협업형 재난안전 R&D 탐색을 위한 편집거리 기반 과제 유사도 정량화

• 영문명: Quantification of Similarity Using the Edit-distance Method for Searching Cooperative Programs Related to Disaster and Safety Management
• 발행기관: 한국방재학회
• 저자명: 이보람(Lee Boram) 윤상원(Yoon Sang Won) 정재학(Chung Jaehak)
• 간행물 정보: 『2. 한국방재학회 논문집』 18권3호, 151~158쪽, 전체 8쪽
• 주제분류: 공학 > 기타공학
• 파일형태: PDF
• 발행일자: 2018.04.30

국문 초록

본 연구에서는 재난안전과 관련된 연구개발(R&D)의 효율성을 강화하고, 부처간 협력적 재난안전 R&D를 독려하기 위한 방법론으로서 편집거리 기반 재난안전 R&D 과제 유사도 측정모델을 제안하였다. 기존 NTIS 유사도 측정 시스템의 경우 특정 파라미터만을 사용하여 과제 간 유사도를 측정하고 있다. 그러나 해당 방법의 경우 재난유형, 기술분류, 핵심역량 등 재난안전 분야의 특성을 고려할 수 없다는 한계점이 있다. 본 연구에서는 이러한 한계점을 극복하기 위해 편집거리 기반의 유사도 측정 방법론 및 지파이(Gephi)를 활용한 군집화 방법을 제안하였다. 본 연구에서 제안한 방법론의 성능을 평가하기 위해 91개의 재난안전 R&D 사업을 적용하였으며, 각 군집에 포함된 과제들을 비교ㆍ분석함으로써 유사ㆍ중복 및 협업 가능성을 검토하였다.

영문 초록

In this study, the methodology of evaluating the similarity for R&D programs related to the disaster and safety management (hereafter ‘disaster R&D’) was proposed to enhance the efficiencies of R&D performances and to encourage the inter-agencies cooperative R&D programs. In the similarity evaluation scheme of NTIS (National Technology Information Service), several parameters should be identified before their applications and the characteristics of disaster-related R&D, so-called ‘complexity’ could not be taken into considerations. To solve the problem, the methodology based on the edit-distance and Gephi were introduced in this study. The edit-distance is the frequently used for estimating the similarity between interests and can be easily applied by simple preparations. To verify the performances of the methodology proposed in this study, as an example, 91 disaster R&Ds were applied. As the results, the new methodology could classify the similar disaster R&Ds effectively and efficiently with respect to their aims and contents.

목차

Abstract

요지

1. 서론

2. 편집거리 기반 R&D 유사도 측정 및 협업대상 군집화 기법 제안

3. 사례 적용

4. 결론

References

키워드

재난안전 R&D 편집거리 다부처 협업 과제 지파이 유사도 Disaster-related R&D Programs Edit-distance Inter-agencies Cooperative R&D Programs Gephi Similarity