기주도적 건강관리에 대한 시장의 이해와

경험, 문화가 부족한 상황에서 新서비스 개발 기업으로 하여금 고객의 요구 및 기대와 고객

이 감수하여야 할 비용(지출, 시간, 참여노력 등), 서비스를 통해 고객이 얻는 성과 사이의 간

극을 최소화하는 서비스 비즈니스 모델을 설계하기 위한 핵심 도구로 활용 가능 함

□ 서비스모델 정량화 모형은 건강 및 라이프스타일 관련 서비스 개발에 있어 고객 가치 중심의

서비스 설계 프로세스를 통합 관리하는 핵심 엔지니어링 기술로 활용됨과 동시에, 서비스의

차별성, 고객의 참여 유인요소와 지속성, 고객의 행위·상태 변화 등 서비스의 성과 등을 계

량화하는 핵심 수단으로, 측정 가능한 고객 경험가치를 바탕으로 공공 부문(바우처 사업 등)

에 머물고 있는 건강관리서비스 시장을 민간에서 직접 비용을 지불하는 소비 시장으로 확대

하는 견인차 역할을 할 것임

□ 제안하는 프라이버시 보호 기술은 개인정보 유출로 인한 경제적 위법 활동을 사전에 억제하

여 국가 경제에 직접적인 도움을 제공할 뿐만 아니라, 개인정보 유출 사전 방지로 퍼스널 빅

데이터를 활용한 마이닝마인즈 산업에 대한 신뢰를 높일 것으로 기대됨

□ UI/UX 경험을 토대로 소비자의 니즈를 파악, 메디컬 디바이스의 인터페이스 모듈 디자인 및

헬스케어 관련 기업, 병원 및 의원의 관련 제품(서비스) 개발 시 활용되어 타 산업 발전에 기

여 할것으로 기대됨

□ 개발하려는 플랫폼은 헬스케어 서비스 뿐 아니라 게임, 교육, 광고 서비스 및 다양한 스마트

기기 어플리케이션을 실행하는 핵심 플랫폼으로 활용 가능하기 때문에 산업적으로 국가경쟁

력 제고에 큰 역할을 할 것으로 기대됨.

- 15 -

➃ 국·내외 관련 연구 및 시장 현황

가) 국내·외 기술 현황

[행위인지 관련 연구 동향]

2) 정보통신정책연구원, 빅데이터 동향 및 정책 시사점, 2013

3) KTOA, 빅 데이터 활용과 통신산업에 대한 시사점, 2012. 4.

4) TechCrunch, Facebook Exchange: A New Way For Advertisers To Target Specific Users With Real-Time

Bid Ads”.2012. 6. 13

연구수행 기관 연구개발의 내용 연구개발성과의 활용현황

Amazon.comn 사용자의 소비 패턴 분석을 통한 관련 상품

추천 서비스

n 물건 구매 시 과거 소비 패턴 데이터 기

반으로 상품별 관련 상품 추천

n 높은 정확도로 아마존 매출 향상에 기여

하고 있음 2)

Netflixn 빅데이터를 통한 사용자 맞춤형 영화 추천

서비스

n 추천 알고리즘을 통해 발생하는 수입이

전에 매출의 60% 이상을 차지하며 매출

증대에 기여하고 있음 3)

Facebook

n 각 웹페이지에 포함된 페이스북 연동 코드

를 이용해 사용자의 방문 페이지 정보 수집

n 사용자 웹 활동 추적으로 선호 정보 유추

n Facebook Exchange는 기존 페이스북 광

고 대비 16배 이상 비용 대비 효과가 높

음4)

ETRI

n 팔찌, 가슴벨트, 어깨벨트 등 엑세서리형 센

서들을 기반으로 건강관련 상황을 인식하는

기술을 개발

n 사용자의 운동 처방, 운동 강도 조절 및 건

강상태를 확인할 수 있는 모니터링 시스템

개발

n 사용자 운동량 측정 및 심전도, 호흡, 체

온 등을 측정하여 응급상황 발생 시 경

보 서비스 제공

n 사용자의 생체 신호정보를 기반으로 건

광관련 상황을 인식하고 U-헬스 서비스

제공

NIKEn 신발, 팔찌, 시계 형 웨어러블 센서 기반 운

동량 측정 기술 개발

n 측정된 칼로리 및 시간, 거리와 같은 정

보를 시각화하여 스마트폰 및 웹에서 시

각화 서비스를 제공

iRiver

n 이어셋 형 웨어러블 센서 기반 심박수 측정

기술 개발

n 심박수 정보 기반 운동 강도 및 상태 추론

기술 개발

n 음악듣기 기능에 스마트폰과 연계한 개

인별 운동가이드 결합 서비스 제공

n 운동 중 심박수, 속도, 거리, 페이스, 칼

로리 등의 피트니스 정보 모니터링 및

시각화 서비스 제공

Fitbit

n 팔찌, 시계 형 웨어러블 센서기반 운동량

측정 및 수면 분석 기술 개발

n 식사 및 수분 섭취량 몸무게 기반으로 사용

자 건강관리 기술 개발

n 일상생활에서의 트래킹 서비스 및 하루

운동량 분석과 수면분석을 스마트폰과

웹을 통해 사용자의 건강관리 서비스를

제공

Microsoftn 뎁스 카메라 기반의 사람 인식 및 동작 인

식 기술 개발 (KINECT)

n 제스쳐 인터페이스 및 동작 인식 기술을

통한 게임, 컴퓨터 제어 및 근력량 계산

을 통한 헬스케어 서비스를 제공

Inteln 근거리용 뎁스 카메라를 개발하여 손 인식

및 동작 인식 기술 개발

n 개인용 모바일 기기(컴퓨터, 휴대폰 등)을

이용하여 모바일기기 제어 서비스 제공

LeapMotionn 적외선 센서를 이용한 손 인식 및 동작 인

식 기술 개발

n 개인용 컴퓨터를 이용하여 컴퓨터 제어

서비스를 제공

- 16 -

[빅데이터 처리 기술]

[분산 환경 기반 추론 기술 관련 기술 동향 및 정책 현황]

5) http://hadoop.apache.org/6) http://www.sge.com/

연구수행 기관 연구개발의 내용 연구개발성과의 활용현황

Google

n Map-reduced 분산 처리 엔진 개발 및

map-reduced 프레임 워크를 이용한

초대용량 데이터베이스 인덱싱 기술 개발

n Google은 당사의 데이터베이스 센터를

효율적으로 관리하기 위하여 초대용량

데이터베이스 처리를 전문적으로 하는

자사만의 Map-reduced 프레임 워크를

따르는 분산 처리 엔진을 개발하고, 해당

엔진을 이용하여 웹 데이터를

효율적으로 인덱싱하는 기법을 개발하여

자사의 서비스에 이용하고 있음.

Yahoon Shared-nothing기반 Map-reduced 분산 처리

엔진 hadoop 개발 및 고도화

n Map-reduced 분산 처리 기법의 개발을

위해 오픈소스 프로젝트를 개발하고, 그

최종 결과물로 Hadoop을 개발 및 배포,

현재 여러 연구의 기반 기술로 사용 중5).

Apache

n 맵/리듀스 프레임워크, 맵/리듀스

프레임워크 사용을 간편화하기 위한 시스템

개발

n Hadoop, Hadoop Pig, Hadoop Hive를

개발하고, 무료 배포 중

Cloudera

n 하둡 기반 인프라 구축 관련 연구

n 하둡 기반 분산 쿼리 엔진인 Cloudera

Impala 프로젝트를 공개하였고, 낮은

지연의 SQL쿼리를 처리할 수 있게 됨

n 아파치 재단의 하둡을 기반으로

기업대상 기술 지원, 유지보수, 교육

서비스를 제공

n 오픈소스 Cloudera Impala 프로젝트 공개

Oraclen Sun grid engine 및 병렬화 처리 시스템

개발

n 다수의 컴퓨팅 노드를 가지고 있는

클러스터 시스템을 효율적으로 관리하기

위한, queueing system에 대한 연구를

진행하고, solution형태의 system을

제공하여, 다수의 클러스터에서 사용

중에 있음6).

연구수행 기관 연구개발의 내용

CYCn 미국 정부의 지원으로 대규모 일반지식 지식베이스를 구축하고, 이 중 일부를

OpenCyc 형태로 공개, IBM과 MS등 거대 기업이 이를 활용한 지식 증강 기술 개발

EU

n 인간 두뇌의 인지 형태로 지식 처리가 가능한 Human Brain 프로젝트를 EU 6대 미래

유망기술로 선정하여 향후 10년간 추진 예정, FP7 LARKC와 같은 대규모 지식베이스

구축 및 추론 기술 개발을 이미 진행함

일본(동경대, NII)

n 세계 1등 슈퍼컴 K컴퓨터(11년)를 기반으로 지능형 SW 기술 확보를 위해 동경대와

NII가 공동으로 동경대 입시 합격 가능한 수준의 인공지능 시스템 목표로 토다이 프

로젝트(‘12년~’16년) 진행 중

- 17 -

[정량화 연구 동향]

[큐레이션 서비스 동향]

서비스 명칭 특징

Wepware

n 모바일 및 데스크탑 웹 브라우징환경에서 콘텐츠의 부분영역에 대한 수집 공유 기능을

제공하며 수집된 콘텐츠들을 결합하여 사용자가 새로운 콘텐츠를 생성하고 이를 편집

및 공유가 가능하게 함

n 수집된 콘텐츠의 상태를 복원하는 기능을 통해 사용자가 웹에서 수집할 당시의 기록을

보관할 수 있음

Clui(MIT)

n 웹 브라우저간 교환가능한 “Webbit”핸들을 통해 서로 다른 서비스 간 데이터를 주고

받을 수 있는 브라우징 익스텐션 기능을 제공

n Drag & Drop을 통해 웹 상에서 구조화된 정보에 대한 손쉬운 이동기능을 제공함으로

써 시스템 상의 클립보드가 제공할 수 없는 사용자 경험을 제공함.

Interest.me

n 비슷한 관심사를 가진 사람들이 콘텐츠를 모으고, 자신이 인터넷에서 발견한 흥미로운

콘텐츠를 공유하는 서비스

n 콘텐츠 간 시너지 강화를 위해 방송 부문을 시작으로 영화나 TV, 음악, 패션, 요리, 뷰

티 등 전 사업 부문의 광범위한 콘텐츠와 소셜 큐레이션 서비스를 결합

n 한류에 관심 많은 해외 사용자의 공략을 위해 영어, 일본어, 중국어로도 서비스하고, 마

이크로소프트 빙 번역기 활용 가능

Pinterest

n 이용자가 관심사에 근거해 선별한 이미지를 업로드·공유할 수 있도록 한 온라인 핀보

드(pinboard) SNS

n 핀터레스트 월 순 방문자가 지난해 6월에 60만명 정도에서 1년여 만에 2천 5백만명으로

급속히 성장(ComScore, ’12. 10. 24)

n Pinterest 붐이 확산되면서 개인 이용자는 물론 브랜드 홍보를 겨냥한 기업, 자선사업 홍

보를 꾀하는 비영리기관 등 다양한 진영의 Pinterest계정 개설이 잇따르는 추세

Storify

n 이용자가 Twitter, Facebook, YouTube, Flickr 및 기타 SNS의 공개 콘텐츠 등 다양한

social media의 정보 중 관심 있는 주제와 관련된 콘텐츠를 자유롭게 가져와 새로운 스

토리 라인을 구성할 수 있는 서비스

연구수행 기관 연구개발의 내용 연구개발성과의 활용현황

포항공대(산업경영)

n 사용자 경험 정량화 연구n 정량화 모형 개발을 통해 평가 인덱스를

도출하고 기존 성공모델 분석에 활용

TechnoGym(미국)

n 지식서비스 콘텐츠 정량화 : 고객의 신체활

동 관련 모든 데이터 및 정보를 “MOVE”

라는 독자적인 통합 지표로 변환하여 제공

하는 새로운 고객 서비스 Index 체계 개발

n MOVE index를 기반으로 하는 사용자 서

비스 정보체계를 오픈 플랫폼 형태로 구

축하여 3rd party partner에게 개방, “웰

니스 클라우드”의 글로벌 거점화 모색

Polar(핀란드/미국)

n Polar Flow 라는 활동정보 트랙킹/교류 커

뮤니티 모델을 개발하여 시범서비스 중

n No.1 웨어러블 기기 상용화 기업의 강점을

활용, 고객의 운동 동선과 운동량 등을 지

표화하여 전 세계 고객이 정보를 공유하는

커뮤니티 서비스

n 대규모 고객의 데이터 분석을 통해, 개별

고객의 context에 기반한 추천 및 goal

management 서비스를 제공

n 개개인의 서비스 수행과 성과를 빅데이

터로 취합하고, 이를 통해 고객이 자신의

서비스 권고 수행과 성과를 관리하고, 나

아가 특정 다중과 교류함으로써 서비스

효과 및 지속성 향상

n 취합된 빅데이터는 3rd party 사업자를 통

해 분석되어 새로운 비즈니스 모델 창출

모색 중

- 18 -

n SNS의 콘텐츠를 기반으로 이용자에게 신문사의 기자 혹은 편집자 역할을 부여한다는 점

에서 혁신적인 서비스로 평가

n 콘텐츠를 끌어와 재구성하는 방식 등 서비스 편의성 측면에서 ‘Pinterest’보다 월등한

서비스로도 인정

Contactually

n e-mail 큐레이션 서비스로, 여러 e-mail 계정 관리를 통해 사용자가 꼭 읽어야 되는

e-mail 및 follow-up 해야 되는 e-mail 등을 골라 사용자에게 통보

n 해당 메일의 발신자와 유저와의 상호작용을 기준으로 메일과 발신자에 대한 평가를 통

해 유저에게 제공

n 다양한 큐레이션 모델을 개인 행태에서 관찰되는 정보를 기반으로 알고리즘을 구현하여

개인에게 적합한 정보 혹은 엑션 아이템을 제공하는 방식

Quora

n 영문판 지식인과 유사한 형태로 시작하여 최근 서비스가 많이 수정되어 Web에서 일어

나는 모든 '정보 습득'의 행위를 위한 최고의 UX를 제공하기 위한 서비스로 변화

n Pinterest가 비쥬얼 자료에 국한되어 있다면 Quora는 지식에 Writing으로 되어있는 모든

자료를 수집/제작하는 서비스

n 한 사용자에 대해 다른 사용자가 지속적으로 follow 하는 식으로 해당 주제에 대한 정제

된 정보만을 단시간에 습득 가능

Post Post

n 트위터 검색 툴로 유저의 트위터 계정에 접근하여 1) 유저에게 의미있고 유저가 선호하

는 Tweet만 보여주기 2) 사진/비디오/링크 로 트윗을 분류해서 키워드를 검색하기 3)

특정 유저의 트윗으로만 손쉽게 분류할 수 있는 서비스 제공

n 다양한 정보 source를 follow 하여 활용도가 높으며 사용자가 원하는 정보의 노이즈를

제거하고 전달

Blekko

n 일반적인 검색엔진과 비슷하나 Curated search results를 제공

n 검색 시 수많은 검색결과를 보여주며 뒤로 갈수록 관련 없는 검색 결과가 나오나, 본 서

비스는 이 점에 착안하여 검색 결과 중 의미 있는 내용만을 편집하여 제공함

Paper.li

n Twitter, Facebook 같은 소셜 미디어의 Newsfeed와 timeline을 신문형태로 서비스.

n 1분 안에 유저의 timeline을 분석하여 신문 형태로 만들고 자동으로 기사들을 카테고리

화하여 신문 섹션으로 변환시킴

n 이런 형태로 자신의 timeline 외에도 특정 hashtag이나 list를 신문형태로도 바꿀 수 있음

SVPPLY

n 대중이 큐레이트한 'High Style Shopping'을 추구하는 웹사이트

n 기본적인 서비스 형태는 다른 소셜 큐레이션과 같이 사람들을 follow하고 그들의 콜렉션

을 보거나 자신이 좋은 상품들을 모아서 자신의 timeline을 자랑하는 형태

n 일부 Pinterest와 비슷한 컨셉을 가지고 있으나 SVPPLY는 사고싶은 상품을 구해하기 위

한 웹사이트

- 19 -

나) 국·내외 시장 동향

[헬스케어시장]

□ 국내뿐만 아니라 전 세계적인 고령화 현상과 이에 따른 의료비 급등, 치료에서 예방 중심으

로의 의료 서비스 패러다임의 변화, 건강수명 연장을 통한 삶의 질 개선 등의 이유로 헬스케

어 사업이 글로벌 핵심 비즈니스로 성장하고 있음. 특히 의료+IT의 융합이 해결책으로 부각되

면서 주요 국가들은 정부 차원에서 지원 정책을 적극적으로 추진하고 있음.

[그림 1-7] 국내/외 u-헬스 시장의 규모 예측

□ 국내 u-헬스 시장이 연평균 12.5%로 성장하여 2014년에는 3조 원을 넘어설 것이라고 전망하

고 있음. 특히, 일반인을 대상으로 하는 건강관리 중심의 u-웰니스 시장의 규모가 약 2조원으

로 가장 큰 시장을 형성할 것이라고 추산하고 있음.

□ 세계이동통신사업자협회(GSMA)에 따르면, 글로벌 스마트 헬스케어(e-헬스) 시장은 연평균

12%~16%의 성장률을보이며 2010년 960억 달러에서 2015년 1,600억 달러로 성장할 것으로 전

망함. 특히, 미국 시장의 경우 정부가 주도적으로 스마트 헬스케어 사업을 지원하고 있고, 국

민들의 스마트 헬스케어 수용도가 높아 글로벌 스마트 헬스케어 시장의 50% 이상을 차지할

것으로 전망하고 있음.

[빅 데이터 국내 시장]

□ 국내는 세계최고의 ICT기술력과 인프라를 보유하고 많은 데이터를 생산하고 있으나, 아직은

빅데이터 이용에 대한 관심이 형성되는 수준임. 다만, 다수의 기업이 관심을 가지고 사업을

시도하고 있다는 점에서 성장 가능성은 높게 평가되고 있음. 한국의 국민권익위원회는 연간

약 300만 건에 달하는 민원을 분석하기 위한 ‘민원동향분석 시스템’을 구축할 예정임.

□ 예측분석과 관련해서 국내는 주로 비즈니스 인텔리전스(BI) 솔루션들을 중심 으로 정형적 데

이터 또는 수치 데이터를 이용한 데이터 분석이 주를 이루며, 일부 연구기관에서 전문가의

- 20 -

예측을 지원하는 도구개발을 시도고 있지만 국외 기술에 비해 시작 단계이고 수작업 의존도

가 높다. 또한 국내에서는 주로 수치 데이터를 이용한 예측분석이 주를 이루며, 비정형적 데

이터에서 정보를 추출한 예측연구는 시작단계임.

[그림 1-8] 빅데이터 국내시장규모 성장률 전망(출처: KISTI, 2013년)

□ 네이버는 국내 기업 중에서는 가장 많은 데이터를 가지고 가장 높은 수준의 빅데이터 분석

및 활용 기술을 가지고 있으며 빅데이터라는 용어가 나오기 전인 2006년부터 빅데이터의 주

요 기술 중에 하나인 하둡 기술을 도입하여 매일 생산되는 방대한 데이터를 관리하고 있음.

□ SK텔레콤은 2011년 2월 지도와 위치기반서비스(LBS) 기술을 결합해 상권분석, 고객관리 등을

지원하는 ‘지오비전’솔루션을 출시하였음. 이 서비스는 자사 이용자의 위치정보를 활용한

서비스로, 특정 지역의 유동인구, 지역분석 정보 등을 활용하여 비즈니스 솔루션을 제공함.

□ KT는 지난해 9월 코리아크레딧 뷰로(KCB)와 업무협조를 체결하고, 본격적으로 빅데이터 사업

을 추진하고 있음. KCB의 지역기반 분석서비스 ‘알지오’에 올레맵을 결합한 서비스를 제공

중으로, 이는 지역별 소비자들의 연소득 등의 구매능력을 분석하여 기업 및 자영업자들이 마

케팅 등에 활용하도록 지원하였음.

[빅 데이터 해외 시장]

□ [그림 1-9]은 향후 빅데이터 시장의 성장 분야 및 규모를 예측한 도표로써 애플리케이션 부문

은 빅데이터 분석에 필요한 애플리케이션, 소프트웨어, 이를 활용한 광고 분석 서비스 등을

제공하는 사업자들(IBM, Oracle, SAS, SAP 등 종합 솔루션 사업자들)을 포함함,

- 21 -

[그림 1-9] 빅데이터 세계시장 규모 전망 및 성장률(IDC, 2012년)

□ 인프라 사업자들은 일반 기업들이 직접 빅데이터 분석에 필요한 인프라를 구축할 수 있도록

제공하는 유형으로 Oracle, IBM의 DB 부문, Google BigQuery 등이 이 부문에 속하며 마지막

으로 기술 부문은 빅데이터 분석에 특화된 Hadoop 등이 포함됨.

□ 일본 정부는 Active Japan 정책을 기반으로 건설성, 통산성, 운수성, 우정성, 경찰청 등 5개

부처 협력을 기반으로 지능형 교통 정보 시스템을 마련하였으며, 미국 정부는 빅데이터 R&D

이니셔티브를 추진하여 정부기관이 공공정보를 개방하고 빅데이터를 활용하여 공공서비스도

개혁하며 투명하고 효율적이며 혁신적인 정부서비스를 제공함.

□ 이를 위해 각 정부기관은 보유하고 있는 ‘오픈데이터 포털 사이트’를 통해 정형, 비정형

데이터를 이용하게 쉬운 형태로 개방하고 있으며, 방대한 디지털 데이터에 대한 접근 및 수

집·관리에 필요한 기술 및 수단 개선을 목표로 빅데이터 관련 기술의 발전, 관련 인력의 확

충, 혁신 프로세스의 가속화 등을 추진하고 있음.

[그림 1-10] 일본의 빅데이터

이용사례(출처: 방송통신위원회, 2012)

[그림 1-11] 미국의 빅데이터 R&D

이니셔티브(출처: OSTP, 2012년)

- 22 -

□ 또한 각국에서 공익적인 측면에서 다양한 웹 및 소셜웹으로부터 질병과 재해 관련 정보를

탐지하여, 세계적 동향을 분석하고, 모니터링하는 서비스를 제공하는 연구도 활발히 진행 중

임.최근에는 소셜 웹의 중요성이 부각되면서 IBM, Microsoft, SAS 등 IT 대 기업들이 비즈니

스 인텔리전스(BI), 고객관계관리(CRM) 분야에 소셜웹 분석을 활용하는 제품들을 출시함.

□ 구글은 전 세계에서 매일 수집되는 대량의 웹 사용자의 검색 로그를 기반으로 한 동향 분석

서비스(http://www.google.com/trends)를 제공할 뿐 아니라 각 개인 관심사와 구글 검색 로그

기반 전 세계인 관심사와의 비교가 가능하며, 사용자의 관심 주제의 시간상의 변화 관찰, 지

역별 사용자 관심 추이 관찰이 가능함. 나아가 구글에 입력된 사용자 검색어가 특정 산업의

현 경제활동 상황과 상관관계 가 있다고 가정, 다양한 예측모델을 제시하는 서비스도 제공.

□ 해외에서의 예측분석 기술은 사회적 이슈에 대한 분석 및 예측 기술은 사회/문화적 위험 대

처를 위한 간접비용을 줄일 수 있으며, 삶의 질을 향상시킬 수 있는 중요한 기술로 인지되고

있으며, 다양한 자원을 활용한 사회적 동향 분석 및 위험 감지에 대한 연구를 수행하고 있음.

□ 특히, 경제문제(실업, 주택), 질병, 자연재해 등과 같은 사회/경제적 위험요소에 대한 예측과

소셜미디어의 여론 동향 분석이 비교적 용이한 선거결과 분석 및 예측에 많은 연구가 진행되

고 있음. 가트너에서 2010년에 발표한 분석 응용 기술에 대한 hyper cycle에 ‘Predictive

Campaign Analytics’ 기술과 ‘Real-time Decision’ 기술이 차세대 주요한 기술임을 전망함.

- 23 -

(2) 최종 목표

➀ 과제 최종 목표

본 과제는 사용자 중심에서 수집되는 퍼스널 빅데이터를 활용하여, 사용자의 상황 및 데이터의

의미를 분석하여 지속적으로 서비스 품질을 향상시키며 개인 맞춤형 서비스를 제공할 수 있는

퍼스널 서비스 큐레이션 서비스 플랫폼 개발을 목표로 함.

□ 최종 목표의 달성을 위해 다음과 같은 기술을 개발함:

Ÿ 다중 센서 데이터 수집 및 분산 저장 기반 Data Curation 핵심 기술 개발

Ÿ 정형/비정형 융합 데이터를 활용한 개인화 상황인지 및 추론 기반 Information Curation

핵심 기술 개발

Ÿ 지식을 생성하고 관리하는 Knowledge Curation 핵심 기술 개발

Ÿ 자가 진화형(Evolutionary) 개인화된 서비스 추천 기반 Service Curation 핵심 기술 개발

Ÿ 퍼스널 빅데이터 추출과 시각화, 피드백, 보안 기술 개발

Ÿ 마이닝마인즈 서비스 기술과 플랫폼 기술 개발

Ÿ 사용자 경험 기반 라이프 매니지먼트 (활동량 및 영양관리) 서비스 모델 개발

Ÿ 서비스 테스트베드 구축 및 검증

[그림 1-12] 과제 요구사항과 제안플랫폼 관계도

□ 제안하는 진화형 마이닝마인즈 서비스를 위한 플랫폼 전체 시스템의 물리적 구조도와 기능적

구조도는 다음과 같음:

- 24 -

□ 퍼스널 빅데이터 구축을 위한 HDFS 기반 분산데이터베이스 시스템은 웨어러블 디바이스, 스

마트폰, 웹 및 SNS 등 다양한 센싱 소스로부터 데이터를 수집하여 사용자에 개인화된 데이

터베이스를 구축함.

□ 수집된 데이터는 마이닝마인즈 플랫폼으로 전달되어 의미 있는 정보를 추출하고 개인화된 모

델링을 통해 다양한 어플리케이션과 서비스에 활용될 수 있는 고차원의 정보를 가공됨. 생성

된 정보는 효율적인 개인데이터 관리와 표현을 위해 시각화(Visualization) 서비스로 제공됨.

□ 마이닝마인즈 플랫폼을 통해 추출된 정보는 사용자의 물리적인 움직임 정보를 수집하여 라이

프 패턴 및 활동량 Index를 추출하고, 이와 밀접한 관계를 가지는 영양데이터를 복합적으로

분석하여 대사관련 건강관리 서비스를 제공함.

□ 다음 그림은 마이닝마인즈 서비스 플랫폼의 기능적 시스템 구조도를 나타낸 그림으로, 4개의

코어(빅데이터 플랫폼 및 보안, 사용자 라이프 모델링, 예측, 추론, 추천과 같은 지식처리 그

리고 서비스)로 구성됨.

[그림 1-13] 마이닝마인즈 물리적 구조도

- 25 -

[그림 1-14] 마이닝마인즈 v3.0 시스템 구조도

[Data Curation 구성요소]

① Multimodal Data Source: 다양한 센싱 디바이스, 웹, SNS 등으로부터 데이터를 수집함

② Clinical Data Source: 환자 임상 정보를 수집함

③ Personal Bigdata Storage: 분산컴퓨팅 기술을 기반으로 개개인의 방대한 데이터를 저장 및

빠른 속도로 불러옴

④ Sensory Data Processing and Life-log Persistence: 실시간 이기종 멀티모달 센서 데이터를

수집하고 자동 레이블링하여 Bigdata Storage에 저장하고 축적된 데이터를 기반으로 라이

프로그를 생성, 예측함

[Information Curation 구성요소]

① Low-level Context Awareness: 수집된 다양한 퍼스널 빅데이터를 기반으로 사용자 개개인

에 대한 행위, 감정, 이동경로, 음식섭취 등의 저수준 컨텍스트 데이터를 추출함.

② High-level Context Awareness: 추출된 저수준 컨텍스트 정보를 기반으로 출근, 식사 등

사용자의 고수준 컨텍스트 데이터를 추출함.

- 26 -

[Knowledge Curation 구성요소]

① Data-driven 지식생성: 기존의 축적된 정형/비정형 데이터를 기반으로 지식을 생성

② Expert-driven 지식생성: 전문가의 지식을 지식관리 툴을 통해 습득하여 지식을 생성

③ Knowledge-Sharing Interface: 다른 계층과 지식 공유를 위한 인터페이스

④ Knowledgebase: 생성된 지식의 저장 및 관리

[Service Curation 구성요소]

① Service Orchestrator: 사용자에게 제공될 서비스를 설정 및 관리

② Recommendation Builder: 사용자에게 현재 상황에 적합한 서비스 추론 및 관리

③ Recommendation Interpreter: 추천된 서비스를 개인 맞춤형으로 제공

[Supporting Layer 구성요소]

① UI/UX Authoring Tool: 사용자에 최적화된 인터페이스 제공 및 효율적인 지식기술

(Knowledge Authoring)을 위한 환경 제공

② Feedback Analysis: 개인화된 서비스 제공을 위한 사용자의 Feedback을 처리하고 개선

③ Security & Privacy: 보안 및 민감한 개인정보의 보호

④ Analytics: 데이터 및 정보의 분석과 시각화

□ 3차년도는 활동량 및 영양관리 통합 웰니스 서비스 개발을 목표로 하고 있으며, 고려하고 있

는 입력데이터는 가속도 센서, 자이로 센서, GPS, 오디오 센서, 비디오 센서, 생체 센서, SNS

데이터의 이기종 센서 데이터를 사용할 예정임.

- 27 -

➁ 기관별 과제 개발 내용

기관 개발 목표

경희대학교(주관기관)

Ÿ 센서 데이터 기반 사용자 특성 추출 기술(행위/감성 및 상황인지) 개발Ÿ 생활이벤트 수집을 위한 위치정보 기반 추적/인식, 전처리, 표현 및 검색 기술 개발Ÿ 마이닝마인즈 기술에 이용되는 데이터 보안 및 개인정보 보호를 위한 기술 개발 Ÿ 마이닝마인즈 시스템 모듈 간의 안전하고 신뢰성 있는 통신을 위한 보안 기술 개발Ÿ 비정형 데이터의 특성을 고려한 분산 선택 저장 기술Ÿ 빅 데이터 스트리밍 프로세싱

포항공과대학교

Ÿ 소셜네트워크 데이터를 활용한 추천시스템 개발Ÿ 정형 및 비정형 혼합데이터를 이용한 추천시스템 개발Ÿ 피드백을 반영한 추천 시스템 개발

호주 UTASŸ 지식 저작도구를 이용한 지식 생성 기술 개발Ÿ 지식 저작도구를 이용한 지식 관리 기술 개발

한국생산기술연구원

Ÿ 웰니스 정보서비스 모델 분석 및 사용자 중심 서비스 모델 정량화 모형 개발Ÿ 라이프매니지먼트 서비스 모델 정량화 지표 개발

(주)녹십자헬스케어

Ÿ 대사 관련 리스크 관리를 위한 운동/영양 관리 영역에서 사용자 맞춤형『4050Healthy Life』서비스 모델 개발

Ÿ 사용자의 핵심 니즈 발굴을 통한 생활 이벤트별 맞춤형 콘텐츠 개발 및 적용Ÿ 서비스 모델의 구축과 시범운영을 통해 모델의 적합성과 솔루션 성능 검증

(주)타파크로스Ÿ 소셜네트워크 상의 퍼스널 데이터 및 빅데이터 수집 및 분석 확대Ÿ 퍼스널 빅데이터 분석 엔진의 구조적 융합을 통한 서비스 모델 개발

(주)유투시스템Ÿ Usability Test를 통해 사용자에게 최적의 경험을 제공하는 제품(서비스) UI/GUI 개발Ÿ 서비스 고도화를 위한 추가 니즈 발굴Ÿ 개인화된 설문을 위한 Authoring Tool UI/GUI 개발

한국컨설팅서비스협회

Ÿ 서비스모델 시범운영 및 확산

➂ 최종 제품 개발 내용

최종 제품 제품 서비스 내용 예상 가격

라이프스타일 행동강화 서비스

Ÿ 대사관련 리스크 관리를 위한 전문 서비스 제공 (의사, 운동 처방사, 간호사, 영양사의 상담 서비스, 건강콘텐츠 제공, 병의원 예약서비스 등)

Ÿ 라이프케어 매니지먼트를 위한 운동/영양 통합 서비스로 체중 관리, 혈당 관리 등의 서비스를 결합하여 만성질환 관리 서비스로 확장하여 제공

6만원/년간(*디바이스 값은 별도)

영양 관리 서비스Ÿ 균형 잡힌 식생활 관리를 위한 전문 서비스 제공(건강

콘텐츠 제공, 영양사의 상담 서비스 등) 6만원/년간(*디바이스 값은 별도)

운동 관리 서비스Ÿ 활동량 증진 및 건강 체중 유지를 위한 전문 서비스

제공(건강 콘텐츠 제공, 운동처방사의 상담 서비스 등) 6만원/년간(*디바이스 값은 별도)

Survey Q Ÿ 모바일 서베이 오픈 플랫폼 6억원/년간

헬스케어용 마이닝마인즈 엔진

Ÿ 사용자 의견 및 행동 패턴 분석에 특화된 서비스 모델

Ÿ 통합 플랫폼의 광고 판매 이용자 수, 데이터 볼륨에 따른 과금

ASP, SaaS 모델: 3억/년SI 솔루션 구축: 10억/년

- 28 -

(3) 개발기술의 평가 방법 및 평가 항목

<정량적 목표 항목>

평가 항목(주요성능Spec1)

단위

전체 항목에서

차지하는비중2)

(%)

세계최고 수준 보유국/보유기업( / )

연구개발 전 국내수준

개발 목표치표준․인증

기준3)

기준

설정근거4)

평가 방법5)

성능수준성능수준

1차년도

2차년도

3차년도

4차년도

① 멀티모달 센서기반 물리적 행위인지 정확도

% 7%70%(미국/구글)

65% 70% 80% 85% 92%정보과학회

권고 기준

ISO/IEC 25010:201

1

참여기업 평가 및

전문가평가(외부기관 검증)

② 생활 이벤트 데이터를 고려한 스트리밍 처리 정확도

% 7%

80%소켓기반

통신(고성능 통신 라이브러리)

초기

단계60% 70% 80% 85% 자체 기준

ISO/IEC 25010:201

1

참여기업

평가

③ 다중센서융합 퍼스널 빅데이터 기반 감정인지 정확도

% 8%

음성, 얼굴

복합인식 71%

(미국, USC)

초기

단계70% 75% 80% 85%

정보과학회

권고 기준

ISO/IEC 25010:201

1

참여기업 평가 및

전문가평가(외부기관 검증)

④ 퍼스널 빅데이터에서 라이프로그 데이터 추출 정확도

% 7%70%

Apache Scoop

초기

단계70% 75% 80% 85% 자체 기준

ISO/IEC 25010:201

1

참여기업

평가

⑤ 분산된 라이프로그 데이터기반 온톨로지 추론 정확도

% 8% 초기단계 초기단계

71% 80% 82% 85% 자체 기준ISO/IEC 25010:201

1

참여기업

평가

⑥ 퍼스널 빅데이터 기반의 의미분석 정확도

% 9%

의미분석40%

(언어별처리능력이

상이)

초기단계

71% 73% 78% 90% 자체 기준ISO

8000-8:2015

자체 평가*샘플링 조사

⑦ 크로스도메인 추천 기술 정확도

Recall 9% 초기단계초기단계

60% 63% 65% 80% 자체 기준ISO/IEC 25010:201

1

참여기업

평가

⑧ 추론 공격 대응 능력

% 9% 60초기단계

50% 52% 55% 70% 자체 기준ISO/IEC 25010:201

1

참여기업

평가

⑨ 라이프매니지먼트 서비스 평가 index 종류 및 평가 결과

종/%

9% 초기단계초기단계

1종/60%

2종/62%

3종/72%

4종/90%

자체 기준 ISO 10004

참여기업

평가

*서비스 지표 개발

⑩ 퍼스널 큐레이션 서비스 적용 모델과 시범운영

종/% 9% 초기단계초기단계

0종/

50%

1종/

54%

2종/

65%

3종/

80%자체 기준 ISO 9001

참여기업

평가(만족도

평가)

⑪ 지식관리툴 만족도(수요자)

% 9% 초기단계초기단계

80% 85% 90% 95%정보과학회

권고 기준

ISO/IEC 25010:201

1

참여기업 평가 및

전문가평가(외부기관 검증)

⑫ 시제품 (서비스 ) 의 UI/GUI/UX에 대한 전문가/사용성 평가 결과

%9%

사용자 평가 분석기법 (UX

Design)의 기확보, 100% 국내기술

보유)

전문기술 보유

80% 82% 83% 85% 자체 기준ISO

9241-210:2010(E)

참여기업

평가

- 29 -

[ISO/IEC 201510:2011 (SQuaRE)]

□ 마이닝 마인즈 플랫폼 버전 2.5는 시스템의 분석, 설계, 구현, 배치 및 지원에 대한 기준인 국

제표준 ISO/IEC 25010:2011 에 기반하여 개발되었음. ISO/IEC 25010:2011은 많은 품질 모델 중

시스템 및 소프트웨어의 품질을 종합적으로 평가함에 있어 해당 모델의 넓은 적용범위를 고

려하여 선택되었음. 아래는 ISO/IEC 25010:2011에 정의된 2개 모델의 특성을 나타냄.

Ÿ ISO/IEC 25010:2011은 제품이 특정 상황에서 사용될 시, 상호작용의 결과에 기반하여 해당

제품의 품질을 평가할 수 있는 6개의 특성 기준 (Functionality, Reliability, Usability,

Efficiency, Maintainability, Portability) 으로 구성됨. 본 시스템 모델은 현재 실제로 사용

되는 컴퓨터 시스템 및 소프트웨어 제품을 포함하는, 모든 인간-컴퓨터 시스템에 적용가

능함.

Ÿ 소프트웨어의 정적인 속성 및 컴퓨터 시스템의 동적인 속성과 연관된, 8개의 특성으로 구

성된 품질 모델. 해당 모델은 컴퓨터 시스템과 소프트웨어 제품 모두에 적용가능함.

□ 본 품질 모델은 소프트웨어 및 컴퓨터 시스템을 대상으로 설계되었지만, 많은 특성들이 더

넓은 시스템 및 서비스와 관련이 있음. 위의 2개 모델에 의해 정의된 특성은 모든 소프트웨

어 제품 및 컴퓨터 시스템에 적용가능하며, 해당 특성과 세부특성들은 시스템 및 소프트웨어

의 품질을 측정하고 평가할 수 있는 일관적인 기준 및 용어들을 제공함.

□ 해당 모델의 범위는 완벽하게 기능성(Functional properties)에 속하는 사항들은 포함하지 않지

만, 기능의 적절성은 모델의 범위에 포함됨. 본 품질 모델은 소프트웨어 중심의 컴퓨터 시스

템을 사용, 개발, 지원, 유지, 품질 보증 및 감시 등의 다양한 관점에서 평가하고 명세서 작성

을 지원하는 데 사용될 수 있음. 본 모델은 소프트웨어 제품의 품질을 평가하고 보증해야 하

는 개발자, 품질 보증인, 관리자 및 평가자들에 의해 사용될 수 있음. 개발 시 본 모델을 사

용함으로서 이득을 얻을 수 있는 상황은 다음과 같음

Ÿ 소프트웨어 및 시스템의 요구사항 감별

Ÿ 요구사항 정의의 종합성 검증

Ÿ 소프트웨어 및 시스템의 설계 대상 객체 감별

Ÿ 소프트웨어 및 시스템의 테스트 대상 객체 감별

Ÿ 품질 보증의 일환으로서 품질 평가 기준 확립

Ÿ 소프트웨어 제품 및 소프트웨어 중심의 컴퓨터 시스템의 허용 수준 기준 확립

□ SQuaRE의 특성들은 높은 일반화가능성을 지니므로 마이닝 마인즈 플랫폼에 전체적으로 적용

가능함. 그러나 소수의 특성들은 특정 레이어 및 해당 레이어의 컴포넌트들과 더 밀접하게

연관되어 있음. 아래의 테이블은 SquaRE의 특성 및 세부 특성들을 밀접한 연관이 있는 마이

닝 마인즈 플랫폼의 컴포넌트와 연결지어 나타냄.

- 30 -

퀄리티 모델 특성 퀄리티 모델 세부 특성 범위 마이닝 마인즈 적용 컴포넌트

Functionality

Suitability모든 컴포넌트

Accuracy

Interoperability

Ÿ DCL - Data Acquisition and SynchronizationŸ SL - Mining Minds Gateway

SecurityŸ SL - Security and Privacy

Functionality Compliance 모든 컴포넌트

Reliability

Maturity 모든 컴포넌트

Fault ToleranceŸ DCL - Non-volatile Persistence - Intermediate Database

Recoverability모든 컴포넌트

Reliability Compliance

Usability

Understandability Ÿ KCL - Expert-driven Knowledge Authoring ToolŸ SL - Expert View for Descriptive Analytics - UI/UX

LearnabilityOperability

AttractivenessUsability Compliance

Efficiency

Time Behavior

Ÿ DCL - Data Acquisition and Synchronization - Life-log Monitoring - Life-log Representation and Mapping - Intermediate Database - Active Data ReaderŸ ICL - Low level Context Awareness - High Level Context AwarenessŸ SL - Descriptive Analytics

Resource Utilization

Ÿ DCL - Data Acquisition and Synchronization - Life-log monitoring - Non-volatile StorageŸ ICL - Low level Context Awareness

Efficiency Compliance 모든 컴포넌트

Maintainability

Analyzability

모든 컴포넌트Changeability

StabilityTestability

Maintainability Compliance

Portability

Adaptability

Ÿ SL - UI/UX - Descriptive AnalyticsŸ SCL - Service Orchestrator

Installability

모든 컴포넌트Co-ExistenceReplaceability

Portability Compliance

<표 1> 마이닝 마인즈 컴포넌트별 ISO/IEC 201510:2011 (SQuaRE) 표준 적용 내용

- 31 -

(4) 핵심 키워드(5개 이상)

한글

마이닝마인즈, 데이터 큐레이션, 정보 큐레이션, 서비스 큐레이션, 빅데이터, 사용자 경험

서비스 디자인, 지식관리, 행위인지, 상황인지, 개인화 서비스, 정보보안, 사용성 평가, 텍스트

마이닝, 오피니언 마이닝, 하둡, 라이프매니지먼트 (영양, 신체활동, 수면), 뉴실버 세대

영문

Mining Minds, Data Curation, Information Curation, Service Curation, Big Data, UX

Service Design, Knowledge Management, Activity Recognition, Context-Aware, Personalized

Service, Information Security, Text Mining, Opinion Mining, Hadoop, Life Management

(nutrition, physical activity, sleep), New Silver Generation

(5) 정량적 목표 항목의 평가방법 및 평가환경

① 정량적 목표 항목의 평가방법

평가 항목(주요성능Spec1)) 평가방법

① 멀티모달 센서기반 물리적 행위인지 정확도

Ÿ 개발에 참여한 연구원이 캠코더나 수기를 통해 작성한 실제 행위(Gound Truth)와 멀티모달 센서를 통해 수집한 행위인지 결과 비교를 통해 정확도 산출Ÿ 참여기업인 녹십자헬스케어가 주도적으로 평가수행Ÿ 1, 2, 3차년도에는 외부기관인 한국정보과학회 혹은 한국정보처리학회에서 전문가를 모집하여 행위인지 평가를 의뢰Ÿ 4차년도에는 한국정보통신기술협회(TTA)의 GS시험인증 평가 의뢰

② 생활 이벤트 데이터를 고려한 스트리밍 처리 정확도

Ÿ 5명 이상의 피실험자로부터 1주일간의 스트리밍 데이터 10만건 이상을 수집하고 센서와 서버간의 데이터 일치 율을 비교하여 결과 도출Ÿ 참여기업인 타파크로스가 주도적으로 평가수행

③ 다중센서융합 퍼스널 빅 데이터 기반 감정인지 정확도

Ÿ 음성 및 영상 빅 데이터를 기반으로 훈련 및 테스트 과정을 통해 오프라인 테스트를 진행Ÿ 일반적인 평가 방법인 k-fold cross validation 기법을 활용하여 정확도를 평가함Ÿ 참여기업인 녹십자헬스케어와 타파크로스가 주도적으로 평가수행Ÿ 1, 2, 3차년도에는 외부기관인 한국정보과학회 혹은 한국정보처리학회에서 전문가를 모집하여 빅데이터 추론 기술 평가를 의뢰Ÿ 4차년도에는 한국정보통신기술협회(TTA)의 GS시험인증 평가 의뢰

④ 퍼스널 빅데이터에서 라이프로그 데이터 추출 정확도

Ÿ 5명 이상의 피실험자로부터 1주일간 10만건 이상의 센서 데이터를 수집하여 실제 생활이벤트와 퍼스널 빅데이터에서 추출한 라이프로그와 비교하여 정확도 도출Ÿ 참여기업인 타파크로스가 주도적으로 평가수행

⑤ 분산된 라이프로그 데이터 기반 온톨로지 추론 정확도

Ÿ 온라인 지속성 검사 툴을 이용한 상황 온톨로지 추론 엔진을 검증함Ÿ 상황 온톨로지 기반 의미 추론 쿼리 평가를 위해 온/오프라인 정확도 측정을 진행함.Ÿ 참여기업인 타파크로스가 주도적으로 평가수행

- 32 -

⑥ 퍼스널 빅데이터 기반의 의미분석 정확도

Ÿ 온라인 상에서 추출된 데이터를 기반으로 사용자의 행위, 상황, 감성 등의 의미 분석 결과에 대한 정확도 평가Ÿ 가장 널리 사용되는 정보검색에서의 정확도 검증방법인 표본집단 테스트 방법을 사용하여 분석에 대한 정확도(78% 이상) 검증 테스트를 실시Ÿ 참여기업인 녹십자헬스케어가 주도적으로 평가수행

⑦ 크로스도메인 추천 기술 정확도

Ÿ 사용자의 선호도 데이터를 기반으로 한 추천 정확도 측정Ÿ 20명 내외의 피실험자에게 설문을 통해 시스템이 제공해준 추천 서비스의 만족도를 조사하여 추천 만족도 80%이상의 정량적 수치 도출Ÿ 참여기업인 녹십자헬스케어가 주도적으로 평가수행

⑧ 추론 공격 대응 능력

Ÿ 통계 배경 지식 등을 이용한 추론 공격을 통해 익명화 기술의 대응 능력을 평가Ÿ 추론 공격에 대해 추론 결과가 30% 미만으로 변질될 수 있도록 대응능력 정량적 수치 도출Ÿ 참여기업인 녹십자헬스케어가 주도적으로 평가수행

⑨ 라이프매니지먼트 서비스 평가 index 종류 및 평가 결과

Ÿ 라이프매니지먼트를 위한 운동/영양 관리 서비스의 통합 운영으로 서비스 효용성 평가Ÿ 시범 운영 결과 시험 사용자들로부터 80% 이상의 만족도를 얻어낼 수 있도록 평가 수행Ÿ 참여기업인 녹십자헬스케어가 주도적으로 평가 수행

⑩ 퍼스널 큐레이션 서비스 적용 모델과 시범 운영

Ÿ 총 3종 이상의 퍼스널 큐레이션 서비스 제공을 위해서 개인 특성 모델링을 통한 모델의 다양성 및 모델에 대한 서비스 추천의 효용성, 지속적인 개인 특성을 반영할 수 있는 지식관리의 효율성을 평가Ÿ 시범운영 결과 시험 사용자들로 부터 80% 이상의 만족도를 얻어낼 수 있도록 평가 수행Ÿ 참여기업인 녹십자헬스케어가 주도적으로 평가수행

⑪ 지식관리툴 만족도 (수요자)

Ÿ 수요기업의 지식관리툴에 대한 요구사항 분석과 만족도를 평가Ÿ 수요기업의 서비스 제공관리자들로 부터 95% 이상의 만족도를 얻을 수 있도록 평가 수행Ÿ 참여기업인 U2시스템, 타파크로스 그리고 녹십자헬스케어가 주도적으로 평가수행Ÿ 1, 2, 3차년도에는 외부기관인 한국정보과학회 혹은 한국정보처리학회에서 전문가를 모집하여 지식관리기술 평가 의뢰Ÿ 4차년도에는 한국정보통신기술협회(TTA)의 GS시험인증 평가 의뢰

⑫ 시제품(서비스)의 UI/GUI/UX에 대한 전문가/사용성 평가 결과

Ÿ 개발된 UI/GUI에 대한 정량적 사용자 평가(구조화된 설문지 및 실제 사용자 행동 분석 결과 이용)Ÿ 수요기업의 고유 서비스인 사용자 평가 분석기법을 활용하여 95점이상의 Usability Test 결과 도출Ÿ 참여기업인 녹십자헬스케어와 협조하에, 주요 수행기관인 U2시스템이 주도적으로 평가를 수행

- 33 -

② 정량적 목표 항목의 평가환경

평가 항목 (주요성능Spec1)) 평가환경(테스트 시나리오)

① 멀티모달 센서기반 물리적 행위인지 정확도

Ÿ 임의의 환경(실내/외, 가정, 오피스 등)에서 20명 이상의 서로 다른 피실험자에 대해 다양한 연령과 성별을 적절히 조합하여 평가를 수행함Ÿ 캠코더를 통한 실제행위 수집과 멀티모달 센서를 통한 10,000건 이상의 행위 데이터 수집 및 비교Ÿ 센서의 종류 –스마트폰 멀티모달 센서(가속도, 각속도, GPS 등) / 센싱오차율 –스마트폰(10%내외), 웨어러블센서(5%내외)

② 생활 이벤트 데이터를 고려한 스트리밍 처리 정확도

Ÿ 센서에서 획득한 데이터와 데이터 획득 모듈에서 처리한 뒤의 데이터를 비교함Ÿ 비교 결과는 데이터를 획득하는 센서에서 기록된 패킷 수와 데이터 획득 모듈에서 전송받은 패킷 수를 비교함

③ 다중센서융합 퍼스널 빅데이터 기반 감정인지 정확도

Ÿ 음성 및 영상 감정인식을 위한 공공 데이터를 활용하여 오프라인 형태로 감정인식 알고리즘에 대한 정확도를 평가Ÿ 음성의 경우 eNTERFACE 데이터셋을 활용하고 비디오의 경우 Extended Cohn-Kanade 데이셋을 활용하여 진행

④ 퍼스널 빅데이터에서 라이프로그 데이터 추출 정확도

Ÿ 최소 5개의 가상 머신(4Core, 노드당 4GB 메모리 / 전체 20Core)을 보유한 사설 클라우드 플랫폼에 구축된 퍼스널 빅데이터 저장소에서 평가를 수행함.Ÿ 하둡 기반의 빅데이터 구현에서 다양한 클라우드 인프라를 구성하여 평가하며, 클라이언트는 Microsofr Azure 공용 클라우드 가상 머신에서 데이터 추출을 요청함.

⑤ 분산된 라이프로그 데이터 기반 온톨로지 추론 정확도

Ÿ 다른 특성을 지닌 피실험자 20명은 선정하여 라이프로그 데이터를 수집하고 이를 기반으로 평가를 진행Ÿ 컨텍스트 온톨로지 기반 시멘틱 추론 정확도를 온/오프라인으로 검증

⑥ 퍼스널 빅데이터 기반의 의미분석 정확도

Ÿ 표본집단 테스트는 정보검색 학회인 TREC(Text REtrieval Conference)에서 발표되는 논문에서도 주로 사용되고 있는 방법임.Ÿ 본 평가는 빅데이터 분석의 특성 상 성능평가에 대한 객관적 방법론과 비교할 수 있는 결과치가 없어, 개발 기술의 신뢰성 측정이 난해하므로, 대체 평가 방법을 활용함.Ÿ ① 수집 요청 회수 대비 수집 데이터 정확률, ② 사전 등록된 키워드를 통해 필터링 처리되는 비율, ③ 구문 분석으로 긍정/부정이 정확하게 분석되는 비율, ④ 특정 질의어 요청시 반환 시간, ⑤ 질의어 검색 결과 실제 행위 / 상황 데이터 검출 비율에 대한 기준을 바탕으로 평가가 이루어진다.

⑦ 크로스도메인 추천 기술 정확도

Ÿ 사용자 선호 데이터를 활용하여 테스트용 데이터를 생성하고, 이종 도메인 데이터를 활용한 모델 추론 및 예측 결과 정확도 비교 검증Ÿ 수요기업이 제공하고 있는 서비스(3종이상)에 대해Raw 데이터 수집 및 사용자 선호도 검증 수행

⑧ 추론 공격 대응 능력

Ÿ 통계 배경 지식 등을 이용해 익명화 데이터로부터 원본 데이터 추론Ÿ 클라우드 환경에서 수집한 퍼스널 빅데이터의 익명화(Anonymization)의 정확도를 검증하기 위한 평가로써, 데이터의 소유자 및 신원 분별 여부를 평가

- 34 -

③ 정량적 성과 목표 (달성치/목표치)

(6) 보안등급의 분류 및 해당 사유

보안등급 분류 보안과제 ( ), 일반과제 ( ○ )

결정 근거 및 사유

본 사업의 결과물은 퍼스널 빅데이터를 활용한 뉴 실버시대의 건강관리 증진과 라이프매니지먼트에 필요한 핵심 기술 및 서비스를 개발하는 관계로 내용상 사회공익차원의 가치 추구에 부합된다. 이에, 국가적 차원에서 연구결과를 공유하고 공개하여 새로운 신 산업을 창출하는데 기폭제 역할을 하고자 한다. 따라서 보안 등급에서 일반과제로 분류됨이 타당함

⑨ 라이프매니지먼트 서비스 평가 index 종류 및 평가 결과

Ÿ 실제 생활에서의 사용자 행위인지를 위해 특별한 환경 제약 없는 환경에서 평가Ÿ 20명 이상의 피실험자(과제 참여 연구원 및 모집 피실험군)에게 평가 Index 결과를 제공하고 이에 대한 정확도와 만족도를 평가Ÿ 3종의 서비스에 대해 자체적인 평가 Index 도출, 검증 실시

⑩ 퍼스널 큐레이션 서비스 적용 모델과 시범 운영

Ÿ 운동/영양 통합 어플리케이션 내 개인별 활동량과 식이 데이터 수집을 통한 피드백 서비스 제공에 대해 평가 Ÿ 10명 이상의 피실험자(과제 참여 연구원 및 뉴실버세대 모집 피실험군)에게 서비스 사용성과 만족도에 대한 자체 평가실시

⑪ 지식관리툴 만족도 (수요자) Ÿ 수요기업의 지식관리툴에 대한 요구사항 분석과 만족도를 평가Ÿ 5명 이상의 U2시스템과 타파크로스, 녹십자 헬스케어의 서비스 제공 실무자들에 만족도 평가 실시

⑫ 시제품(서비스)의 UI/GUI/UX에 대한 전문가/사용성 평가 결과

Ÿ UX design의 시제품에 적용을 통한 Preference(만족도 등) 평가지표 작성Ÿ UX design의 시제품에 적용을 통한 Performance (개선점 및 오류발생률 등) 평가지표 작성Ÿ UX design의 시제품 모델에 적용을 통한 사용맥락 파악 및 정합도 평가지표 작성

구분

특허 논문 표준화

기술이전

상용화

(백만원)

기술료

(백만원)

성과홍보

시제품

S/W등록

신규고용

기술문서

국제 국내SCI(E)

비SCI 국제 국내

출원 등록 출원 등록 국제 국내기고서제출

기고서채택

표준안채택

기고서제출

기고서채택

표준안채택

'2014년도(1차년도)

2/6 0/18/

150/0 1/2 2/8 2/2 0/0 0/0 0/0 0/0 0/0 0/0 0/0 0/0 0/0 0/0 1/2 3/5 6/9 1/2

'2015년도(2차년도)

2/0 0/08/

102/7 3/5

3/

153/9 0/0 0/0 0/0 0/0 0/0 0/0 0/1 0/0 0/22 0/0 2/3

5/

156/8 1/6

'2016년도(3차년도)

2/0 0/0 8/0 2/0 3/0 3/0 3/0 0/0 0/0 0/0 0/0 0/0 0/0 1/0 0/0 0/0 0/0 2/0 5/0 6/0 1/0

'2017년도(4차년도)

2/0 1/0 8/0 4/0 3/0 3/0 3/0 0/0 0/0 0/0 0/0 0/0 0/0 1/0 0/0 0/0 0/0 2/0 5/0 6/0 1/0

합계 8/6 1/1 32/25 8/7 10/7 11/

2311/11 0/0 0/0 0/0 0/0 0/0 0/0 2/1 0/0 0/22 0/0 7/5 18/

2024/

174/8

- 35 -

1-2. 연차별 개발 목표 및 개발 내용

(1) 1차년도

➀ 개발 목표

기관 개발 목표

경희대학교(주관기관)

1. 마이닝마인즈 기술 분석 및 플랫폼 요구사항 분석 및 설계

2. 데이터 큐레이션 다중센서 센싱기술 요구사항 분석 및 설계

3. 정보 큐레이션 저수준 상황인지엔진 설계 및 구현

4. 서비스 큐레이션 피드백 메커니즘 모듈 설계

5. 익명화 기술 분석

6. 프라이버시 요구사항 분석

7. 모의 실험 시스템 구성 및 성능평가

포항공과대학교

8. 비정형 데이터 종류 명세 및 형식별 의미 분석

9. 하둡 코드 분석 및 구조 정보를 보존하는 효율적인 데이터 분할 기법 설계 및 프레임워크 설계, 개발

10. 스트리밍 마이닝을 위한 프레임워크 설계

11. 추천기술 서베이 및 베이스라인 구현

12. 이종 데이터를 활용한 추천 시스템 프레임워크 설계

한국과학기술원 13. 데이터 수집 및 기존 알고리즘 비교, 문제점 도출, 새로운 알고리즘고안 및 구현

숭실대학교

14. 빅데이터 지식 기반 시맨틱 추론 연구

15. 빅데이터 지식 기반 시맨틱 추론 프로토타입 개발

16. 대용량 트리플 추론 엔진 설계

한국생산기술연구원 17. 서비스 모델 분석 및 정량화 모형 개발

(주)녹십자헬스케어

18. 기존서비스 사례조사(신체활동, 수면, 물 섭취)

19. 사용자 니즈 조사와 서비스 전달체계 설계

20. 신체활동 관리 서비스 알고리즘 및 콘텐츠 개발

21. 수면 관리 서비스 알고리즘 및 콘텐츠 개발

22. 물 섭취 관리 서비스 알고리즘 및 콘텐츠 개발

(주)타파크로스

23. 온라인 수집엔진 개발

24. RSS / API 수집엔진 설계

25. 퍼스널데이터 의미기반 분석엔진 설계

26. 퍼스널데이터 수집 및 분석 데이터 처리 기술 설계

27. 마이닝마인즈 분석 통합 플랫폼 테스트 방안 설계

(주)유투시스템

28. 서비스 발굴을 위한 User Research * On-line Survey

29. 서비스 1차 발굴 및 정의

30. 전체 서비스 컨셉 개발

31. UI 컨셉 디자인

32. 서비스 1종의 Mobile App UI, GUI 개발

33. 개발 피드백을 적용한 UI, GUI 수정

34. 서비스 검증을 위한 전문가 평가

한국 컨설팅 서비스협회

35. 서비스 모델의 요구사항 분석을 위한 업계수요조사

- 36 -

➁ 개발 내용 및 범위

□ 본 과제는 개발목표의 성격에 따라 4개의 세부 모듈(코어)과 이를 지원하는 클라우드기반 S/W

플랫폼 코어로 구성되어 있으며, 각 과제에 포함되는 모듈은 각 참여기관의 연구 특성에 맞게

분담하여 개발함. 제안하는 시스템은 연구기관 간의 유기적인 연동이 중요시되며, 아래 그림은

제안하는 연구의 세부 모듈 구조 및 전체 데이터 흐름도를 나타냄.

[그림 1-15] 퍼스널 빅데이터기반 마이닝마인즈 플랫폼의 모듈별 구조도

[그림 1-16] 마이닝마인즈 플랫폼 각 코어간의 연관도

- 37 -

[코어1: Data Curation Layer]

□ 개발목표 – 다양한 센서 디바이스, 웹, SNS 등으로부터 수집된 개인 데이터를 저장하고 관리하

는 퍼스널 빅데이터를 구축하고, 데이터의 표현, 분석 및 시각화 등을 수행함.

[그림 1-17] 코어 1. Data Curation Layer의 기능적 구조도와 시퀀스 다이어그램

코어명 컴포넌트명 참여기관

Data Curation

1 데이터 큐레이션 코어 컴포넌트 경희대학교

1-1 스트리밍 및 커뮤니케이션 포항공과대학교

1-2 데이터 표현과 매핑 한국과학기술원

1-3 보안 및 개인정보 보호 경희대학교

1-4 시각화 한국과학기술원, U2시스템

1-5 마이닝마인즈 엔진 ㈜타파크로스

Information Curation

2-1 저수준 상황인지 경희대학교

2-2 고수준 상황인지 경희대학교

2-3 장기/단기 행동 패턴 분석 경희대학교

2-4 개인화 특성 추출 한국과학기술원, 포항공과대학교

Service Curation

3-1 추론 및 예측 숭실대학교

3-2 지식 관리 툴 경희대학교

3-3 추천 매니저 포항공과대학교

3-4 피드백 분석 경희대학교(UTAS)

Services

4-1 서비스모델 정량화 지표 한국생산기술연구원

4-2 4050 Healthy Life 서비스 모델 개발 ㈜녹십자헬스케어

4-3 모바일 당뇨관리 서비스 모델 개발 ㈜녹십자헬스케어

4-4 사용자 경험 기반 UI/UX/GUI Design U2시스템

S/W Platform5-1 소프트웨어 개발 방법론 전 기관

5-2 클라우드 기반 마이닝마인즈 플랫폼 구축 포항공과대학교, 경희대학교

- 38 -

1-1. 데이터 큐레이션 코어 컴포넌트 (수행기관: 경희대)

□ 개발목표 - 멀티모달 센서(모션 센서, 스마트폰, 웨어러블 디바이스) 기반의 행위/감성/상황정

보, 활동량계, 소셜 및 피트니스 측정 데이터 기반의 라이프로그를 수집하고 이를 클라우드 기

반 빅데이터 플랫폼으로 구축/처리함.

[그림 1-18] 1 모듈의 기능적 구조도와 시퀀스 다이어그램

□ 개발내용

Ÿ Data Labeling - SNS 등의 소셜 미디어 데이터는 XML 혹은 JSON 포맷 기반으로 인터프리

터를 요구하며, 웨어러블 센서 데이터는 형식이 통일되지 않아 데이터간의 관계 파악이 어

려우므로 수집되는 데이터에 대해 위치, 사용자, 시간 등의 이벤트 태그를 붙임.

Ÿ Data Analysis - 데이터에 대한 필터링 과정을 수행하며, Quality control(다섯가지 필터로 이

루어져 있으며, 성능과 정확도 사이에 균형을 유지) 및 Data Provenance(전송/변환 과정 중

에 손상된 데이터를 판별하여 재사용이 가능한 데이터를 선별) 방식으로 이루어짐.

Ÿ Data Preservance - 시각화 및 다른 컴포넌트에서의 사용을 위해 데이터를 온톨로지 기반

의 표준으로 변환하는 작업을 함. 이 표준에 변화가 생길 경우, 자동으로 모든 데이터가 표

준에 맞게 변화됨.

□ 우수성 및 차별성

Ÿ 오프라인 및 온라인 레이블드 데이터 처리를 위한 맞춤형 데이터 분석 필터 기술

Ÿ 데이터의 불필요성, 불일치성을 해결하기 위한 우선순위 테이블 생성/활용

Ÿ 데이터 충돌을 해결하는 기계학습 기반 데이터 확인 모듈

Ÿ 노후된 데이터의 제거로 인한 데이터 분석의 효율성

Ÿ 데이터 보존을 위한 온톨로지 표준의 사용

1-2. 스트리밍 및 커뮤니케이션 (수행기관: 포항공과대학교)

□ 개발목표 - HDFS에 저장된 데이터에 대한 실시간 접근 및 다른 모듈과의 연동을 위한 정형화

된 데이터 구조 생성 기술을 제공함.

- 39 -

[그림 1-19] 1-1 모듈의 기능적 구조도와 시퀀스 다이어그램

□ 개발내용

Ÿ Streaming - HDFS로의 실시간 접근을 가능하게 하며 4개의 서브모듈(QoS Control/Protocol,

Mediator, Stream loader, Storage/Cache)로 구성됨

Ÿ Intermediate data generation - 다른 컴포넌트로부터 요청된 데이터를 저장하기 위하여 정

황화된 데이터 구조를 생성하며 2개의 서브모듈(Query generation, Data Exporter)로 구성됨.

□ 우수성 및 차별성

Ÿ 마이닝마인즈 컴포넌트들에 대한 품질관리 통신 프로토콜 구축

Ÿ 캐쉬 및 HDFS로부터 요구사항에 맞는 데이터 자동 선택

Ÿ 최근 혹은 로드가 빈번한 데이터를 위한 맞춤형 캐쉬 구축

Ÿ Intermediate 데이터베이스 생성을 위한 쿼리의 자동 생성

Ÿ 실행 과정에서 Intermediate 데이터베이스 스키마 생성

1-3. 데이터 표현과 매핑 (수행기관: 한국과학기술원)

□ 개발목표 - 멀티모달 센서, SNS, Web 등으로부터 얻은 데이터를 온톨로지 기반의 데이터 표현

으로 변환하는 기술을 제공함

□ 개발내용

Ÿ Representation Model Selector - 큐레이션 데이터를 식별, 분류하여 데이터의 소스 및 속성

에 따라 적합한 데이터 표현 모델을 선택하여 데이터를 표현하며 3개의 서브모듈(Data

Identifier, Data Classifier, Model Selector)로 구성됨

Ÿ Data Mapper -XML 데이터로부터 객체, 속성 및 관계를 추출하고, 추출된 자원을 식별하고

클래스를 맵핑함. 클래스의 속성, 관계, 레이블을 파악하고 맵핑 후 각각에 인스턴스를 생성

Ÿ Ontology Validator - 다양한 표현 모델을 통해 나온 맵핑된 데이터의 구문 및 의미를 검사

하며 2개의 서브모듈(Schema Syntax Validator, )로 구성됨.

□ 우수성 및 차별성

Ÿ 데이터의 소스 및 속성에 따른 데이터 분류를 위한 특징 기반 분류 및 카테고리화

- 40 -

Ÿ 데이터의 속성에 따른 동적인 표현 모델의 선택

Ÿ 멀티 소스 데이터 표현 스키마를 통해 데이터를 저장하고 관리함

Ÿ Semantic Validator를 통해 동적인 온톨로지의 의미를 검사함

[그림 1-20] 1-2 모듈의 기능적 구조도와 시퀀스 다이어그램

1-4. 보안 및 개인정보 보호 (수행기관: 경희대학교)

□ 개발목표 - 멀티모달 센서, SNS, Web, 의료 데이터 등 개인의 정보 보안을 위한 데이터 보안/

프라이버시를 제공함.

[그림 1-21] 1-3 모듈의 기능적 구조도와 시퀀스 다이어그램

- 41 -

□ 개발내용

Ÿ Data Encryption - 데이터 스토리지를 암호화하여 보안성을 높임. 정보가 HDFS에 저장될

때 및 불러올 때 지속적으로 암호화 및 복호화 작업 발생.

Ÿ Process Authorization - 본 연구에서는 데이터 처리를 요청할 때 암호화된 데이터를 그대로

처리하는 방법을 통해 보안을 강화화며 3개의 서브모듈(Oblivious Term Matching,

Searchable Encryption, Private Matching)로 구성됨

Ÿ User Authentication - Authorized access : 인증된 사용자만이 서비스에 접근 가능하도록 하

는 Authorized Access 모듈과 연구 목적 등의 데이터 공개를 위해 사용자 동의를 거친 사용

자에 한해 개인 정보 노출 없이 정보를 제공하는 Anonymization 그리고 쿼리만으로 데이터

를 열람할 수 없게 더 높은 보안을 제공하기 위한 Private Matching 모듈로 구성됨

□ 우수성 및 차별성

Ÿ 독자적인 암호화 기법을 사용하여 보안 성능을 높이며, 복호화 과정 없이도 암호화된 데이

터의 처리가 가능하여 보안 기능을 높이고 시스템의 전체적인 연산속도를 증가시킴

Ÿ Private matching 기술을 통해 오프라인 공격에 대한 강화 및 시스템의 전체적인 연산 속도

를 감소시킴

1-5. 시각화 (수행기관: 한국과학기술원, U2시스템)

□ 개발목표 - 멀티모달 센서, SNS, Web 등으로부터 얻은 로우 데이터에 대해 사용자가 직관적으

로 알아보기 쉽도록 시각화하는 기술을 제공함

[그림 1-22] 1-4 모듈의 기능적 구조도와 시퀀스 다이어그램

- 42 -

□ 개발내용

Ÿ Parameter Tuning - 수분석 및 통계적 분류를 수행함. 수치 분석에서 용량, 회수, 크기 및

임계값에 따라 파라미터를 조율하며 통계적 분류 요구사항에 따라 파라미터를 조율함.

Ÿ Content Representation - 정략적 표현 및 인포그래픽 방법을 사용하여 복잡한 정보를 명확

하게 도식화하여 나타내며, 사용자 데이터에 대한 패턴 및 동향 분석을 용이하게 함.

Ÿ Data Model Rendering - 렌더링을 위해 입력 데이터를 세그멘테이션 함.

□ 우수성 및 차별성

Ÿ 그래프를 그리기 위한 핵심 특징의 추출

Ÿ 데이터에 대한 이해도를 높이는 직관적인 그래프의 생성

1-6. 마이닝마인즈 엔진 (수행기관: ㈜타파크로스)

□ 개발목표 - 소셜네트워크 상의 퍼스널 데이터 및 빅데이터 수집 및 분석

Ÿ 웹, 스마트 디바이스, 멀티모달 및 퍼스널 빅데이터의 실시간 수집 엔진 개발을 통한 사용

자의 상황‧행위 및 소셜 정보 등 실시간 생활 이벤트 정보를 수집하여 분석정보를 제공함

Ÿ 온라인 상의 사용자의 인식, 행동, 패턴들을 수집 및 분석하는 서비스 구성과 성과 평가 관

리를 위한 지식형 서비스를 제공함

Ÿ 사용자 라이프스타일의 변화에 대한 실시간 모니터링과 다양한 대응 시나리오별 최적화 및

사전 시뮬레이션 기술을 통한 능동적인 분석 기술 개발함

Ÿ 온라인에서 얻을 수 있는 다양한 데이터를 기반으로 사용자의 행위, 상황, 감성정보를 정확

하고 빠르게 인지하며, 의미기반의 분석을 수행함

[그림 1-23] 퍼스널 빅데이터 수집 및 분석 구성

□ 개발내용

Ÿ 다중센서융합 생활이벤트 센싱 기술개발 (웹, SNS 등) - 온라인 수집엔진 (Manager, Robot),

RSS Feed 수집엔진, 비정형 데이터 (웹, SNS 등) 정제 기술, 퍼스널데이터 의미기반 분석엔

진 개발, 퍼스널데이터 수집 및 분석 데이터 처리, 퍼스널데이터에 대한 분석 구조 설계

- 43 -

[그림 1-24] API 및 RSS 수집엔진 개발

Ÿ 이기종 데이터의 분석 엔진의 구조적 융합을 통한 마이닝마인즈 엔진 개발 - 통합 솔루션

프로토타입 구현 및 서비스 모형 시연/평가, 대용량 데이터 수집 및 분석엔진을 통합하여

실시간으로 분석이 가능한 통합 플랫폼 개발, 실시간 수집 및 분석 플랫폼의 정보를 외부

정보 시스템에서 사용할 수 있는 Gateway 개발, 실시간 수집 및 분석 통합 플랫폼을 관리

할 수 있는 관리기 개발

[그림 1-25] 퍼스널데이터에 대한 분석 구조 설계

[그림 1-26] 마이닝마인즈 분석 엔진 구조도

- 44 -

[코어2: Information Curation Layer]

□ 개발목표 – 수집된 다양한 개인데이터로부터 개인화된 특징 추출을 거쳐 행위, 감정, 위치, 상

황 등 개인 정보를 인지하고 추론하며, 이를 기반으로 라이프패턴의 예측과 추론을 수행함.

[그림 1-27] 코어 2. Information Curation Layer의 기능적 구조도와 시퀀스 다이어그램

2-1. 저수준 상황인지 (수행기관: 경희대학교)

□ 개발목표 - 멀티모달 센서(뎁스 및 모션 센서, 스마트폰, 웨어러블 디바이스) 기반의 행위/감성/

상황정보, 활동량계, 소셜 및 피트니스 측정 데이터 기반의 라이프로그를 수집하고 분석하는

기술을 제공함

□ 개발내용

Ÿ Twitter Analysis - 트위터의 데이터를 얻어와 비속어 필터링 등의 전처리 과정 후 자연어

처리를 통하여 얻은 정보를 토대로 사용자의 프로파일을 생성함.

Ÿ Trajectory Analysis - SNS에 남겨진 시간 및 위치 정보를 기반으로 데이터가 수집된 장소를

알아내어 사용자의 경로를 추적함.

Ÿ Interaction Analysis - e-mail 정보를 통해 사용자들간의 관계를 파악함.

Ÿ Wearable and Physiological Sensor based Activity Recognizer – 여섯가지 기본 일상생활(서

기, 걷기, 뛰기, 자전거 타기, 등산, 점프 등) 패턴을 인지하는 Data Acquisition, Feature

Extraction Classification 그리고 Recognition 엔진을 개발함.

Ÿ Smartphone-based Activity Recognizer - 스마트폰의 소지방향에 무관하도록 가속도와 자이

로스코프를 이용하여 사용자의 행위(서기, 버스탑승, 지하철 탑승 등)를 인지함

Ÿ Multimodal Emotion Recognizer – Audio 데이터와 Video 데이터를 기반으로 사용자의 감정

을 인지하고 베이지안 결정 이론을 사용하여 최종적으로 분류된 감정결과를 도출하는

Decision Fusion 엔진 개발

- 45 -

[그림 1-28] 2-1 모듈의 기능적 구조도와 시퀀스 다이어그램

□ 우수성 및 차별성

Ÿ 클라우드 컴퓨팅 기반 행위 모델링 및 분석

Ÿ 다양한 소스로부터 얻은 상황 정보의 통합

2-2. 고수준 상황인지 (수행기관: 경희대학교)

□ 개발목표 - 저수준 상황인지 데이터를 기반으로 데이터 및 Classifier 융합을 통해 고수준의 상

황추론을 위한 기술을 개발함

[그림 1-29] 2-2 모듈의 기능적 구조도와 시퀀스 다이어그램

- 46 -

□ 개발내용

Ÿ Mapper and Transformer - 다양한 소스로부터 얻은 XML 및 단순 텍스트 등 서로 다른 형

태의 데이터를 기정의된 온톨로지 구조로 변환시킴.

Ÿ Context Analyzer - 데이터가 온톨로지 데이터 모델로 구성되었을 경우 match making 알고

리즘을 수행함. 데이터에 룰이 포함되어 있을 경우 룰을 따로 추출하여 룰 기반 필터링 알

고리즘을 수행함.

Ÿ Parser - Matching 및 룰 기반으로 쿼리를 생성하여 필요한 행위 데이터를 받음. 데이터의

패턴이 일치할 경우, 고수준 결정을 위해 Decision making 모듈로 전달됨.

Ÿ Decision making - 수집된 상황 정보를 바탕으로 실행함. 상황을 분석하고 결정을 보냄.

□ 우수성 및 차별성

Ÿ 상황 정보, 사용자 프로필 정보, 정보의 표현 등을 온톨로지를 사용하여 모델링

Ÿ 상세한 상황 분석 이후 지식 기반 접근법을 사용하여

Ÿ 온톨로지를 사용하여 고수준 행위 추론을 위한 Forward chaining을 사용한 사용자 행위감지

Ÿ H-Match와 Falcon 기법을 사용한 Match making 사용

2-3. 장기/단기 행동 패턴 분석(수행기관: 경희대학교)

□ 개발목표 - 라이프로그 정보를 기반으로 사용자의 단기적/장기적 행위를 분석하는 기술의 개발

□ 개발내용

Ÿ Context Receiver - 다양한 소스로부터 수신된 다양한 종류의 데이터를 하나의 라이프 로그

기반 온톨로지 포맷으로 변환시킴.

Ÿ Context Fusion - 서로 다른 시간 및 공간에서 수신된 상황정보를 기존의 관련 있는 정보와

융합하여 복잡하고 정교한 상황정보를 생성함

Ÿ Context Verification - 여러 사람으로부터 수신하는 다양한 소스의 데이터에 대해 정확하게

개개인을 분류하여 정보를 로깅함.

Ÿ Parser - 라이프로그 저장소에 검증된 로그 정보를 기록함

Ÿ Life Log Extractor - 분석 및 예측을 위해 Behavior analysis 모듈로 특정한 사람의 라이프

로그 데이터를 전달함.

Ÿ Prediction - 특정한 사람의 행위 예측을 위해 패턴 식별 및 분류를 수행함

□ 우수성 및 차별성

Ÿ 클라우드 컴퓨팅 기반 행위 모델링 및 분석

Ÿ 다양한 소스로부터 얻은 상황 정보의 통합

Ÿ 고수준 상황 정보, 사회 생활 정보 및 섭취 음식 정보 등 질적인 정보의 확보

Ÿ 사용자 소셜 미디어 정보, 라이프 로그를 통한 라이프 스타일 정보 등 양적인 정보의 확보

Ÿ 개별 사용자에 맞춘 개인화된 행위 분석 및 추천 제공 기술

Ÿ 최적화된 라이프스타일 정보 마이닝 및 행위 예측 기술

- 47 -

Ÿ 행위 분석을 위한 유연한 지식 기반 추론 엔진

[그림 1-30] 2-3 모듈의 기능적 구조도와 시퀀스 다이어그램

2-4. 개인화 특성 추출 (수행기관: 한국과학기술원, 포항공과대학교)

□ 개발목표: 퍼스널 마이닝을 위한 개인화된 특징점 추출 기술개발 및 생활 주기와 생애 시기를

고려한 스트리밍 마이닝 구조 설계

[그림 1-31] 2-4 모듈의 기능적 구조도

□ 개발내용

Ÿ 가장 대표적으로 쓰인 차원축소 (PCA/ICA)에 기반한 특징점 추출 기술에 대한 연구 동향 파

악 및 선행 조사

Ÿ 이질적 (heterogeneous)이고 고차원 (high dimensional)의 퍼스널 빅데이터를 처리하기 위해

보다 효율적인 Deep 러닝을 통한 특징점 추출 기술에 대한 연구 동향 파악 및 선행 조사

- 48 -

Ÿ 저차원 (low level) 특징점에서 고차원 (high level) 특징점을 추출하여 차원 축소를 통한 연

산량 감소 그리고 의미적 성능 향상시키는 Deep 러닝 특징점 추출 모듈 개발

Ÿ Long-term, Short-term behavior analysis를 통해 수집된 사용자의 라이프 패턴, 다양한 기기

에서 수집되는 스트리밍 데이터에서 스트리밍 모델 학습에 적합한 스트리밍 데이터 선택

□ 우수성 및 차별성

Ÿ 단순 시간 구간으로 나누는 기존 슬라이딩 윈도우 기법 대신 생활 주기 기반으로 모델 학

습 데이터를 스트리밍 알고리즘 모델학습에 사용하도록 하여 주기가 긴 생활 패턴에 대해

서도 강건한 추출을 할 수 있도록 함

[코어3: Service Curation Layer]

□ 개발목표 – 사용자에게 마이닝마인즈 서비스의 제공을 위한 추천 생성, 피드백 처리 그리고 서

비스관련 지식을 작성하기 위한 Knowledge Maintenance Tool 등을 제공함.

[그림 1-32] 코어 2. Service Curation Layer의 기능적 구조도와 시퀀스 다이어그램

3-1. 추론 및 예측 (수행기관: 숭실대학교)

□ 개발목표- 행위/감성/상황정보, 소셜 및 피트니스 라이프로그 기반 자가 관리 예측 및 지식 추

론 핵심기술을 제공함

□ 개발내용

Ÿ High-level Data Abstraction & Learning - 기계학습을 위하여 전처리, 정규화 과정을 거친

데이터를 전달하며 6개의 서브모듈(Cleansing and smoothing, Transformation, Data reduction

and discretization, Rules learning, Probabilities learning, Case authoring)로 구성됨

Ÿ Knowledge Base - 학습 모델을 저장하는 지식베이스로, 추론 및 예측 처리에 대해 빠른 접

- 49 -

근이 가능함.

Ÿ Reasoning - 큐레이션 서비스를 위한 추론 생성/결정의 자동화를 위해 지식베이스에 저장된

학습 모델을 사용하며 새로운 지식 및 추론 결과를 도출하며, 4개의 서브모듈(Service query

parser, Rules/pattern matcher, Conflict resolver, Inference results generator)로 구성됨

Ÿ Prediction - 큐레이션 서비스를 위해 추론된 결과 및 학습된 모델을 바탕으로 미래 행위를

예측하며 4개의 서브모듈(Inference outcome parser, Prediction function selector, Mining

mind pattern matcher, Prediction result generator)로 구성됨

[그림 1-33] 3-1 모듈의 기능적 구조도와 시퀀스 다이어그램

□ 우수성 및 차별성

Ÿ 고수준 데이터 추상화, 학습, 추론 및 예측 기술을 하나로 합친 통합된 환경 구축

Ÿ 학습을 위한 intermediate 데이터의 추상화를 위한 고수준 데이터 추상화 프로토콜 구축

Ÿ 추론 및 예측을 위해 하이브리드 및 앙상블 학습을 사용하여 다양한 학습 기법의 병렬 및

순차 처리를 진행하고 예측의 정확도를 높임.

Ÿ 사용자에게 단순 추론 결과만이 아닌 고수준 예측 결과를 제공함

Ÿ 하이브리드 기법을 사용하여 불확실한 추론 및 예측 결과의 정확도를 높임

- 50 -

3-2. 지식 관리 툴 (수행기관: 경희대학교)

□ 개발목표 - Data/Infomation/Service Curation 각 계층에서 빅데이터로부터의 유용한 데이터 추

출 및 지속적인 서비스 향상을 위한 지식관리기술을 제공함.

□ 개발내용

Ÿ Knowledge Data Broker - 일반 및 intermediate 데이터, knowledge service tool 의 selector

및 지식들간의 링크를 위한 표준 인터페이스를 제공하며 3개의 서브모듈(Query Formulator,

Operator optimization, Query validation)로 구성됨

Ÿ Selector - 환경 설정에 따라 기계 학습 방법을 선택하고, 동적인 처리를 위해 knowledge

data broker로부터 데이터를 전달받으며, 3개의 서브모듈(Data feature selection, Data

algorithm mapping, Model selection)으로 구성됨

Ÿ Evolutionary Knowledge Maintenance - 사용자의 피드백 정보를 바탕으로 지식베이스를 업

데이트 하며 이를 위한 3개의 서브모듈(Change management, Inconsistency, Functional

evaluation)로 구성됨

[그림 1-34] 3-2 모듈의 기능적 구조도와 시퀀스 다이어그램

□ 우수성 및 차별성

Ÿ 반자동 및 앙상블 학습 기법을 사용한 데이터의 특징 추출

- 51 -

Ÿ 적합한 기계 학습 기법 선택을 위한 알고리즘 맵핑 기능의 다중 기준 선택 및 하이브리드

학습 기법 사용

Ÿ 다양한 상황정보에 따른 동적인 기계학습 기법의 선택

Ÿ 새로운 피드백 정보와 기존 지식 정보간의 불일치 문제를 해결하기 위한 독자적인 오류 복

구 기법

3-3. 추천 매니져 (수행기관: 포항공과대학교)

□ 개발목표 - 개인화 라이프로그 및 지식 추론 모델 기반의 서비스 추천 및 표현 핵심기술을 제

공함.

□ 개발내용

Ÿ Recommendation Classification - 추론된 데이터 및 개인 데이터를 기반으로 분류된 추천 정

보를 제공하며 이를 위한 2개의 서브모듈(Filtration, Categorization)로 구성됨

Ÿ Recommendation Explanation - 분류된 추천 정보를 기반으로 추천 정보에 대한 설명을 제

공하며 이를 위한 2개의 서브모듈(Explanation Generation, Contextualized Representation)으

로 구성.

[그림 1-35] 3-3 모듈의 기능적 구조도와 시퀀스 다이어그램

- 52 -

□ 우수성 및 차별성

Ÿ 사용자 추천 정보 설명에 대한 다차원적인 접근

Ÿ 사용자의 선호도 및 현재 상황에 따른 추천 정보의 자동 필터링

Ÿ 추천정보가 생성된 방법 및 이유에 대한 설명을 통한 사용자의 이해력 향상을 도움

Ÿ 추천 정보에 대한 사용자 상황 기반의 표현

3-4. 피드백 분석 (수행기관: 경희대학교, 호주 타스마니아 대학과 협력)

□ 개발목표 - 개인화 라이프로그 및 지식 추론 모델 기반의 건강관리/중진 피드백을 위한 분석

기술을 제공함. 사용자는 서비스를 사용하는 즉시 피드백이 가능하며, 여기에는 서비스에 대한

평가, 만족도, 기타 의견 등을 보낼 수 있음. 또한, 시스템이 추론한 사용자의 현재 상황에 대

한 정확성에 관계없이 상황 정보의 피드백이 가능함.

[그림 1-36] 3-4 모듈의 기능적 구조도와 시퀀스 다이어그램

□ 개발내용

Ÿ Feedback Collector - 사용자에게 제공된 큐레이션 서비스에 대해 사용자가 시스템에 피드

백을 보낼 수 있도록 하며 시스템은 사용자의 행위/상황의 변화를 자동으로 인지하여 사용

자에게 피드백을 받기 위한 프롬프트를 띄움.

Ÿ Evaluation Protocol - 수신된 피드백 정보에 대하여 교차 검증 및 독자저인 기법을 통해 평

가를 수행하며, 이를 통해 하루 동안에 발생하는 프롬프트의 빈도를 조절하여 사용자의 불

편을 최소화하고 보다 정확한 개별 사용자 맞춤형 서비스를 제공함.

- 53 -

Ÿ Update Scheduler - Evaluation protocol에 의해 자동으로 검증된 피드백 정보는 시스템 반

영을 위해 두 가지 독자적인 스케쥴러를 거치며, 사용자에게 전달된 큐레이션 서비스에 대

한 정보는 즉각 시스템에 반영되어 서비스의 정확도를 높임.

□ 우수성 및 차별성

Ÿ 사용자의 피드백 정보를 얻기 위한 프롬프트 레이블링 기법 사용.

Ÿ 피드백 로그 관리를 통하여 사용자의 이동 경로, 행위 변화를 추적.

Ÿ 피드백 정보의 검증을 위한 독자적인 평가 프로토콜 사용.

Ÿ 피드백 정보를 시스템에 반영하기 위한 독자적인 스케쥴러 사용.

[코어4: 응용 Services]

4-1. 서비스모델 정량화 지표 (수행기관: 한국생산기술연구원)

□ 개발목표 - 서비스 모델 정량화 지표 개발

Ÿ 생활이벤트 마이닝 마인즈 기반 유망 웰니스서비스의 고객 요구가치 정량화

Ÿ 고객의 서비스 이해도 및 활용도 향상을 위한 사용자 지식콘텐츠 관리 정량화

Ÿ 사용자 중심의 서비스 모델 품질 및 성과 정량화

[그림 1-37] 서비스 모델 정량화를 위한 연구 프로세스

□ 개발내용

Ÿ 서비스 모델 분석 및 고객 요구가치 정량화 모델 수립

ü 서비스 현황과 수요 조사/분석, 서비스 실태 및 문제점 조사/분석

ü 서비스 소비자/중재자 관점에서의 고객 요구가치 정량화 모형 수립

ü 서비스 이해도/활용도 향상을 위한 사용자 서비스 인덱스 모형 개발

Ÿ 서비스 모델 정량화 모형 개발

ü 사용자 경험 및 효용 중심의 웰니스 서비스 품질 정의 모형 개발

ü 생활이벤트 마이닝마인즈 기반 개인 맞춤형 웰니스서비스 프로세스 분석

□ 우수성 및 차별성

Ÿ 고객 서비스를 고객이 이해, 활용 가능한 지식서비스 콘텐츠로 변환하기 위한 인덱스 변환

알고리즘 개발

Ÿ 고객이 수용 가능하며 비즈니스의 지속성을 확보할 수 있는 새로운 융복합 서비스 개발

- 54 -

4-2. 4050 Healthy Life 서비스 모델 개발 (수행기관: ㈜녹십자헬스케어)

□ 개발목표 - 마이닝마인즈 플랫폼에 기반하여 다양한 헬스케어 서비스 제공.

Ÿ 사용자 니즈 조사와 서비스 전달체계 설계

Ÿ 운동, 영양, 수면 관리 영역에서 기존 서비스 현황 및 사례조사

Ÿ 대상자의 건강위험도(건강인, 건강위험군, 만성질환자)에 따른 서비스 요구도 분석

Ÿ 대상자 특성, 생활환경, 생활이벤트에 따른 피드백 컨텐츠 및 프로그램 개발

[그림 1-38] 4050 Healthy Life 서비스 모델

□ 개발내용

Ÿ 시니어 진입 전 세대의 라이프 매니지먼트를 통해 만성질환 이환율을 감소시키고 건강한

시니어 라이프를 영위하기 위한 예방적 차원의 서비스 모델로, 서비스 영역별로 기본 목표

를 제시하고, 빅 데이터를 활용하여 개인별 맞춤 서비스를 제공함.

Ÿ 신체활동관리를 위한 『Exercise Curation』- 신체활동패턴 분석에 따른 신체활동 증진 목

표 및 실천 가이드라인 제시를 통해 자가관리서비스를 구현함

Ÿ 생활환경 기반 개인 맞춤형 서비스 리스트

ü 목표 신체활동량 제시, 신체활동량 및 소모 칼로리 모니터링

ü 건강위험군, 만성질환자의 경우 위험도에 따른 운동처방 및 관리 솔루션서비스

ü 빅 데이터를 통해 신체활동에 방해 요소를 찾아내어 습관을 개선해 나갈 수 있도록 맞

춤형 서비스 제공

ü 생활 환경(교통수단 및 활동 패턴 분석 등)에 따른 활동량 증대 방안 서비스

ü 운동 종목, 운동 강도, 운동 방법 등을 모니터 해서 정확한 동작, 효과적이고 올바른 방

법 안내 서비스

ü 개별 성향(취미, 활동정도 등)에 따른 맞춤 서비스: 스포츠 및 여가활동 프로그램을 운영

하는 기관, 문화센터, 피트니스 센터 등의 추천 및 운영 정보 제공

- 55 -

[그림 1-39] Exercise Curation 서비스 구조도

Ÿ 수면관리를 위한 『Quality of Sleep Curation』- 수면패턴 분석에 따른 최적화된 수면 계획

목표 및 실천 가이드라인 제시를 통해 수면의 질 개선

Ÿ 생활환경 기반 개인 맞춤형 서비스

ü 수면 상태(시간, 수면 단계, 코골이, 무호흡 등), 수면 환경(조도, 온도, 습도, 소음 등), 생

활 환경 등을 모니터링

ü 빅 데이터 분석과 개인 데이터를 기반한 수면 방해 요소 분석

ü 개인 맞춤형 수면 개선 프로그램 제시

[그림 1-40] Quality of Sleep Curation 서비스 구조도

- 56 -

Ÿ 물 섭취를 위한 『Drinking Water Curation』- 물 섭취에 관한 관리 목표 및 실천 가이드라

인 제시를 통해 자가관리서비스 구현

[그림 1-41] Drinking Water Curation 서비스 구조도

Ÿ 생활환경 기반 개인 맞춤형 서비스

ü 물 섭취량 모니터링 및 섭취 패턴 평가

ü 환경 요인, 생활 환경 및 이벤트 발생 모니터링

ü 개인별 신체, 질병, 생활 패턴 분석

ü 개인 맞춤형 물 섭취 관리 서비스 제공

[그림 1-42] 퍼스널 빅 데이터 기반 서비스 시나리오

- 57 -

4-3. 모바일 당뇨관리 서비스 모델 개발 (수행기관: ㈜녹십자헬스케어)

□ 개발목표 - 당뇨환자를 위한 체계적인 식이, 운동, 생활습관관리 및 모니터링을 통해 합병증을

예방하고 건강을 증진시켜주는 서비스를 제공함.

[그림 1-43] 모바일 당뇨관리서비스 흐름도

[그림 1-44] 모바일 당뇨관리 서비스 관리체계

□ 개발내용

Ÿ 녹십자헬스케어는 만성질환관리 서비스의 일환으로 당뇨관리 서비스 모델을 구축/운영함.

Ÿ 자사가 보유한 활동량계 Walkie+D 와 혈당 측정치를 통합 연동한 Walkie+Glucose Solution

을 환자에게 제공함.

Ÿ WALKIE+ G를 활용한 모바일 당뇨관리 서비스는 측정된 혈당치와 일상 활동량을 연계시켜

서 운동에 의한 혈당치 관리 효과를 시각적으로 보여줘 환자로 하여금 생활 습관을 바꿀

수 있도록 유도하는 서비스임.

Ÿ 당뇨환자를 위한 체계적인 식이, 운동, 생활습관관리 및 모니터링을 통해 합병증을 예방하

고 건강을 증진시켜주는 서비스를 제공함.

[그림 1-45] 모바일 당뇨관리(WALKIE+ G)의 결과 화면

- 58 -

□ 서비스 제공자의 우수성

Ÿ 녹십자헬스케어는 건강관리 솔루션 및 서비스 제공 전문기관으로서 만성질환 관리를 위해

전국적인 진료협력 네트워크를 구축하고 있음.

Ÿ 또한 웰니스 서비스 제공을 위한 서비스 기술 및 콘텐츠 개발, 활동량 측정을 위한 활동량

계 개발, 건강관리 서비스 프로그램 설계 및 개발 등의 사업 역량을 보유하고 있음.

Ÿ 각 과목별로 상담의사가 있으며 특히 혈당관리에 있어서는 의사 박민수, 김대영 등의 전문

의가 상담 서비스를 제공함.

지역 병원명 지역 병원명

서울

서울대병원강원

원주기독병원서울아산병원 강릉아산병원

연세대신촌세브란스 충남 단국대병원삼성서울병원 대전 충남대병원서울성모병원

충북충북대병원

강북삼성병원 건국대충주병원여의도 성모병원 전북 원광대병원강남세브란스병원

광주　전남대병원

원자력병원 조선대병원고대안암병원 광주기독병원고대구로병원

부산부산대병원

한양대병원 양산부산대병원제일병원 인제대부산백병원

인천 인하대병원대구

계명대동산의료원

경기

분당서울대병원 영남대병원국립암센터

부천순천향병원한양대구리병원

[그림 1-46] 녹십자헬스케어의 진료협력 네트워크 구축 현황

- 59 -

4-4. 사용자 경험 기반 UI/UX/GUI Design (수행기관: U2시스템)

□ 개발목표 – 자료분석 및 User Research를 통한 서비스 발굴과 전체 서비스 기획(UI, GUI 디자

인) 그리고 전문가 평가를 통한 서비스 및 UI, GUI 검증을 수행함

Ÿ 헬스산업 및 서비스 동향 조사, 웨어러블 디바이스와 연계된 UX 및 서비스 관련 이슈 발굴

Ÿ On-line Survey 등 UX Research를 통한 사용자들의 라이프 스타일, 병력, Needs 등을 조사

하여 서비스 발굴

Ÿ 주 사용자의 행태 및 인터페이스 기술 동향을 고려한 서비스 및 UX 컨셉 수립

Ÿ 다양한 병력에 따른 사용자들의 신체적 약점을 고려한 맞춤형 UI, GUI 디자인 (e.g. 시력저

하 등을 고려한 Color Guide 개발)

Ÿ 서비스 및 UX 전문가에 통한 서비스, UI, GUI 검증

Ÿ Paper Prototype 기반의 전문가 평가를 통해 서비스의 유용성 및 매력도, 인터페이스

□ 개발내용

Ÿ Mobile Survey를 통한 Life Log 수집

ü Web이나 면접원을 통한 기존 설문 방식은 시간과 장소의 제약이 있을 뿐 아니라 설문

참여자들의 부담이 크므로 서비스 app의 구조를 mobile survey 통합이 가능하도록 개발

하여 참여자들이 언제 어디서나 자유롭게 설문에 참여할 수 있도록 함.

ü 응답시간이 짧고 내용이 가벼운 poll, quiz 형태의 survey를 주기적으로 실시, 참여자들이

거부감이나 부담감 없이 자신의 life log를 제공하게 함.

ü Text 기반의 survey에서 벗어나 특정 주제 및 테마를 제시, 그에 맞는 사진이나 동영상

을 참여자들이 생성하도록 유도하여 생생한 실생활 데이터를 수집함.

ü Title, 기여도, Reward 등의 Gamification 요소를 넣어 참여자의 지속적인 관심과 동기부

여가 가능하게 함.

ü Survey Authoring Tool을 통해 다양한 유형의 survey를 쉽게 저작하게 하며, Panel(사용

자 그룹)별, 개인별로 최적화된 설문항목을 자동으로 생성하게 함.

[그림 1-47] Survey Authoring Tool 화면 예시

Ÿ 개인의 Life Pattern과 상황인식(Context Awareness)를 통한 최적화된 recommendation

ü 일차원적이고 단순한 통계 기반의 Information service에서 사용자의 life log data를 활용

- 60 -

한 고도화된 curation service로 제공

ü 지속적인 서비스를 통해서 건강한 생활 습관으로 변화 유도

ü 개인의 Life pattern 및 context에 맞는 맞춤형 정보 제공

Ÿ Log data 수집을 통한 서비스 App UX에 대한 실증적 검증

ü LAP(Log Analysis Program)을 통해 서비스 App에 대한 사용 log를 일정기간 수집하여 사

용자의 behavior data, 서비스 사용행태나 패턴, 특정 메뉴나 콘텐츠에 대한 반응을 기술

적으로 분석함.

ü 특이한 사용행태나 패턴을 보이는 user group은 FGI(Focus Group Interview) 등의 정성적

방법론을 통해 의도와 동기를 추가 분석함.

[그림 1-48] User Experience 이슈 검증을 위한 로그 분석 프로세스

[코어5: S/W 개발 및 인프라]

5-1. 소프트웨어 개발 방법론 (수행기관: 전기관)

□ 개발목표 – 정량화된 소프트웨어 개발 방법론에 따른 각 컴포넌트 구축 및 통합

[그림 1-49] Agile Approach 기반 소프트웨어 개발 방법론

□ 개발내용

Ÿ 각 수행기관에서 개발할 세부 컴포넌트들의 효율적인 개발 및 통합을 위한 소프트웨어 개

발방법론에 관연 연구 수행

ü 퍼스널 빅데이터 플랫폼 환경을 고려한 소프트웨어 개발

- 61 -

ü 사용자 및 개발자의 요구사항에 빠르게 적응할 수 있는 개발 방법론 연구 수행

ü 기존 소프트웨어 개발 방법론에 주로 적용되는 방법론 채택 및 이를 바탕으로 다양한

요구와 변화에 적응할 수 있는 애자일(Agile) 방법론 채택

5-2. 클라우드 기반 마이닝마인즈 플랫폼 구축 (수행기관: 경희대학교, 포항공과대학교)

□ 본 과제 수행을 위한 전문 설비

Ÿ 경희대 클라우드 클러스터와 POSTECH 클러스터를

본 과제 개발 시 공동 인프라로 사용한다. 참고로

POSTECH 클러스터는 150노드의 Dell PowerEdge

R610 랙 서버 클러스터로 구성되어 있으며 각 노

드는 24 GB 메모리, 3 TB 하드 디스크 공간 및 2

개의 헥사 코어 CPU 사양을 가지고 있음 (총 1800

core CPUs, 3600GB 메모리, 450TB 디스크).

Ÿ 이를 이용하여 소수 기업들만 가능하였던 지능형

검색 엔진 개발, 대용량 데이터 처리와 같은 데이

터 중심의 연구 프로젝트를 수행할 수 있는 능력을

갖추었으며 실제로 이미 cluster를 이용하여 Sun

Grid Engine (SGE), Message Passing Interface (MPI), 하둡 (Hadoop) 등을 이용하여 분산처리,

멀티코어 프로그래밍의 논문 실험, 본 과제 연구 등에 활용함.

Ÿ 클러스터 서버에서 본 과제에서 사용될 HDFS, MapReduce를 이용한 배치처리, In-memory

processing을 위한 Spark, Real-time query처리를 위한 Impala 등 다양한 분산환경의 오픈소

스 소프트웨어를 활용하기 위한 인프라 환경을 제공함.

[그림 1-51] 클러스터 서버 시스템 구성 소프트웨어 구조도

[서비스모델 시범운영 및 확산-한국컨설팅서비스협회]

□ 목표 – 기술/서비스를 업계가 원하는 방향으로 검증하며 개발해 나갈 수 있도록, 개별 기업차

원이 아닌, 대표성있는 단체를 통하여 현실성 있는 결과 도출 체계 마련

□ 확산방안

Ÿ 서비스 모델의 요구사항 분석을 위한 업계수요조사

ü 30개 업체에 대한 수요조사

- 10개 업체 방문 인터뷰

[그림 1-50] POSTECH이 보유하고

있는 클라우드 시스템

- 62 -

- 20개 업체 설문지 배포 및 수거

ü 개발될 3대 서비스 모델에 대한 업계의 요구사항 조사

Ÿ 서비스모델 개선을 위한 서비스 타당성 조사

ü 30개 업체에 대한 타당성 조사

ü 서비스 모델의 실제 적용을 위한 업계 입장의 경제성, 실현성 등 타당성 조사

Ÿ 2차에 걸친 서비스모델 시범운영을 통한 응용확장 영역 및 응용 서비스 발굴

ü 3대 서비스 모델 시범운영

- 헬스케어서비스 업체 및 헬스케어IT, 모바일헬스케어 업체 등 참여하여 서비스

시범운영

- 업계 간담회 개최를 통한 서비스 모델 검증

ü 추가적인 서비스 요구사항 및 개선사항 발굴

ü 개발된 서비스 모델에 대한 응용 확장 영역 / 응용 서비스 발굴

- 63 -

(2) 2차년도

➀ 개발 목표

기관 개발 목표

경희대학교(주관기관)

1. 마이닝마인즈 플랫폼 시스템 구현

2. 이 기종 데이터 습득기술과 빅 데이터 Persistence 모듈 설계 및 구현

3. 확장된 저수준 상황인지 엔진 개발

4. 피드백 분석 모듈 설계 및 개발

5. 익명화 기술 모듈 설계 및 구현

6. 프라이버시 데이터 정보보호 기술 설계 및 개발

7. 마이닝마인즈 플랫폼 시스템 통합 및 성능평가

8. 빅 데이터 분석 및 시각화 기술 개발

9. 마이닝마인즈 라이프로그 온톨로지 설계 및 개발

10. 분산된 라이프로그 데이터에서 온톨로지 추론 기술 개발

11. 고수준 상황인지 엔진 설계 및 구현

12. 라이프로그 기반 개인화된 예측기술 설계 및 구현

포항공과대학교

13. 비정형 데이터 의미 분석 기술 개발

14. 효율적인 데이터 분할 기법 설계 및 프레임워크 설계

15. 스트리밍 프로세싱을 위한 프레임워크 설계, 개발

16. 추천기술 서베이 및 베이스라인 구현

17. 이종 데이터를 활용한 추천 시스템 프레임워크 개발

호주 UTAS

18. 빅 데이터 지식기반 시멘틱 추론 기술 개발

19. 지식 관리 프레임워크 설계 및 개발

20. 지식기반 추천 프레임워크 설계 및 구현

21. 지식기반 규칙 저작 툴 설계 및 개발

한국생산기술연구원 22. 라이프 매니지먼트 서비스 모델 분석 및 정량화 모형 개발

(주)녹십자헬스케어

23. 운동/영양 통합 서비스 제공 프로토타입 모바일 어플리케이션 제작

24. 영양 관리 전문가 피드백 서비스 고도화

(주)타파크로스

25. 온라인 수집엔진 확장

26. RSS / API 수집엔진 확장

27. 퍼스널데이터 의미기반 분석엔진 개발 고도화

28. 퍼스널데이터 수집 및 분석 데이터 처리 기술 설계

(주)유투시스템

29. 서비스 발굴을 위한 User Research * On-line Survey

30. 서비스 2차 발굴 및 정의

31. 전체 서비스 컨셉 UI 고도화

32. UX/UI 컨셉 디자인

33. 서비스 2종의 Mobile App UI, GUI 개발

34. 개발 피드백을 적용한 UI, GUI 수정

35. 서비스 검증을 위한 전문가 평가

한국 컨설팅 서비스협회

36. 서비스모델 개선을 위한 서비스 타당성 조사

- 64 -

➁ 개발 내용 및 범위

□ 본 과제는 개발목표의 성격에 따라 4개의 큐레이션 계층과 이를 지원하는 지원 계층으로 구

성되어 있으며, 각 과제에 포함되는 모듈은 각 참여기관의 연구 특성에 맞게 분담하여 개발

함. 제안하는 시스템은 연구기관 간의 유기적인 연동이 중요시되며, 아래 그림은 제안하는 연

구의 세부 모듈 구조 및 전체 데이터 흐름도를 나타냄.

[그림 1-52] 퍼스널 빅데이터기반 마이닝마인즈 플랫폼의 모듈별 구조도

코어명 컴포넌트명 참여기관

Data Curation1-1 데이터 습득 경희대학교1-2 데이터 스트리밍 경희대학교, 포항공과대학교1-3 라이프로그 표현과 매핑 경희대학교

Information Curation

2-1 저수준 상황인지 경희대학교, ㈜타파크로스2-2 고수준 상황인지 경희대학교2-3 장기/단기 행동 패턴 분석 경희대학교

Knowledge Curation

3-1 Data-driven 지식 생성 및 추론 호주 UTAS, 경희대학교3-2 Expert-driven 지식 생성 및 관리 호주 UTAS, 경희대학교

Service Curation4-1 서비스 Orchestrator 경희대학교

4-2 추천 컨텐츠 생성 경희대학교4-3 개인화 추천 분석 경희대학교, 포항공과대학교

Supporting Layer

5-1 보안 및 개인정보 보호 경희대학교5-2 데이터 분석 및 시각화 경희대학교, ㈜유투시스템5-3 피드백 매커니즘 경희대학교

Life-ManagementServices

6-1 서비스모델 정량화 지표 한국생산기술연구원6-2 라이프스타일 행동강화 서비스 모델 개발 ㈜녹십자헬스케어6-3 사용자 경험 기반 UI/UX/GUI Design ㈜유투시스템

- 65 -

[1. Data Curation Layer]

□ 개발목표 – 다양한 센서 디바이스, 웹, SNS 등으로부터 개인 데이터를 수집 저장하고 퍼스널

빅 데이터를 라이프로그 온톨로지로 구축하고 관리하는 기능을 수행함.

1-1. 데이터 습득 코어 컴포넌트 (수행기관: 경희대)

□ 개발목표 - 실시간 멀티모달 센서(모션 센서, 스마트폰, 웨어러블 디바이스) 데이터를 동기화,

수집하고 이를 기반의 행위/감성/상황정보, 활동량계, 소셜 및 피트니스 측정 데이터 기반의

생활 이벤트 데이터를 분석 하는 클라우드 기반 빅 데이터 플랫폼으로 구축/처리함.

[그림 1-54] 데이터 습득 모듈의 기능적 구조도

[그림 1-53] Data Curation Layer의 기능적 구조도

- 66 -

□ 개발내용

Ÿ Auto Data Labeling - SNS 등의 소셜 미디어 데이터는 XML 혹은 JSON 포맷 기반으로 인

터프리터를 요구하며, 웨어러블 센서 데이터는 형식이 통일되지 않아 데이터간의 관계 파

악이 어려우므로 수집되는 데이터에 대해 위치, 사용자, 시간 등의 이벤트 태그를 붙임.

Ÿ Data Synchronizer - 실시간 이기종 멀티모달 센서 (모션센서, 스마트폰, 웨어러블 디바이

스)의 데이터 수집 시간과 통신 지연 시간을 고려하여 동기화 해줌

Ÿ Data Analysis - 데이터에 대한 필터링 과정을 수행하며, Quality control(다섯가지 필터로

이루어져 있으며, 성능과 정확도 사이에 균형을 유지) 및 Data Provenance(전송/변환 과정

중에 손상된 데이터를 판별하여 재사용이 가능한 데이터를 선별) 방식으로 이루어짐.

Ÿ Data Preservance - 시각화 및 다른 컴포넌트에서의 사용을 위해 데이터를 온톨로지 기반

의 표준으로 변환하는 작업을 함. 이 표준에 변화가 생길 경우, 자동으로 모든 데이터가

표준에 맞게 변화됨.

□ 우수성 및 차별성

Ÿ 오프라인 및 온라인 레이블 데이터 처리를 위한 맞춤형 데이터 분석 필터 기술

Ÿ 데이터의 불필요성, 불일치성을 해결하기 위한 우선순위 테이블 생성/활용

Ÿ 데이터 충돌을 해결하는 기계학습 기반 데이터 확인 모듈

Ÿ 노후된 데이터의 제거로 인한 데이터 분석의 효율성

Ÿ 데이터 보존을 위한 온톨로지 표준의 사용

1-2. 데이터 스트리밍 (수행기관: 경희대학교, 포항공과 대학교)

□ 개발목표 - HDFS에 저장된 데이터에 대한 실시간 접근 및 다른 모듈과의 연동을 위한 정형

화된 데이터 라이프로그 온톨로지 구조 생성 기술을 제공함.

[그림 1-55] 모듈의 기능적 구조도와 시퀀스 다이어그램

□ 개발내용

Ÿ Data Streaming - HDFS로의 실시간 접근을 가능하게 하며 4개의 서브모듈(QoS

Control/Protocol, Mediator, Stream loader, Storage/Cache)로 구성됨

- 67 -

Ÿ Intermediate data generation - 다른 컴포넌트로부터 요청된 데이터를 저장하기 위하여 정

황화된 데이터 구조를 생성하며 5개의 서브모듈(Data Reader, Direct/Auto Query Library,

Data Exporter, Feature based Query Library, Life-log Creation Agent)로 구성됨.

□ 우수성 및 차별성

Ÿ 마이닝마인즈 컴포넌트들에 대한 품질관리 통신 프로토콜 구축

Ÿ 캐쉬 및 HDFS로부터 요구사항에 맞는 데이터 자동 선택

Ÿ 최근 혹은 로드가 빈번한 데이터를 위한 맞춤형 캐쉬 구축

Ÿ Intermediate 데이터베이스 생성을 위한 쿼리의 자동 생성

Ÿ 실행 과정에서 Intermediate 데이터베이스 스키마 생성

1-3. 라이프로그 데이터 표현과 매핑 (수행기관: 경희대학교)

□ 개발목표 - 멀티모달 센서, SNS 등으로부터 얻은 데이터를 온톨로지 기반의 라이프로그 데이

터 표현으로 변환하는 기술을 제공함

[그림 1-56] 모듈의 기능적 구조도와 시퀀스 다이어그램

□ 개발내용

Ÿ Curation Data Representation - 큐레이션 데이터를 식별, 분류하여 데이터의 소스 및 속

성에 따라 적합한 데이터 표현 모델을 선택하여 데이터를 표현하며 4개의 걔층에 대한 서

브모듈(Data Representation, Information Curation, Service Curation, Supporting

Representation)로 구성됨

Ÿ Ontology Persistence - OWL 데이터로부터 객체, 속성 및 관계를 추출하고, 추출된 자원

을 식별하고 클래스를 맵핑함. 클래스의 속성, 관계, 레이블을 파악하고 맵핑 후 각각에

- 68 -

인스턴스를 생성 및 다양한 표현 모델을 통해 나온 맵핑된 데이터의 구문 및 의미를 검

사하며 2개의 서브모듈(Schema Syntax Validator, )로 구성됨.

Ÿ Ontology Retrieval - 사용자의 라이프로그 데이터 검색을 위한 Query Manager 모듈과

Data Retrieval 모듈로 구성됨.

□ 우수성 및 차별성

Ÿ 데이터의 소스 및 속성에 따른 라이프로그 데이터 분류 및 카테고리화

Ÿ 데이터의 속성에 따른 동적인 표현 모델의 선택

Ÿ 멀티 소스 데이터 표현 스키마를 통해 라이프로그 데이터를 저장하고 관리함

Ÿ Semantic Validator를 통해 동적인 온톨로지의 의미를 검사함

[2. Information Curation Layer]

□ 개발목표 – 수집된 다양한 개인데이터로부터 개인화된 특징 추출을 거쳐 행위, 감정, 위치,

상황 등 개인 정보를 인지하고 추론하며, 이를 기반으로 라이프패턴의 예측과 추론을 수행함.

[그림 1-57] Information Curation Layer의 기능적 구조도

- 69 -

2-1. 저수준 상황인지 (수행기관: 경희대학교, 타파크로스)

□ 개발목표 - 멀티모달 센서(뎁스 및 모션 센서, 스마트폰, 웨어러블 디바이스) 기반의 행위/감

성/상황정보, 활동량계, 소셜 및 피트니스 측정 데이터 기반의 라이프 이벤트 데이터를 수집

하고 분석하는 기술을 제공함

□ 개발내용

Ÿ Twitter Analysis - 트위터의 데이터를 얻어와 비속어 필터링 등의 전처리 과정 후 자연

어 처리를 통하여 얻은 정보를 토대로 사용자의 프로파일을 생성함.

Ÿ Trajectory Analysis - SNS에 남겨진 시간 및 위치 정보를 기반으로 데이터가 수집된 장소

를 알아내어 사용자의 경로를 추적함.

Ÿ Wearable and Physiological Sensor based Activity Recognizer – 여섯가지 기본 일상생활

(서기, 걷기, 뛰기, 자전거 타기, 등산, 점프 등) 패턴을 인지하는 Data Acquisition, Feature

Extraction Classification 그리고 Recognition 엔진을 개발함.

Ÿ Smartphone-based Activity Recognizer - 스마트폰의 소지방향에 무관하도록 가속도와 자

이로스코프를 이용하여 사용자의 행위(서기, 버스탑승, 지하철 탑승 등)를 인지함

Ÿ Multimodal Emotion Recognizer – Audio 데이터와 Video 데이터를 기반으로 사용자의 감정

을 인지하고 베이지안 결정 이론을 사용하여 최종적으로 분류된 감정결과를 도출하는

Decision Fusion 엔진 개발

Ÿ Food Recognition - 사용자가 섭취하는 음식을 카메라 디바이스를 통해 사진으로 저장하

고 이를 이미지 분석을 통해 음식을 식별하고 빅 데이터 기반으로 음식 사진 볼륨을 판단

□ 우수성 및 차별성

Ÿ 클라우드 컴퓨팅 기반 행위 모델링 및 분석

Ÿ 다양한 소스로부터 얻은 상황 정보의 통합

[그림 1-58] 모듈의 기능적 구조도와 시퀀스 다이어그램

- 70 -

2-2. 고수준 상황인지 (수행기관: 경희대학교)

□ 개발목표 - 저수준 상황인지 데이터를 기반으로 데이터 및 Classifier 융합을 통해 고수준의

상황추론을 위한 기술을 개발함

[그림 1-59] 모듈의 기능적 구조도

□ 개발내용

Ÿ Context Controller - 다양한 소스로부터 수신된 다양한 종류의 데이터를 하나의 라이프

로그 기반 온톨로지 포맷으로 변환시킴.

Ÿ Context Reasoner - 데이터가 온톨로지 데이터 모델로 구성되었을 경우 match making 알

고리즘을 수행함. 데이터에 룰이 포함되어 있을 경우 룰을 따로 추출하여 룰 기반 필터링

알고리즘을 수행함.

Ÿ Context Fusion - 서로 다른 시간 및 공간에서 수신된 상황정보를 기존의 관련 있는 정보

와 융합하여 복잡하고 정교한 상황정보를 생성함

□ 우수성 및 차별성

Ÿ 상황 정보, 사용자 프로필 정보, 정보의 표현 등을 온톨로지를 사용하여 모델링

Ÿ 상세한 상황 분석 이후 지식 기반 접근법을 사용

2-3. 장기/단기 행동 패턴 분석(수행기관: 경희대학교)

□ 개발목표 - 라이프로그 정보를 기반으로 사용자의 단기적/장기적 행위를 분석하는 기술 개발

[그림 1-60] 모듈의 기능적 구조도

- 71 -

□ 개발내용

Ÿ Behavior Analysis - 사용자의 상황정보 및 축적된 라이프로그 기반으로 사용자의 라이프

패턴 스타일을 파악하고 이를 정규화된 데이터 포맷으로 추출함.

Ÿ Behavior Data Modeling & Processing - 사용자의 행동패턴 데이터를 정규화된 포맷으로

모델링하는 기술로 행동 특징들에 대한 구분과 행동 설명을 태깅 함.

Ÿ Mediator - 사용자 행동패턴 데이터를 Service Layer 계층과 전송 및 데이터 요청하는 통

신 모듈임.

□ 우수성 및 차별성

Ÿ 클라우드 컴퓨팅 기반 행위 모델링 및 분석

Ÿ 다양한 소스로부터 얻은 상황 정보의 통합

Ÿ 고수준 상황 정보, 사회 생활 정보 및 섭취 음식 정보 등 질적인 정보의 확보

Ÿ 사용자 소셜 미디어 정보, 라이프 로그를 통한 라이프 스타일 정보 등 양적인 정보 확보

Ÿ 개별 사용자에 맞춘 개인화된 행위 분석 및 추천 제공 기술

Ÿ 최적화된 라이프스타일 정보 마이닝 및 행위 예측 기술

Ÿ 행위 분석을 위한 유연한 지식 기반 추론 엔진

[3. Knowledge Curation Layer]

□ 개발목표 – 사용자에게 마이닝마인즈 고수준 서비스의 제공을 위한 서비스관련 전문가 지식

을 생성하고 이를 추론하는 기능을 제공함.

[그림 1-61] Knowledge Curation Layer의 기능적 구조도와 시퀀스 다이어그램

3-1. Data-driven 지식 생성 및 추론 (수행기관: 호주 UTAS, 경희대학교)

□ 개발목표 – 축적된 전문가 케이스 데이터를 기반으로 자동으로 지식 및 규칙을 생성하고 적

합한 머신러닝 알고리즘 선택을 통해 최적의 성능을 내는 지식기반 추론 기능을 제공함.

- 72 -

[그림 1-62] Data-driven 지식 생성의 기능적 구조도

□ 개발내용

Ÿ Data Broker Interface - 전문가 케이스 데이터를 쿼리 정형화를 통해 불러오고 지식베이

스 스키마로 변형함.

Ÿ Algorithm Selector - 지식베이스 스키마로 변형된 데이터를 기반으로 다수의 기계학습 알

고리즘을 적용해 최적의 기계학습 알고리즘을 선택함.

Ÿ Learner - 전문가의 케이스 데이터와 선택된 기계학습 알고리즘을 통해 데이터를 훈련하

고 지식베이스 규칙을 생성함.

Ÿ Rule Validator - 기계학습을 통해 생성된 규칙을 검증하기 위해 관련된 케이스 데이터를

추출하고 비교하여 지식 베이스를 업데이트 함.

□ 우수성 및 차별성

Ÿ 전문가 케이스 지식 데이터 기반 규칙 생성

Ÿ 최적의 기계학습 알고리즘 자동 선택

Ÿ 생성된 규칙 검증 및 업데이트

3-2. Expert-driven 지식 생성 및 관리 (수행기관: 호주 UTAS, 경희대학교)

□ 개발목표 – 서비스 제공자의 지식을 지식습득 툴을 통해 Meta Knowledge를 생성하고 이를

기반으로 지식 관리 기능을 제공함.

□ 개발내용

Ÿ Knowledge Aquisition Editor - 서비스 제공자 지식을 지식공학자 없이 지식베이스를 구축

- 73 -

하고 수정, 삭제, 관리할 수 있는 Editor.

Ÿ Rule Builder - 전문가가 입력한 데이터를 지식 베이스화 하여 규칙을 트리형태로 표현하

는 기술로 전문가가 자신의 지식을 직접 확인하고 수정, 삭제, 관리 가능하도록 함.

Ÿ Evidence Support - 전문가가 직접 생성한 지식을 검증하기 위한 기존의 증거 데이터를

검색, 비교하여 지식베이스를 관리함.

[그림 1-63] Expert-driven 지식 생성의 기능적 구조도

□ 우수성 및 차별성

Ÿ 전문가 지식 습득 에디터

Ÿ 축적된 증거 데이터 기반 전문가 지식 지원 기술

Ÿ 고 수준 지식베이스 생성을 위한 지식 관리 기술

[4. Service Curation Layer]

□ 개발목표 – 사용자에게 마이닝마인즈 개인화 맞춤형 서비스의 제공을 위해 사용자 프로파일

링 정보, 상황 정보를 활용하여 추천 서비스 생성, 선택함.

[그림 1-64] Service Curation Layer의 기능적 구조도

- 74 -

4-1. 서비스 Orchestrator (수행기관: 포항공과대학교)

□ 개발목표 - 사용자에게 개인화된 맞춤형 라이프매니지먼트 서비스 제공을 위한 목표 설정 및

서비스를 관리함.

[그림 1-65] Service Orchestrator의 기능적 구조도

□ 개발내용

Ÿ Input/Output Adapter - 제공될 서비스 정보를 타 레이어(데이터 큐레이션, 지원 계층)와

통신하는 모듈.

Ÿ Event Handler - 서비스 제공 시기에 정확한 서비스를 UX/UI 기반으로 제공하기 위한 이

벤트 핸들러 모듈.

□ 우수성 및 차별성

Ÿ 개인화된 서비스 관리 및 동기화

Ÿ 시기적절한 UX/UI 기반의 개인화 서비스 제공 기술

4-2. 추천 컨텐츠 생성 (수행기관: 포항공과대학교)

□ 개발목표 - 사용자에게 제공될 다양한 형태의 라이프매니지먼트 서비스를 생성하고 규칙 기

반 서비스 추론 및 케이스 기반 서비스 추론 기술을 제공함.

[그림 1-66] Recommendation Builder 의 기능적 구조도

- 75 -

□ 개발내용

Ÿ Rule base Reasoning - 사용자의 프로파일링 및 상황정보를 기반으로 생성된 전문가의 규

칙에 따라 제공될 서비스를 생성하고 추론함.

Ÿ Case-based Reasoning - 기존의 서비스 제공 이력을 기반으로 사용자에게 제공될 서비스

를 선택하고 추론함.

□ 우수성 및 차별성

Ÿ 정형화된 라이프매니지먼트 서비스 생성 및 제공 기술

Ÿ 규칙 기반 및 케이스 기반 서비스 추론 기술

4-3. 개인화 추천 분석 (수행기관: 포항공과대학교)

□ 개발목표 - 사용자에게 제공될 다양한 형태의 라이프매니지먼트 서비스를 필터링하고 선택하

여 개인화된 맞춤형 서비스를 제공함.

[그림 1-67] Recommendation Interpreter의 기능적 구조도

□ 개발내용

Ÿ Query Manager - 사용자의 프로파일링, 상황정보 및 전문가 지식을 불러오기 위한 Query

를 생성함.

Ÿ Filterer - 사용자에게 제공된 라이프매니지먼트 서비스 이력을 분석하고 사용 패턴을 인

식하여 사용자에게 적합한 타 서비스를 필터링함.

Ÿ Explanation Manager - 제공될 추천 서비스 명시를 위한 설명, 외부 링크, 추천 서비스를

정재함.

□ 우수성 및 차별성

Ÿ 개인화된 라이프매니지먼트 서비스 사용이력 기반 Collaborative Filtering 기술

Ÿ 전문가 지식을 반영한 라이프매니지먼트 서비스 Knowledge-based Filtering 기술

Ÿ 제공될 서비스의 콘텐츠를 개인 맞춤형으로 제공하는 Content-based Filtering 기술

- 76 -

[5. Supporting Layer]

□ 개발목표 – 사용자에게 마이닝마인즈 개인화 데이터를 암호화, 시각화 및 사용자의 의견을 수

렴할 수 있는 피드백 매커니즘 기술을 지원함.

[그림 1-68] Supporting Layer의 시스템 구조도

5-1. 보안 및 개인정보 보호 (수행기관: 경희대학교)

□ 개발목표 - 멀티모달 센서, SNS, Web, 의료 데이터 등 개인의 정보 보안을 위한 데이터 보안

/프라이버시를 제공함.

[그림 1-69] 모듈의 기능적 구조도

□ 개발내용

Ÿ Security and Privacy - 데이터 스토리지를 암호화하여 보안성을 높임. 정보가 HDFS에 저

장될 때 및 불러올 때 지속적으로 암호화 및 복호화 작업 발생.

- 77 -

Ÿ Oblivious Evaluator - 본 연구에서는 데이터 처리를 요청할 때 암호화된 데이터를 그대로

처리하는 방법을 통해 보안을 강화함.

Ÿ Data Anonymizer : 인증된 사용자만이 서비스에 접근 가능하도록 하는 Authorized Access

모듈과 연구 목적 등의 데이터 공개를 위해 사용자 동의를 거친 사용자에 한해 개인 정보

노출 없이 정보를 제공함.

□ 우수성 및 차별성

Ÿ 독자적인 암호화 기법을 사용하여 보안 성능을 높이며, 복호화 과정 없이도 암호화된 데

이터의 처리가 가능하여 보안 기능을 높이고 시스템의 전체적인 연산속도를 증가시킴

Ÿ Private matching 기술을 통해 오프라인 공격에 대한 강화 및 시스템의 전체적인 연산 속

도를 감소시킴

5-2. 시각화 (수행기관: 경희대학교, (주)유투시스템 )

□ 개발목표 - 멀티모달 센서, SNS, Web 등으로부터 얻은 로우 데이터에 대해 사용자가 직관적

으로 알아보기 쉽도록 시각화하는 기술을 제공함

[그림 1-70] 1-4 모듈의 기능적 구조도와 시퀀스 다이어그램

□ 개발내용

Ÿ Parameter Tuning - 수분석 및 통계적 분류를 수행함. 수치 분석에서 용량, 회수, 크기 및

임계값에 따라 파라미터를 조율하며 통계적 분류 요구사항에 따라 파라미터를 조율함.

Ÿ Content Representation - 정략적 표현 및 인포그래픽 방법을 사용하여 복잡한 정보를 명

확하게 도식화하여 나타내며, 사용자 데이터에 대한 패턴 및 동향 분석을 용이하게 함.

Ÿ Data Model Rendering - 렌더링을 위해 입력 데이터를 세그멘테이션 함.

□ 우수성 및 차별성

Ÿ 그래프를 그리기 위한 핵심 특징의 추출

Ÿ 데이터에 대한 이해도를 높이는 직관적인 그래프의 생성

- 78 -

5-3. 피드백 분석 (수행기관: 경희대학교)

□ 개발목표 - 개인화 라이프로그 및 지식 추론 모델 기반의 건강관리/중진 피드백을 위한 분석

기술을 제공함. 사용자는 서비스를 사용하는 즉시 피드백이 가능하며, 여기에는 서비스에 대

한 평가, 만족도, 기타 의견 등을 보낼 수 있음. 또한, 시스템이 추론한 사용자의 현재 상황에

대한 정확성에 관계없이 상황 정보의 피드백이 가능함.

□ 개발내용

Ÿ Feedback Collector - 사용자에게 제공된 큐레이션 서비스에 대해 사용자가 시스템에 피드

백을 보낼 수 있도록 하며 시스템은 사용자의 행위/상황의 변화를 자동으로 인지하여 사

용자에게 피드백을 받기 위한 프롬프트를 띄움.

Ÿ Evaluation Protocol - 수신된 피드백 정보에 대하여 교차 검증 및 독자저인 기법을 통해

평가를 수행하며, 이를 통해 하루 동안에 발생하는 프롬프트의 빈도를 조절하여 사용자의

불편을 최소화하고 보다 정확한 개별 사용자 맞춤형 서비스를 제공함.

Ÿ Update Scheduler - Evaluation protocol에 의해 자동으로 검증된 피드백 정보는 시스템 반

영을 위해 두 가지 독자적인 스케쥴러를 거치며, 사용자에게 전달된 큐레이션 서비스에

대한 정보는 즉각 시스템에 반영되어 서비스의 정확도를 높임.

[그림 1-71] 피드백 분석 모듈의 기능적 구조도와 시퀀스 다이어그램

□ 우수성 및 차별성

Ÿ 사용자의 피드백 정보를 얻기 위한 프롬프트 레이블링 기법 사용.

Ÿ 피드백 로그 관리를 통하여 사용자의 이동 경로, 행위 변화를 추적.

Ÿ 피드백 정보의 검증을 위한 독자적인 평가 프로토콜 사용.

Ÿ 피드백 정보를 시스템에 반영하기 위한 독자적인 스케쥴러 사용.

- 79 -

[6. Services]

6-1. 서비스모델 정량화 지표 (수행기관: 한국생산기술연구원)

□ 개발목표 - 서비스 모델 정량화 지표 개발

Ÿ 생활이벤트 마이닝 마인즈 기반 유망 웰니스서비스의 고객 요구가치 정량화

Ÿ 고객의 서비스 이해도 및 활용도 향상을 위한 사용자 지식콘텐츠 관리 정량화

Ÿ 사용자 중심의 서비스 모델 품질 및 성과 정량화

[그림 1-72] 서비스 모델 정량화를 위한 연구 프로세스

□ 개발내용

Ÿ 서비스 모델 분석 및 고객 요구가치 정량화 모델 수립

ü 서비스 현황과 수요 조사/분석, 서비스 실태 및 문제점 조사/분석

ü 서비스 소비자/중재자 관점에서의 고객 요구가치 정량화 모형 수립

ü 서비스 이해도/활용도 향상을 위한 사용자 서비스 인덱스 모형 개발

Ÿ 서비스 모델 정량화 모형 개발

ü 사용자 경험 및 효용 중심의 웰니스 서비스 품질 정의 모형 개발

ü 생활이벤트 마이닝마인즈 기반 개인 맞춤형 웰니스서비스 프로세스 분석

□ 우수성 및 차별성

Ÿ 고객 서비스를 고객이 이해, 활용 가능한 지식서비스 콘텐츠로 변환하기 위한 인덱스 변

환 알고리즘 개발

Ÿ 고객이 수용 가능하며 비즈니스의 지속성을 확보할 수 있는 새로운 융복합 서비스 개발

6-2. 라이프스타일 행동강화 서비스 모델 개발 (수행기관: ㈜녹십자헬스케어)

□ 개발목표 - 마이닝마인즈 플랫폼에 기반하여 다양한 헬스케어 서비스 제공.

Ÿ 사용자 니즈 조사와 서비스 전달체계 설계

Ÿ 운동, 영양, 수면 관리 영역에서 기존 서비스 현황 및 사례조사

Ÿ 대상자의 건강위험도(건강인, 건강위험군, 만성질환자)에 따른 서비스 요구도 분석

Ÿ 대상자 특성, 생활환경, 생활이벤트에 따른 피드백 컨텐츠 및 프로그램 개발

- 80 -

[그림 1-73] 4050 Healthy Life 서비스 모델

□ 개발내용

Ÿ 시니어 진입 전 세대의 라이프 매니지먼트를 통해 만성질환 이환율을 감소시키고 건강한

시니어 라이프를 영위하기 위한 예방적 차원의 서비스 모델로, 서비스 영역별로 기본 목

표를 제시하고, 빅 데이터를 활용하여 개인별 맞춤 서비스를 제공함.

Ÿ 신체활동관리를 위한 『Exercise Curation』- 신체활동패턴 분석에 따른 신체활동 증진 목

표 및 실천 가이드라인 제시를 통해 자가관리서비스를 구현함

Ÿ 생활환경 기반 개인 맞춤형 서비스 리스트

ü 목표 신체활동량 제시, 신체활동량 및 소모 칼로리 모니터링

ü 건강위험군, 만성질환자의 경우 위험도에 따른 운동처방 및 관리 솔루션서비스

ü 빅 데이터를 통해 신체활동에 방해 요소를 찾아내어 습관을 개선해 나갈 수 있도록 맞

춤형 서비스 제공

ü 생활 환경(교통수단 및 활동 패턴 분석 등)에 따른 활동량 증대 방안 서비스

ü 운동 종목, 운동 강도, 운동 방법 등을 모니터 해서 정확한 동작, 효과적이고 올바른

방법 안내 서비스

ü 개별 성향(취미, 활동정도 등)에 따른 맞춤 서비스: 스포츠 및 여가활동 프로그램을 운

영하는 기관, 문화센터, 피트니스 센터 등의 추천 및 운영 정보 제공

- 81 -

[그림 1-74] Exercise Curation 서비스 구조도

6-3. 사용자 경험 기반 UI/UX/GUI Design (수행기관: U2시스템)

□ 개발목표 – 자료분석 및 User Research를 통한 서비스 발굴과 전체 서비스 기획(UI, GUI 디자

인) 그리고 전문가 평가를 통한 서비스 및 UI, GUI 검증을 수행함

Ÿ 헬스산업 및 서비스 동향 조사, 웨어러블 디바이스와 연계된 UX 및 서비스 관련 이슈 발

굴

Ÿ On-line Survey 등 UX Research를 통한 사용자들의 라이프 스타일, 병력, Needs 등을 조

사하여 서비스 발굴

Ÿ 주 사용자의 행태 및 인터페이스 기술 동향을 고려한 서비스 및 UX 컨셉 수립

Ÿ 다양한 병력에 따른 사용자들의 신체적 약점을 고려한 맞춤형 UI, GUI 디자인 (e.g. 시력

저하 등을 고려한 Color Guide 개발)

Ÿ 서비스 및 UX 전문가에 통한 서비스, UI, GUI 검증

Ÿ Paper Prototype 기반의 전문가 평가를 통해 서비스의 유용성 및 매력도, 인터페이스

□ 개발내용

Ÿ Mobile Survey를 통한 Life Log 수집

ü Web이나 면접원을 통한 기존 설문 방식은 시간과 장소의 제약이 있을 뿐 아니라 설문

참여자들의 부담이 크므로 서비스 app의 구조를 mobile survey 통합이 가능하도록 개

발하여 참여자들이 언제 어디서나 자유롭게 설문에 참여할 수 있도록 함.

ü 응답시간이 짧고 내용이 가벼운 poll, quiz 형태의 survey를 주기적으로 실시, 참여자들

이 거부감이나 부담감 없이 자신의 life log를 제공하게 함.

ü Text 기반의 survey에서 벗어나 특정 주제 및 테마를 제시, 그에 맞는 사진이나 동영

- 82 -

상을 참여자들이 생성하도록 유도하여 생생한 실생활 데이터를 수집함.

ü Title, 기여도, Reward 등의 Gamification 요소를 넣어 참여자의 지속적인 관심과 동기

부여가 가능하게 함.

ü Survey Authoring Tool을 통해 다양한 유형의 survey를 쉽게 저작하게 하며, Panel(사

용자 그룹)별, 개인별로 최적화된 설문항목을 자동으로 생성하게 함.

[그림 1-75] Survey Authoring Tool 화면 예시

Ÿ 개인의 Life Pattern과 상황인식(Context Awareness)를 통한 최적화된 recommendation

ü 일차원적이고 단순한 통계 기반의 Information service에서 사용자의 life log data를 활

용한 고도화된 curation service로 제공

ü 지속적인 서비스를 통해서 건강한 생활 습관으로 변화 유도

ü 개인의 Life pattern 및 context에 맞는 맞춤형 정보 제공

Ÿ Log data 수집을 통한 서비스 App UX에 대한 실증적 검증

ü LAP(Log Analysis Program)을 통해 서비스 App에 대한 사용 log를 일정기간 수집하여

사용자의 behavior data, 서비스 사용행태나 패턴, 특정 메뉴나 콘텐츠에 대한 반응을

기술적으로 분석함.

ü 특이한 사용행태나 패턴을 보이는 user group은 FGI(Focus Group Interview) 등의 정성

적 방법론을 통해 의도와 동기를 추가 분석함.

[그림 1-76] User Experience 이슈 검증을 위한 로그 분석 프로세스

- 83 -

(3) 3차년도

➀ 개발 목표

기관 개발 목표

경희대학교(주관기관)

1. 마이닝마인즈 통합 플랫폼 고도화

2. 데이터 큐레이션 다중센서 센싱기술 고도화

3. 정보 큐레이션 기술 고도화

4. 지식 큐레이션 기술 고도화

5. 서비스 큐레이션 기술 고도화

6. 익명화 모듈 및 프라이버시 데이터 정보보호 기술 고도화

7. 비정형 데이터 분석 엔진 고도화

8. 데이터 기반 지식 습득 기술을 위한 하둡기반 패시브 데이터 읽기 기술 고도화

9. 스트리밍 프로세싱기술 고도화

10. UX/UI Authoring Tool 개발

11. 사용자 맞춤형 UX/UI 개발

포항공과대학교

12. 소셜네트워크 데이터를 활용한 추천시스템 개발

13. 정형 및 비정형 혼합데이터를 이용한 추천시스템 개발

14. 피드백을 반영한 추천 시스템 개발

호주 UTAS15. 지식 관리 프레임워크 기술 고도화

16. 지식기반 규칙 저작 툴 고도화

한국생산기술연구원 17. 서비스 모델 적용 임상 데이터 기반 정량화 모형 고도화 방안 설계

(주)녹십자헬스케어

18. 운동/영양 통합 서비스 제공 모바일 어플리케이션 개발

19. 만성질환(당뇨) 관리 서비스 제공 프로토타입 모바일 어플리케이션 제작

(주)타파크로스

20. SNS분석엔진과 마이닝마인즈 플랫폼 엔진 통합

21. RSS / API 수집엔진 성능 평가

22. 퍼스널데이터 의미기반 분석엔진 성능 평가

23. 퍼스널데이터 수집 및 분석 데이터 처리 기술 성능 평가

24. 마이닝마인즈 플랫폼 상용화 비즈니스 모델 성능 평가

25. 시소러스 라이브러리 구축

(주)유투시스템

26. 연령대 및 사용자 경험 수집

27. 서비스 3종의 Mobile App UI, GUI 개발

28. 개발 피드백을 적용한 UI, GUI 수정

29. 서비스 검증을 위한 전문가 평가

(사)한국컨설팅 서비스협회

30. 서비스모델의 확장, 고도화를 위한 비즈니스유형 조사 및 활성화 방안 연구

- 84 -

➁ 개발 내용 및 범위

□ 본 과제는 개발목표의 성격에 따라 4개의 큐레이션 계층과 이를 지원하는 지원 계층으로 구

성되어 있으며, 각 과제에 포함되는 모듈은 각 참여기관의 연구 특성에 맞게 분담하여 개발

함. 제안하는 시스템은 연구기관 간의 유기적인 연동이 중요시되며, 아래 그림은 제안하는 연

구의 전체적인 모듈 구조를 나타냄.

[그림 1-77] 퍼스널 빅데이터기반 마이닝마인즈 플랫폼의 모듈별 구조도

코어명 컴포넌트명 참여기관

Data Curation1-1 센서 데이터 처리 및 라이프로그 저장 경희대학교1-2 퍼스널 빅데이터 저장소 경희대학교

Information Curation

2-1 저수준 상황인지 경희대학교, ㈜타파크로스2-2 고수준 상황인지 경희대학교

Knowledge Curation

3-1 Data-driven 지식 생성 및 추론 호주 UTAS, 경희대학교3-2 Expert-driven 지식 생성 및 관리 호주 UTAS, 경희대학교

Service Curation4-1 서비스 Orchestrator 경희대학교

4-2 추천 컨텐츠 생성 경희대학교4-3 개인화 추천 분석 경희대학교, 포항공과대학교

Supporting Layer

5-1 보안 및 개인정보 보호 경희대학교5-2 데이터 분석 및 시각화 경희대학교, ㈜유투시스템5-3 UI/UX 저작 툴 경희대학교, ㈜유투시스템5-4 피드백 매커니즘 포항공과대학교

Life-ManagementServices

6-1 서비스모델 정량화 지표 한국생산기술연구원6-2 라이프스타일 행동강화 서비스 모델 개발 ㈜녹십자헬스케어6-3 사용자 경험 기반 UI/UX/GUI Design ㈜유투시스템

- 85 -

[1. Data Curation Layer]

□ 개발목표 – 다양한 센서 디바이스, 웹, SNS 등으로부터 개인 데이터를 수집하고, 퍼스널 빅

데이터를 라이프로그 온톨로지로 구축하고 관리/모니터링하며 미래 상황을 예측하는 기능을

수행함.

[그림 1-78] Data Curation Layer의 기능적 구조도

1-1. 센서 데이터 처리 및 라이프로그 저장 (수행기관: 경희대)

□ 개발목표 - 멀티모달 센서 (모션 센서, 스마트폰, 웨어러블 디바이스) 및 웹, SNS로부터 데이

터를 실시간으로 수집, 동기화하며, 인지된 행위/감정/상황정보 등을 사용자의 라이프로그 모

델에 매핑함. 또한 현재 사용자의 상황을 지속적으로 모니터링하며, 생성된 라이프로그를 영

구히 저장함.

[그림 1-79] 센서 데이터 처리 및 라이프로그 저장 모듈의 기능적 구조도

- 86 -

□ 개발내용

Ÿ Data Acquisition and Synchronization - 멀티모달 센서로부터 수집한 데이터를 마이닝 마

인즈 플랫폼 내부의 시간과 동일하게 동기화하는 역할을 수행함. 인메모리 버퍼가 센서

로부터 전송받은 데이터를 저장하는 임시 저장소로 사용되며, 버퍼 동기화가 실행되면

데이터가 동기화되어 향후 데이터가 어떤 시간에 어떤 센서로부터 전달되었는지 파악이

가능함.

Ÿ Life-log Representation and Mapping - 컨텍스트의 매핑과 저장을 통해 라이프로그를 생

성하며, CRUD 명령어를 지원함. 라이프로그는 본 모듈에서 객체 지향 추상인 라이프로그

모델로 표현됨.

Ÿ Life-log Monitoring and Prediction – 전문가가 정의한 위급 상황 발생에 대처하기 위해

라이프로그를 모니터링하는 역할을 수행함. 위급 상황 발생 시 푸쉬 서비스를 통해 사용

자에게 위급 상황을 알리며, 개인화된 예측 모델에 기반하여 사용자에게 발생할 수 있는

다음 상황에 대해서도 알림

□ 우수성 및 차별성

Ÿ 다양한 이기종 데이터를 위한 객체 지향 포현 모델 생성

Ÿ 전문가가 정의한 위급 상황 대비를 위한 실시간 라이프로그 모니터링

Ÿ 위급 상황 대응을 위한 실행 시간 동안의 푸쉬 서비스 생성/전달

Ÿ 사용자의 과거 데이터를 바탕으로 개인화된 예측 정보를 생성

1-2. 퍼스널 빅데이터 저장소 (수행기관: 경희대학교)

□ 개발목표 – 멀티모달 센서 데이터, 웹, SNS 데이터를 큐레이션하여 CRUD 명령어를 이용하여

빅데이터로 저장하며, 시각화와 모델 훈련을 위한 온라인 및 오프라인 기능을 지원함.

[그림 1-80] 퍼스널 빅데이터 저장소 모듈의 기능적 구조도

- 87 -

□ 개발내용

Ÿ Physical Data Storage – 저수준 멀티모달 센서 데이터를 저장하는 모듈. 쿼리들은 Hive

meta-store에 저장됨.

Ÿ Data Persistence – 메시지 모델에 따라 데이터를 분할하는 모듈. 센서 데이터 처리 모듈

로부터 쿼리가 오면 Data writer 모듈이 해당하는 메시지 모델에 따라 쿼리를 분할함.

Ÿ Life Log Synchronizer – 라이프로그의 저장을 담당하는 모듈. 일정한 주기로 라이프로그

를 백업하며, 백업된 데이터는 HDFS 저장소에 보관됨

Ÿ Query Writer – 쿼리의 생성과 실행을 담당하는 모듈. 다른 계층으로부터 데이터 전송 요

청이 들어올 경우 본 모듈이 쿼리를 생성 후 Query Library로 쿼리를 전송함

Ÿ Query Library – Hive 쿼리의 기록과 테스트, 배치를 담당하며, 기록된 쿼리는 Active data

reader로 전송됨.

Ÿ Passive Data Reader – 지식 큐레이션 계층에서 요청한 스키마 정보를 전송하는 모듈

Ÿ Active Data Reader – 지원 계층에서 요청한 쿼리를 바탕으로 데이터의 시각화와 분석을

위한 데이터를 전송하는 모듈

□ 우수성 및 차별성

Ÿ 지능적인 파이프라인을 통한 스트림 중심의 데이터 구조

Ÿ 데이터의 추상화를 통한 다른 계층으로부터의 데이터 저장 위치 보호

[2. Information Curation Layer]

□ 개발목표 – 수집된 다양한 개인데이터로부터 개인화된 특징 추출을 거쳐 행위, 감정, 위치,

상황 등 개인 정보를 인지하고 추론함.

[그림 1-81] Information Curation Layer의 기능적 구조도

2-1. 저수준 상황인지 (수행기관: 경희대학교, 타파크로스)

□ 개발목표 - 멀티모달 센서 (뎁스 및 모션 센서, 스마트폰, 웨어러블 디바이스, 생체 센서) 및

SNS 데이터 기반의 행위, 감정, 위치, 활동량계, 음식, 소셜 및 피트니스 측정 정보를 기반으

로 라이프 이벤트 데이터를 수집하고 분석하는 기술을 제공함

- 88 -

[그림 1-82] 저수준 상황인지 모듈의 기능적 구조도

□ 개발내용

Ÿ Activity Recognizer – 관성 센서와 영상을 이용하여 사용자의 행위를 인지하는 모듈. 관성

센서는 가속도와 자이로가 내재된 스마트폰, 스마트워치, 웨어러블 센서를 이용하며, 소지

위치에 종속적 및 독립적으로 부착하여 인지함. 영상과 관성 센서의 결과를 상호보완하여

최종 행위 결과를 도출함.

Ÿ Emotion Recognizer – 마이크, 카메라, 생체 센서를 이용하여 사용자의 감정을 인지하는

모듈. 마이크로 사용자의 전화통화 등의 음성과, 카메라로 찍은 얼굴 표정, 그리고 심박

센서를 이용하며 각각의 결과를 상호보완하여 최종 감정 결과를 도출함

Ÿ Food Recognizer – 사용자가 찍은 음식 사진을 바탕으로 사용자의 섭취 음식을 추론하는

모듈. 사용자가 찍은 사진의 음식명을 직접 입력하는 태깅 방식과, 딥 러닝 기계학습 알고

리즘을 이용하여 자동으로 사진 속의 음식을 추론하는 방법을 사용함. 인지된 음식 종류

를 바탕으로 고수준 행위인지에서 음식의 영양과 칼로리를 유추하여 사용자 신체 활동 건

강 서비스의 기초 자료로 사용됨.

Ÿ Location Detector – GPS 센서를 기반으로 사용자의 위치를 추적하는 모듈. 사용자가 직접

지정한 POI 및 사용자의 평소 이동 패턴을 기반으로 사용자가 장기간 왕래와 장시간 위치

한 곳의 장소를 추론하고 확인함

Ÿ SNS Analyzer – 사용자가 방문한 SNS의 추적 및 사용 내용을 분석하여 사용자의 트렌드를

분석하는 모듈. 기본적으로 트위터를 중심으로 다양한 SNS를 분석할 예정임

□ 우수성 및 차별성

Ÿ 다양한 종류의 데이터에 기반한 저수준 상황 인지 추론

Ÿ 다양한 소스로부터 얻은 상황 정보의 통합

2-2. 고수준 상황인지 (수행기관: 경희대학교)

□ 개발목표 - 저수준 상황인지 정보를 기반으로 상황 온톨로지 모델 기반의 추론을 통한 고수

준 상황인지 추론 기술을 개발함

- 89 -

[그림 1-83] 고수준 상황인지 모듈의 기능적 구조도

□ 개발내용

Ÿ Context Ontology Manager - 컨텍스트 온톨로지 및 컨텍스트 인스턴스를 위한 저장소를

제공하고 지속적인 컨텍스트 정보를 삽입, 수정, 관리 해주는 모듈.

Ÿ High-level Context Builder - 저수준 컨텍스트 정보를 온톨로지 포맷으로 변환하고 동시에

발생하는 저수준 컨텍스트로부터 분류되지 않은 고수준 컨텍스트 인스턴스를 생성

Ÿ High-level Context Reasoner - 분류되지 않은 고수준 컨텍스트와 컨텍스트 온톨로지 모델

간의 검증을 통해 일관성을 확인/검증하고 구축된 컨텍스트 온톨로지 모델을 기반으로 사

용자의 고수준 컨텍스트를 추론하는 모듈

Ÿ High-level Context Notifier - 추론된 고수준 컨텍스트를 정보 큐레이션 계층의 Life-log

저장소로 전송하는 모듈

□ 우수성 및 차별성

Ÿ 상황 정보, 사용자 프로필 정보, 정보의 표현 등을 온톨로지를 사용하여 모델링

Ÿ 상세한 상황 분석 이후 지식 기반 접근법을 사용

[3. Knowledge Curation Layer]

□ 개발목표 – 사용자에게 마이닝마인즈 고수준 서비스의 제공을 위한 서비스 관련 전문가 지식

을 생성하고 이를 추론하는 기능을 제공함.

[그림 1-84] Knowledge Curation Layer의 기능적 구조도

- 90 -

3-1. Data-driven 지식 생성 및 추론 (수행기관: 호주 UTAS, 경희대학교)

□ 개발목표 – 축적된 전문가 케이스 데이터를 기반으로 자동으로 지식 및 규칙을 생성하고 적

합한 머신러닝 알고리즘 선택을 통해 최적의 성능을 내는 지식기반 추론 기능을 제공함.

[그림 1-85] Data-driven 지식 생성의 기능적 구조도

□ 개발내용

Ÿ Feature Model Manager – 사용자의 프로파일링 정보와 라이프로그 스키마 데이터를 데이

터 큐레이션 계층에서 호출하고, 사용될 특징 정보를 선택하여 특징 모델을 생성함.

Ÿ Preprocessor – 선택된 특징을 기반으로 처리되지 않은 데이터를 로드하여 손실 값 처리,

이산화, 특징 선택 등의 전처리를 수행함.

Ÿ Automatic Algorithm Selection Model Creator – 자동화된 알고리즘 선택 모델을 생성함.

모델 생성 과정에서 알고리즘의 추천을 위해 필요한 데이터로 데이터셋의 메타 특징과 클

래스 레이블이 있음.

Ÿ Algorithm Selector – 데이터셋에서 추출된 데이터에 대하여 최적의 알고리즘을 선택함. 데

이터셋에 대한 메타 특징 추출 후 케이스 기반 추론 모델의 입력으로 전송되며, 유사 함

수에 의해 도출된 알고리즘 증 최상단의 알고리즘을 선택함.

Ÿ Model Learner – Proprocessor 모듈로부터 데이터와 Algorithm Selector 모듈로부터 알고리

즘을 호출하여 분류 모델을 생성하고 저장함

Ÿ Model Translator – 분류 모델에 텍스트 연산을 적용한 후 XML을 파싱하여 룰을 추출함.

- 91 -

□ 우수성 및 차별성

Ÿ 다양한 방법을 이용한 알고리즘에 대한 평가

Ÿ 최적의 기계학습 알고리즘 자동 선택

Ÿ 적합성 기반의 분류 모델 생성

3-2. Expert-driven 지식 생성 및 관리 (수행기관: 호주 UTAS, 경희대학교)

□ 개발목표 – 사용자 친화형 인터페이스 환경을 제공하여 전문가로부터 그들의 지식과 경험을

획득하고, 이를 지식베이스에 저장함.

[그림 1-86] Data-driven 지식 생성의 기능적 구조도

□ 개발내용

Ÿ Rule Editor – 전문가가 지식 공학자의 도움 없이 지식 룰을 생성하도록 보조하는 모듈.

웰니스 개념 모델을 트리 구조로 나타내어 쉽게 선택이 가능하며, 인텔리센스 기능을 도

입하여 자동완성 기능을 포함함.

Ÿ Domain Model Manager – 지식 공학자의 도움 없이 전문가가 직접 웰니스 개념 모델을 관

리할 수 있도록 지원하는 모듈

Ÿ Guideline Manager – 가이드라인은 하나 이상의 룰이 결합된 트리 구조로 이루어지며, 전

문가가 직관적으로 이해하기 쉬우며 기게 역시 해석하는데 어려움이 없음. 본 모듈은 전

문가에 의한 가이드라인의 생성을 보조하는 모듈임.

Ÿ Situation Event Manager – Situation Event는 중요한 특징들로 이루어진 룰을 의미함. 본

모듈은 비정상 상황이 발생한 경우 사용자에게 경고를 전송하며 전문가가 쉽게 비정상 상

- 92 -

황에 대한 룰과 특징을 살펴볼 수 있도록 지원함.

Ÿ Knowledge Transformation Bridge – 사람이 이해 가능한 룰을 컴퓨터가 해석 가능한 룰로

변환시키는 역할을 하며, 관계 스키마 표현법을 사용하여 룰을 지식베이스에 저장함

Ÿ Knowledge Base – 룰을 저장하는 Rulde Base KB와 룰에 대한 상황 이벤트를 저장하는

Index Based Rule로 구성됨.

Ÿ Knowledge Sharing Interface – 비정상 상황을 관찰하기 위해 상황 정보를 공유하는

Situation Event Sharing과 실행 가능한 룰을 공유하는 Rule Index Sharing으로 구성됨

□ 우수성 및 차별성

Ÿ 사용자 친화형 툴의 제공으로 손쉬운 룰 저작 가능

Ÿ 가이드라인 편집기를 이용한 사람과 기계 모두 해석이 쉬운 가이드라인 생성

Ÿ 통일된 가이드라인 템플릿 모델 지원

Ÿ 웰니스 모델 관리자를 이용한 전문가의 웰니스 모델 및 임상 모델 생성

[4. Service Curation Layer]

□ 개발목표 – 사용자에게 마이닝마인즈 개인화 맞춤형 서비스의 제공을 위해 사용자 프로파일

링 정보, 상황 정보를 활용하여 추천 서비스 생성, 선택함.

[그림 1-87] Service Curation Layer의 기능적 구조도

4-1. 서비스 Orchestrator (수행기관: 경희대학교)

□ 개발목표 – Restful 웹서비스를 이용하여 헬스 및 웰니스 서비스에 대한 정보를 내부 계층 및

마이닝 마인즈 플랫폼의 다른 계층에게 전달함.

[그림 1-88] Service Orchestrator의 기능적 구조도

- 93 -

□ 개발내용

Ÿ Services – 헬스 (당뇨) 및 웰니스 (신체 활동 및 영양) 에 대한 추천 서비스를 정의함

Ÿ Request Handling (Time-based) - 일정한 시간 간격으로 수신된 요청을 처리함

Ÿ Pull-based Request Handling – 사용자가 직접 요청한 경우에 요청을 처리함

Ÿ Data Communication Service – 헬스 (당뇨) 및 웰니스 (신체 활동 및 영양) 에 대한 데이터

정보를 호출함

Ÿ Integration – Service Orchestrator의 기능을 통합하고 테스트를 담당함

□ 우수성 및 차별성

Ÿ 개인화된 서비스 관리 및 동기화

Ÿ 타 계층과의 엄격한 서비스 및 데이터 통신

4-2. 추천 컨텐츠 생성 (수행기관: 경희대학교)

□ 개발목표 – 도메인 지식, 사용자 프로파일 정보, 임상 정보 및 라이프로그 정보에 기반하여

사용자에게 제공될 다양한 형태의 라이프매니지먼트 서비스 추천 컨텐츠를 생성함

[그림 1-89] 추천 컨텐츠 생성 모듈의 기능적 구조도

□ 개발내용

Ÿ Lifelog Data Loading Interface – 사용자의 라이프로그, 프로파일 정보, 임상 정보 등을

Data Curation Layer로부터 불러오는 모듈. 불러온 정보는 추상 지식 룰 형태로 변환되며,

건강 및 임상 추천 서비스를 위한 응용 기법을 정의하고 저장함.

Ÿ Knowledge Loading Interface – 추천 정보 생성을 위하여 지식베이스로부터 룰을 불러오는

모듈. 매핑을 이용하여 데이터와 지식을 통합하는 기능을 수행함.

Ÿ Rule base Reasoning – 순방향 추론과 충돌 해결 기법을 사용하여 룰 기반 추론을 통해

추천 정보를 생성하는 모듈. 추천 정보의 정확도 향상을 위하여 다양한 충돌 해결 기법이

사용됨.

- 94 -

□ 우수성 및 차별성

Ÿ 데이터와 지식의 느슨한 결합을 이용한 유연한 지식 기반 서비스 추천 기술

Ÿ 순방향 추론 및 충돌 해결 기법을 이용한 지식 기반의 추천 컨텐츠 생성 기술

4-3. 개인화 추천 분석 (수행기관: 경희대학교, 포항공과대학교)

□ 개발목표 – 사용자 프로파일 정보, 선호도, 상황 정보, 건강 상태 등을 이용하여 사용자에게

제공된 추천 컨텐츠를 분석하고 설명을 제공하는 개인화된 추천 분석 기능을 제공함

[그림 1-90] 개인화 추천 분석 모듈 기능적 구조도

□ 개발내용

Ÿ Context Interpreter – 사용자에게 시기적절한 개인화된 추천이 제공될 수 있도록 사용자의

컨텍스트를 분석하는 모듈

Ÿ Data Manager – 개인화 추천 분석 모듈이 생성하는 모든 정보를 저장하는 모듈. 추천 정

보와 함께 설명, 현재 상황, 사용자 상태 등의 모든 정보가 템플릿 형태로 저장됨.

Ÿ Content Interpreter – 사용자의 현재 상황에 맞는 추천 컨텐츠가 전달되는지를 검사하는

모듈. 사용자가 임의로 상황과 상태 정보를 입력할 수 있으며, 이를 반영하여 해당 추천

컨텐츠를 사용자에게 제공할지의 여부를 결정함.

Ÿ Explanation Manager – 사용자에게 제공될 추천 서비스에 대한 상세 설명을 제공하는 모

듈. 사용자의 쉬운 이해를 돕기 위해 텍스트 뿐만 아니라 멀티미디어 자료 (영상, 이미지,

나레이션), 외부 사이트 링크 및 교육적 요소를 제공함.

□ 우수성 및 차별성

Ÿ 사용자의 현재 상황 및 상태에 기반한 추천 컨텐츠 제공

Ÿ 사용자가 입력한 상황 및 상태 정보를 반영하여 자동으로 추천 내용을 변경

Ÿ 사용자의 이해를 돕기 위한 다양한 종류의 설명 자료 및 교육 요소 제공

- 95 -

[5. Supporting Layer]

□ 개발목표 – 사용자에게 개인화된 적응형 사용자 인터페이스를 제공하고, 사용자 데이터의 개

인 정보 보호, 사용자의 라이프 패턴을 직관적으로 확인 가능한 시각화 기능 및 사용자의 피

드백 의견을 수렴하고 분석하여 개인화된 추천 정보의 생성을 보조함.

[그림 1-91] Supporting Layer의 기능적 구조도

5-1. 보안 및 개인정보 보호 (수행기관: 경희대학교)

□ 개발목표 – 멀티모달 센서, SNS, Web, 의료 데이터 등 개인정보 보호를 위한 데이터 보안/프

라이버시를 제공함.

[그림 1-92] 보안 및 개인정보 보호 모듈의 기능적 구조도

□ 개발내용

Ÿ Visibility – 마이닝마인즈 플랫폼 접속 단말의 인터페이스를 지속적으로 감시하는 모듈. 공

격이 행해지는 인터페이스는 시스템을 구성하는 합법적인 구성요소이므로, 공격에 대응하

- 96 -

기 위해 해당 인터페이스들을 차단하는 것이 아니라 지속적인 감시를 수행함

Ÿ Threat prevention – 적법한 인증서를 획득한 공격자에 의한 공격을 미연에 방지하기 위한

모듈

Ÿ Data security – 데이터의 보안을 위해 데이터 저장소에 대한 암호화를 수행하는 모듈. 5W

(who, what, when, where and why)의 관점에서 개인정보를 보호하고 지속적인 감시를 통

하여 데이터의 누출을 사전에 차단함.

Ÿ Policy compliance – 데이터를 요청하는 사용자의 보안 등급에 맞게 데이터의 등급을 매기

고 수정할 수 있는 모듈.

Ÿ Anonymization – 데이터의 익명화를 담당하는 모듈. 개인 데이터에는 개인을 식별할 수 있

는 정보가 포함되어 있으며, 본 모듈은 이를 익명화하여 개인정보를 보호하고 데이터가

학습 혹은 테스트 자료로 사용될 수 있도록 함.

Ÿ Raw data – 시스템 복잡도와 개인정보 보호 사이의 균형을 맞춰주는 모듈. 마이닝 마인즈

플랫폼이 습득하는 저수준 데이터는 개인을 식별할 수 있는 정보가 포함될 수 있으나 이

를 모두 암호화 하는 것은 시스템의 성능을 저하시키므로, 이에 대한 균형을 맞춤.

□ 우수성 및 차별성

Ÿ Fogg에 기반한 CASB를 사용하여 개인정보 누출의 최소화

Ÿ CASB를 사용하여 저수준 데이터를 통한 개인정보 노출 가능성을 최소화

5-2. 시각화 (수행기관: 경희대학교, (주)유투시스템)

□ 개발목표 - 멀티모달 센서, SNS, Web 등으로부터 얻은 사용자 저수준 데이터, 상황인지 기술

을 통해 얻은 저수준/고수준 상황 정보 및 사용자 의료 데이터에 대해 사용자가 직관적으로

알아보기 쉽도록 시각화하는 기술을 제공함

[그림 1-93] 시각화 모듈의 기능적 구조도와 시퀀스 다이어그램

- 97 -

□ 개발내용

Ÿ Visualization Enabler – 데이터 및 사용자의 프로필 등 상황 정보를 고려하여 그래프 형태

의 시각화 정보를 제공하는 모듈. UI에서 전송되는 쿼리를 처리하고, Trend Analyzer로부

터 데이터를 전달받아 그래프 형태로 재구성함.

Ÿ Query Creation Interface - Visualization Enabler에서 처리된 쿼리를 매핑하는 모듈. 쿼리

는 쿼리 라이브러리에서 호출되며, 해당 쿼리가 라이브러리에 없거나 조작 및 변경되어야

할 경우 쿼리 선택 및 튜닝 모듈이 호출됨.

Ÿ Model Transformation - 데이터를 미리 정의된 포맷 (JSON, XML)으로 변환한 후 스키마에

따라 하나의 객체로 통합하는 모듈. 해당 객체는 처리 속도 관점에서 더 효율적이며 트렌

드 분석의 성능 향상에 기여함.

Ÿ Trend Analyzer – 텍스트를 분류하기 위한 특징 추출과 가장 높은 순위의 특징을 이용하

여 모델을 구축하는 모듈.

□ 우수성 및 차별성

Ÿ 빅 데이터 저장소에서의 효율적인 데이터 검색을 위한 쿼리 라이브러리

Ÿ HDFS에서 추출된 데이터의 변환과 의미론적인 통합

Ÿ 반정형 빅데이터와 정형 Intermediate 데이터베이스의 통합

Ÿ 매개변수들의 분류, 조합 및 클러스터링을 통하여 데이터에 대한 통찰 제공

5-3. UI/UX 저작 툴 (수행기관: 경희대학교, U2 시스템)

□ 개발목표 - UX 전문가들이 적응형 룰과 사용자와의 상호작용 분석을 통해 적응형 사용자 인

터페이스를 구축하고 사용자 경험을 평가할 수 있는 UX 엔진의 구현을 보조하는 UI/UX 저작

툴을 개발함.

[그림 1-94] UI/UX 저작 툴 모듈의 기능적 구조도

- 98 -

□ 개발내용

Ÿ Modeling Layer – 사용자 프로필, 기기 정보 및 적응형 룰에 기반한 적응형 UI 사용기록

등 상황을 분석하기 위하여 필요한 데이터를 Adaptation Engine에 제공하는 모듈.

Ÿ Adaptation layer - 미리 정의된 적응형 및 탐색 룰에 대한 추론과 적응형 UI를 구성하기

위한 최적의 사용자 인터페이스 구성요소 및 스타일에 대한 추천을 생성하는 모듈.

Ÿ Application Layer - 사용자 상호작용 데이터의 수집 및 분석을 통해 UI에서 개선된 부분

의 확인과 상호작용의 최대화, 다양한 게임을 통한 사용자의 지각, 인지 및 조작 능력에

대한 정보 수집 및 간접적으로 수집된 사용자 피드백을 표시하는 모듈.

Ÿ UX Factor Measurement – 효율성, 만족도 등의 사용자 경험/상호작용을 분석하는데 사용

되는 가치 점수를 산출하는 모듈. 사용자가 목적을 달성하였는지에 대한 평가를 위한 사

용자 행동 정보 수집, 사용자의 지각 및 시스템과의 상호작용에 대한 정보를 얻기 위한

사용자의 반응 측정 및 동공 추적 및 스트레스 테스트 등의 다양한 센싱 기술을 사용하여

시스템 사용중에 발생하는 사용자 행동과 감정을 측정함.

Ÿ User Satisfaction Model – 선호도 (사용자가 어느 정도까지 실용적인 목표를 달성하였는

지), 안정감 (사용자가 어느 정도까지 안정감을 느꼈는지), 기쁨 (사용자가 어느 정도까지

향락적 목표를 달성하였는지) 및 신뢰도 (사용자가 전체 시스템에 대해 어느 정도까지 만

족하였는지) 등의 다양한 UX 변수를 고려하여 사용자 만족도를 평가하는 모델을 생성하

는 모듈.

□ 우수성 및 차별성

Ÿ 사용자 요구, 기기 및 상황에 따른 적응형 UI

Ÿ UX의 계량화를 위한 UX factor 측정 기법

Ÿ UX 구축 확인을 위한 독자적인 방법론

Ÿ 시간에 따라 진화하는 동적인 사용자 경험 모델링

5-4. 피드백 분석 (수행기관: 포항공과대학교)

□ 개발목표 – 성능 향상과 시간 감소를 위해 새롭게 유입되는 정보를 일괄 처리 방식이 아닌

실시간으로 모델에 반영하기 위한 점진적 모델링 방법론 연구/개발

[그림 1-95] 피드백 분석 모듈의 기능적 구조도

- 99 -

□ 개발내용

Ÿ 새롭게 추가되는 정보를 지원하는 두 가지 계층 개발

ü 사용자의 선호도 분석을 맡는 데이터베이스의 유지

ü 점진적인 방법으로 추천 시스템을 수행

Ÿ 밀접한 두 계층간의 Tradeoff (한 계층의 최적화에 드는 비용 => 다른 계층의 성능 저하)

발생 이유와 문제를 해결하고 비용을 최적화하기 위한 알고리즘 개발

□ 우수성 및 차별성

Ÿ 모든 사용자의 피드백을 수집한 뒤 한꺼번에 학습하는 방식이 아닌 실시간 학습을 통해

모델의 재학습이 불필요한 방식으로 피드백 추천 속도 향상

Ÿ 실시간 학습을 통해서 새롭게 유입되는 사용자들에 대해 즉각 피드백을 반영 및 추천 가능

[6. Services]

6-1. 서비스모델 정량화 지표 (수행기관: 한국생산기술연구원)

□ 개발목표 – 서비스 모델 적용 임상데이터 기반 정량화 모형 고도화 방안 설계

Ÿ 서비스 모델 (GCS 2.5/3.0 및 후속 개발 모델) 적용 데이터를 기반으로 하는 습관화 지수

적용 모델 개발

Ÿ 습관화 지수를 활용한 관리자 지원 도구 사용 시나리오 개발 및 적용성 평가

Ÿ 습관화 지수를 고려한 관리자 조언 지원을 위한 라이프매니지먼트 가이드라인 체계 개발

[그림 1-96] 서비스 정량화 지표 개발 3차년도 개발 목표

□ 개발내용

Ÿ 데이터 기반 습관화 지수 적용 모델 개발

ü 서비스 모델 적용을 위한 Indicator Criteria 확정

ü 서비스 모델 구성 데이터(및 분석 데이터)를 이용한 습관화 지수 산출 알고리즘 개발

Ÿ 라이프 매니지먼트 가이드라인 체계 개발

ü 라이프 매니지먼트 서비스를 위한 Recommendation 분류체계 개발 및 참조

Recommendation Repository 구축

ü Wellness User Model에 따른 Recommendation 생성 시나리오 개발

- 100 -

Ÿ 지수 기반 관리자 지원 도구 설계

ü 습관화 지수를 이용한 사용자 속성 Representation 기법 개발

□ 우수성 및 차별성

Ÿ 고객 서비스를 고객이 이해, 활용 가능한 지식서비스 콘텐츠로 변환하기 위한 인덱스 변

환 알고리즘 개발

Ÿ 고객이 수용 가능하며 비즈니스의 지속성을 확보할 수 있는 새로운 융복합 서비스 개발

Ÿ 라이프 매니지먼트 가이드라인 체계는 상담사, 영양사 등 서비스 전문가를 지원하는 도구

로, 전문가의 개개인의 지식과 경험에 의존하는 서비스 품질 및 경쟁요인을 지원 도구의

신뢰성과 경쟁력으로 대체하기 위한 핵심 기술요소임

6-2. 라이프스타일 행동강화 서비스 모델 개발 (수행기관: ㈜녹십자헬스케어)

□ 개발목표 - 마이닝마인즈 플랫폼에 기반하여 다양한 헬스케어 서비스 제공.

Ÿ 사용자 니즈 조사와 서비스 전달체계 설계

Ÿ 운동, 영양, 질환 관리 영역에서 기존 서비스 현황 및 사례조사

Ÿ 대상자의 건강위험도(건강인, 건강위험군, 만성질환자)에 따른 서비스 요구도 분석

Ÿ 대상자 특성, 생활환경, 생활이벤트에 따른 피드백 콘텐츠 및 프로그램 개발

[그림 1-97] 4050 Healthy Life 서비스 모델

- 101 -

□ 개발내용

Ÿ 시니어 진입 전 세대의 라이프 매니지먼트를 통해 만성질환 이환율을 감소시키고 건강한

시니어 라이프를 영위하기 위한 예방적 차원의 서비스 모델로, 서비스 영역별로 기본 목

표를 제시하고, 빅 데이터를 활용하여 개인별 맞춤 서비스를 제공함.

Ÿ 신체활동관리서비스 – 신체활동 패턴 분석에 따른 신체활동 증진 목표 및 실천 가이드라

인 제시를 통해 자가관리서비스를 구현함

Ÿ 생활환경 기반 개인 맞춤형 서비스

ü 목표 신체활동량 제시, 신체활동량 및 소모 칼로리 모니터링

ü 건강위험군, 만성질환자의 경우 위험도에 따른 운동처방 및 관리 솔루션서비스

ü 빅 데이터를 통해 신체활동에 방해 요소를 찾아내어 습관을 개선해 나갈 수 있도록 맞

춤형 서비스 제공

ü 생활 환경(교통수단 및 활동 패턴 분석 등)에 따른 활동량 증대 방안 서비스

ü 운동 종목, 운동 강도, 운동 방법 등을 모니터 해서 정확한 동작, 효과적이고 올바른

방법 안내 서비스

Ÿ 영양관리서비스 – 식습관 패턴 분석에 따른 건강 식생활 목표 및 실천 가이드라인 제시를

통해 자가관리서비스를 구현함

Ÿ 생활환경 기반 개인 맞춤형 서비스

ü 식사일기를 통한 식사 섭취의 규칙성, 균형성, 적정성의 평가 및 모니터링

ü 건강위험군, 만성질환자의 경우 위험도에 따른 영양처방 및 관리 솔루션서비스

ü 건강하지 못한 식습관을 개선해 나갈 수 있도록 동기를 부여하고, 식생활 실천 방안

및 맞춤형 서비스 제공

[그림 1-98] 신체활동관리서비스 구조도

- 102 -

[그림 1-99] 영양관리서비스 구조도

□ 우수성 및 차별성

Ÿ 수집된 정보를 바탕으로 건강위험요인 감소를 위한 개인의 활동량, 식습관, 서비스 참여

수준 등의 변화에 따라 단계적으로 체계적인 생활습관개선 프로그램을 제공함.

Ÿ 따라서 지속적으로 사용자의 반응을 알 수 있고, 단기가 아닌 장기적 관점에서 건강한 생

활습관 실천을 위한 전문가의 가이드를 제공할 수 있음.

Ÿ 추후 MM 플랫폼과의 연계를 통해 디바이스나 개인 소셜 정보 들을 실시간으로 수집·분

석함으로써 의미 있는 정보를 생산하고, 관련 정보를 제공함으로써 사용자의 만족도를 높

일 수 있음.

6-3. 사용자 경험 기반 UI/UX/GUI Design (수행기관: U2시스템)

□ 개발목표 – 자료분석 및 User Research를 통한 서비스 발굴과 전체 서비스 기획(UI, GUI 디자

인) 그리고 전문가 평가를 통한 서비스 및 UI, GUI 검증을 수행함

Ÿ 당뇨 관리 서비스 동향 조사, UX 및 서비스 관련 이슈 발굴

Ÿ 당뇨 관리 서비스의 Mobile App UI, GUI 개발

Ÿ 개발된 Mobile App의 서비스, UI, GUI에 대한 사용자 만족도 평가 및 전문가 검증 수행

후 83점 이상의 결과 획득 (100점 만점 기준)

- 103 -

[그림 1-100] 당뇨 관리 서비스 UX/UI/GUI 개발 프로세스

□ 개발내용

Ÿ UX Research를 통한 User Data를 획득하여 서비스 발굴

Ÿ 주 사용자의 행태 및 인터페이스 기술 동향을 고려한 서비스 및 UX 컨셉 수립

Ÿ 사용자들의 다양한 신체적 특성을 고려한 맞춤형 UI, GUI 디자인 (e.g. 시력저하 등을 고

려한 Color Guide 개발)

Ÿ Paper Prototype 기반의 사용자 및 전문가를 통한 서비스, UI, GUI 검증

□ 우수성 및 차별성

Ÿ 서비스 기획 단계에서부터 사용자의 경험을 고려하여 기획함으로써 사용자의 Needs 및

Pain Point를 해결해줄 수 있는 서비스로 기획 가능

Ÿ 서비스에 대한 사용자 만족도 평가 및 전문가 검증 과정을 통해 서비스 런칭 전에 서비스

에 대한 개선 포인트를 파악하고 이를 적용함으로써 실제 서비스가 런칭됐을 시 일정 수

준 이상의 UX 품질을 획득할 수 있음

[7. 마이닝마인즈 모델 검증 및 활용]

7-1. 마이닝마인즈 플랫폼 모델 효율성 검증 (수행기관: 경희대학교, ㈜녹십자헬스케어)

□ 마이닝마인즈 모델의 효율성 검증을 위해 3차년도에 개발할 마이닝마인즈 버전 2.0의 행위

및 영양관리 핵심 서비스를 (주)녹십자헬스케어에서 40, 50 연령대의 실험군을 모집하여 실증

데이터를 수집하고, 서비스 사용에 대한 결과를 분석하여 효율성을 검증함.

□ 마이닝마인즈 플랫폼 모델의 검증은 시스템 및 사용자 관점에서 이루어짐.

Ÿ 시스템 관점

ü 모든 레이어가 데이터, 정보, 지식, 서비스에 대하여 정확한 식별, 처리와 저장 역할을

수행함.

ü 데이터와 정보 단계의 검증은 데이터 불일치성 제거, 데이터 정화, 노이즈 감소 및 제

거, 손실된 데이터 보정 처리를 진행함.

- 104 -

ü 지식 단계의 검증은 전문가에 의한 지식 검증, 정확한 지식 생성을 위한 가이드라인

기반 일치성 검사, 새로 생성된 지식에 대한 중복성 검사, 지식의 충돌 해결을 진행함.

ü 서비스 단계의 검증은 사용자 신체 상태 평가, 사용자에 의한 시스템의 유용성 검사,

사용자의 만족도 검사를 진행함.

Ÿ 사용자 관점

ü 사용자 단계의 검증은 서비스 단계의 검증과 밀접한 연관을 가짐.

ü 마이닝마인즈 서비스를 사용하는 비만 사용자는 플랫폼과 연계하여 수집 데이터 제공,

제공된 서비스 사용, 서비스에 대한 피드백 제공, 피드백에 기반한 향상된 서비스 제공

과정을 진행함.

ü 시스템 기능의 검증은 사용자의 목표 체중 달성 여부를 통해 검증할 수 있으며, 이는

사용자에게 제공된 추천 정보 내용과 마이닝마인즈 서비스 사용 전후의 사용자의 변화

체중을 확인하여 검증이 가능함.

[그림 1-101] 마이닝마인즈 플랫폼의 효율성 검증

7-2. 마이닝마인즈 플랫폼 타분야 활용 방안 조사 (수행기관: 한국컨설팅서비스협회)

□ 개발 목표

Ÿ 1, 2차년도 연구수행 결과를 바탕으로 마이닝마인즈 플랫폼을 활용하여 고도화된 헬스케

어 서비스 (질병, 의료 등)로의 비즈니스 적용유형 및 개인화 서비스, 안전관리 서비스 등

다양한 지식 서비스 분야로 확장 가능성 및 이를 통한 마이닝마인즈 플랫폼 활성화 방연

연구를 수행함

□ 개발 내용

Ÿ NGC서비스모델의 향후 고도화(질병, 의료)를 위한 연관 비즈니스 유형 조사

ü 현재 개발되어 런칭예정인 NGC서비스모델의 고도화 버전에 해당하는 질병예방 서비스

(당뇨, 혈압 등)에 대한 유사 운영 업체 조사

ü 유사 비즈니스 모델 유형 파악 및 분석

Ÿ 서비스 플랫폼 적용이 가능한 타 지식서비스 분야 유사 모델 조사 분석

- 105 -

ü 마이닝마인즈 서비스 플랫폼과 유사한 기능 요소를 가지고 운영 또는 준비중인 타 지

식서비스 유사모델 조사 및 분석

ü 적용 가능한 타 지식서비스 분야 조사 및 타당성 검토

Ÿ 서비스 플랫폼 활성화 방안 연구 : 마이닝마인즈 서비스플랫폼을 확장, 활성화하기 위해

필요한 제반 요소 및 조건에 대한 연구 조사 실시

※ 활용 서비스 시나리오 예시 – 산업안전분야

Ÿ 사고를 예방하기 위해 기기를 점검하더라도 점검 결과가 문서로만 관리되고, 데이터로 축

적되지 않아 추적 점검이 어려운 실정. 따라서 산업 재해를 미리 방지하기 위해서는 안전

교육, 사고 대책반 구성 등 관리적인 대책과 함께 센서등을 활용한 '관제 → 대응 → 예

방' 서비스 시스템을 구축하는 것이 필요

Ÿ 즉, 각종 안전 장비에 센서를 부착하여 미착용 작업자는 접근을 통제하고, 유해 물질이나

위험 지역의 기계/환경 상태를 실시간으로 전송하여 중앙에서 모니터링하면서 사고를 미

연에 방지하며 사고 발생 시에는 CCTV 등으로 현장을 확인

Ÿ 안전장비에 부착된 센서를 통해 작업 환경정보를 서버에 전송하고 작업자의 스마트폰을

통해 해당 작업자의 동선, 주요 작업 위치 등을 마이닝마인즈 플랫폼을 통하여 전송함으

로서 이를 통하여 누적된 데이터베이스를 통한 관리도구를 설계하여 안전사고를 예방할

수 있는 매뉴얼, 작업자 주의사항, 작업환경 정보 등을 앱을 통해 신속하게 알려 주고, 작

업자에게 빠르게 상황을 전파하여 효과적으로 대응할 수 있도록 마이닝마인즈 및 관련 서

비스 기술을 적용하는 것임

[그림 1-102] 산업안전 서비스 활용의 예시도

□ 우수성 및 차별성

Ÿ 마이닝마인즈 플랫폼과 유사한 기능 및 서비스 요소를 가지고 있는 다른 비즈니스 모델에

대한 조사 및 분석을 통해 마이닝마인즈 서비스 플랫폼의 확장 전략 사전연구

Ÿ 마이닝마인즈 플랫폼을 적용할 수 있는 새로운 차원의 서비스 분야를 발굴함으로써 개발

된 기술이 지속적으로 확산할 수 있도록 하기 위한 전략 수립

- 106 -

(4) 4차년도

➀ 개발 목표

기관 개발 목표

경희대학교(주관기관)

1. 마이닝마인즈 통합 플랫폼 상용화

2. 데이터 큐레이션 다중센서 센싱기술 상용화

3. 정보 큐레이션 기술 상용화

4. 서비스 큐레이션 기술 상용화

5. 익명화 및 프라이버시 정보보호 기술 상용화

6. 라이프매니지먼트 웰니스 모델 고도화 및 상용화

7. 비정형 데이터 분석 엔진 상용화

8. UX/UI Authoring Tool 상용화

9. 자동형 사용자 맞춤형 UX/UI 엔진 상용화

포항공과대학교

10. 소셜네트워크 데이터를 활용한 추천시스템 상용화

11. 이종 데이터를 활용한 추천 시스템 프레임워크 상용화

12. 피드백을 반영한 추천 시스템 상용화

호주 UTAS13. 지식 큐레이션 지식 관리 엔진 상용화

14. 지식기반 규칙 저작 툴 상용화

한국생산기술연구원 15. 라이프매니지먼트 정량화 모형 도출

(주)녹십자헬스케어

16. 운동/영양 통합 서비스 상용화

17. 만성질환(당뇨) 관리 서비스 모델 비즈니스 적용

(주)타파크로스

18. 온라인 수집엔진 상용화

19. 퍼스널데이터 분석 기술 및 엔진 상용화

20. 마이닝마인즈 통합 플랫폼 상용화

(주)유투시스템21. 마이닝마인즈 정보기반 자동형 Mobile App UI, GUI 상용화

22. UX/UI Authoring Tool을 적용한 UI, GUI 상용화

한국 컨설팅 서비스협회

23. 서비스 응용 확장 모델 테스트를 통한 사업화 타당성 검토

- 107 -

1. 마이닝마인즈 플랫폼 상용화 및 오픈소스화 계획 (수행기관: 경희대학교)

□ 개발목표 – 마이닝마인즈 플랫폼의 각 계층을 통합하고, 이를 클라우드 환경에 배치하여 실제

상용화 서비스를 위한 베타테스트와 고도화 및 오픈소스화를 진행함

[그림 1-103] 마이닝마인즈 플랫폼의 클라우드 환경 배치 계획도

[그림 1-104] 마이닝 마인즈 플랫폼 상용화 및 오픈 소스화 계획 개념도

- 108 -

□ 개발내용

Ÿ 마이닝 마인즈 플랫폼의 상용화는 녹십자 헬스케어에 의한 서비스 상용화와 오픈 소스 커

뮤니티인 소스포지 (SourceForge)에 오픈 소스 코드를 등록하여 공개하는 두 가지 방법으로

진행될 예정임.

Ÿ 마이닝마인즈 플랫폼 상용화 계획

ü 마이닝마인즈 플랫폼의 각 계층별로 필요한 저장 용량, 메모리 용량, 연산 능력을 평가

하고, 서비스 중인 다양한 상용 클라우드 플랫폼을 조사하여 서비스 이용 가격과 사용

성을 고려한 마이닝마인즈 플랫폼에 최적인 퍼블릭 클라우드 플랫폼 선택함

ü 마이닝마인즈 플랫폼의 각 계층을 위한 PaaS 기반 Virtual Machine을 생성하고, 각 계

층을 생성된 각각의 Virtual Machine에 배치

ü 일반 사용자를 위한 서비스 클라이언트인 안드로이드 기반 스마트폰 마이닝마인즈 어

플리케이션을 완성하고 구글 스토어에 업로드 함.

ü 상용화 버전 공개에 앞서 테스트를 진행하기 위하여, 녹십자 헬스케어의 고객 50명을

선발하고, 마이닝마인즈를 사용할 수 있도록 플랫폼 접근 코드 50개를 제공함. 50명의

테스트 고객들은 구글 플레이 스토어에서 마이닝마인즈 어플리케이션을 다운 받은 후,

각각 할당 받은 접근 코드를 이용하여 마이닝마인즈 사용자로 등록함.

ü 장기간의 지속적인 서비스 제공은 비용 측면에서 부담이 되므로, 50명의 고객들은 2달

간 마이닝마인즈 서비스를 체험하며 이후 접근 코드를 파기함. 2달 동안 모은 50명의

데이터는 익명화 처리되어 경희대학교 연구진에게 전달되며, 이는 플랫폼의 고도화와

실험 데이터 등으로 사용될 예정임.

Ÿ 마이닝마인즈 플랫폼 오픈소스화 계획

ü 상용화 작업과 병행하여 마이닝마인즈 플랫폼의 오픈 소스 코드가 소스포지에 업로드

될 예정임. 소스포지는 소프트웨어 개발자들을 위해 열려 있는 오픈 소스 소프트웨어

개발관리를 위한 웹사이트로 중앙 집중식 개발관리 시스템이며, 일종의 소스 코드 저

장소로서 동작함.

ü 다양한 오픈 소스 프로젝트를 조사한 결과 다음과 같은 6가지의 핵심 요소가 충족되어

야 함을 발견할 수 있었으며, 6가지 요소는 ① 소스 코드 품질, ② 기술 지원 문서 및

매뉴얼이 포함된 API, ③ 오픈 소스 라이선스, ④ 프로젝트 사후지원, ⑤ 프로젝트 관련

공개자료, ⑥ 프로젝트 데모 및 사용법 영상 제공이 있음.

① 소스 코드 품질 관리

- 마이닝마인즈는 자바 소스를 기반으로 구현되었으며, 자바 표준 구현 가이드라인을

준수하여 개발됨

- 모든 모듈은 사용에 대한 테스트 케이스를 제공함

- 모든 컴포넌트에 대해 UML이 포함된 상세 기술 문서가 제공됨

- 격주마다 코드를 평가하여 코드의 품질을 유지함

- 버그 혹은 에러가 발생한 모듈은 수정될 때가지 공개 사이트에 업로드 하지 않음

- 실제 소스 코드가 업로드 되기 전 전문 프로그래머들에 의한 코드 평가를 실시함

- 109 -

② 기술 지원 문서 및 매뉴얼이 포함된 API

- API 및 모듈을 위한 인터페이스 개발은 객체 지향 설계 패턴 기법을 사용함

- 모든 모듈별로 API 사용법, 설치법, 배치 방법, 설정 방법 및 실행 방법이 적힌 상

세 기술 문서를 제공함

- 쉬운 이해를 돕기 위한 테스트 케이스와 튜토리얼을 제공함

- 모든 문서는 마이닝마인즈 코드 업데이트에 따라 매 분기마다 업데이트 될 예정임

- 기술 지원 문서가 없는 API는 소스포지에 업로드 하지 않음

③ 오픈 소스 라이선스

- 오픈 소스를 통한 상용화는 저작권 협약 및 라이선스에 기반하여야 하며, 마이닝마

인즈 플랫폼에 맞는 라이선스를 조사함

- 검토된 라이선스는 마이닝마인즈 플랫폼 개발 협력 기관과 내용을 공유하며, 모두

가 동의하는 라이선스를 적용함

④ 프로젝트 사후지원

- 공개된 오픈 소스에 대한 개발팀의 지속적인 사후 지원은 중요한 요소 중 하나로

개발팀들은 버그의 발견 및 수정, 질의에 대한 응답, 지속적인 코드 업데이트 등을

제공할 예정임

⑤ 프로젝트 관련 공개자료

- 마이닝마인즈와 관련되어 출판된 논문 및 발표 자료 등의 모든 발행물들에 대한

링크를 제공하여 마이닝마인즈의 평가를 위한 정보로 사용될 수 있도록 함

- 마이닝 마인즈가 사용자들에 의해 더욱 발전되고 확장될 수 있도록 익명화 된 데

이터셋을 제공할 예정임

⑥ 프로젝트 데모 및 사용법 영상 제공

- 사용자들의 플랫폼 및 서비스 사용의 쉬운 이해를 돕기 위해 데모 영상과 사용법

에 대한 영상이 같이 제공될 예정임

□ 우수성 및 차별성

Ÿ 대표 오픈소스 사이트인 소스포지에 업로드를 통해 누구나 사용 가능

Ÿ 실제 참여기관의 사용자를 대상으로 테스트 데이터 수집 및 사용성 평가로 신뢰성 높은

서비스 제공

Ÿ 마이닝마인즈 플랫폼과 관련된 UML, 기술 문서, 논문, 테스트 케이스, 사용법 데모 영상,

튜토리얼 등 사용자의 사용에 대한 편리성 제공을 위한 다양한 정보 제공

Ÿ 개발자에 의한 사후지원으로 지속적인 유지보수를 통한 최적의 상태 유지

2. 라이프매니지먼트 정량화 모형 도출 (수행기관: 한국생산기술연구원)

□ 개발목표 – 라이프 매니지먼트 정량화 모형 도출

Ÿ 습관화 지수를 이용한 라이프 매니지먼트 서비스 관리 모형 개발

Ÿ 습관화 지수를 이용한 서비스 효용성 평가/예측 기술 개발

- 110 -

□ 개발내용

Ÿ 서비스 관리 모형 개발

ü 사용자 변화 관리 모형 개발

ü 습관화 지수 구성요소의 interoperability 확립을 위한 데이터 관리 모델 개발

ü 고객의 행위 변화 중심의 서비스 평가 프로토콜 개발 및 피드백 도구 개발

Ÿ 서비스 효용성 평가 및 예측 기술 - 상용화 대상 서비스에 대한 서비스 효용성 실증 평가

ü 사용자 행위 변화 모형에 따른 효용성 평가

ü 행위 변화에 따른 Outcome 예측 모델 평가

ü 지수 기반 관리자 지원 도구에 대한 서비스 제공 전문가(Warm Service) 만족도 평가

□ 우수성 및 차별성

Ÿ 습관화 지수를 구성하는 indicator 정보를 생성하고 기록하는 기준 및 다양한 vendor에 의

한 이형의 데이터를 통합, 관리하는 intermediate personal wellness record를 기록, 관리하

는 기준을 제시하고, 구조화된 라이프 매니지먼트 가이드라인 체계를 적용함으로써 다양

한 3rd party 서비스/디바이스 공급자로 구성된 플랫폼 비즈니스에 적용 가능한 지식 모델

을 제시

Ÿ 서비스 효용성 평가기술은 예측 가능한 서비스 설계에 기여함과 동시에, 서비스가 제공되

는 기간 동안에도 사용자의 선호도, 호응도 및 사용자에 대한 조언의 영향력 등을 동시에

피드백함으로써 서비스 유지보수라는 신개념 서비스 관리 도구의 등장을 견인

3. 운동/영양 통합 서비스 상용화 및 만성질환 관리 서비스 모델 비즈니스 적용 (수행기관: ㈜녹십

자헬스케어)

□ 개발목표 – 마이닝마인즈 플랫폼에 기반하여 다양한 헬스케어 서비스 제공

Ÿ 대상자 특성, 생활환경, 생활 이벤트에 따른 마이닝마인즈 플랫폼 기반 개인 맞춤형 건강

관리 서비스 제공

Ÿ 대상자의 수집 정보를 바탕으로 건강위험도(건강인, 건강위험군, 만성질환자)를 평가하고,

건강 증진을 지원하는 자가 관리 서비스를 구현

□ 개발내용

Ÿ 웨어러블 디바이스(활동량계), 카메라, 혈당계 등을 활용하거나 스마트폰 app을 통한 수기

입력을 통해 수집된 개인별 라이프로그 정보를 분석하여 피드백 서비스 제공을 위한 알고

리즘을 개발

Ÿ 운동, 영양, 생활습관 관리 등 맞춤형 건강관리 서비스 제공을 위한 콘텐츠 개발

Ÿ 마이닝마인즈 플랫폼 연계를 통한 서비스 상품 개발 및 자사 비즈니스 적용

ü 만성질환 관리서비스 – 건강위험요인 관리를 위한 전문서비스를 제공하며, 체중 자가

모니터링, 혈당관리 등의 부가적인 서비스를 결합하여 만성질환 관리서비스로 확장하

여 서비스를 상용화

ü 신체활동관리서비스 - 신체활동 패턴 분석에 따른 신체활동 증진 목표 및 실천 가이드

- 111 -

라인 제시를 통해 자가관리서비스를 구현

ü 영양관리서비스 - 습관 패턴 분석에 따른 건강 식생활 목표 및 실천 가이드라인 제시

를 통해 자가관리서비스를 구현

□ 우수성 및 차별성

Ÿ 사용자의 특성, 생활환경, 상황정보 등이 모두 반영된 개인 맞춤형 서비스의 생성 및 제공

Ÿ 신체활동, 영양관리, 만성질환 관리의 서로 다른 종류의 독자적인 건강관리 서비스 제공

4. 자동형 Mobile App 및 UI,GUI 상용화 (수행기관: U2시스템)

□ 개발목표 – 사용자 맞춤형 UX/UI 기술이 적용된 상용 당뇨관리 서비스 Mobile App의 UI, GUI

를 개발하여 전문가 평가를 통한 서비스 및 UI, GUI 검증을 수행함

Ÿ 개발된 사용자 맞춤형 UX/UI 기술(경희대)을 적용하여 상용 당뇨관리 서비스 Mobile App

의 UI, GUI 개발

Ÿ 개발된 당뇨관리 서비스 Mobile App의 서비스, UI, GUI에 대한 사용자 만족도 평가 및 전

문가 검증 수행 후 85점 이상의 결과 획득 (100점 만점 기준)

□ 개발내용

Ÿ 사용자들의 선호, 사용 패턴 등을 고려하는 사용자 맞춤형 UI, GUI 디자인

Ÿ App 개발을 고려한 GUI Image Cutting

Ÿ Prototyping Tool을 활용하여 실제 사용 경험과 유사한 Prototype 제작

Ÿ Prototype을 활용하여 사용자 및 전문가를 통한 서비스, UI, GUI 검증

Ÿ 검증 결과를 반영한 최종 UI, GUI 디자인

[그림 1-105] 당뇨관리 서비스 Mobile App UI/GUI 개발 및 검증 프로세스

- 112 -

□ 우수성 및 차별성

Ÿ 사용자의 선호도나 사용 습관, 사용 행태가 반영되지 않는 기존 서비스들과는 다르게 마

이닝 마인즈 정보 기반으로 제작된 자동형 Mobile App은 사용자 맞춤형 UX/UI 기술을 활

용하여 사용자 개개인 맞춤형 UX/UI/GUI를 제공할 수 있음

Ÿ 서비스 상용화 단계 전에 개발된 서비스에 대한 사용자 평가 및 전문가 검증 과정을 수행

함으로써 상용화 이후 발생될 문제를 최소화 하여 서비스의 품질 비용을 줄일 수 있음

Ÿ 서비스 상용화 단계 전에 사용자 반응(VOC)을 확인하고 반영함으로써 서비스의 UX 품질

수준을 향상 시킬 수 있음

5. 서비스 응용 확장 모델 테스트를 통한 사업화 타당성 검토 (수행기관: 한국컨설팅서비스협회)

□ 개발 목표

Ÿ 3차년도의 연구결과를 바탕으로 마이닝마인즈플랫폼을 지식서비스 산업 전반에 걸쳐서 확

장 적용하기에 최적화된 비즈니스 서비스 모델에 테스트를 실시하여 해당 비즈니스 모델

의 사업화에 타당성을 검토, 사업화가 가능한 지식서비스 산업군을 발굴하고 마이닝마인

즈 서비스 플랫폼의 확장 전략 연구

□ 개발 내용

Ÿ 서비스 플랫폼 적용이 가능한 타 지식서비스 분야 유사 모델 조사 심층 분석

ü 3차년도에 이루어진 연구내용을 바탕으로 마이닝마인즈 서비스 플랫폼과 유사한 기능

요소를 가지고 운영 또는 준비중인 타 지식서비스 유사모델에 대한 심층 분석

ü 적용 가능한 타 지식서비스 분야 선정

Ÿ 타 지식서비스 분야 유사 모델에 대한 서비스 적용 테스트 모델링 연구

ü 선정된 지식서비스의 분야에 대한 마이닝 마인즈 적용 테스트 모델링

ü 테스트 모델링을 통한 사업화 타당성 검토 분석 및 관련 사례 조사

Ÿ 마이닝 마인즈 서비스 플랫폼 확장 전략 연구

ü 3차년도 연구개발 결과를 바탕으로 한 제반 요소 및 조건에 대한 심층 연구

ü 지식서비스 산업군 뿐만이 아니고 다른 산업의 부분 요소로서 마이닝 마인즈 플랫폼

적용에 대한 적용 타당성 검토 연구

□ 우수성 및 차별성

Ÿ 마이닝마인즈 플랫폼과 유사한 기능 및 서비스 요소를 가지고 있는 다른 비즈니스 모델과

의 비교 테스트를 통하여 사업화 타당성을 검토함

Ÿ 마이닝마인즈 플랫폼 적용이 가능한 새로운 차원의 서비스 분야 조사를 토대로 확장 전략

수립

- 113 -

(5) 연차별 개발 마일스톤

□ 1차년도와 2차년도 연구에서는 마이닝마인즈 플랫폼 핵심기술 및 비즈니스 모델 수립에 초점

을 두어 개발하였음. 당해연도에서는 마이닝마인즈 플랫폼 핵심기술 고도화, 운동과 영양의

통합 관리 및 당뇨 만성질환자 대상의 서비스를 위한 사전 환경 구축을 진행하며, 4차년도에

서는 체중 자가 모니터링을 통한 비만 관리와 실제 의료 데이터를 이용한 당뇨 만성질환자를

위한 서비스의 실전배치 및 상용화를 진행함.

□ 모든 연차별 연구에서는 플랫폼의 상용화를 위한 마이닝마인즈 플랫폼 어플리케이션을 버전

별로 개발중이며, 핵심 기술 및 서비스를 단계적으로 구현중임. 아래의 그림은 마이닝마인즈

버전 연차별 기술 개발 및 서비스 개발 목표에 관한 마일스톤임.

[그림 1-106] 마이닝마인즈 플랫폼 버전별 기술 개발 마일스톤

[그림 1-107] 마이닝마인즈 플랫폼 서비스 개발 마일스톤

- 114 -

□ 계획하고 있는 서비스는 활동량, 영양, 만성질환(당뇨)을 대상으로 한 총 3개의 관리 서비스

개발을 목표로 하고 있으며, Mining Minds Version 1.0, 1.5, 2.0 에서는 활동량 기반, Mining

Minds Version 2.5에서는 영양관리, Mining Minds Version 3.0에서는 활동량/영양의 통합과 센

서를 이용한 당뇨 관리를, Mining Minds Version 4.0 에서는 사용자의 비만관리 실제 의료

데이터를 이용하여 당뇨와 같은 만성질환 관리를 포함하는 전반적인 라이프 매니지먼트 서비

스 제공을 목표로 마이닝마인즈 기술을 개발중임.

□ 서비스를 점진적으로 개발함에 따라 1차년도에서는 가속도 센서와 GPS 센서만을, 2차년도에

서는 자이로 센서, 음성 센서, 영상 센서, 온라인 텍스트 데이터 (SNS) 등 입력 데이터의 수가

확장됐으며, 3차년도에는 웨어러블 센서와 ECG, 혈당 등의 생체 센서를 추가할 계획이고, 4

차년도에서는 EMR/EHR 의료 데이터를 추가하는 등 점진적으로 처리하는 데이터 수를 증가

시키고 있음. 아래의 그림은 마이닝마인즈 플랫폼 버전별 사용 센서, 서비스 및 비즈니스 관

계에 대한 내용임.

[그림 1-108] 버전별 사용 센서, 서비스 및 비즈니스 관계

□ 센서가 단계별로 확장됨에 따라 처리해야할 데이터 소스가 증가하며, 이에 따른 정보 획득량

이 증가해 보다 많은 서비스 종류와 질 높은 서비스를 제공할 수 있을 것으로 기대됨. 아래

의 내용은 4차년도에 최종적으로 개발될 마이닝마인즈 버전 4.0의 시나리오임.

Ÿ 당뇨를 가지고 있는 회사원 40대 김씨는 마이닝마인즈 통합 라이프매니지먼트 서비스를

이용하고 있음.

Ÿ 오전 7시 – 김씨는 잠에서 일어나 아내가 차려놓은 아침식사 음식을 스마트폰으로 사진을

찍어 마이닝마인즈 플랫폼으로 전송하고 예상 식사 칼로리 정보 및 영양소 정보를 얻음.

Ÿ 오전 9시 – 김씨는 자가용으로 출근을 하여 회사로 도착하게 됨. 마이닝마인즈 플랫폼을

통해 파악된 평소 운동량이 많지 않은 김씨의 행동 패턴을 반영하여 5층 사무실까지 엘러

베이터가 아닌 계단을 이용할 것을 김씨 스마트폰에 푸쉬 알람을 통해 추천함.

- 115 -

Ÿ 오전 11시 50분 – 김씨가 아침에 먹었던 영양정보를 분석하여 점심시간에는 마이닝마인즈

플랫폼의 SNS 트렌드를 분석 기능을 통해 최신 유행하는 한식 음식점을 푸쉬 알람을 통해

추천함.

Ÿ 오후 3시 – 점심식사 이후 김씨는 1시부터 3시까지 2시간가량 앉아 있었음. 이때 마이닝

마인즈 플랫폼은 김씨의 스마트폰과 웨어러블 센서를 통해 지속적인 앉기 행위를 감지하

고 5분간 스트레칭을 할 것을 추천하면서 스트레칭 관련 동영상을 제공해 줌. 김씨가 스

트레칭을 하고 있는 것을 마이닝마인즈 플랫폼에서 감지하고 5분 후 스트레칭을 그만할

것을 권함.

Ÿ 오후 4시 – 김씨는 거래처에서 전화를 받고 거래가 취소되었다는 이야기를 듣고 언성을

높여 전화 통화를 하게 됨. 이때 마이닝마인즈 플랫폼에서 김씨의 음성정보를 분석하여

화남 감정을 인식하고 편한 음악을 들으며 휴식을 취할 것을 권함.

Ÿ 오후 7시 – 저녁식사 후 김씨는 당뇨 측정을 위해 혈당량계를 스마트폰에 블루투스 페어

링한 후 혈당량을 측정함. 측정된 정보는 고혈당으로 하루 활동정보, 식이정보를 마이닝마

인즈 플랫폼에서 분석하여 김씨에게 적합한 대처방법을 권함.

Ÿ 오후 10시 – 김씨의 최근 수면 패턴 및 상태를 판별하고 스마트폰의 푸쉬 알람을 통해 수

면에 관련된 팁을 제공하여 김씨가 편안하게 잠들 수 있도록 제공함.

[그림 1-109] 마이닝마인즈 Version 4.0 입력센서 확장에 따른 획득정보 및 서비스

- 116 -

(6) 마이닝 마인즈 플랫폼 차별성

□ 제안하는 마이닝마인즈 플랫폼 서비스는 Google Fit, Samsung S Health, Microsoft Health,

Apple Health Kit 등 기존 라이프매니지먼트 서비스와 비교하여 기술적 및 서비스 적으로 큰

차별성을 보임.

□ 기존 라이프매니지먼트 플랫폼 및 어플리케이션의 특징은 1)서비스, 2)데이터 통합, 3)정보공

유, 4)데이터 보관 및 보안, 5)지식 유지보수, 6)UI/UX 기술로 분류됨. 아래의 그림은 기존 라

이프 매니지먼트 플랫폼 및 어플리케이션의 특징을 나타내는 그림임.

[그림 1-110] 기존 라이프매니지먼트 플랫폼 및 어플리케이션 특징

□ 기존 라이프매니지먼트 플랫폼 및 어플리케이션의 기술 분석을 통해 차별화 기술을 정의 하

였으며 아래의 그림은 설계된 5개의 큐레이션 계층 (데이터, 정보, 지식, 서비스, 지원)에서의

차별기술의 도식화하여 나타낸 것임.

[그림 1-111] 마이닝마인즈 차별적 특징

- 117 -

□ 아래는 설계된 마이닝마인즈 플랫폼이 기존의 라이프매니지먼트 서비스와 기술 및 서비스적

차별성을 나타낸 도표와 그림을 나타낸 것임.

[그림 1-112] 기존 서비스 대비 마이닝마인즈 서비스 및 기술적 차별성 비교표

[그림 113] 마이닝 마인즈 서비스 차별성

[그림 114] 마이닝 마인즈 기술적 차별성

- 118 -

□ 4차년도 마이닝마인즈 플랫폼은 사용자의 선호도, 감정 상태, 현재 동향, 사용자와 사용자 간

관계, 그리고 위치 정보 등을 파악할 수 있으며, 사용자에게 지역, 계절, 현재 사용자의 행위

상태에 따라 알맞은 식단 서비스를 추천할 수 있음. 이는 기존의 칼로리 계산에서 벗어나 식

단의 균형과, 체중관리를 위한 교육적 효과, 사용자의 습관을 유도할 수 있는 수단 (예:

UI/UX, 멀티미디어 서비스)을 제공함으로 기존의 서비스와는 차별성을 가짐.

□ 시나리오 (4.0 시나리오)

Ÿ 김씨는 마이닝마인즈 시스템에 본인의 프로파일 정보 (나이, 지역, 성별)와 선호도(패스트

푸드, 계절 음식, 해산물, 한식) 등의 정보를 입력함. 마이닝마인즈는 입력된 사용자의 선

호도와 프로파일 정보, 그리고 수집한 센서 데이터 (사용자의 현재 상태) 및 소셜 데이터

(식시 시간 여부, 계절, 지역)를 바탕으로 사용자의 건강과 선호도에 따른 음식을 추천함.

[그림 1-115] 마이닝마인즈 버전 4.0 시나리오

- 119 -

2. 기술개발 추진 방법, 전략 및 체계

2-1. 기술개발 추진 방법․전략

(1) 기술개발 추진 방법

□ 제안하는 연구 개발에 참여하는 모든 참여기관들의 역할 및 개발 방법에 대한 내용은 아래와

같음.

Ÿ 마이닝마인즈 플랫폼 기술 개발의 추진방법은 핵심기술 개발 파트와 상용화 파트로 나누

어짐. 마이닝마인즈 엔진 개발 파트는 큐레이션 관점에서 데이터 큐레이션, 정보 큐레이

션, 지식 큐레이션, 서비스 큐레이션, 서포팅 계층으로 나누어지고 상용화 파트는 플랫폼

상용화, 비지니스 서비스 모델 개발로 이루어져 있음.

Ÿ 데이터 큐레이션 기술은 경희대학교가 개발을 담당함. 경희대학교는 기보유 기술인 하둡

기반 분산 저장 시스템과 다중 센서 데이터 센싱 기술, 빅데이터 처리 및 빠른 데이터 읽

기 기술, 라이프로그 모니터링과 라이프로그 표현 및 매핑 기술을 개발함.

Ÿ 정보 큐레이션 기술은 경희대학교, (주)타파크로스가 참여하여 개발함. 총괄기관인 경희대

학교는 다중 센서 빅데이터 기반 사용자 저수준 (행위/감정/위치) 및 고수준 상황 분석 기

술을 개발함. (주)타파크로스는 SNS 온라인 데이터를 분석하여 의미를 추론하는 기술을 개

발함.

Ÿ 지식 큐레이션 기술은 경희대학교와 호주 UTAS가 참여하여 개발함. 양 기관은 서로 협력

하에 전문가/데이터 기반 지식 획득 기술과 룰 생성을 위한 지식 추론 기술, 지식의 중복/

충돌/모순을 방지하고 해결하기 위한 지식 관리 기술을 개발하며, 큐레이션 생성을 위해

(주)녹십자헬스케어의 서비스 제공자인 영양사, 관리사의 요구사항을 반영하여 지식관리툴

을 개발함.

Ÿ 서비스 큐레이션 기술은 경희대학교와 포항공과대학교에서 참여하여 개발함. 총괄기관인

경희대학교는 개인화된 추천 서비스 제공을 위한 개인 프로파일링 데이터 및 생활 이벤트

데이터를 포항공과대학교에 전달하며 포항공과대학교에서는 이를 기반으로 개인화된 추천

분석 기술 개발과 퍼스널 큐레이션을 위한 추천 컨텐츠를 생성함.

Ÿ 지원 계층은 경희대학교와 포항공과대학교, (주)유투시스템이 참여하여 개발함. 총괄기관인

경희대학교에서는 익명화 및 개인정보 보호 기술을 개발하며, (주)유투시스템과 공동연구

하여 UX/UI 저작툴 개발 및 개인 데이터 분석 기반의 시각화 기술을 개발함. 포항공과대

학교에서는 사용자의 피드백 수집 및 분석 기술을 개발함.

Ÿ 상용화 파트에서는 (주)녹십자헬스케어, (주)유투시스템, 한국생산기술연구원이 참여하며

- 120 -

(주)녹십자헬스케어는 라이프스타일 행동과 서비스 모델과 상용화 프레임워크 개발 및 서

비스 모델을 시범운영함. 상용화를 위한 서비스모델 정량적 지표는 한국생산기술연구원에

서 개발하며 상용화 과정에서 필요한 UI는 (주)유투시스템에서 사용자 경험에 기반한

UI/UX/GUI를 디자인하고 개발함.

□ 제안하는 연구의 기술개발을 수행할 각 참여기관의 역할 분담은 다음 표와 같음.

[그림 2-1] 각 참여기관 기술 개발 역할 분담

- 121 -

(2) 기술개발 추진 전략

□ 본 컨소시움에 참여한 참여기관들은 해당 분야에서 독자적인 기술을 가진 전문기관으로 선행

연구된 기술을 바탕으로 마이닝마인즈 플랫폼의 기초적인 요소기술을 개발하며 매 연차별마

다 주관기관 경희대학교에서 참여기업과 조율하여 각 모듈들과 시스템을 통합함.

□ 모든 기관은 통합을 용이하게 하기 위하여 명세서 및 모듈 간 인터페이스 정의를 명확히 하

고 S/W 개발 프로세스에 의거하여 개발하며, 개발된 S/W는 대표적인 오픈소스 공개 커뮤니

티인 소스포지 (Sourceforge)에 업로드하여 오픈소스화 함. 각 참여 기관은 격주마다 주관기관

인 경희대학교에서 정기적인 면대면 회의를 하고, 년 2회 워크샵을 통하여 개발 사항을 점검

하고 내용을 공유함. (부록 5: 회의록 참조). 그리고 퍼스널 빅 데이터 기반 의료 마이닝마인

즈 엔진 개발 경험이 풍부한 호주 UTAS 와 지속적인 협력과 공동 개발을 함.

□ 연차별 추진 전략은 1, 2차년도 때 마이닝마인즈 핵심 원천 기술개발에 주력하여 각 컴포넌

트들을 개발하고, 그 결과로 활동량 기반 건강증진 프로토타입 어플리케이션 (MM v1.0, v1.5,

v2.0)을 제작하였으며, 섭취 영양 기반 식단 추천 기능이 추가된 v2.5를 개발하였음. 1단계 시

기에 공개된 프로토타입은 기존 서비스에서 사용자 맞춤형 서비스를 확장하는 형태로 개발하

였음.

□ 2단계 (3차년도, 4차년도)에는 각 기관에서 개발한 모듈들을 고도화하여 상용화를 위한 준비

단계를 거치며, 이를 위한 상용화 서비스 모델을 개발함. 특히 2단계에서는 사용자의 일상 생

활 정보에 기반한 건강 추진 서비스 뿐만 아니라 만성질환 중 하나인 당뇨의 관리 및 치료를

목적으로 서비스를 개발할 예정임. 개발될 어플리케이션은 사용자의 퍼스널 빅데이터 (상황,

이벤트)를 활용하여 시기적절한 운동과 식단 및 당뇨 관리 방법들을 Pull 서비스 뿐만 아니라

Push 서비스를 통해 동적으로 추천하는 서비스로 이를 상용화 함.

[그림 2-2] 참여 기관별 대표적 역할

- 122 -

□ 본 과제의 연구개발을 진행할 때 소프트웨어 개발 방법론을 적용하여 소프트웨어의 개발과

품질관리를 동시에 진행함. 적용할 소프트웨어 개발 방법론은 나선형 모델을 사용하여 빠르

게 프로토타입을 완성한 뒤 사용자 및 수요자의 요구사항을 반영해 소프트웨어의 질을 높임.

[그림 2-3] 본 과제에 적용할 소프트웨어 개발 방법론

□ 또한 각 개발 시기마다 적절한 소프트웨어 관리 IBM Rational Software Case Tool을 이용하여

지속적인 소프트웨어를 관리함.

[그림 2-4] 연차별 추진 전략 및 소프트웨어 케이스툴 사용

- 123 -

2-2. 기술개발 추진 체계

1차년도(2014년)

2차년도(2015년)

- 124 -

3차년도(2016년)

4차년도(2017년)

- 125 -

2-3. 기술개발팀 편성도

주 관 기 관 참여연구원 담당기술내용

경희대학교총괄책임자(이승룡) 외

27명

빅데이터 저장 및 관리 기술

센서 데이터 기반 사용자 특성

추출 기술

라이프로그 표현 및 검색 기술

개인화 생활이벤트 보안 및

프라이버시 보호 기술

참 여 기 관

(수행기간:14.06.01~18.05.31)

참 여 기 관

(수행기간:14.06.01~18.05.31)

참 여 기 관

(수행기간:14.06.01~18.05.31)포항공과대학교 ㈜타파크로스 한국생산기술연구원

참 여 연 구 원 참 여 연 구 원 참 여 연 구 원개발책임자(유환조)외

4명

개발책임자(김용학)외

7명

개발책임자(최준호)외

2명

담당 기술개발 내용 담당 기술개발 내용 담당 기술개발 내용

소셜네트워크 데이터를 활용한

추천시스템 개발, 정형 및 비정형

혼합데이터를 이용한 추천시스템

개발, 피드백을 반영한 추천

시스템 개발

다중센서융합 생활이벤트 센싱

기술개발 (웹, SNS)마이닝마인즈 플랫폼 확장을 통한

상용화 프레임워크 개발

서비스 모델 적용 임상 데이터 기반 정량화 모형 고도화 방안

설계

참 여 기 관

(수행기간:14.06.01~18.05.31)

참 여 기 관

(수행기간:14.06.01~18.05.31)

참 여 기 관

(수행기간:14.06.01~18.05.31)한국컨설팅서비스협회 ㈜녹십자헬스케어 ㈜유투시스템

참여연구원 참 여 연 구 원 참여연구원개발책임자(이용훈)외

4명

개발책임자(호재문)외

15명

개발책임자(최재현)외

4명

담당기술내용 담당 기술개발 내용 담당기술내용

퍼스널 빅 데이터 마이닝마인즈

플랫폼 연구성과 확산

서비스 모델 개발 및 비즈니스 적용

User Behavior Data 수집

서비스 UX 개발, 서비스(App)

UI/GUI 개발,

User Behavior Data 수집

참여기관(수행기간:16.06.01~18.05.31) 참여연구원 담당기술내용

호주 UTAS개발책임자(강병호) 외

3명

지식 생성, 수정, 관리,

추론 기술 개발

- 126 -

2-4. 추진 일정

(1) 1차년도

[경희대]

1차년도일련번호

개발내용추진 일정 기간

(주)1 2 3 4 5 6 7 8 9 10 11 12

1 계획수립 및 자료조사 4

2 마이닝마인즈 기술 분석 8

3마이닝마인즈 플랫폼

시스템 설계12

4데이터 큐레이션

다중센서 센싱기술 요구사항 분석

8

5 다중 센싱 기술 설계 12

6정보 큐레이션 저수준 상황인지엔진 설계

12

7저수준 상황인지

엔진 구현12

8서비스 큐레이션 피드백 메커니즘 모듈 설계

12

9 익명화 기술 분석 8

10프라이버시 요구사항

분석16

11 모의 실험 시스템 구성 12

12 성능평가 모의 실험 12

13 관련 논문 작성 및 발표 12

14 관련 특허 작성 및 발표 12

[포항공대]

1차년도일련번호

개발내용추진 일정 기간

(주)1 2 3 4 5 6 7 8 9 10 11 12

1비정형 데이터 종류 명세 및 형식 별 의미 분석

24

2하둡 코드 분석,

효율적인 데이터 분할 기법 설계,프레임웍 개발

36

3기존 스트리밍 마이닝 알고리즘 조사, 구현 및

문제점 도출20

4스트리밍 마이닝을 위한 프레임워크 설계, 개발

28

5추천 기술 서베이 및 베이스라인 구현

28

6이종 데이터를 활용한 추천 시스템 프레임웍

설계36

- 127 -

[한국과학기술원]

1차년도일련번호

개발내용추진 일정 기간

(주)1 2 3 4 5 6 7 8 9 10 11 12

1 기존 연구 조사 16

2데이터 수집 및 기존

알고리즘 비교16

3기존 알고리즘 문제점

도출 및 새로운 알고리즘 고안

12

4 알고리즘 구현 14

5주요평가방법에 따른 성능평가항목 결정

8

6실험실에서 성능평가

모의 실험12

7평가 결과 기반 정확도

향상 및 보정14

[숭실대]

1차년도일련번호

개발내용추진 일정 기간

(주)1 2 3 4 5 6 7 8 9 10 11 12

1빅데이터 지식 기반 시맨틱 추론 연구

24

2빅데이터 지식 기반

시맨틱 추론 프로토타입24

3대용량 트리플 추론 엔진

개발24

4평가방법에 따른

성능 평가12

5평가 결과 기반 속도

향상 및 보정14

[한국생산과학기술원]

1차년도일련번호

개발내용추진 일정 기간

(주)1 2 3 4 5 6 7 8 9 10 11 12

1서비스 모델 분석 및 정량화 모형 개발

48

[녹십자헬스케어]

1차년도일련번호

개발내용추진 일정 기간

(주)1 2 3 4 5 6 7 8 9 10 11 12

1기존서비스 사례조사

(신체활동, 수면, 물 섭취)24

2사용자 니즈 조사와

서비스 전달체계 설계20

3 서비스 시나리오 개발 16

4신체활동 관리 서비스

알고리즘 및 콘텐츠 개발12

5수면 관리 서비스

알고리즘 및 콘텐츠 개발12

6물 섭취 관리 서비스

알고리즘 및 콘텐츠 개발12

- 128 -

[(주)타파크로스]

1차년도일련번호

개발내용추진 일정 기간

(주)1 2 3 4 5 6 7 8 9 10 11 12

1 온라인 수집엔진 개발 24

2RSS / API 수집엔진

개발10

3퍼스널데이터 의미기반

분석엔진 설계8

4퍼스널데이터 의미기반

분석엔진 개발32

5퍼스널데이터 수집 및 분석 데이터 처리

16

6마이닝마인즈 분석 통합

플랫폼 테스트8

[(주)유투시스템]

1차년도 일련번호

개발내용추진 일정 기간

(주)1 2 3 4 5 6 7 8 9 10 11 12

1 계획수립 및 자료조사 4

2서비스 발굴을 위한 User Research(On-line Survey)

12

3서비스 1차 발굴

및 정의4

4 전체 서비스 컨셉 개발 4

5 UI 컨셉 디자인 4

6서비스 1종의

Mobile App UI, GUI 개발16

7개발 피드백을 적용한 UI,

GUI 수정12

8서비스 검증을 위한

전문가 평가8

[한국 컨설팅서비스 위원회]

1차년도일련번호

개발내용추진 일정 기간

(주)1 2 3 4 5 6 7 8 9 10 11 12

1서비스 모델의 요구사항

분석을 위한 업계수요조사

48

- 129 -

(2) 2차년도

[경희대]

2차년도일련번호

개발내용추진 일정 기간

(주)1 2 3 4 5 6 7 8 9 10 11 12

1마이닝마인즈 플랫폼

시스템 구현48

2

이 기종 데이터 습득기술과 빅 데이터

Persistence 모듈 설계 및 구현

24

3저수준 상황인지

엔진 확장48

4피드백 분석 모듈 설계

및 개발30

5익명화 기술 모듈 설계

및 구현 36

6프라이버시 데이터

정보보호 기술 설계 및 개발

32

7빅 데이터 분석 툴 설계

및 개발28

8라이프로그 기반

개인화된 예측기술 설계 및 구현

32

9마이닝마인즈 라이프로그 온톨로지 설계 및 개발

24

10고수준 상황인지 엔진

설계 및 구현26

[포항공과대학교]

2차년도일련번호

개발내용추진 일정 기간

(주)1 2 3 4 5 6 7 8 9 10 11 12

1비정형 데이터 종류 분석

기술 설계24

2효율적인 데이터 분할

기법 설계 및 프레임워크 설계

36

4스트리밍 프로세싱을 위한 프레임워크 설계,

개발28

5추천 기술 서베이 및 베이스라인 구현

28

6이종 데이터를 활용한 추천 시스템 프레임웍

설계36

- 130 -

[호주 UTAS]

2차년도일련번호

개발내용추진 일정 기간

(주)1 2 3 4 5 6 7 8 9 10 11 12

1빅 데이터 지식기반

시멘틱 추론 기술 개발48

2지식 관리 프레임워크

설계 및 개발24

3지식기반 추천

프레임워크 설계 및 구현28

4지식기반 규칙 저작 툴

설계 및 개발48

[한국생산기술연구원]

2차년도일련번호

개발내용추진 일정 기간

(주)1 2 3 4 5 6 7 8 9 10 11 12

1서비스 모델 분석 및

정량화 모형 적용 연구48

[(주)녹십자헬스케어]

[(주)타파크로스]

2차년도일련번호

개발내용추진 일정 기간

(주)1 2 3 4 5 6 7 8 9 10 11 12

1 온라인 수집엔진 확장 24

2RSS / API 수집엔진

확장24

3퍼스널데이터 의미기반 분석엔진 개발 고도화

32

4퍼스널데이터 수집 및 분석 데이터 처리

16

5마이닝마인즈 분석 통합

플랫폼 테스트8

2차년도일련번호

개발내용추진 일정 기간

(주)1 2 3 4 5 6 7 8 9 10 11 12

1운동/영양 통합 서비스 제공 프로토타입 모바일

어플리케이션 제작48

2영양 관리 전문가 피드백

서비스 고도화40

- 131 -

[(주)유투시스템]

2차년도 일련번호

개발내용추진 일정 기간

(주)1 2 3 4 5 6 7 8 9 10 11 12

1 계획수립 및 자료조사 4

2서비스 발굴을 위한 User

Research12

3서비스 2차 발굴

및 정의4

4전체 서비스 컨셉 UI

고도화4

5 UX/UI 컨셉 디자인 4

6서비스 2종의

Mobile App UI, GUI 개발16

7개발 피드백을 적용한 UI,

GUI 수정12

8서비스 검증을 위한

전문가 평가8

[(사)한국컨설팅서비스협회]

2차년도일련번호

개발내용추진 일정 기간

(주)1 2 3 4 5 6 7 8 9 10 11 12

1

서비스 플랫폼 적용가능한 지식 서비스 산업군 분류 및 타당성

조사, 분석

48

- 132 -

(3) 3차년도

[경희대]

3차년도일련번호

개발내용추진 일정 기간

(주)1 2 3 4 5 6 7 8 9 10 11 12

1마이닝마인즈 통합 플랫폼 고도화

48

2데이터 큐레이션

다중센서 센싱기술 고도화

24

3정보 큐레이션 기술

고도화48

4지식 큐레이션 기술

고도화48

5서비스 큐레이션 기술

고도화48

6익명화 모듈 및

프라이버시 데이터 정보보호 기술 고도화

32

7비정형 데이터 분석 엔진

고도화28

8

데이터 기반 지식 습득 기술을 위한 하둡기반

패시브 데이터 읽기 기술 고도화

28

9스트리밍 프로세싱기술

고도화32

10UX/UI Authoring Tool

개발24

11사용자 맞춤형 UX/UI

개발26

[포항공과대학교]

3차년도일련번호

개발내용추진 일정 기간

(주)1 2 3 4 5 6 7 8 9 10 11 12

1소셜네트워크 데이터를 활용한 추천시스템 개발

24

2정형 및 비정형

혼합데이터를 이용한 추천시스템 개발

36

3피드백을 반영한 추천

시스템 개발28

- 133 -

[호주 UTAS]

3차년도일련번호

개발내용추진 일정 기간

(주)1 2 3 4 5 6 7 8 9 10 11 12

1지식 관리 프레임워크

기술 고도화48

2지식기반 규칙 저작 툴

고도화48

[한국생산기술연구원]

3차년도일련번호

개발내용추진 일정 기간

(주)1 2 3 4 5 6 7 8 9 10 11 12

1서비스 모델 적용 임상 데이터 기반 정량화 모형

고도화 방안 설계48

[(주)녹십자헬스케어]

[(주)타파크로스]

2차년도일련번호

개발내용추진 일정 기간

(주)1 2 3 4 5 6 7 8 9 10 11 12

1SNS 분석엔진과

마이닝마인즈 플랫폼 엔진 통합

24

2RSS / API 수집엔진

성능 평가16

3퍼스널데이터 의미기반 분석엔진 성능 평가

12

4퍼스널데이터 수집 및 분석 데이터 처리 기술

성능 평가16

5마이닝마인즈 플랫폼 상용화 비즈니스 모델

성능 평가20

6시소러스 라이브러리

구축32

3차년도일련번호

개발내용추진 일정 기간

(주)1 2 3 4 5 6 7 8 9 10 11 12

1

운동/영양통합 서비스

제공 모바일

어플리케이션 제작

48

2

만성질환(당뇨)관리 서비스

제공 프로토타입 모바일

어플리케이션 제작

48

- 134 -

[(주)유투시스템]

3차년도 일련번호

개발내용추진 일정 기간

(주)1 2 3 4 5 6 7 8 9 10 11 12

1연령대 및 사용자 경험

수집8

2 Mobile App UI/GUI 개발 28

3서비스 검증을 위한

전문가 평가4

4개발 피드백을 적용한

UI/GUI 수정8

[(사)한국컨설팅서비스협회]

3차년도일련번호

개발내용추진 일정 기간

(주)1 2 3 4 5 6 7 8 9 10 11 12

1

서비스모델의 확장,고도화를 위한

비즈니스유형 조사 및 활성화 방안 연구

48

- 135 -

(4) 4차년도

[경희대]

3차년도일련번호

개발내용추진 일정 기간

(주)1 2 3 4 5 6 7 8 9 10 11 12

1마이닝마인즈 통합 플랫폼 상용화

48

2데이터 큐레이션

다중센서 센싱기술 상용화

24

3정보 큐레이션 기술

상용화48

4지식 큐레이션 기술

상용화48

5서비스 큐레이션 기술

상용화48

6익명화 모듈 및

프라이버시 데이터 정보보호 기술 상용화

32

7비정형 데이터 분석 엔진

상용화28

8UX/UI Authoring Tool

상용화28

9자동형 사용자 맞춤형 UX/UI 엔진 상용화

32

[포항공과대학교]

[호주 UTAS]

3차년도일련번호

개발내용추진 일정 기간

(주)1 2 3 4 5 6 7 8 9 10 11 12

1지식 큐레이션 지식 관리

엔진 상용화48

2지식기반 규칙 저작 툴

상용화48

3차년도일련번호

개발내용추진 일정 기간

(주)1 2 3 4 5 6 7 8 9 10 11 12

1소셜네트워크 데이터를 활용한 추천시스템

상용화24

2정형 및 비정형

혼합데이터를 이용한 추천시스템 상용화

36

3피드백을 반영한 추천

시스템 상용화28

- 136 -

[한국생산기술연구원]

3차년도일련번호

개발내용추진 일정 기간

(주)1 2 3 4 5 6 7 8 9 10 11 12

1 라이프 매니지먼트 정량화 모형 도출

48

[(주)녹십자헬스케어]

[(주)타파크로스]

2차년도일련번호

개발내용추진 일정 기간

(주)1 2 3 4 5 6 7 8 9 10 11 12

1 온라인 수집엔진 상용화 16

2퍼스널데이터 분석 기술

및 엔진 상용화16

3마이닝마인즈 통합 플랫폼 상용화

28

[(주)유투시스템]

1차년도

일련번호

개발내용추진 일정 기간

(주)1 2 3 4 5 6 7 8 9 10 11 12

1마이닝마인즈 정보기반 자동형 Mobile App UI,

GUI 상용화32

2UX/UI Authoring

Tool을 적용한 UI, GUI상용화

16

[(사)한국컨설팅서비스협회]

3차년도일련번호

개발내용추진 일정 기간

(주)1 2 3 4 5 6 7 8 9 10 11 12

1서비스모델의 확장 모델 테스트를 통한 사업화

타당성 검토48

3차년도일련번호

개발내용추진 일정 기간

(주)1 2 3 4 5 6 7 8 9 10 11 12

1운동/영양통합 서비스

상용화48

2만성질환(당뇨) 관리 서비스

모델 비즈니스 적용48

- 159 -

4. 사업화 계획

□ 본 과제에서 제안하는 마이닝마인즈 플랫폼 사업화는 설계된 비즈니스 모델을 기반으로 하며

사업화 대상을 B2C 뿐만 아니라 B2B의 구조를 가짐. 사업화 파트너로는 경희대학교, 녹십자

헬스케어, 타파크로스, 유투시스템이 공동 서비스 하며 아래의 그림은 마이닝마인즈 비즈니스

모델을 나타냄.

[그림 4-1] 마이닝마인즈 비즈니스 모델

□ 마이닝마인즈 라이프매니지먼트 서비스는 (주)녹십자헬스케어에서 서비스를 진행할 예정이며

플랫폼 개발기간 동안 데이터 소유권은 서비스 고객 개인이 보유하고 있으며 고객의 동의하

에 경희대와 (주)녹십자헬스케어가 데이터를 활용하도록 데이터 활용 정책을 수립함.

□ 개발완료 후에는 경희대에서 개발한 마이닝마인즈 플랫폼을 (주)녹십자헬스케어의 별도 서버

로 이전되어 플랫폼 소유권을 가지며 고객의 모든 데이터와 서비스를 관리 활용할 계획임.

[그림 4-2] 향후 마이닝마인즈 플랫폼 소유권 계획

- 160 -

□ 본 연구과제를 통해 개발되는 통합 시스템은 헬스케어 분야뿐만 아니라 의료, 물류, 유통, 공

공 등 모든 B2C 서비스 분야에 적용할 수 있으며, 타파크로스는 이를 통해 SaaS 혹은 Open

API 기술을 통해 기업 내 기존 서비스 시스템과 긴밀하게 통합될 수 있음

□ 또한 서비스 수준 변화가 기업 및 기관의 성과지표에 미치는 영향도를 분석하여 우선순위에

따른 서비스 수준을 관리할 수 있음

□ 타파크로스는 또한 본 연구과제를 통해 개발된 SNS 수집기술, 의미분석 기술, 특정 분야에

대한 시소러스 라이브러리 등을 활용해 의료서비스 등의 새로운 분야를 중심으로 사업을 확

장해 나갈 계획임

□ 이와 함께 기존의 SaaS, 솔루션 SI 및 컨설팅, 리포트 서비스 모델 외에 Open API를 이용해

API 판매 모델의 비즈니스화 계획을 추진함

[그림 4-3] 타파크로스의 주요 비즈니스 모델

- 161 -

4-1. 생산 계획

(1) ㈜녹십자헬스케어

□ 본 과제의 개발 결과물은 “3종의 서비스”로서, B2B 고객에게 Total Solution 형태로 제공할

계획

□ 따라서 서비스 단가는 B2B 채널의 최종 고객수를 단위로 산정했음. 서비스 공급을 위해서는

일부 디바이스가 판매가 따르는데, 본 사업계획에는 산입하지 않았음.

구분 ( 2018 년)개발 종료 후 1년

( 2019 년)개발 종료 후 2년

( 2020 년)개발 종료 후 3년

국내

시장점유율(%) 0.1 0.3 1판매량(명) 10,000 30,000 100,000

판매단가(원/년) 60,000 60,000 60,000국내매출액(백만원) 600 1,800 6,000

해외

시장점유율(%) 0.002 0.01 0.05판매량(단위: 명) 30,000 150,000 750,000

판매단가($) 20 20 20해외매출액(백만$) 0.6 3 15

당사 생산능력1) 150,000 300,000 1,000,000

(2) ㈜타파크로스

구분 ( 2018 년)개발 종료 후 1년

( 2019 년)개발 종료 후 2년

( 2020 년)개발 종료 후 3년

국내

시장점유율(%) 30% 35% 40%판매량(EA) 패키지 : 5EA

ASP : 15EA패키지 : 7EAASP : 20EA

패키지 : 10EAASP : 40EA

판매단가(원)패키지 :

1,000,000,000ASP : 300,000,000

패키지 : 1,000,000,000

ASP : 300,000,000

패키지 : 1,000,000,000

ASP : 300,000,000국내매출액(백만원) 9,500 13,000 22,000

해외

시장점유율(%) - - -판매량(EA) - - -판매단가($) - - -

해외매출액(백만$) - - -당사 생산능력1)

당사 생산능력 :패키지 : 10EA

ASP : 30EA

당사 생산능력 :패키지 : 15EA

ASP : 50EA

당사 생산능력 :패키지 : 20EA

ASP : 80EA

- 162 -

4-2. 투자 계획

(1) ㈜녹십자헬스케어

□ 본 과제의 개발 결과물은 “3종의 서비스”로서, 재료비 등은 발생하지 않으며, 대부분 서비

스 인력이 주된 원가 요소임.

□ 국내 시장의 경우 현재 80만 명에 대해서 40명이 서비스를 제공하고 있는데, 본 사업계획에

서 10만 명 증가에 대해서는 추가 투자가 크게 소요되지 않음. 단 상담을 위한 CTI

(Computer Telephony Integration) 시스템에 대한 보강을 위한 기계장치 투자를 예정함.

□ 해외 시장의 경우는 Solution을 공급하는 형태이므로 서비스 인력이 필요하지 않음.

(단위 : 백만원)

항목 ( 2018 년)개발 종료 후 1년

( 2019 년)개발 종료 후 2년

( 2020 년)개발 종료 후 3년

매출원가1) 600 2,400 10,500판매관리비2) 300 1,000 4,500

자본적지출

토지 - - -건물/구축물 100 - -기계장치등 100 - -

자본적지출 합계 250 - -

(2) ㈜타파크로스

(단위 : 백만원)

항목 ( 2018 년)개발 종료 후 1년

( 2019 년)개발 종료 후 2년

( 2020 년)개발 종료 후 3년

매출원가1) - - -판매관리비2) 840 1,080 1,800

자본적지출

토지 - - -건물/구축물 - - -기계장치등 - - -

자본적지출 합계 - - -

- 163 -

4-3. 사업화 전략

(1) ㈜녹십자헬스케어

구분 구체적인 내용

형태/규모

Ÿ 상용화 형태 : 서비스 및 패키지 소프트웨어Ÿ 수요처 : B2B 채널의 기업이나 기관 / 개인Ÿ 예상 단가 : 6만원/인•년Ÿ 개발 투입인력 및 기간 : 5명•4년

상용화 전략

Ÿ Healthcare Service를 지난 10년 동안 현재 80만 명에 대해서 진행하고 있음Ÿ 의료, 영양, 운동 과련 서비스를 진행 중Ÿ 자체 모델의 활동량계(Walkie+D) Device 제품과 Service Platform을 보유하

고 있음.Ÿ 우수한 IT운영 및 개발인력 보유로 빠른 Solution 및 Application 구현이 가능

상용화 계획 및 일정

Ÿ 기존 B2B 서비스의 고도화 형태를 통해 시장 진입 (2차년도부터 가능)Ÿ 서비스의 부분이 완성될 때 마다 현재 서비스에 추가 도입 형태로 상용화Ÿ 응용분야 확장으로 시장 확대 (보험사를 대상으로 만성질환 관리 서비스 제

안)

[그림 4-4] 제안하는 ㈜녹십자헬스케어의 사업화 계획

- 164 -

[그림 4-5] 제안하는 ㈜녹십자헬스케어의 당뇨환자 관리 및 모니터링 서비스

(2) ㈜타파크로스

구분 구체적인 내용

형태/규모

Ÿ 상용화 형태 : API 데이터 판매, SaaS 서비스 모델, 솔루션 납품 등Ÿ 수요처 : 주요 기업 및 기관, 컨설팅, 조사분석 기업 등Ÿ 예상 단가 : 1,000,000천원Ÿ 개발 투입인력 및 기간 : 연구인력 10명, 1년

상용화 능력 및 자원보유

Ÿ 산업통상자원부 산업원천기술 분야에서 B2C산업의 정성적 고객 피드백 수집 및 분석 기술 분야의 연구를 진행 중임.

Ÿ IDC 내 온라인 데이터 수집 및 분석을 위한 인프라 확보Ÿ 2009년 이후 지속적인 인프라 투자를 통하여 다년간의 운영 노하우 축적

상용화 계획 및 일정

Ÿ 본 연구를 통해 개발되는 통합 시스템은 헬스케어 분야뿐만 아니라 의료, 물류, 유통, 공공 등 모든 B2C 서비스 분야에 적용할 수 있으며, SaaS 혹은 Open API 기술을 통해 기업 내 기존 서비스 시스템과 긴밀하게 통합될 수 있어, 간편하게 적용할 수 있음

Ÿ 또한 서비스 수준 변화가 기업 및 기관의 성과지표에 미치는 영향도를 분석하여 우선순위에 따른 서비스 수준을 관리할 수 있음

Ÿ 전략 1. 판로확보 전략 : 도메인 클러스터링 전략 - 동일 또는 유사 도메인(ex: 헬스케어 서비스, 관광 등)에 최적화된 패키지

솔루션으로 경쟁력 확보- 순차적으로 도메인 확대

Ÿ 전략 2. 판로확보 전략 : 개별 솔루션 -> 통합 솔루션 확대 전략- 사업초기에 소셜네트워크 분석, 대용량 데이터 분석 처리 기술과 업무 혁

신 컨설팅 등 개별 컨설팅 시장 공략

- 165 -

[그림 4-6] ㈜타파크로스의 주요 사업화 전략

구분 구체적인 내용

- 점차적으로 시장요구에 적합한 통합시스템용 대형 고객 확보

Ÿ 전략 3. 제품홍보전략 : 성공 마케팅 전략 - 공감대 형성을 위한 커뮤니티 채널 운영- 각종 박람회 참여 및 학술 활동 강화- 참여기업 영업라인을 가동하여 전국 마케팅 망 확보

Ÿ 전략 4. 제품화 확대 전략 : 세계화 전략 - 언어, 문화적 한계를 극복할 수 있도록 지속적인 R&D 투자- 영어문화권, 중국, 일본 등 점진적 세계화 추진

Ÿ 전략 5. 레고형 판매 전략 : 규모별, 모듈별 복합 판매 전략 - 대규모 기관은 통합 솔루션 또는 개별 솔루션별로 패키지화하고, 이를 기

반으로 한 프로젝트 방식으로 수행- 중소 규모 기관은 해당 협회와 전략적 제휴를 맺고, SaaS방식으로 IDC 센

터를 통한 솔루션 제공과 개별적 컨설팅 또는 집단적 교육 및 컨설팅을 수행하는 레고블럭과 같은 조합이 유연한 configuration 가능한 판매 전략 추진

- 166 -

[그림 4-7] ㈜타파크로스의 마이닝마인즈 활용 방안

□ 비즈니스 모델

모델 구분 주 사업 모델 사업 모델 설명 수익 예상 기업군

API 데이터판매 모델

분석 결과 데이터 판매

Ÿ 분석 데이터 결과를 요청하는 기업 및 기관을 대상으로 정액종량제의 서비스 판매

Ÿ 초기 컨설팅 및 구축비와 사용량에 따른 이용료로 구성되는 B2B2C 비즈니스

- 주요 기업 및 기관- 컨설팅 기관- 조사분석 기업

SaaS 서비스 모델

기관/기업을대상으로 웹서비스

제공

Ÿ 사용자 의견 및 행동 패턴 분석에 특화된 서비스 모델

Ÿ 통합 플랫폼의 광고 판매Ÿ 이용자 수, 데이터 볼륨에 따른

과금 정책

- 주요 기업 및 기관- 광고대행사- 컨설팅 기관- 조사분석 기업

솔루션 컨설팅 및 SI

모델

자체 사용 혹은 고객 서비스 업체를

대상으로 솔루션을 제공

Ÿ 컨설팅, 시스템 구축, 운영 대행 등을 진행하는 솔루션 SI

- 주요 기업 및 기관- 광고대행사- 컨설팅 기관- 조사분석 기업

리포트데이터 분석 결과

판매

Ÿ 분석 데이터를 원하는 기업 및 기관을 대상으로 정기/비정기 리포트를 판매

- 주요 기업 및 기관- 광고대행사- 언론사

- 167 -

(3) ㈜유투시스템

□ 1단계 (1, 2차년도)

Ÿ 녹십자 Healthcare 3개 서비스(신체활동, 수면, 물섭취)를 위한 UI/UX 디자인

□ 2단계 (3, 4차년도)

Ÿ 녹십자 Healthcare 3개 서비스(신체활동, 수면, 물섭취)에 대한 사용성 평가

Ÿ 고도화된 Curation service에 대한 UI/UX 디자인

Ÿ 마이닝마인즈 engine를 활용, 유투시스템이 개발 중인 mobile survey open platform을 고

도화하고 차별화함.

Ÿ 이러한 platform을 바탕으로 healthcare 영역 외 mobile 광고, political campaign 등 개인화

서비스가 필요한 영역으로 사업을 확장할 수 있음.

Ÿ 현재상황(AS-IS) - 웨어러블 디바이스를 통해 얻은 데이터만을 분석, 제공함으로써 일상

생활 속에서 건강관리를 위한 적극적인 생활 습관을 유도할 장치 부족

Ÿ 개발완료 후(TO-BE) - 웨어러블 디바이스를 통해 얻은 생체 data와 SNS, mobile survey를

통해 얻은 life log 및 날씨, 주변정보, 사회적 뉴스 등의 meta data를 활용하여 개개인에

게 맞는 적절한 서비스를 추천하고 일상생활에서 부담 없이 수행할 수 있는 형태로 제공

하여 사용자의 지속적인 관심을 유지할 수 있도록 함.

- 168 -

[그림 4-8] 제안하는 ㈜유투시스템의 사업화 계획

- 284 -

【별첨 1】

기술준비도(TRL, Technology Readiness Level) 목표

□ 과제개요

과제명퍼스널 빅데이터를 활용한

마이닝마인즈 핵심기술 개발총개발기간 2014.06.01. ~ 2018.05.31

(총괄/세부)주관기관

경희대학교 산학협력단(총괄/세부)

책임자이 승 룡

□ 핵심기술요소(CTE, Critical Technology Element)

<핵심기술요소(CTE) 목록>

핵심기술요소1(CTE1)(소재/부품/시스템 등)

마이닝마인즈 플랫폼TRL 평가지표

Code1) TRL060202

핵심기술요소2(CTE2)(소재/부품/시스템 등)

서비스 모델 개발TRL 평가지표

Code1) TRL110201

핵심기술요소3(CTE3)(소재/부품/시스템 등)

사용자 운동지수의 직관적 시각화 기능 개발

TRL 평가지표 Code1) TRL110201

□ 기술준비도(TRL) 목표

① CTE1 : 마이닝마인즈 플랫폼

구 분단계

TRL 정의2) 시험평가 주체

시험평가 생산수준 또는 결과물

시험평가 환경

개발연차대상 평가항목

기초연구단계

1 기초이론/실험 - - - - - -

2실용목적

아이디어․특허 등 개념정립

- - - - - -

실험단계

3실험실 규모의 기본성능 검증

주관기관경희대학교

내부 실험자

빅 데이터 분산저장 기술

l 4개 항목에 대한 알고리즘

실험실 내부 평가

1차년도

고수준 상황인지 기술

지식기반 추론기술

서비스 추천 기술

4연구 시제품(프로토타입)

구현

주관기관경희대학교

내부 실험자

고수준 상황인지 기술 l 3개의 항목에

대한 프로토타입 시험평가서

실험실 내부 평가

2차년도분산처리환

경 지식기반 추론기술

- 285 -

* 음영표시된 TRL 1, 8, 9단계는 원칙적으로 정부 R&D 비지원 영역임

② CTE2 : 서비스 모델 개발

* 음영표시된 TRL 1, 8, 9단계는 원칙적으로 정부 R&D 비지원 영역임

지식관리 툴

시작품단계

5

서브시스템 개발(분석/설계/구현/시험/유효성

확인)

주관기관경희대학교

내부 실험자

이식성

l 시험 평가서현장모사평가

3차년도연동성

고객 만족도

6시스템

통합/시험/검증주관기관

경희대학교베타

테스터

호환성 l 실험시제품l 시제품시험결

과서

현장모사평가

3차년도

정확성

범용성

제품화 단계

7(실제환경에서의

) 시스템 시험/검증

수요기업베타

테스터

l 상용시제품 시범서비스

l 시범서비스 분석서

현장평가4차년도

8시제품 인증 및

표준화- - - - - -

사업화 9 사업화 - - - - - -

구분단계

TRL 정의 시험평가 주체 시험평가 항목생산수준 또는

결과물시험평가 환

경개발연차

기초연구단계

1 기초이론/실험 - - - - -

2실용목적의

아이디어, 논문 등 개념 정립

- - - - -

실험단계

3SW 모델링 (분석/설계)

- - - - -

4연구시제품(프로토타입) 구현

- - - - -

시작품단계

5

활동량/수면관리/수분섭취 분석 및 관리의

기본서비스 모델 개발

주관기관경희대학교

활동량 감지

Ÿ 3개 항목에 대한 목표 달성도 관리

사용자 평가 2차년도수면의 질

감지

수분섭취량 감지

6

활동량/수면관리/수분섭취 분석 및

관리의 서비스 고도화

주관기관경희대학교

활동량 감지Ÿ 3개 항목에

대한 목표 달성도 관리

Ÿ 방해 인자 분석

Ÿ 습관화 정도 분석

사용자 평가 4차년도수면의 질

감지

수분섭취량 감지

실용화단계

7실제 서비스 시범 운영

주관기관수요자

수요자 만족도 Ÿ 서비스 모델 현장 평가 4차년도

8 시스템 인증 Ÿ

사업화 9 사업화 - - - - -

- 286 -

③ CTE3 : 사용자 운동지수의 직관적 시각화 기능 개발

* 음영표시된 TRL 1, 8, 9단계는 원칙적으로 정부 R&D 비지원 영역임

구분단계

TRL 정의 시험평가 주체 시험평가 항목생산수준 또는

결과물시험평가 환

경개발연차

기초연구단계

1 기초이론/실험 - - - - -

2실용목적의

아이디어, 논문 등 개념 정립

- - - - -

실험단계

3SW 모델링 (분석/설계)

- - - - -

4연구시제품(프로토타입) 구현

- - - - -

시작품단계

5

서브시스템 개발(분석/설계/구현/시험/유효성 확인)

주관기관

운동지수 Ÿ 사 용 자 UX/UI를 고려한 직관화

Ÿ 운동 동기 부여

Ÿ SNS를 통한 공유/자랑/격려

실험실 평가 1차년도

Gamification

SNS(Social

NetworkService)

6시스템 통합/시험/검증

주관기관

운동지수

Ÿ 단 위 테 스 트 후 통합결과 검증

현장 평가 2차년도

GamificationSNS

(SocialNetworkService)

실용화단계

7(실제환경에서의)시스템 시험/검증

주관기관수요기업

수요기업지정 사양

Ÿ 소프트웨어

현장 평가/공인시험기관

평가3차년도

8 시스템 인증인증기관

(검사시험소)핵심요소기술(Source code)

Ÿ 통합 소프트웨어

현장 평가/공인시험기관

평가4차년도

사업화 9 사업화 - - - - -

- 287 -

【별첨 2】

3차년도 연구개발 내용 변경 사유

(1) 연구 개발 변경 항목 및 사유

[변경 전 3차년도 개발 목표 32개 항목]

기관 개발 목표

경희대학교(주관기관)

1. 마이닝마인즈 통합 플랫폼 고도화

2. 데이터 큐레이션 다중센서 센싱기술 고도화

3. 정보 큐레이션 저수준 상황인지엔진 기술 고도화

4. 지식 큐레이션 기술 고도화

5. 서비스 큐레이션 피드백 메커니즘 모듈 고도화

6. 익명화 기술 모듈 고도화

7. 프라이버시 데이터 정보보호 기술 고도화

8. 서비스 모델 적용 및 정량화 모형 고도화 방안 설계

포항공과대학교

9. 비정형 데이터 분석 엔진 고도화

10. 하둡 코드 분석 및 구조 정보를 보존하는 효율적인 데이터 분할 기법 고도화

11. 스트리밍 마이닝을 위한 프레임워크 고도화

12. 추천기술 서베이 및 베이스라인 고도화

13. 이종 데이터를 활용한 추천 시스템 프레임워크 고도화

호주 UTAS

14. 빅 데이터 지식기반 시멘틱 추론 기술 고도화

15. 지식 관리 프레임워크 기술 고도화

16. 지식기반 추천 프레임워크 기술 고도화

17. 지식기반 규칙 저작 툴 고도화

한국생산기술연구원 18. 서비스 모델 적용 임상 데이터 기반 정량화 모형 고도화 방안 설계

(주)녹십자헬스케어

19. 운동/영양 통합 서비스 제공 모바일 어플리케이션 개발

20. 운동/영양 통합 서비스 내 수면, 물 섭취 관리 서비스 적용

(주)타파크로스

21. SNS분석엔진과 마이닝마인즈 플랫폼 엔진 통합

22. RSS / API 수집엔진 성능 평가

23. 퍼스널데이터 의미기반 분석엔진 성능 평가

24. 퍼스널데이터 수집 및 분석 데이터 처리 기술 성능 평가

25. 마이닝마인즈 플랫폼 상용화 비즈니스 모델 성능 평가

(주)유투시스템

26. UX/UI Authoring Tool 개발

27. 연령대 및 사용자 경험 수집

28. 사용자 맞춤형 UX/UI 개발

29. 서비스 3종의 Mobile App UI, GUI 개발

30. 개발 피드백을 적용한 UI, GUI 수정

31. 서비스 검증을 위한 전문가 평가

(사)한국컨설팅 서비스협회

32. 서비스모델 시범운영(1차)을 통한 개선점 발굴

- 288 -

[변경 후 3차년도 개발 목표 30개 항목]

기관 개발 목표

경희대학교(주관기관)

1. 마이닝마인즈 통합 플랫폼 고도화

2. 데이터 큐레이션 다중센서 센싱 기술 고도화

3. 정보 큐레이션 기술 고도화

4. 지식 큐레이션 기술 고도화

5. 서비스 큐레이션 기술 고도화

6. 익명화 모듈 및 프라이버시 데이터 정보보호 기술 고도화

7. 비정형 데이터 분석 엔진 고도화

8. 데이터 기반 지식 습득 기술을 위한 하둡기반 패시브 데이터 읽기 기술 고도화

9. 스트리밍 프로세싱 기술 고도화

10. UX/UI Authoring Tool 개발

11. 사용자 맞춤형 UX/UI 개발

포항공과대학교

12. 소셜네트워크 데이터를 활용한 추천 시스템 개발

13. 정형 및 비정형 혼합데이터를 이용한 추천 시스템 개발

14. 피드백을 반영한 추천 시스템 개발

호주 UTAS15. 지식 관리 프레임워크 기술 고도화

16. 지식기반 규칙 저작 툴 고도화

한국생산기술연구원 17. 서비스 모델 적용 임상 데이터 기반 정량화 모형 고도화 방안 설계

(주)녹십자헬스케어

18. 운동/영양 통합 서비스 제공 모바일 어플리케이션 개발

19. 만성질환(당뇨) 관리 서비스 제공 프로토타입 모바일 어플리케이션 제작

(주)타파크로스

20. SNS분석엔진과 마이닝마인즈 플랫폼 엔진 통합

21. RSS / API 수집엔진 성능 평가

22. 퍼스널데이터 의미기반 분석엔진 성능 평가

23. 퍼스널데이터 수집 및 분석 데이터 처리 기술 성능 평가

24. 마이닝마인즈 플랫폼 상용화 비즈니스 모델 성능 평가

25. 시소러스 라이브러리 구축

(주)유투시스템

26. 연령대 및 사용자 경험 수집

27. 서비스 3종의 Mobile App UI, GUI 개발

28. 개발 피드백을 적용한 UI, GUI 수정

29. 서비스 검증을 위한 전문가 평가

(사)한국컨설팅 서비스협회

30. 서비스모델의 확장, 고도화를 위한 비즈니스 유형 조사 및 활성화 방안 연구

- 289 -

[3차년도 연구목표 변경 항목별 변경 사유]

변경 전 항목 No.3 정보 큐레이션 저수준 상황인지엔진 기술 고도화 변경유형 변경변경 후 항목 No.3 정보 큐레이션 기술 고도화

변경사유

l “정보 큐레이션 저수준 상황인지엔진 기술 고도화”는 단순히 저수준 상

황인지 엔진의 고도화만을 목표로 하고 있음. 그러나 개인화된 상황을 인

지하기 위해서는 다양한 멀티모달 센서로부터 입력되는 생활 이벤트로부터

저수준 행위인지 엔진뿐만 아니라 이를 기반으로 고수준 행위인지 엔진도

동시에 개발되어야 함.

l 경희대학교에서는 이미 이러한 내용을 반영한 “정보 큐레이션 기술”에서

2개의 엔진을 동시에 개발 중이기 때문에 3차년도 계획에서 저수준 상황인

지 및 고수준 상황인지 엔진 개발과 고도화를 모두 포함하는“정보 큐레이

션 기술 고도화”로 명칭을 변경하여 개발을 수행하고자 함.변경 전 항목 No.5 서비스 큐레이션 피드백 메커니즘 모듈 고도화 변경유형 변경변경 후 항목 No.5 서비스 큐레이션 기술 고도화

변경사유

l 사용자의 서비스 선호 피드백 정보를 활용하는 크로스 도메인 추천 및 협

업 필터링 기반의 서비스 추천 연구는 오래전부터 포항공과대학에서 수행

해오고 있음. 따라서 연구의 전문성 및 효율성을 고려하여 피드백 메커니

즘 기술의 연구는 포항공과대학교로 이관하는 것이 타당하다고 여겨짐.

l 대신, 3차년도에 경희대학교에서는 피드백 모듈을 제외한 서비스 큐레이션

의 기술을 고도화하는 “서비스 큐레이션 기술 고도화”로 명칭을 변경하

여 연구 개발을 수행하고자 함.변경 전 항목 No.6 익명화 기술 모듈 고도화 변경유형 삭제변경 후 항목 -

변경사유

l 본 과제에서 다루는 개인정보 보호기술은 Privacy 기술과 보안기술을 동시

에 고려해야 되며, Privacy는 사용 관점에서 익명화 기법과 패스워드 접근

기법으로 구성됨.

l 익명화 기법은 k-anonymity, l-diversity를 사용하고 패스워드 기법은

Private Matching for Query Evaluation을 사용하며, 보안기술은 암호화된

스토리지 기법을 사용함.

l 따라서 익명화 기술은 Privacy의 한 부분으로 포함되기 때문에 변경 전 6

번 항목 “익명화 기술 모듈 고도화”항목과 변경 전 7번 항목 “프라이버

시 데이터 정보보호 기술 고도화”의 내용으로 통합하여 변경 후 6번 항목

“익명화 모듈 및 프라이버시 데이터 정보보호 기술 고도화“에서 연구하

는 것이 타당하므로 본 항목을 삭제함.변경 전 항목 No.7 프라이버시 데이터 정보보호 기술 고도화 변경유형 변경변경 후 항목 No.6 익명화 모듈 및 프라이버시 데이터 정보보호 기술 고도화

변경사유

l 본 과제에서 다루는 개인정보 보호기술은 Privacy 기술과 보안기술을 동시

에 고려해야 되며, Privacy는 사용 관점에서 익명화 기법과 패스워드 접근

기법으로 구성됨.

l 익명화 기법은 k-anonymity, l-diversity를 사용하고 패스워드 기법은

Private Matching for Query Evaluation을 사용하며, 보안기술은 암호화된

스토리지 기법을 사용함.

l 따라서 익명화 기술은 Privacy의 한 부분으로 포함되기 때문에 변경 전 6

- 290 -

번 항목 “익명화기술 모듈 고도화”를 7번 항목 “프라이버시 데이터 정

보보호 기술 고도화”의 내용으로 통합하여 연구하는 것이 타당함.

l 따라서 본 항목을 “익명화 모듈 및 프라이버시 데이터 정보보호 기술 고

도화”로 변경함.변경 전 항목 No.8 서비스 모델 적용 및 정량화 모형 고도화 방안 설계 변경유형 삭제변경 후 항목 -

변경사유

l 3차년도 연구계획 8번 “서비스 모델 적용 및 정량화 모형 고도화 방안 설

계”와 18번 “서비스 모델 적용 임상 데이터 기반 정량화 모형 고도화 방

안 설계”는 연구목표와 내용이 중복되므로 본 항목을 삭제하고 18번으로

통합함.변경 전 항목 No.9 비정형 데이터 분석 엔진 고도화 변경유형 이전변경 후 항목 No.7 비정형 데이터 분석 엔진 고도화

변경사유

l 마이닝마인즈의 시각화 서비스로 Descriptive Analytics 기능이 필요함. 이

를 지원하기 위해서 데이터 큐레이션 계층의 Active Data Reader가 다양한

멀티모달 비정형 센서 데이터를 분석하고 스트림 센서 데이터의 성능 (메

모리 사용량, Throughput)을 향상시켜야 됨.

l 이 같은 비정형 데이터 분석 엔진 고도화 연구는 경희대학교의 데이터 큐

레이션 계층에서 개발 중이기 때문에, 변경 전 9번 항목 (포항공과대학교)

을 경희대학교가 개발중인 7번 항목으로 이전하는 것이 타당함.

변경 전 항목No.10 하둡 코드 분석 및 구조 정보를 보존하는 효율적인

데이터 분할 기법 고도화변경유형 삭제

변경 후 항목 -

변경사유

l 본 항목은 과제 제안 당시 효율적인 동영상 데이터 분산처리를 위하여 하

둡 소스코드를 분석하여 온라인으로 수집되는 동영상 데이터의 구조정보를

보존하면서 분산 저장하는 기술을 개발할 예정이었음.

l 그러나, 온라인 환경에서의 비디오 데이터를 수집할 경우 네트워크 과다

트래픽 문제와 마이닝마인즈 플랫폼 서버의 자원관리 및 성능 측면에서 많

은 과부화가 걸리기 때문에 실제 환경에서 실시간으로 웰니스 서비스를 제

공하기가 어려움. 이러한 사유로 본 과제에서 동영상 (KINECT) 처리는 사

용자의 허가 하에 오프라인으로 저장하는 방법을 사용하고 있음.

l 따라서 본 항목은 실제 마이닝마인즈 플랫폼을 기반으로 하여 제공되는 서

비스 환경에 사용할 수 없는 기술로써, 본 과제 범위에서 다루는 영역을

넘어가기 때문에 삭제하기로 결정함.변경 전 항목 - 변경유형 신규

변경 후 항목No.8 데이터 기반 지식 습득 기술을 위한 하둡기반 패시브 데이터 읽기 기술

고도화

변경사유

l 마이닝마인즈 플랫폼에서 지식을 생성하기 위해서는 지식 큐레이션 계층에

서 전문가 기반 지식생성 뿐만 아니라, 데이터 기반 지식생성기술이 필요

함.

l 데이터 기반 지식생성의 경우 비정형 멀티모달 센서 데이터로부터 지식을

획득해야 되는데 이를 지원하기 위해서는 데이터 큐레이션 계층에서

Passive Data Reader에 대한 연구가 필요함. 따라서 본 항목을 추가함.

변경 전 항목 No.11 스트리밍 마이닝을 위한 프레임워크 고도화 변경유형이전/

변경

- 291 -

변경 후 항목 No.9 스트리밍 프로세싱 기술 고도화

변경사유

l 과제 제안 당시 스트리밍 마이닝 기술은 Data Curation Layer에서 빅 데이

터를 스트리밍 형태의 데이터로 변환하여 분석하는 기술로 정의되었음.

l 그러나 개발이 진행되어 마이닝마인즈 플랫폼 완성도가 높아지고 고도화

되면서 스트리밍 마이닝 기술은 빅 데이터 스트리밍 데이터를 플랫폼의 타

계층으로 전송하는 기능으로 변경됨. 이는 경희대학교에서 개발 중인 데이

터 큐레이션 계층에서 그 내용과 역할을 수행 중임.

l 따라서,“스트리밍 마이닝을 위한 프레임워크 고도화”는 “스트리밍 프로

세싱 기술 고도화”로 변경하고 포항공과대학에서 경희대학교로 개발 역할

을 이전함 (이는 1차년도 평가 시 2차년도 연구 개발내용 변경 승인을 이

미 득한 사항임).변경 전 항목 No.12 추천기술 서베이 및 베이스라인 기술 고도화 변경유형 변경변경 후 항목 No.12 소셜네트워크 데이터를 활용한 추천시스템 개발

변경사유

l 과제 초기 제안된 “추천기술 서베이 및 베이스라인 구현”의 경우, 제안

당시 현존하는 추천 시스템에 대한 적절한 서베이가 수행되지 않아서 어떠

한 추천 기술이 본 과제에 적합할지에 대한 연구가 미흡한 상황이었음.

l 그러나 과제가 진행되면서 각종 기술을 적용해 본 결과, 마이닝 마인즈 사

용자의 소셜 네트워크 데이터의 수집이 가능하며, 이를 활용 한다면 사용

자의 만족도를 가장 높일 수 있을 것이라 판단함.

l 따라서 3차년도부터는 소셜 네트워크 데이터의 활용 방안을 집중적으로 연

구 및 개발 할 예정임.변경 전 항목 No.13 이종데이터를 활용한 추천 시스템 프레임워크 고도화 변경유형 변경변경 후 항목 No.13 정형 및 비정형 혼합데이터를 이용한 추천시스템 개발

변경사유

l 과제 초기 제안된 “이종 데이터를 활용한 추천 시스템 프레임워크 고도

화”의 경우 단순히 다른 도메인의 데이터를 활용해 현 도메인의 정보를

더 풍부하게 만드는 것을 의도했음.

l 그러나 과제를 진행하며 연구를 한 결과, 특정 사용자의 다른 도메인에 대

한 데이터를 얻는 것은 프라이버시 등의 이유로 인해 극히 제한된 경우에

서만 가능한 것을 확인함.

l 따라서, 사용자의 다른 도메인의 데이터보다는 해당 컨텐츠의 정형 및 비

정형 혼합 데이터를 활용한 추천 시스템을 개발한다면 이종 데이터 못지않

은 성능을 가져올 것이라 판단함.

l 따라서, 3차년도부터는 정형 및 비정형 혼합 데이터를 이용한 추천 시스템

에 대한 연구 및 개발을 수행할 예정임.변경 전 항목 - 변경유형 신규변경 후 항목 No.14 피드백을 반영한 추천시스템 개발

변경사유

l 기존의 항목이었던 “서비스 큐레이션 피드백 메커니즘 모듈 고도화”에

포함되어있던 “피드백 메커니즘”의 경우 정형화된 지식 기반, 규칙 기반

의 데이터를 구축하고 이에 상응하는 사용자의 행동이 감지될 경우 저장된

피드백을 추천해 주는 방식이었음.

l 이러한 방식의 경우는 기존에 저장하고 있지 않은 상황이 발생하였을 경우

제대로 대처가 불가능하며, 정보가 없는 새로운 사용자가 유입되었을 때

사용자에게 만족스러운 피드백을 추천해줄 수 없음.

l 따라서 기존의 지식 및 규칙 기반의 추천이 아닌 행렬 분해의 모델 기반

- 292 -

방식으로 위에서 언급한 문제를 해결하기 위한 노력이 필요함.

l 이러한 모델 기반의 방식은 포항공과대학교에서 주로 수행하는 연구이므로

경희대로부터 포항공대로 이전하여 수행하는 것이 타당하다고 여겨짐.

변경 전 항목 No.14 빅 데이터 지식기반 시멘틱 추론 기술 고도화 변경유형 삭제변경 후 항목 -

변경사유

l 본 과제를 수행하는 과정에서 빅 데이터 지식기반 시멘틱 추론 기술을 데

이터 큐레이션에서 지원하는 경우 시스템 성능이 느려 현실적으로 사용 할

수 없다고 판명됨.

l 따라서, 시멘틱 추론 기술은 본 과제의 3차년도에 정보 큐레이션 계층에서

High Level Context 인지에 사용하고, 빅 데이터로부터 지식을 추출하는 기

술은 데이터 큐레이션 계층의 Passive Data Reader의 지원을 받아 지식 큐

레이션 계층에서 지식 획득을 지원하는 기능으로 변경되어 개발됨.

l 이러한 이유로 본 항목은 데이터 큐레이션, 정보 큐레이션, 지식 큐레이션

에 세부항목으로 각각 편입되어 개발이 되기 때문에 본 항목을 삭제함. (이

는 1차년도 평가 시 2차년도 연구 개발내용 변경 승인을 이미 득한 사항

임).변경 전 항목 No.16 지식기반 추천 프레임워크 기술 고도화 변경유형 삭제변경 후 항목 -

변경사유

l 과제 초기 제안된 “지식기반 추천 프레임워크 기술 고도화”항목은 생성

된 지식을 기반으로 추천 서비스를 추론하는 기술이며, 이는 경희대학교

팀의 서비스 큐레이션 계층에서 이미 개발을 진행 중이기 때문에 중복이라

서 본 항목을 삭제함. 변경 전 항목 No.20 운동/영양 통합 서비스 내 수면, 물 섭취 관리 서비스 적용 변경유형 변경변경 후 항목 No.19 만성질환(당뇨) 관리 서비스 제공 프로토타입 모바일 어플리케이션 제작

변경사유

l 2차 년도에 운동/영양 통합서비스 제공 프로토타입 모바일 어플리케이션을 개발하였으며, 이는 혈당관리에 중요한 요소인 적절한 신체활동과 건강한 식습관 실천을 위한 자가 모니터링 및 생활습관 관리서비스를 제공함.

l 2차 년도에 개발된 내용은 당뇨관리 서비스로서의 확장성이 다른 질환에 비해 용이한 바, 1~2차 년도에 개발된 콘텐츠 및 알고리즘을 활용하여 3차 년도에는 만성질환 중 하나인 당뇨관리 서비스를 우선적으로 개발하고자 함.

변경 전 항목 - 변경유형 신규변경 후 항목 No.25 시소러스 라이브러리 구축

변경사유

l 마이닝마인즈 플랫폼과의 연동 시 보다 정확한 결과 값의 제공을 위해

녹십자헬스케어와 마이닝마인즈 플랫폼에 적용될 예정인 헬스케어 분야와

관련해 시소러스 라이브러리를 구축할 예정임.변경 전 항목 No.26 UX/UI Authoring Tool 개발 변경유형 이전변경 후 항목 No.10 UX/UI Authoring Tool 개발

변경사유

l 마이닝마인즈 플랫폼을 개발하는 과정에서 ‘UX/UI Authoring Tool’ 기술

적 요구사항을 분석하던 중 경희대가 이미 Tool 개발에 필요한 지식 모델

링 기술, 상황인지 엔진 등을 보유하고 있어 연구의 효율성 및 완성도 측

면에서 경희대에 개발을 이전하기로 결정하였음.

l 반면 유투시스템에서는 UX/UI Authoring Tool의 UI/GUI 기획 및 디자인을

담당할 예정임.

변경 전 항목 No.28 사용자 맞춤형 UX/UI 개발 변경유형이전/

변경

- 293 -

변경 후 항목 No.11 사용자 맞춤형 UX/UI 엔진 개발

변경사유

l 과제 초기에는 사용자 맞춤형 UX/UI 개발을 유투시스템이 담당하기로 했

으나 마이닝마인즈 플랫폼이 개발되는 과정에서 ‘사용자 맟춤형 UX/UI’

기술의 기술적 요구사항을 분석하던 중 경희대의 UX/UI 엔진을 개발하는

데 지식 모델링 기술, 상황인지 엔진 등의 적합한 기술을 보유하고 있어

연구의 효율성 및 완성도 측면에서 경희대에서 개발을 이전하기로 결정하

였음.

l 따라서 경희대에서는 사용자 맞춤형 UX/UI 엔진을 개발을 담당하고 유투

시스템에서는 사용자 조사를 통해 사용자에 대한 이해를 바탕으로 사용자

맞춤형 UX/UI를 기획 및 디자인할 예정임.변경 전 항목 No.32 서비스모델 시범운영(1차)을 통한 개선점 발굴 변경유형 변경변경 후 항목 No.30 서비스모델의 확장, 고도화를 위한 비즈니스 유형 조사 및 활성화 방안 연구

변경사유

l 1차년도에 본 과제의 서비스모델의 핵심인 모바일 헬스케어 서비스와 관련

된 전체적인 시장 동향을 분석하였으며, 2차년도에는 이를 바탕으로 본 연

구를 통해서 런칭되는 NGC헬스케어 서비스와 유사, 또는 연관된 서비스의

비즈니스 모델 및 차별성을 세부적으로 분석하고 관련된 특허내용에 대한

심층 조사를 수행하였음

l 따라서 3차년도에서는 이러한 서비스모델을 지식서비스 분야로 확장시키기

위한 비즈니스 유형을 조사하고, 헬스케어 분야에서의 만성질환 예방과 기

타 다른 영양관리 서비스 등의 고도화된 서비스 분야로 어떻게 활성화시킬

것인가에 대한 방안에 대한 연구가 필요하기 때문에 항목을 변경하였음.

- 294 -

(2) 연구 개발 정량적 평가 변경항목 및 사유

[변경 전 3차년도 정량적 목표 항목]

평가 항목(주요성능

Spec1))

단위

전체 항목에서

차지하는비중2)

(%)

세계최고 수준 보유국/보유기업( / )

연구개발 전

국내수준개발 목표치

평가 방법3)

성능수준 성능수준1차년도

2차년도

3차년도

4차년도

① 멀티모달 센서기반 행위인지 정확도 % 7%

70%(미국/구글)

65% 70% 80% 85% 92%참여기업 평가 및

전문가 평가

② 생활 주기를 고려한 스트리밍 마이닝 정확도

% 7% 초기단계 초기단계 60% 62% 67% 80% 참여기업 평가

③ 고차원 특징점 추출을 통한 차원 축소율

% 6% 초기단계 초기단계 60% 63% 65% 80% 참여기업 평가

④ 다중센서융합 퍼스널 빅데이터 추출/정확도

종*/%

9%

음성, 얼굴

복합인식 71%

(미국,

USC)

초기단계 70% 75% 80% 85%참여기업 평가 및

전문가 평가

⑤ 분산 환경기반 퍼스널 빅데이터 추론 속도 향상률/정확도

statement/sec, %

8%

맵-리듀스를 활용한 분산

추론엔진WebPIE(amsterdam, VU university)

초기단계 71% 73% 78% 90% 참여기업 평가

⑥ 퍼스널데이터 의미기반 분석 정확도 % 9%

의미분석40%

(언어별처리능력이

상이)

초기단계 71% 73% 78% 90%자체 평가

*샘플링 조사

⑦ 크로스도메인 추천 기술 정확도

Recall

9% 초기단계 초기단계 60% 63% 65% 80% 참여기업 평가

⑧ 추론 공격 대응 능력 % 9% 60 초기단계 50% 52% 55% 70% 참여기업 평가

⑨ 신체활동 /수면/물 섭취 관리 서비스 평가 index 종류 및 평가 결과

종/%

9% 초기단계 초기단계1종/60%

2종/62%

3종/72%

4종/90%

참여기업 평가

*서비스 지표 개발

⑩ 퍼스널 큐레이션 서비스 적용 모델과 시범운영

종/%

9% 초기단계 초기단계0종/

50%

1종/

54%

2종/

65%

3종/

80%만족도 평가

⑪ 지식관리툴 만족도(수요자) % 9% 초기단계 초기단계 80% 85% 90% 95%

참여기업 평가 및 전문가 평가

⑫ 시제품(서비스)의 UI/GUI에 대한 전문가/사용성 평가 결과

%9%

사용자 평가 분석기법 (UX Design)의 기확보 (100%

국내기술 보유)

전문기술 보유

80% 82% 83% 85%만족도 평가 및 전문가 평가

- 295 -

[변경 후 3차년도 정량적 목표 항목]

평가 항목(주요성능Spec1)

단위

전체 항목에서

차지하는비중2)

(%)

세계최고 수준 보유국/보유기업( / )

연구개발 전 국내수준

개발 목표치표준․인증

기준3)

기준

설정근거4)

평가 방법5)

성능수준성능수준

1차년도

2차년도

3차년도

4차년도

⑬ 멀티모달 센서기반 물리적 행위인지 정확도

% 7%70%(미국/구글)

65% 70% 80% 85% 92%정보과학회

권고 기준

ISO/IEC 25010:201

1

참여기업 평가 및

전문가평가(외부기관 검증)

⑭ 생활 이벤트 데이터를 고려한 스트리밍 처리 정확도

% 7%

80%소켓기반

통신(고성능 통신 라이브러리)

초기

단계60% 70% 80% 85% 자체 기준

ISO/IEC 25010:201

1

참여기업

평가

⑮ 다중센서융합 퍼스널 빅데이터 기반 감정인지 정확도

% 8%

음성, 얼굴

복합인식 71%

(미국, USC)

초기

단계70% 75% 80% 85%

정보과학회

권고 기준

ISO/IEC 25010:201

1

참여기업 평가 및

전문가평가(외부기관 검증)

⑯ 퍼스널 빅데이터에서 라이프로그 데이터 추출 정확도

% 7%70%

Apache Scoop

초기

단계70% 75% 80% 85% 자체 기준

ISO/IEC 25010:201

1

참여기업

평가

⑰ 분산된 라이프로그 데이터기반 온톨로지 추론 정확도

% 8% 초기단계 초기단계

71% 80% 82% 85% 자체 기준ISO/IEC 25010:201

1

참여기업

평가

⑱ 퍼스널 빅데이터 기반의 의미분석 정확도

% 9%

의미분석40%

(언어별처리능력이

상이)

초기단계

71% 73% 78% 90% 자체 기준ISO

8000-8:2015

자체 평가*샘플링 조사

⑲ 크로스도메인 추천 기술 정확도

Recall 9% 초기단계초기단계

60% 63% 65% 80% 자체 기준ISO/IEC 25010:201

1

참여기업

평가

⑳ 추론 공격 대응 능력

% 9% 60초기단계

50% 52% 55% 70% 자체 기준ISO/IEC 25010:201

1

참여기업

평가

① 라이프매니지먼트 서비스 평가 index 종류 및 평가 결과

종/%

9% 초기단계초기단계

1종/60%

2종/62%

3종/72%

4종/90%

자체 기준 ISO 10004

참여기업

평가

*서비스 지표 개발

② 퍼스널 큐레이션 서비스 적용 모델과 시범운영

종/% 9% 초기단계초기단계

0종/

50%

1종/

54%

2종/

65%

3종/

80%자체 기준 ISO 9001

참여기업

평가(만족도

평가)

③ 지식관리툴 만족도(수요자)

% 9% 초기단계초기단계

80% 85% 90% 95%정보과학회

권고 기준

ISO/IEC 25010:201

1

참여기업 평가 및

전문가평가(외부기관 검증)

④ 시제품 (서비스 ) 의 UI/GUI/UX에 대한 전문가/사용성 평가 결과

%9%

사용자 평가 분석기법 (UX

Design)의 기확보, 100% 국내기술

보유)

전문기술 보유

80% 82% 83% 85% 자체 기준ISO

9241-210:2010(E)

참여기업

평가

- 296 -

[정량적 목표 변경 항목별 변경 사유]

변경 전 항목No.9 신체활동/수면/물 섭취 관리 서비스 평가 index 종류

및 평가 결과 변경유형

명칭

변경

변경 후 항목 No.9 라이프 매니지먼트 서비스 평가 index 종류 및 평가 결과

변경사유

l 참여기업의 BM 전략을 고려하여, 라이프 매니지먼트 서비스의 단위 서비스 내역이 조정됨에 따른 항목명 변경

l 고객조사, 시장상황, B2B 파트너 요구 변경 등에 따라 지속적으로 조정되는 단위서비스 내용에 대응하기 위하여, 본 평가항목 상의 서비스 명칭을 전체를 포괄할 수 있는 서비스 명칭인 “라이프 매니지먼트 서비스”로 변경하여 추진하고자 함

l 이에 따른 서비스 평가 Index 개발에 있어, Application Domain에 변동이 있을 수 있으나 실제 연구과업의 수행 내용과 범위에는 변동이 없음

- 297 -

【별첨 3】

4차년도 연구개발 내용 변경 사유

(1) 연구 개발 변경 항목 및 사유

[변경 전 4차년도 개발 목표 30개 항목]

기관 개발 목표

경희대학교(주관기관)

1. 마이닝마인즈 통합 플랫폼 상용화

2. 데이터 큐레이션 다중센서 센싱기술 상용화

3. 정보 큐레이션 저수준 상황인지엔진 기술 상용화

4. 지식 큐레이션 지식 관리 엔진 상용화

5. 서비스 큐레이션 개인화 맞춤형 추천 시스템 상용화

6. 익명화 기술 모듈 상용화

7. 프라이버시 데이터 정보보호 기술 상용화

8. 라이프매니지먼트 정량화 모형 도출

9. 빅데이터 지식 기반 시맨틱 추론 기술 상용화

포항공과대학교

10. 비정형 데이터 분석 엔진 상용화

11. 하둡 코드 분석 및 구조 정보를 보존하는 효율적인 데이터 분할 기법 상용화

12. 스트리밍 마이닝을 위한 프레임워크 상용화

13. 추천기술 서베이 및 베이스라인 상용화

14. 이종 데이터를 활용한 추천 시스템 프레임워크 상용화

호주 UTAS15. 빅 데이터 지식기반 시멘틱 추론 기술 상용화16. 지식기반 규칙 저작 툴 상용화

한국생산기술연구원 17. 라이프매니지먼트 정량화 모형 도출

(주)녹십자헬스케어

18. 운동/영양 통합 서비스 상용화

19. 만성질환 관리 서비스 모델 비즈니스 적용

(주)타파크로스

20. 온라인 수집엔진 상용화

21. RSS / API 수집엔진 상용화

22. 퍼스널데이터 의미기반 분석엔진 상용화

23. 퍼스널데이터 수집 및 분석 데이터 처리기술 상용화

24. 마이닝마인즈 통합 플랫폼 상용화

(주)유투시스템

25. UX/UI Authoring Tool 상용화

26. 연령대 및 사용자 경험 기반 UX/UI 생성 기술 상용화

27. 자동형 사용자 맞춤형 UX/UI 상용화

28. 마이닝마인즈 정보기반 자동형 Mobile App UI, GUI 상용화

29. 개발 피드백을 적용한 UI, GUI 상용화

한국 컨설팅 서비스협회

30. 서비스모델 시범운영(2차)를 통한 개선점 발굴

- 298 -

[변경 후 4차년도 개발 목표 23개 항목]

기관 개발 목표

경희대학교(주관기관)

1. 마이닝마인즈 통합 플랫폼 상용화

2. 데이터 큐레이션 다중센서 센싱 기술 상용화

3. 정보 큐레이션 기술 상용화

4. 서비스 큐레이션 기술 상용화

5. 익명화 및 프라이버시 정보보호 기술 상용화

6. 라이프매니지먼트 웰니스 모델 고도화 및 상용화

7. 비정형 데이터 분석 엔진 상용화

8. UX/UI Authoring Tool 상용화

9. 자동형 사용자 맞춤형 UX/UI 엔진 상용화

포항공과대학교

10. 소셜네트워크 데이터를 활용한 추천 시스템 상용화

11. 이종 데이터를 활용한 추천 시스템 프레임워크 상용화

12. 피드백을 반영한 추천 시스템 상용화

호주 UTAS13. 지식 큐레이션 지식 관리 엔진 상용화

14. 지식기반 규칙 저작 툴 상용화

한국생산기술연구원 15. 라이프매니지먼트 정량화 모형 도출

(주)녹십자헬스케어

16. 운동/영양 통합 서비스 상용화

17. 만성질환(당뇨) 관리 서비스 모델 비즈니스 적용

(주)타파크로스

18. 온라인 수집엔진 상용화

19. 퍼스널데이터 분석 기술 및 엔진 상용화

20. 마이닝마인즈 통합 플랫폼 상용화

(주)유투시스템21. 마이닝마인즈 정보기반 자동형 Mobile App UI, GUI 상용화

22. UX/UI Authoring Tool을 적용한 UI, GUI 상용화

한국 컨설팅 서비스협회

23. 서비스 응용 확장 모델 테스트를 통한 사업화 타당성 검토

- 299 -

[4차년도 연구목표 변경 항목별 변경 사유]

변경 전 항목 No.3 정보 큐레이션 저수준 상황인지엔진 기술 상용화 변경유형 변경변경 후 항목 No.3 정보 큐레이션 기술 상용화

변경사유l 3차년도 연구목표 “정보 큐레이션 저수준 상황인지 엔진 기술 고도화”

가 “정보 큐레이션 기술 고도화”로 항목이 변경되면서 4차년도 연구목표의 내용도 이에 따라 변경됨. (3차년도 변경항목 3번 참조)

변경 전 항목 No.4 지식 큐레이션 지식 관리 엔진 상용화 변경유형 이전

변경 후 항목 No.13 지식 큐레이션 지식 관리 엔진 상용화

변경사유

l 2차년도에 지식관리 기술 전문 연구기관인 호주 UTAS가 참여하면서 연구의 효율성 및 전문성을 고려하여 기존 경희대에 할당되어 있던 지식 큐레이션 지식관리 엔진 연구 부분을 UTAS에 이전하면서 4차년도의 본 항목도 UTAS로 이전함.

변경 전 항목 No.5 서비스 큐레이션 개인화 맞춤형 추천 시스템 상용화 변경유형 변경

변경 후 항목 No.4 서비스 큐레이션 기술 상용화

변경사유l 3차년도 연구목표가 “서비스 큐레이션 피드백 메커니즘 모듈 고도화”가

“서비스 큐레이션 기술 고도화”로 항목이 변경되면서 4차년도 연구목표의 내용도 이에 따라 변경됨. (3차년도 변경항목 5번 참조)

변경 전 항목 No.6 익명화 기술 모듈 상용화 변경유형 삭제변경 후 항목 -

변경사유

l 3차년도 연구목표에서 “익명화 모듈 기술 고도화”와 “프라이버시 데이

터 정보보호 기술 고도화”항목을 통합하여“익명화 모듈 및 프라이버시

데이터 정보 보호 기술 고도화”로 변경하였으므로 본 항목을 삭제함변경 전 항목 No.7 프라이버시 데이터 정보보호 기술 상용화 변경유형 변경

변경 후 항목 No.5 익명화 및 프라이버시 정보보호 기술 상용화

변경사유

l 3차년도 연구개표에서 “익명화 모듈 기술 고도화”와 “프라이버시 데이

터 정보보호 기술 고도화”항목을 통합하여“익명화 모듈 및 프라이버시

데이터 정보 보호 기술 고도화”로 항목이 변경되면서 4차년도 연구목표의

내용도 변경됨. (3차년도 변경항목 6번 참조)변경 전 항목 No.8 라이프매니지먼트 정량화 모형 도출 변경유형 이전변경 후 항목 No.15 라이프매니지먼트 정량화 모형 도출

변경사유l 4차년도 변경 전 8번“라이프매니지먼트 정량화 모형 도출”과 17번 “라

이프매니지먼트 정량화 모형 도출은 개발 목표가 중복됨. 따라서, 변경 전 8번 항목은 변경 후 15번 항목으로 이전함.

변경 전 항목 - 변경유형 신규변경 후 항목 No.6 라이프매니지먼트 웰니스 모델 고도화 및 상용화

변경사유l 라이프매니지먼트 웰니스 모델은 최신 트렌드에 맞춰 지속적인 업데이트가

필요한 모델이며, 기 개발된 웰니스 모델을 지속적으로 고도화시키고 상용화 시킬 예정임. 따라서 본 항목을 추가함.

변경 전 항목 No.9 빅데이터 지식 기반 시맨틱 추론 기술 상용화 변경유형 삭제변경 후 항목 -

변경사유l 3차년도 변경 전 연구목표 “빅 데이터 지식기반 시멘틱 추론 기술 고도

화” 항목이 삭제되었으므로 본 항목을 삭제함 (1차년도 평가 시 2차년도 연구 개발내용 변경 승인을 이미 득한 사항임).

변경 전 항목 No.10 비정형 데이터 분석 엔진 상용화 변경유형 이전

변경 후 항목 No.7 비정형 데이터 분석 엔진 상용화

변경사유l 3차년도 연구목표 “비정형 데이터 분석 엔진 상용화”가 포항공과대학교

에서 경희대학교로 이전되었으므로 본 항목도 이전함.

- 300 -

변경 전 항목No.11 하둡 코드 분석 및 구조 정보를 보존하는 효율적인

데이터 분할 기법 상용화변경유형 삭제

변경 후 항목 -

변경사유

l 3차년도 변경 전 연구목표 “하둡 코드 분석 및 구조 정보를 보존하는 효율적인 데이터 분할 기법 고도화” 항목이 삭제되었으므로 본 항목을 삭제함. (1차년도 평가 시 2차년도 연구 개발내용 변경 승인을 이미 득한 사항임).

변경 전 항목 No.12 스트리밍 마이닝을 위한 프레임워크 상용화 변경유형 삭제변경 후 항목 -

변경사유l 본 항목의 연구내용은 4차년도 연구목표 2번 “데이터 큐레이션 다중센서

센싱 기술 상용화”와 연구개발 내용이 중복되어 삭제함. (1차년도 평가 시 2차년도 연구 개발내용 변경 승인을 이미 득한 사항임).

변경 전 항목 No.13 추천기술 서베이 및 베이스라인 상용화 변경유형 변경변경 후 항목 No.10 소셜네트워크 데이터를 활용한 추천시스템 상용화

변경사유l 3차년도 연구목표 “추천기술 서베이 및 베이스라인 구현”이 “소셜네트

워크 데이터를 활용한 추천시스템 개발”로 변경되면서 4차년도 연구목표의 내용도 변경됨. (3차년도 변경항목 12번 참조)

변경 전 항목No.14 이종데이터를 활용한 추천 시스템 프레임워크 상용

화 변경유형 변경

변경 후 항목 No.11 정형 및 비정형 혼합데이터를 이용한 추천시스템 상용화

변경사유l 3차년도 연구목표 “이종 데이터를 활용한 추천 시스템 프레임워크 고도

화”가 “정형 및 비정형 혼합데이터를 이용한 추천시스템 개발”로 변경되면서 4차년도 연구목표의 내용도 변경됨. (3차년도 변경항목 13번 참조)

변경 전 항목 - 변경유형 신규변경 후 항목 No.12 피드백을 반영한 추천 시스템 상용화

변경사유l 3차년도 연구목표에 “피드백을 반영한 추천 시스템 개발” 항목이 추가되

면서 4차년도 연구목표에서도 신규 추가됨. (3차년도 변경항목 14번 참조) 변경 전 항목 No.15 빅 데이터 지식기반 시멘틱 추론 기술 상용화 변경유형 삭제변경 후 항목 -

변경사유l 본 항목은 4차년도 변경 전 항목 9번인 “빅 데이터 지식기반 시멘틱 추론

기술 상용화”와 연구개발 내용이 중복되어 삭제함. (1차년도 평가 시 2차년도 연구 개발내용 변경 승인을 이미 득한 사항임).

변경 전 항목 No.19 만성질환 관리 서비스 모델 비즈니스 적용 변경유형 변경변경 후 항목 No.17 만성질환(당뇨) 관리 서비스 모델 비즈니스 적용

변경사유l 만성질환은 비만, 당뇨, 고혈압, 고지혈증 등 다양한 질환을 포함하는 바,

개발하고자 하는 관리 질환을 구체적으로 명시하고자 함. 변경 전 항목 No.21 RSS/API 수집엔진 상용화 변경유형 삭제변경 후 항목 -

변경사유

l RSS/API 수집엔진은 온라인 수집엔진의 일부 기능이므로, 상용화 시 별도의 모듈별 판매가 아닌, 온라인 수집엔진이라는 하나의 모듈로 구성됨에 따라 변경 전 항목 21번 “RSS API 수집엔진 상용화”를 변경 후 항목 18번“온라인 수집엔진 상용화”에 통합함.

변경 전 항목 No.22 퍼스널데이터 의미기반 분석엔진 상용화 변경유형 삭제변경 후 항목 -

변경사유

l 변경 전 항목 22번 “퍼스널데이터 의미기반 분석엔진 상용화”이 항목 23번 “퍼스널데이터 수집 및 분석 데이터 처리기술 상용화”와 일부 중복되는 부분이 있으며, 이같은 중복을 제거하기 위해 두 항목을 변경 후 항목 19번 “퍼스널데이터 분석 기술 및 엔진 상용화”로 통합함

변경 전 항목No.23 퍼스널데이터 수집 및 분석 데이터 처리기술 상용

화변경유형 변경

변경 후 항목 No.19 퍼스널데이터 분석 기술 및 엔진 상용화

- 301 -

변경사유

l 변경 전 항목 22번 “퍼스널데이터 의미기반 분석엔진 상용화”이 항목 23번 “퍼스널데이터 수집 및 분석 데이터 처리기술 상용화”와 일부 중복되는 부분이 있으며, 이같은 중복을 제거하기 위해 두 항목을 변경 후 항목 19번 “퍼스널데이터 분석 기술 및 엔진 상용화”로 통합함

변경 전 항목 No.25 UX/UI Authoring Tool 상용화 변경유형 이전변경 후 항목 No.8 UX/UI Authoring Tool 상용화

변경사유l 3차년도 연구목표에서 “UX/UI Authoring Tool 개발”을 경희대가 개발을

담당하기로 함에 따라 본 항목을 경희대로 이전함.

변경 전 항목No.26 연령대 및 사용자 경험 기반 UX/UI 생성 기술 상용

화변경유형

변경/이전

변경 후 항목 No.8 UX/UI Authoring Tool 상용화

변경사유

l 4차년도 연구목표 “UX/UI Authoring Tool 상용화”는 UX/UI 개발자들이 사용자의 연령대, 사용자 경험을 고려하여 규칙 및 UX/UI를 생성하는 요소 기술 개발이기 때문에 변경 후 8번 항목 “UX/UI Authoring Tool 상용화”로 이전함.

변경 전 항목 No.27 자동형 사용자 맞춤형 UX/UI 상용화 변경유형 이전변경 후 항목 No.9 자동형 사용자 맞춤형 UX/UI 상용화

변경사유l 3차년도 연구목표에서 “자동형 사용자 맞춤형 UX/UI 개발”을 경희대가

개발담당하기로 함에 따라 본 항목을 경희대로 이전함.변경 전 항목 No.29 개발 피드백을 적용한 UI, GUI 상용화 변경유형 변경변경 후 항목 No.22 UX/UI Authoring Tool을 적용한 UI, GUI 상용화

변경사유l 경희대에서 3차년도에 개발할 UX/UI Authoring Tool을 적용하여 UI, GUI를

상용화 하는 것으로‘개발 피드백’의 내용을 구체화 함변경 전 항목 No.30 서비스모델 시범운영(2차)을 통한 개선점 발굴 변경유형 변경변경 후 항목 No.23 서비스 응용 확장 모델 테스트를 통한 사업화 타당성 검토

변경사유

l 4차년도에는 3차년도의 연구결과를 바탕으로 마이닝마인즈 플랫폼을 지식서비스 산업 전반에 걸쳐서 확장 적용하기에 최적화된 비즈니스 서비스 모델에 테스트를 실시하여 해당 비즈니스 모델의 사업화에 타당성을 검토하여 사업화가 가능한 지식서비스 산업군을 발굴하고 마이닝마인즈 서비스 플랫폼의 확장 전략을 연구하여 제시해야하므로 본 항목을 “서비스 응용확장 모델 테스트를 통한 사업화 타당성 검토”로 변경함.

- 302 -

(2) 연구 개발 정량적 평가 변경항목 및 사유

[변경 전 4차년도 정량적 목표 항목]

평가 항목(주요성능

Spec1))

단위

전체 항목에서

차지하는비중2)

(%)

세계최고 수준 보유국/보유기업( / )

연구개발 전

국내수준개발 목표치

평가 방법3)

성능수준 성능수준1차년도

2차년도

3차년도

4차년도

⑬ 멀티모달 센서기반 행위인지 정확도 % 7%

70%(미국/구글)

65% 70% 80% 85% 92%참여기업 평가 및

전문가 평가

⑭ 생활 주기를 고려한 스트리밍 마이닝 정확도

% 7% 초기단계 초기단계 60% 62% 67% 80% 참여기업 평가

⑮ 고차원 특징점 추출을 통한 차원 축소율

% 6% 초기단계 초기단계 60% 63% 65% 80% 참여기업 평가

⑯ 다중센서융합 퍼스널 빅데이터 추출/정확도

종*/%

9%

음성, 얼굴

복합인식 71%

(미국,

USC)

초기단계 70% 75% 80% 85%참여기업 평가 및

전문가 평가

⑰ 분산 환경기반 퍼스널 빅데이터 추론 속도 향상률/정확도

statement/sec, %

8%

맵-리듀스를 활용한 분산

추론엔진WebPIE(amsterdam, VU university)

초기단계 71% 73% 78% 90% 참여기업 평가

⑱ 퍼스널데이터 의미기반 분석 정확도 % 9%

의미분석40%

(언어별처리능력이

상이)

초기단계 71% 73% 78% 90%자체 평가

*샘플링 조사

⑲ 크로스도메인 추천 기술 정확도

Recall

9% 초기단계 초기단계 60% 63% 65% 80% 참여기업 평가

⑳ 추론 공격 대응 능력 % 9% 60 초기단계 50% 52% 55% 70% 참여기업 평가

① 신체활동 /수면/물 섭취 관리 서비스 평가 index 종류 및 평가 결과

종/%

9% 초기단계 초기단계1종/60%

2종/62%

3종/72%

4종/90%

참여기업 평가

*서비스 지표 개발

② 퍼스널 큐레이션 서비스 적용 모델과 시범운영

종/%

9% 초기단계 초기단계0종/

50%

1종/

54%

2종/

65%

3종/

80%만족도 평가

③ 지식관리툴 만족도(수요자) % 9% 초기단계 초기단계 80% 85% 90% 95%

참여기업 평가 및 전문가 평가

④ 시제품(서비스)의 UI/GUI에 대한 전문가/사용성 평가 결과

%9%

사용자 평가 분석기법 (UX Design)의 기확보 (100%

국내기술 보유)

전문기술 보유

80% 82% 83% 85%만족도 평가 및 전문가 평가

- 303 -

[변경 후 4차년도 정량적 목표 항목]

평가 항목(주요성능Spec1)

단위

전체 항목에서

차지하는비중2)

(%)

세계최고 수준 보유국/보유기업( / )

연구개발 전 국내수준

개발 목표치표준․인증

기준3)

기준

설정근거4)

평가 방법5)

성능수준성능수준

1차년도

2차년도

3차년도

4차년도

⑤ 멀티모달 센서기반 물리적 행위인지 정확도

% 7%70%(미국/구글)

65% 70% 80% 85% 92%정보과학회

권고 기준

ISO/IEC 25010:201

1

참여기업 평가 및

전문가평가(외부기관 검증)

⑥ 생활 이벤트 데이터를 고려한 스트리밍 처리 정확도

% 7%

80%소켓기반

통신(고성능 통신 라이브러리)

초기

단계60% 70% 80% 85% 자체 기준

ISO/IEC 25010:201

1

참여기업

평가

⑦ 다중센서융합 퍼스널 빅데이터 기반 감정인지 정확도

% 8%

음성, 얼굴

복합인식 71%

(미국, USC)

초기

단계70% 75% 80% 85%

정보과학회

권고 기준

ISO/IEC 25010:201

1

참여기업 평가 및

전문가평가(외부기관 검증)

⑧ 퍼스널 빅데이터에서 라이프로그 데이터 추출 정확도

% 7%70%

Apache Scoop

초기

단계70% 75% 80% 85% 자체 기준

ISO/IEC 25010:201

1

참여기업

평가

⑨ 분산된 라이프로그 데이터기반 온톨로지 추론 정확도

% 8% 초기단계 초기단계

71% 80% 82% 85% 자체 기준ISO/IEC 25010:201

1

참여기업

평가

⑩ 퍼스널 빅데이터 기반의 의미분석 정확도

% 9%

의미분석40%

(언어별처리능력이

상이)

초기단계

71% 73% 78% 90% 자체 기준ISO

8000-8:2015

자체 평가*샘플링 조사

⑪ 크로스도메인 추천 기술 정확도

Recall 9% 초기단계초기단계

60% 63% 65% 80% 자체 기준ISO/IEC 25010:201

1

참여기업

평가

⑫ 추론 공격 대응 능력

% 9% 60초기단계

50% 52% 55% 70% 자체 기준ISO/IEC 25010:201

1

참여기업

평가

⑬ 라이프매니지먼트 서비스 평가 index 종류 및 평가 결과

종/%

9% 초기단계초기단계

1종/60%

2종/62%

3종/72%

4종/90%

자체 기준 ISO 10004

참여기업

평가

*서비스 지표 개발

⑭ 퍼스널 큐레이션 서비스 적용 모델과 시범운영

종/% 9% 초기단계초기단계

0종/

50%

1종/

54%

2종/

65%

3종/

80%자체 기준 ISO 9001

참여기업

평가(만족도

평가)

⑮ 지식관리툴 만족도(수요자)

% 9% 초기단계초기단계

80% 85% 90% 95%정보과학회

권고 기준

ISO/IEC 25010:201

1

참여기업 평가 및

전문가평가(외부기관 검증)

⑯ 시제품 (서비스 ) 의 UI/GUI/UX에 대한 전문가/사용성 평가 결과

%9%

사용자 평가 분석기법 (UX

Design)의 기확보, 100% 국내기술

보유)

전문기술 보유

80% 82% 83% 85% 자체 기준ISO

9241-210:2010(E)

참여기업

평가

- 304 -

【별첨 4】

3차년도 기관별 연구개발 내용 (30개 항목)

[1. 마이닝마인즈 통합 플랫폼 고도화 – 경희대학교] □ 개발목표 - 설계된 마이닝마인즈 플랫폼 전체 시스템 통합 구현 및 세부기술 고도화

Ÿ 마이닝 마인즈 전체 플랫폼 통합 및 연동 테스트

Ÿ Data Curation Layer 세부기술 고도화

Ÿ Information Curation Layer 세부기술 고도화

Ÿ Knowledge Curation Layer 세부기술 고도화

Ÿ Service Curation Layer 세부기술 고도화

Ÿ Supporting Layer 세부기술 고도화

[그림 1] 마이닝 마인즈 v3.0 구조도

□ 개발내용

Ÿ 마이닝 마인즈 전체 플랫폼 통합 및 연동 테스트: 마이닝 마인즈 플랫폼의 세부 5개의

레이어를 모두 통합 구현하고 연동 테스트를 통해 성능을 평가 및 고도화함.

Ÿ Data Curation Layer 세부기술 고도화:　멀티모달 센서 (뎁스 및 모션 센서, 스마트폰,

웨어러블 디바이스, 생체 센서) 및 SNS 데이터 기반의 행위, 감정, 위치, 활동량계, 음식,

소셜 및 피트니스 측정 정보를 기반으로 라이프로그를 수집하고 이를 클라우드 기반 빅

데이터 플랫폼으로 구축/처리하는 요소 기술을 고도화함.

Ÿ Information Curation Layer 세부기술 고도화: 수집된 다양한 개인데이터로부터 개인화된

특징 추출을 거쳐 저수준 행위, 감정, 위치, 등을 인지하고 이러한 저수준 정보를 기반

- 305 -

으로 고수준 상황을 인지하는 개인 정보 추론기술의 정확도와 인지 컨텍스트를 확장하

는 연구를 진행하여 고도화함.

Ÿ Knowledge Curation Layer 세부기술 고도화: 라이프 매니지먼트 서비스의 질을 높이기

위해 다양한 분야의 전문가 지식을 습득, 추론, 관리하는 기술을 고도화함.

Ÿ Service Curation Layer 세부기술 고도화: 개인화 라이프로그 및 지식 추론 모델 기반의

건강관리/중진 피드백 분석 기술을 고도화함.

Ÿ Supporting Layer 세부기술 고도화: Data Curation Layer에 저장되어 있는 라이프 로그들

을 시각화하고 개인 데이터를 익명화하며 사용자의 의견을 수렴할 수 있는 피드백 분석

기술을 고도화함.[2. 데이터 큐레이션 다중센서 센싱 기술 고도화 – 경희대학교]□ 개발목표 – Data Curation Layer의 데이터 습득을 가능한 멀티모달 센서 데이터 타입 확장

[그림 2] 데이터 큐레이션의 센서 데이터 습득 및 처리 모듈 아키텍처

□ 개발내용

Ÿ 실시간 센서 데이터 습득기술 고도화: 센서 타입 확장 및 멀티모달 센서 기반 센싱 동기

화 기술 고도화 및 구현.

Ÿ 라이프로그 모델 고도화: 실시간으로 수집되는 센서 데이터를 분석하여 Information

Curation Layer를 통해 도출되는 상황정보를 구조화하는 사용자 Life-log 구축기술 고도

화 및 저장기술 고도화

Ÿ 라이프로그 모니터링 기술 고도화: 사용자의 행위 및 행동 정보를 기반으로 개인의 가까

운 미래의 행동들을 예측기술을 개발.[3. 정보 큐레이션 기술 고도화 – 경희대학교]□ 개발목표 – Information Curation Layer에서 활용하는 센서 타입을 확장하고 인지할 수 있는

저수준/고수준 켄텍스트를 확장 및 정확도를 개선함.

- 306 -

[그림 3] 정보 큐레이션 확장 계획

□ 개발내용

Ÿ 센서 데이터 확장: 스마트폰 가속도/자이로/GPS/카메라/오디오 센서, 스마트워치 가속도/

자이로 센서, KINECT 카메라 비디오센서, 웨어러블 가속도/자이로 센서, 생체 센서 혈

당, SNS 사용

Ÿ 컨텍스트 확장: 관성센서 기반 위치 독립 행위, 관성센서 기반 위치 종속 행위, 비디오

기반 행위, 심박센서 기반 감정, 비디오 기반 감정, 오디오 기반 감정, 지오포지셔닝 기

반 위치, 이미지 기반 음식, 태그 기반 음식 인지 모듈 확장

Ÿ 고수준 컨텍스트 인지엔진 고도화: 임상 정보 시나리오에 기반한 컨텍스트 온톨로지 고

도화 및 저수준 행위기반 시멘틱 추론 기술 개발 [4. 지식 큐레이션 기술 고도화 – 경희대학교]□ 개발목표 – 지식큐레이션에서 Data-Driven 알고리즘 선택 기술 및 Expert-Driven을 위한 분

류 모델 검증 기술 개발

[그림 4] 지식 큐레이션 시스템 아키텍처

- 307 -

□ 개발내용

Ÿ Automatic Algorithm Selection 모듈 구현

Ÿ 기존 Data-Driven 모듈과 Automatic Algorithm Selection 모듈 통합

Ÿ Expert-Driven 지식 표현에서 Conformance기반 분류 모델 변형 기술 개발[5. 서비스 큐레이션 기술 고도화 – 경희대학교]□ 개발목표 – 사용자의 상태, 상황, 선호 및 도메인 지식을 활용하여 개인화된 웰빙 서비스

(활동량 및 영양) 추천과 지식 제공하는 서비스 추천기술 개발

[그림 5] 서비스 큐레이션 시스템 아키텍처

□ 개발내용

Ÿ 추천 프레임워크 확장: 영양 관련 상황/추천 및 물리적 행위에서 상황별 인터프리터 지

원 기술 개발

Ÿ Recommendation Interpreter 확장: SNS분석엔진을 통해 입력되는 영양 관련 소셜 트렌드

정보를 기반으로 영양 추천 기술 개발[6. 익명화 모듈 및 프라이버시 데이터 정보보호 기술 고도화 – 경희대학교]□ 개발목표 – 클라우드 환경에서 개인화 데이터 보호를 위한 사용자 개인 데이터 익명화 기

술 고도화 및 클라우드 접근 보안 기술 개발

[그림 6] 익명화 및 프라이버시 데이터 정보보호 모듈 아키텍처

- 308 -

□ 개발내용

Ÿ 클라우드 접근 보안 기술 개발: 최소한의 보안 구현 및 제어를 위한 사용자 디바이스와

클라우드 간의 Cloud Access Security Broker 모듈 개발

Ÿ 익명화 기술 고도화: 추론공격에 의한 개인의 정보를 보호하기 위한 익명화 모델 선택

및 정책 최적화[7. 비정형 데이터 분석 엔진 고도화 – 경희대학교]□ 개발목표 – 비정형 멀티모달 센서 및 임상 빅 데이터 분석 기술 개발

[그림 7] 비정형 데이터 분석 엔진 시스템 아키텍처

□ 개발내용

Ÿ 쿼리 라이브러리 확장: 빅 데이터 환경에서의 비정형 멀티모달 센서 데이터 및 임상 데

이터 검색 쿼리 확장

Ÿ 분석 데이터 시각화 고도화 및 도메인 확장: 기존 행위, 영양 관련 데이터 분석 데이터

시각화 및 임상 데이터 분야 분석 도메인 확장[8. 데이터 기반 지식 습득 기술을 위한 하둡기반 패시브 데이터 읽기 기술 고도화 – 경희대학교]□ 개발목표 – 하둡 기반의 Passive Reader 모듈 구현 및 Knowledge Curation Layer와 통신을

지원하는 HIVE 쿼리 확장

[그림 8] 데이터 큐레이션의 Big Data Processing 모듈

- 309 -

□ 개발내용

Ÿ HIVE 기반 빅 데이터 쿼리 확장 방안 설계 및 구현: Knowledge Curation Layer의

Data-Driven 지식 습득을 위한 빅 데이터 검색 통신 쿼리 기술 설계 및 구현

Ÿ Kafka 기반 지속적인 백업 시스템 개발: 하둡 분산파일 시스템에서 Intermediate

Database의 라이프로그 데이터 및 사용자 프로파일 정보 백업 기술 구현[9. 스트리밍 프로세싱 기술 고도화 – 경희대학교]□ 개발목표 – 확장된 데이터 센서 정보들을 통해 생성된 데이터 스트림을 지원하는 Data

Curation Layer의 Active Data Reader 모듈 구현 및 동적인 상황 기반 런타임 쿼리 지원하

기 위한 사전에 정의된 HIVE 기반의 쿼리를 고도화함.

[그림 9] 데이터 큐레이션의 Active Data Reader 모듈 아키텍처

□ 개발내용

Ÿ 센서 데이터 습득 모듈 고도화: 센서리 소스의 양의 확장을 지원하는 통신 모듈 고도화

Ÿ 동적 쿼리 생성 기술 개발: Supporting Layer에 지속적인 분석을 지원하는 스트림 기반

의 비정형 데이터 쿼리 자동 생성 모듈 구현[10. UX/UI Authoring Tool 개발 - 경희대학교]□ 개발목표 – UX전문가들이 사용자 모델을 기반으로 Rule 및 Quesitionary 생성을 통해 적응

형 인터페이스를 생성할 수 있는 도구 개발

- 310 -

[그림 10] UI/UX Authoring Tool 시스템 아키텍처

□ 개발내용

Ÿ UX 전문가들이 다양한 적응형 GUI 생성을 위한 적응형 UI 규칙 저작 도구 개발

Ÿ 표준 및 접근하기 쉬운 가이드라인 기반의 규칙 적용 및 Questionary 저장소 생성 위한

플랫폼 독립적인 저작 환경 개발[11. 사용자 맞춤형 UX/UI 엔진 개발 - 경희대학교]□ 개발목표 – 사용자의 감정, 느낌 및 상호작용을 분석 및 습득을 통해 전체적인 사용자 경험

을 검증하는 UX 엔진 개발

[그림 11] UI/UX 엔진 시스템 아키텍처

□ 개발내용

Ÿ 사용자 상호작용, 감정적 반응, 사용자 피드백을 분석을 위한 도구 개발

Ÿ 동적 UX 모델링을 위한 자동화된 사용자 리뷰 분석 기반의 UX 모델 확장

Ÿ 긍정적인 사용자 경험을 위한 사용자 경험 검증기술 개발[12. 소셜네트워크 데이터를 활용한 추천 시스템 개발 – 포항공과대학교]□ 개발목표 - 사용자의 소셜 정보를 이용하여 추천 시스템의 랭킹 정확도 향상

- 311 -

[그림 12] 소셜네트워크 데이터를 활용한 추천시스템의 개념도

□ 개발내용

Ÿ 사용자의 믿는 자 (Truster)와 믿음을 당하는 자 (Trustee)의 역할 및 모든 사용자가 서

로 다른 크기의 중요도를 가지는 소셜 네트워크 특성을 반영한 추천 시스템 개발[13. 정형 및 비정형 혼합데이터를 이용한 추천 시스템 개발 – 포항공과대학교]□ 개발목표 - 정형 및 비정형 혼합 데이터를 이용한 최신 추천 시스템 개발 및 사용자 별점

정보 및 리뷰에 대한 평가 정보 (정형 데이터)와 리뷰 텍스트 데이터 (비정형 데이터)를 기

반으로 사용자의 추천 만족도를 높이는 추천 시스템 개발

[그림 13] 추천시스템 알고리즘

□ 개발내용

Ÿ 2차년도에 수행하였던 베이스라인 구현물을 바탕으로 추천시스템을 설계

Ÿ 사용자와 아이템의 부가적인 정보를 이용하여 새로운 사용자 문제, 새로운 아이템 문제,

데이터 희소성 문제를 효과적으로 반영하는 방법 개발[14. 피드백을 반영한 추천 시스템 개발 – 포항공과대학교]□ 개발목표 - 새롭게 추가되는 사용자, 아이템, 피드백 등을 추천에 반영함으로써 그 성능을

높일 수 있는 최신 추천 시스템 개발

[그림 14] 피드백의 종류에 대한 구조도

- 312 -

□ 개발내용

Ÿ 새롭게 유입되는 정보 (명시적 / 묵시적 피드백)를 모델에 반영하기 위한 연구

Ÿ 행렬 분해 기법 – Matrix factorization 기반의 점진적 모델링 방법론 개발[15. 지식 관리 프레임워크 기술 고도화 – 호주 UTAS]□ 개발목표 – Expert-driven 지식관리를 위한 프레임워크 기술 고도화

[그림 15] MCRDR 기반 지식관리 프레임워크 아키텍쳐

□ 개발내용

Ÿ MCRDR(Multiple Classification Ripple Down Rules) 이론에 기반 한 지식관리 프레임 워

크의 고도화 – 지식추론, 지식획득 기능

Ÿ DB 기반의 지식베이스 설계 및 개발

Ÿ 입력케이스 분석 기능 및 지식추론 기능의 고도화

Ÿ 지식추론 기능의 모듈화 개발

Ÿ 지식추론 과정의 표출 기능 개발

Ÿ 지식획득에 사용된 케이스와 해당 지식과 관련이 있는 케이스 표출 기능 개발

Ÿ 지식획득 과정에서 기존 지식과의 충돌 여부를 검증하는 기능의 고도화[16. 지식기반 규칙 저작 툴 고도화 – 호주 UTAS]□ 개발목표 – 검증된 지식베이스를 생성하기 위한 전문가로부터 경험 지식을 습득 및 변형

가능하도록 사용자 친화적 환경 제공기술 개발

[그림 16] 지식 큐레이션에서 Expert Driven 모듈 아키텍처

- 313 -

□ 개발내용

Ÿ 새로운 규칙의 실행 검증을 위한 기 생성된 룰을 기반으로 다중 테스트 케이스 생성

Ÿ 규칙의 중복 검출 기술 개발

Ÿ 지식 베이스에서 기존 규칙과 새로이 생성된 규칙 사이의 충돌 해결 기술개발[17. 서비스 모델 적용 임상 데이터 기반 정량화 모형 고도화 방안 설계 – 한국생산기술연구원]

□ 개발목표 – 서비스 모델 적용 임상데이터 기반 정량화 모형 고도화 방안 설계

Ÿ 서비스 모델 (GCS 2.5/3.0 및 후속 개발 모델) 적용 데이터를 기반으로 하는 습관화 지

수 적용 모델 개발

Ÿ 습관화 지수를 활용한 관리자 지원 도구 사용 시나리오 개발 및 적용성 평가

Ÿ 습관화 지수를 고려한 관리자 조언 지원을 위한 라이프매니지먼트 가이드라인 체계 개

발

[그림 17] 서비스 정량화 지표 개발 3차년도 개발 목표

□ 개발내용

Ÿ 데이터 기반 습관화 지수 적용 모델 개발

ü 서비스 모델 적용을 위한 Indicator Criteria 확정

ü 서비스 모델 구성 데이터(및 분석 데이터)를 이용한 습관화 지수 산출 알고리즘 개

발

Ÿ 라이프 매니지먼트 가이드라인 체계 개발

ü 라이프 매니지먼트 서비스를 위한 Recommendation 분류체계 개발 및 참조

Recommendation Repository 구축

ü Wellness User Model에 따른 Recommendation 생성 시나리오 개발

Ÿ 지수 기반 관리자 지원 도구 설계

ü 습관화 지수를 이용한 사용자 속성 Representation 기법 개발[18. 운동/영양 통합 서비스 제공 모바일 어플리케이션 개발 – (주)녹십자헬스케어]□ 개발목표 – 운동/영양 통합 서비스 제공을 위한 모바일 어플리케이션 개발

□ 개발내용

Ÿ 2차 년도에 개발된 프로토타입 App을 기본으로 사용자의 평가 의견을 반영한 서비스 구축

및 이를 적용한 모바일 App 개발

Ÿ 신체활동 및 식습관 데이터를 효과적으로 모니터링/분석/피드백 할 수 있도록 2차 년도에

개발된 관리자 페이지를 개선

Ÿ 사용자의 행동변화를 유도할 수 있는 서비스 알고리즘 및 건강관리 콘텐츠 적용에 따른

서비스 시범운영 및 플랫폼과의 적용 방안 검토

- 314 -

[19. 만성질환(당뇨)관리 서비스 제공 프로토타입 모바일 어플리케이션 제작 – (주)녹십자헬스케어]□ 개발목표 – 만성질환(당뇨) 관리 서비스 제공을 위한 프로토타입 어플리케이션 개발

□ 개발내용

Ÿ 혈당 패턴 분석 알고리즘 적용에 따른 맞춤형 콘텐츠 제공 및 코칭 서비스를 적용할 수

있는 프로토타입 App 개발

Ÿ 혈당에 영향을 미칠 수 있는 문제 생활습관 요인을 수집하여 적절한 가이드를 제공하고,

사용자의 자가 모니터링을 강화할 수 있는 서비스 구축[20. SNS분석엔진과 마이닝마인즈 플랫폼 엔진 통합 – (주)타파크로스]□ 개발목표 – SNS 분석엔진과 마이닝 마인즈 플랫폼의 유기적인 통합

Ÿ Supporting Layer를 통한 SNS 분석 기술 통합 제공

Ÿ Dynamic API 세부기술 고도화

Ÿ Static API 세부기술 고도화

□ 개발내용

Ÿ Supporting Layer를 통한 SNS 분석 기술 통합: Supporting Layer를 통해 마이닝 마인즈

플랫폼 전체에서 SNS 분석 기술을 공유해 활용할 수 있도록 API를 통한 통합 기능을 개

발하고, 통합 테스트를 통해 기능 고도화 및 최적화 진행.

Ÿ Dynamic API 세부기술 고도화: Supporting Layer를 통해 마이닝 마인즈 플랫폼 전체에서

사용자나 시스템이 다양한 SNS 분석 기능을 통해 세밀하고 자유로운 분석을 가능하게

하기 위한 기술을 개발하고 고도화함.

Ÿ Static API 세부기술 고도화: Nutrition이나 Healthcare와 같은 특정 분야에 최적화된 SNS

분석 기능을 제공하기 위한 전문화된 SNS 분석 기능을 개발하고, 통합 테스트를 통해

고도화, 최적화함.[21. RSS / API 수집엔진 성능 평가 - (주)타파크로스]□ 개발목표 – 트위터, 블로그, 커뮤니티, 매스미디어 등 소셜미디어를 수집하기 위해 기 개발

한 SNS 전용 수집 기술을 고도화하고 연동 테스트를 통해 성능을 평가

Ÿ RSS feed 수집엔진 성능 평가

Ÿ API 수집엔진 성능 평가

[그림 18] RSS 수집엔진 개념도 및 API 수집엔진 개념도

- 315 -

□ 개발내용

Ÿ RSS feed 수집엔진 세부기술 고도화: 블로그/카페, 매스미디어 수집을 위한 RSS feed 수

집엔진에 고속 데이터 처리를 위한 RSS Parser와 수집엔진, 중복제거 모듈의 성능을 고

도화하고 실제 연동 테스트를 통해 성능을 평가함.

Ÿ API 수집엔진 세부기술 고도화: 포털이나 SNS 수집을 위한 API 수집엔진을 고도화해 각

API 제공형태별 API Parser(Json/XML)와 이를 이용한 고속 DB 저장 기술을 고도화하고

실제 연동 테스트를 통해 성능을 평가함.[22. 퍼스널데이터 의미기반 분석엔진 성능 평가 - (주)타파크로스]□ 개발목표 – SNS 환경의 빅데이터에서 사용자 인식, 행위, 감성정봉 등에 대한 의미 분석 기

술을 고도화하고 연동 테스트를 통해 성능을 평가함.

Ÿ 퍼스널데이터 의미기반 분석 기술 성능 평가

[그림 19] 의미기반 분석엔진 구성도

□ 개발내용

Ÿ 퍼스널데이터 의미기반 분석 기술 성능 평가: 어절 분석, 형태소 분석을 통해 얻은 언어

처리 분석 기술을 통해 수집된 데이터에서 특정 이슈를 분류, 추출하고 이를 기반으로

이슈 분류 및 추출의 정확도를 높일 수 있는 기술을 더욱 고도화하고, 연동 테스트를 통

해 성능을 평가함.[23. 퍼스널데이터 분석 수집 및 분석 데이터 처리 기술 성능 평가 - ㈜타파크로스]□ 개발목표 – SNS 환경의 빅데이터에서 퍼스널데이터를 수집, 추출하고 분석 데이터를 처리

하는 과정에 대한 기술을 고도화하고 연동 테스트를 통해 성능을 평가함.

Ÿ 퍼스널데이터 수집 및 분석 기술 성능 평가

□ 개발내용

Ÿ 퍼스널데이터 수집 및 분석 기술 성능 평가: SNS 퍼스널 빅데이터의 수집과 수집 DB를

구성하고 수집된 퍼스널데이터를 사용자 요구 항목에 맞춰 분석할 수 있도록 NLP 처리

및 TextMining 엔진을 통해 언어처리 분석 기술을 구성함. 또한 실제 연동 테스트를 통

해 이에 대한 성능을 평가함.

- 316 -

[그림 20] 퍼스널 데이터 처리 프로세스

[24. 마이닝마인즈 플랫폼 상용화 비즈니스 모델 성능 평가 - (주)타파크로스]□ 개발목표 – 마이닝 마인즈 플랫폼을 활용한 타파크로스의 소셜 미디어 분석 서비스

(TrendUp+) 상용화 비즈니스 모델 을 개발 및 성능 평가

Ÿ TrendUp+ 상용화 비즈니스 모델 개발

Ÿ TrendUp+ 비즈니스 모델 성능평가

□ 개발내용

Ÿ 상용화 비즈니스 모델 개발: 온라인 퍼스널 데이터 기반 의미분석 기술 등 기 개발된

SNS 분석 기술과 마이닝 마인즈 플랫폼 전체 혹은 특정 모듈을 결합해 API 제공, SaaS,

솔루션 SI 등 새로운 TrendUp+ 비즈니스 모델을 개발.

Ÿ 비즈니스 모델 성능 평가: 새로 개발된 비즈니스 모델의 상용화 가능 여부를 연동 테스

트를 통해 확인하고, 이에 대한 TrendUp+ 성능을 평가함.[25. 시소러스 라이브러리 구축 - (주)타파크로스]□ 개발목표 – SNS 분석의 정확도를 높이기 위해 사전 정제, 최적화된 라이브러리의 구축

Ÿ Nutrition 관련 시소러스 라이브러리 구축

Ÿ Healthcare 관련 시소러스 라이브러리 구축

□ 개발내용

Ÿ Nutrition 관련 시소러스 라이브러리 구축: SNS 빅데이터의 분석 정확도 향상을 위해 사

전 정의된 라이브러리를 활용할 수 있게 하며, 특히 체중관리와 다이어트 관련 시소러스

라이브러리 중 하나로 Nutrition 관련 시소러스 라이브러리를 구축하고 이를 API를 통한

분석 결과를 마이닝 마인즈 플랫폼에 제공함.

Ÿ Healthcare 관련 시소러스 라이브러리 구축: SNS 빅데이터의 분석 정확도 향상을 위해

사전 정의된 라이브러리를 활용할 수 있게 하며, 특히 만성질환 관리 등에 대한 분석을

위해 Healthcare 관련 시소러스 라이브러리를 구축하고 이를 API를 통한 분석 결과를 마

이닝 마인즈 플랫폼에 제공함.

- 317 -

[26. 연령대 및 사용자 경험 수집 - (주)유투시스템]□ 개발목표 - 당뇨 관리 서비스에 적합한 UX 기획

□ 개발내용

Ÿ 당뇨 관리 서비스가 필요한 Target User Segmentation

Ÿ Target User 대상 User Research 수행

- Ethnography, FGD, FGI 등의 방법론 중 적합한 방법론 적용

Ÿ User Research 결과를 바탕으로 당뇨 관리 서비스 대상자 구체화

[27.서비스 3종의 Mobile App UI, GUI 개발 - (주)유투시스템]□ 개발목표 - 당뇨 관리 서비스를 위한 Mobile App. UI/GUI 개발

□ 개발내용

Ÿ 당뇨 관리 서비스의 상세한 UI/GUI 기획

Ÿ UI : 상세 UI Key Screen & UI Workflow

Ÿ GUI : 상세 화면 GUI Template 디자인[28. 개발 피드백을 적용한 UI, GUI 수정 - (주)유투시스템]□ 개발목표 - 서비스 검증 결과를 검토/수렴한 UI/GUI 개발

□ 개발내용

Ÿ 서비스 검증 평가 수행 후 수집된 피드백에 대한 개선안 적용 요소 선정

Ÿ 선정된 개선안에 대한 세부 UI/GUI re-design[29. 서비스 검증을 위한 전문가 평가 -(주)유투시스템]□ 개발목표 - 사용자/전문가에 의한 서비스, UI, GUI 검증

□ 개발내용

Ÿ 사용자/전문가 평가를 위한 평가 계획 : 리크루팅, 평가지 작성, 설계, 환경 구축

Ÿ 평가를 위한 Prototype 제작

Ÿ 사용자/전문가의 서비스, UI, GUI에 대한 만족도 평가 및 의견 수렴[30. 서비스모델의 확장, 고도화를 위한 비즈니스유형 조사 및 활성화 방안 연구 - (사)한국컨설팅 서비스 협회]□ 개발 목표 - 서비스 모델의 확장, 고도화를 위한 비즈니스 유형 조사 및 마이닝 마인즈 서

비스 플랫폼의 확장을 위한 지식서비스 타 분야 타당성 검토 및 활성화 방안 연구

□ 개발 내용

Ÿ NGC서비스 모델의 향후 고도화(질병, 의료)를 위한 연관 비즈니스 유형조사

Ÿ 서비스플랫폼 적용이 가능한 타 지식서비스 분야 유사모델 조사 분석

Ÿ 타 지식서비스 적용 타당성 검토

Ÿ 서비스플랫폼 활성화를 위한 방안 연구

- 318 -

【별첨 5】

4차년도 기관별 연구개발 내용 (23개 항목)

[1. 마이닝마인즈 통합 플랫폼 상용화 – 경희대학교] □ 개발목표 – 마이닝마인즈 플랫폼 상용화를 위해 클라우드 환경에 배치

Ÿ 마이닝마인즈 플랫폼 배치를 위하여 가격과 사용성을 고려한 퍼블릭 클라우드 플랫폼

조사

Ÿ 마이닝마인즈 플랫폼 각 계층별로 필요한 저장 용량, 메모리 용량, 연산 능력 평가

Ÿ 마이닝마인즈 플랫폼의 각 계층을 위한 PaaS 기반 Virtual Machine 생성

Ÿ 마이닝마인즈 플랫폼의 각 계층을 생성된 각각의 Virtual Machine에 배치

Ÿ 안드로이드 기반 스마트폰 마이닝마인즈 어플리케이션의 구글 스토어 업로드

[그림 1] 마이닝마인즈 플랫폼의 클라우드 환경 배치 계획도

□ 개발내용

Ÿ Service API: 사용자의 마이닝마인즈 시스템 접근을 위한 필수 API로, 스마트폰 어플리케

이션 및 기타 서드 파티 클라이언트를 통해 마이닝마인즈에 접속하기 위한 서비스 계약

을 포함함.

Ÿ Service Curation Layer: 상용화를 위해 서비스 API와 함께 퍼블릭 클라우드에 인

- 319 -

스턴스 형태로 배치되며, 모든 마이닝마인즈 시나리오를 관리하고, 각 시나리오

에 대한 해석과 개인화를 수행함.

Ÿ Knowledge Curation Layer: 상용화를 위해 퍼블릭 클라우드에 인스턴스 형태로 배

치되며, 마이닝마인즈 플랫폼의 의사결정을 위한 핵심 지식을 제공함. 시나리오

상의 상황 및 이상징후 등이 발견되면 의사결정에 따라 연관된 서비스를 호출함.

Ÿ Information Curation Layer: 상용화를 위해 퍼블릭 클라우드에 인스턴스 형태로 배

치되며, 센서 데이터 및 SNS 등의 사용자 정보로부터 저수준과 고수준 상황을

인지함.

Ÿ Data Curation Layer: 프라이빗 클라우드에 사용자 정보를 저장한 빅데이터 저장

소 인스턴스를 지닌 하이브리드 클라우드 형태로 배치되며, 획득한 데이터의 축

적, 유지 및 실시간 모니터링을 통한 이상징후 감지 등의 기능을 제공함.

Ÿ Supporting Layer: 상용화를 위해 퍼블릭 클라우드에 인스턴스 형태로 배치되며, 다른 계층을 지

원하기 위한 보안 요소, 분석 및 시각화, 사용자 경험 제공 및 피드백을 받는 역할을 수행함. 또

한 B2B 단의 서비스 계약을 제공함.

[2. 데이터 큐레이션 다중센서 센싱기술 상용화 – 경희대학교]□ 개발목표 – 상용화 수준의 데이터 큐레이션 다중센서 센싱기술 확보 및 실전배치

Ÿ 저수준 센서 데이터의 저장과 라이프로그로의 변환

Ÿ 보안을 위한 라이프로그의 프라이빗 클라우드 저장

□ 개발내용

Ÿ 저수준 센서 데이터 저장을 위한 필요 저장 용량, 메모리, 연산 능력의 평가

Ÿ 퍼블릭 및 프라이빗 클라우드 상에 Virtual Machine 인스턴스 생성

Ÿ DCL의 각 컴포넌트의 클라우드 인스턴스 배치

Ÿ 퍼블릭 및 프라이빗 클라우드 인스턴스 간의 통신 연결 [3. 정보 큐레이션 기술 상용화 – 경희대학교]□ 개발목표 – 상용화 수준의 정보 큐레이션 상황인지 기술 확보 및 실전배치

Ÿ 멀티모달 센서 데이터 기반의 저수준 상황인지 기술 확보

Ÿ 저수준 상황인지 기반의 고수준 상황인지 기술 확보

□ 개발내용

Ÿ 베타테스를 위한 실시간 행위 시뮬레이션 툴 개발

Ÿ 테스트 사용자의 피드백 의견을 반영한 기술 고도화

Ÿ 다수 사용자를 이용한 상용화 수준의 합격 판정 테스트 수행

Ÿ 상황인지를 위한 정보 큐레이션 기술을 클라우드 플랫폼에 배치 [4. 서비스 큐레이션 기술 상용화 – 경희대학교]□ 개발목표 – 상용화 수준의 서비스 큐레이션 기술 확보 및 실전배치

Ÿ 개인화된 추천 분석 기술 확보

Ÿ 개인화된 추천 컨텐츠 확보

- 320 -

□ 개발내용

Ÿ CCIR (Integrated Cross-Context Interpretation of Knowledge-based Recommendation) 엔

진 베타테스트

Ÿ 테스트 사용자의 피드백 의견을 반영한 엔진 고도화

Ÿ CCIR에 대한 상용화 수준의 합격 판정 테스트 수행

Ÿ CCIR 엔진을 클라우드 플랫폼에 배치 [5. 익명화 및 프라이버시 정보보호 기술 상용화 – 경희대학교]□ 개발목표 – 상용화 수준의 익명화 및 프라이버시 정보보호 기술 확보 및 실전배치

Ÿ 마이닝마인즈 플랫폼에 맞춘 익명화 및 프라이버시 정보보호 기술의 보정

□ 개발내용

Ÿ 익명화 및 프라이버시 정보보호 기술 어플리케이션 베타테스트

Ÿ 익명화 및 프라이버시 정보호 기술의 클라우드 배치를 통하여 실제 사용자 데이터를 이

용한 보안 능력 테스트[6. 라이프매니지먼트 웰니스 모델 고도화 및 상용화 - 경희대학교]□ 개발목표 – 마이닝 마인즈 플랫폼과 통합된 지식 저작 툴(I-KAT)에서의 웰니스 모델 상용화

수준 기능과 성능 확보

Ÿ 지식 저작 툴과 유기적 통합 및 모듈화

Ÿ 다양한 상용화 비즈니스 모델 개념을 포함하기위한 관계 및 검증 방법 확보

□ 개발내용

Ÿ 지식 저작 툴과 유기적 통합 및 모듈화: 기존에 종속적으로 작동된 웰니스 모델 매니저

를 독립적으로 고도화 하고 지식 저작 툴과 모듈화 시켜 결합 할 수 있도록 성능 확보

Ÿ 다양한 상용화 비즈니스 모델 개념을 포함하기위한 관계 및 검증 방법 확보: 상용화 수

준에 맞춰 실제 비즈니스 모델이 가질 수 있는 개념과 관계를 포함해 웰니스 모델을 고

도화하고 이를 검증할 수 있는 기술의 수준과 성능을 확보[7. 비정형 데이터 분석 엔진 상용화 – 경희대학교]□ 개발목표 – 상용화 수준의 비정형 데이터 분석 엔진 성능 확보 및 실전배치

Ÿ 기술적 분석 기능을 포함하는 분석 엔진 베타 버전 제작

□ 개발내용

Ÿ 베타 버전을 클라이언트에게 배포하여 데이터 수집

Ÿ 사용자로부터 얻은 피드백을 수렴하여 엔진 고도화

Ÿ 엔진에 상용화 수준의 합격 판정 테스트 수행

Ÿ 비정형 데이터 분석 엔진을 클라우드 플랫폼에 배치[8. UX/UI Authoring Tool 상용화 – 경희대학교]□ 개발목표 – 상용화 수준의 UX/UI Authoring Tool 성능 확보 및 실전배치

Ÿ 드래그 앤 드롭을 지원하는 와이어프레임 프로토타입 제작

Ÿ UX 엔진에 기반한 적응형 UI의 자동 UI 변환 기술 확보

- 321 -

□ 개발내용

Ÿ 베타테스트를 통해 전문가의 피드백 의견 반영에 따른 툴 업데이트

Ÿ 상용화 단계 달성을 위한 전문가 기반의 합격 판정 테스트

Ÿ 최종 도출된 툴을 클라우드 플랫폼 상에 배치[9. 자동형 사용자 맞춤형 UX/UI 엔진 상용화 – 경희대학교]□ 개발목표 – 상용화 수준의 자동형 사용자 맞춤형 UX/UI 엔진 성능 확보 및 실전배치

Ÿ 안드로이드 및 iOS용 SDK 제작

□ 개발내용

Ÿ UX/UI 엔진 베타테스트

Ÿ 전문가의 피드백 의견 반영에 따른 엔진 업데이트

Ÿ 상용화 단계 달성을 위한 전문가 기반의 합격 판정 테스트

Ÿ 최종 도출된 엔진을 클라우드 플랫폼 상에 배치[10. 소셜네트워크 데이터를 활용한 추천 시스템 상용화 – 포항공과대학교]□ 개발목표 – 사용자 소셜 정보 기반 추천 시스템의 랭킹 정확도를 높이는 연구의 상용화

□ 개발내용

Ÿ 사용자의 믿는 자 (Truster)와 믿음을 당하는 자 (Trustee)의 역할 및 모든 사용자가 서

로 다른 크기의 중요도를 가지는 소셜 네트워크 특성을 반영한 추천 시스템 개발 상용

화[11. 정형 및 비정형 혼합데이터를 이용한 추천 시스템 상용화 – 포항공과대학교]□ 개발목표

Ÿ 정형 및 비정형 혼합 데이터를 이용한 최신 추천 시스템의 상용화

Ÿ 사용자 별점 정보 및 리뷰에 대한 평가 정보 (정형 데이터)와 리뷰 텍스트 데이터 (비정

형 데이터)를 기반으로 사용자의 추천 만족도를 높이는 추천 시스템 개발

□ 개발내용

Ÿ 사용자와 아이템의 부가적인 정보를 이용하여 새로운 사용자 문제, 새로운 아이템 문제,

데이터 희소성 문제를 효과적으로 반영하는 방법의 추천시스템 상용화[12. 피드백을 반영한 추천 시스템 상용화 – 포항공과대학교]□ 개발목표 - 새롭게 추가되는 사용자, 아이템, 피드백 등을 추천에 반영함으로써 그 성능을

높일 수 있는 최신 추천 시스템의 상용화

□ 개발내용

Ÿ 새롭게 유입되는 정보 (명시적 / 묵시적 피드백)를 반영한 행렬 분해 기법 – Matrix factorization 기반의 점진적 모델링 방법론이 반영된 추천 모델의 상용화

[13. 지식 큐레이션 지식 관리 엔진 상용화 – 호주 UTAS]□ 개발목표 – 지식 큐레이션 지식 관리 엔진 상용화

Ÿ 지식 큐레이션 지식 관리 엔진의 코어 기능 모듈화 개발 및 상용화

- 322 -

Ÿ 지식 큐레이션 지식 베이스 상용화

□ 개발내용

Ÿ 지식 큐레이션 지식 관리 엔진의 코어 기능 모듈화 개발 및 상용화: 지식관리 엔진을 구

성하는 추론, 지식 평가, 케이스 관리, 지식획득, 지식검증 등 주요 기능을 모듈화 개발

하여 확장성을 확보하고 각 모듈 및 통합 시스템에 대한 상용화 수준을 달성함.

Ÿ 지식 큐레이션 지식 베이스 상용화: 실험실 수준에서 마이닝마인즈 서비스를 위해 구축

된 지식베이스의 지식을 정제함으로써 상용 서비스 수준의 지식으로 품질을 고도화를

통해 지식베이스의 성능과 상용화 수준을 확보함.[14. 지식기반 규칙 저작 툴 상용화 – 호주 UTAS]□ 개발목표 – 상용화 수준의 지식기반 규칙 저작 툴 성능 확보 및 실전배치

Ÿ 웰니스 모델의 생성/편집 기능 개발

□ 개발내용

Ÿ 베타테스트를 통해 전문가의 피드백 의견 반영에 따른 툴 업데이트

Ÿ 상용화 단계 달성을 위한 전문가 기반의 합격 판정 테스트

Ÿ 최종 도출된 툴을 클라우드 플랫폼 상에 배치[15. 라이프매니지먼트 정량화 모형 도출 – 한국생산기술연구원]□ 개발목표 – 라이프 매니지먼트 정량화 모형 도출

Ÿ 습관화 지수를 이용한 라이프 매니지먼트 서비스 관리 모형 개발

Ÿ 습관화 지수를 이용한 서비스 효용성 평가/예측 기술 개발

□ 개발내용

Ÿ 서비스 관리 모형 개발

ü 사용자 변화 관리 모형 개발

ü 습관화 지수 구성요소의 interoperability 확립을 위한 데이터 관리 모델 개발

ü 고객의 행위 변화 중심의 서비스 평가 프로토콜 개발 및 피드백 도구 개발

Ÿ 서비스 효용성 평가 및 예측 기술 - 상용화 대상 서비스에 대한 서비스 효용성 실증

평가

ü 사용자 행위 변화 모형에 따른 효용성 평가

ü 행위 변화에 따른 Outcome 예측 모델 평가

ü 지수 기반 관리자 지원 도구에 대한 서비스 제공 전문가(Warm Service) 만족도 평

가[16. 운동/영양 통합 서비스 상용화 – ㈜녹십자헬스케어]□ 개발목표 – 운동/영양 통합 서비스가 적용된 건강관리 서비스 상품 개발

□ 개발내용

Ÿ 생체 정보, 생활습관 정보, 신체활동 및 식습관 정보 등을 통합 관리하고, 패턴 분석을

통해 실천 목표 및 가이드를 제공할 수 있도록 마이닝마인즈 플랫폼 연계 및 전문가 관리

- 323 -

시스템 구축

Ÿ 개인별 수집 정보 확인, 유형별 맞춤형 콘텐츠 제공 및 생활습관 관리 서비스 제공을 위해

개발된 모바일 App 및 관리자 페이지는 B2B, B2C 서비스에 적용[17. 만성질환(당뇨) 관리 서비스 모델 비즈니스 적용– ㈜녹십자헬스케어]□ 개발목표 – 당뇨환자를 위한 체계적인 신체활동, 영양, 생활습관 관리 및 모니터링을 통해

합병증을 예방하고 건강을 증진시켜주는 비즈니스 모델 개발

□ 개발내용

Ÿ 혈당 패턴 분석 알고리즘 적용에 따른 맞춤형 콘텐츠 제공 및 코칭 서비스를 적용할 수

있는 혈당관리 App을 활용한 당뇨관리 서비스 개발

Ÿ 효율적으로 혈당을 관리할 수 있는 서비스 프로세스 수립 및 당뇨 보험 상품에 적용[18. 온라인 수집엔진 상용화 – ㈜타파크로스]□ 개발목표 – 온라인 소셜 미디어 빅데이터 수집엔진의 상용화 수준 기능과 성능 확보

Ÿ 온라인 수집엔진의 상용화 수준 기능과 성능 확보

Ÿ RSS/API 수집엔진의 상용화 수준 기능과 성능 확보

□ 개발내용

Ÿ 온라인 수집엔진의 상용화 수준 기능과 성능 확보: 키워드, URL 등을 통해 커뮤니티와

블로그, 매스미디어 등의 온라인 빅데이터를 수집하고 사용자 ID, 제목, 본문 내용 등을

기반으로 중복 문서를 제거하며, 불필요한 가비지를 필터링하는 기능을 구현할 뿐 아니

라, 상용 수준의 수집량과 속도를 구현할 수 있도록 고도화.

Ÿ RSS/API 수집엔진의 상용화 수준 기능과 성능 확보: 트위터, 페이스북, 블로그, 매스미디

어 등의 소셜 빅데이터를 RSS와 API를 통해 수집, 관리하며, 상용 수준의 기능과 수집

량, 속도를 구현할 수 있도록 고도화.[19. 퍼스널데이터 분석 기술 및 엔진 상용화 – ㈜타파크로스]□ 개발목표 – 수집된 소셜 빅데이터에 대한 자연어 처리(형태소 분석, 텍스트마이닝)를 통해

사용자 인식, 행위, 감성정보에 대한 의미분석 기술을 구현하고, 상용화 수준의 기능과 성능

을 확보.

Ÿ 퍼스널데이터 의미분석 엔진의 상용화 수준 기능과 성능 확보

Ÿ 퍼스널데이터 수집 및 분석 데이터 처리 기술의 상용화 수준 기능과 성능 확보

□ 개발내용

Ÿ 퍼스널데이터 의미분석 엔진의 상용화 수준 기능과 성능 확보: 소셜 빅데이터에 대한 형

태소 분석 및 텍스트마이닝 등 자연어 처리 기술을 구현하고, 상용화 수준의 분석 정확

도와 기능, 성능을 확보.

Ÿ 퍼스널데이터 수집 및 분석 데이터 처리 기술의 상용화 수준 기능과 성능 확보: 수집된

소셜 빅데이터 중 특정 사용자에 대한 분석을 통해 사용자의 행위와 인식, 감성정보에

대한 의미분석을 수행하는 기술을 구현하고, 상용화 수준의 분석 정확도와 기능, 성능을

확보.

- 324 -

[20. 마이닝마인즈 통합 플랫폼 상용화 – ㈜타파크로스]□ 개발목표 – 마이닝 마인즈 플랫폼과 통합된 소셜 빅데이터 분석엔진의 상용화 수준 기능과

성능 확보

Ÿ 마이닝 마인즈 플랫폼과 소셜 빅데이터 분석엔진의 유기적 통합

Ÿ 마이닝 마인즈 플랫폼을 활용한 상용화 비즈니스 모델 구현과 상용화 수준의 기능과 성

능 확보

□ 개발내용

Ÿ 마이닝 마인즈 플랫폼과 소셜 빅데이터 분석엔진의 유기적 통합: 마이닝 마인즈 플랫폼

전체에서 소셜 빅데이터 분석 기술을 활용할 수 있도록 API를 통한 유기적인 통합 기능

을 제공하며, 상용화 수준의 기능과 성능을 확보.

Ÿ 마이닝 마인즈 플랫폼을 활용한 상용화 비즈니스 모델 구현과 상용화 수준 기능과 성능

확보: 마이닝 마인즈 폴랫폼을 활용한 상용화 비즈니스 모델을 구현하고, 상용화 수준의

기능과 성능을 확보.[21. 마이닝마인즈 정보기반 자동형 Mobile App UI, GUI 상용화 - ㈜유투시스템]

□ 개발목표

Ÿ 사용자 맞춤형 UX/UI 기술(경희대)을 적용하여 상용 당뇨관리 서비스 Mobile App의 UI,

GUI 개발

□ 개발내용

Ÿ 사용자들의 선호, 사용 패턴 등에 부합되는 UI, GUI 디자인 템플릿 생성

Ÿ 생성된 UI, GUI에 대한 내부 평가 진행

Ÿ 평가 결과를 UI, GUI 디자인 템플릿에 반영

Ÿ 최종 UI, GUI 템플릿 생성

Ÿ App 개발을 고려한 GUI Image Cutting[22. UX/UI Authoring Tool을 적용한 UI, GUI 상용화 - ㈜유투시스템]

□ 개발목표

Ÿ UX/UI Authoring Tool을 적용하여 상용 당뇨관리 서비스 Mobile App UI, GUI 템플릿

생성

□ 개발내용

Ÿ UX/UI Authoring Tool을 활용하여 UI, GUI 템플릿 생성 테스트

Ÿ 생성된 UI, GUI에 대한 내부 평가 진행

Ÿ 평가 결과를 UX/UI Authoring Tool에 반영

Ÿ UX/UI Authoring Tool을 적용하여 UI, GUI 템플릿 생성 및 적용[23 서비스 응용 확장 모델 테스트를 통한 사업화 타당성 검토 – 한국컨설팅서비스협회]

□ 개발 목표

∙ 3차년도의 연구결과를 바탕으로 마이닝마인즈 플랫폼을 지식서비스 산업 전반에 걸쳐서

확장 적용하기에 최적화된 비즈니스 서비스 모델에 테스트를 실시하여 해당 비즈니스 모

- 325 -

델의 사업화에 타당성을 검토, 사업화가 가능한 지식서비스 산업군을 발굴하고 마이닝마

인즈 서비스 플랫폼의 확장 전략 연구

□ 개발 내용

∙ 서비스 플랫폼 적용이 가능한 타 지식서비스 분야 유사 모델 조사 심층 분석

ü 3차년도에 이루어진 연구내용을 바탕으로 마이닝마인즈 서비스 플랫폼과 유사한 기능

요소를 가지고 운영 또는 준비중인 타 지식서비스 유사모델에 대한 심층 분석

ü 적용 가능한 타 지식서비스 분야 선정

∙ 타 지식서비스 분야 유사 모델에 대한 서비스 적용 테스트 모델링 연구

ü 선정된 지식서비스의 분야에 대한 마이닝마인즈 적용 테스트 모델링

ü 테스트 모델링을 통한 사업화 타당성 검토 분석 및 관련 사례 조사

∙ 마이닝마인즈 서비스 플랫폼 확장 전략 연구

ü 3차년도 연구개발 결과를 바탕으로 한 제반 요소 및 조건에 대한 심층 연구

ü 지식서비스 산업군 뿐만이 아니라 다른 산업의 부분 요소로서 마이닝 마인즈 플랫폼

적용에 대한 적용 타당성 검토 연구