전자파 인체 유해성 평가를 위한 논문 데이터베이스 구축

• Published in: 디지털콘텐츠학회논문지 Vol. 22; no. 5; pp. 817 - 822
• Main Authors: 이상우(Sang-Woo Lee), 김남(Nam Kim), 최형도(Hyung-Do Choi), 김의직(Eui-Jik Kim)
• Format: Journal Article
• Language: Korean
• Published: 한국디지털콘텐츠학회 01.05.2021
• Subjects: 컴퓨터학; 학술문헌; Scientific literature; 기계학습; 텍스트분류; Human health risk of electromagnetic fields; 데이터베이스; Database; 전자파 인체 유해성; Text classification
• ISSN: 1598-2009; 2287-738X
• DOI: 10.9728/dcs.2021.22.5.817

본 논문에서는 전자파 유해성 평가의 효율성 및 객관성의 향상을 위해 지도학습을 위한 분류기준을 제공하는 정형화된 논문 데이터베이스를 설계 및 구축한다. 구축된 논문 데이터베이스는 논문의 출판정보, 분석정보, 본문 텍스트 정보를 저장한다. 구축된 데이터베이스의 활용성을 검증하기 위해 순환신경망 기반의 전자파 인체 영향 결론 (Positive, Null, Neutral) 분류 모델을 개발하였다. 개발된 전자파 인체 영향 결론 분류 모델은 데이터베이스에 수록된 논문의 80%를 훈련데이터로 나머지 20%를 테스트 데이터로 사용하여 논문의 전자파 인체 영향 결론을 69.23%의 정확도로 분류할 수 있었다. This paper implements the literature database which provides a classification criterion for supervised machine learning in order to improve the efficiency and objectivity of human health risk assessment of electromagnetic fields. The implemented literature database stores information on research articles such as publication information, analytical information, and article body text information. To verify the usability of the implemented database, we developed an EMF effect conclusion classification model based on the recurrent neural network (RNN). By using 80% of the data in the database, the EMF effect classification model was trained, and then, the remaining 20% of the data in the database is used as a test dataset. The results showed that the classification model can classify EMF effect conclusions with 69.23% accuracy. KCI Citation Count: 0