-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.1 2023-12-29 데이터 최종 개방 1.0 2023-07-31 데이터 개방(Beta Version) 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2023-12-29 산출물 전체 공개 소개
지식정보(텍스트)-시각정보(이미지)-질의응답(텍스트)로 이루어진 다중쌍데이터셋 관광지 및 관광 상품, 무인 스토어 등 다양한 분야에서 탐지, 식별 솔루션에 활용 가능, 잠재가치가 매우 높은 데이터로 인식
구축목적
KVQA(Knowledge-Aware Visual Question Answering) 데이터 구축을 목적으로 하며, K(Knowledge-Aware) 지식기반의 경우 POI 데이터와 트리플 데이터를 통해 지식 데이터로 활용하며, V(Visual) 시각 자료의 경우 이미지 캡셔닝 데이터로 Visual을 활용하여 최종적으로 지식 및 시각기반 QA(Question Answering) 질문답변 수행
-
메타데이터 구조표 데이터 영역 문화관광 데이터 유형 텍스트 , 이미지 데이터 형식 csv, png 데이터 출처 POI : 네이버 클라우드㈜ 제공, 이미지 : 자체수집 라벨링 유형 Triple(자연어), 질문답변(자연어), 이미지 캡션(자연어) 라벨링 형식 Json 데이터 활용 서비스 관광상품 추천 서비스, 관광정보 챗봇 서비스 데이터 구축년도/
데이터 구축량2022년/POI : 140,681건, 이미지 데이터 : 703,405장, 트리플 데이터 : ??건, 질문답변 : 2,813,620건 -
■ 데이터 통계
□ 데이터 구축 규모데이터 통계 - 데이터 구축 규모 데이터 종류 데이터 형태 원천 데이터 규모 어노테이션 규모 POI 텍스트 121,000건 N/A 트리플 텍스트 121,000건 212,428건 이미지 캡셔닝 이미지 605,000장 703,405장 질문답변 텍스트 2,420,000건 2,813,620건 □ 데이터 분포
데이터 통계 - 데이터 분포 2-083-220-1. 관광 KVQA 데이터[동부권] 관광 타입 타입 비율 지역 지역 비율 POI(건) 트리플(건) 이미지(장) KVQA(건) 관광지 16% 강원 11% 3,923 5,020 19,615 78,460 경북 13% 4,727 6,714 23,635 94,540 대구 6% 2,193 6,663 10,965 43,860 울산 3% 974 1,633 4,870 19,480 경남 14% 5,151 6,165 25,755 103,020 부산 8% 3,187 5,555 15,935 63,740 문화시설 1% 강원 11% 250 281 1,250 5,000 경북 13% 316 362 1,580 6,320 대구 6% 145 392 725 2,900 울산 3% 68 81 340 1,360 경남 14% 320 577 1,600 6,400 부산 8% 193 205 965 3,860 음식점 40% 강원 11% 11,564 12,475 57,820 231,280 경북 13% 11,852 14,535 59,260 237,040 대구 6% 12,245 38,336 61,225 244,900 울산 3% 4,739 5,263 23,695 94,780 경남 14% 13,240 15,280 66,200 264,800 부산 8% 7,556 9,057 37,780 151,120 레포츠 4.50% 강원 11% 1,100 1,497 5,500 22,000 경북 13% 1,319 1,749 6,595 26,380 대구 6% 1,828 2,527 9,140 36,560 울산 3% 341 430 1,705 6,820 경남 14% 1,658 2,436 8,290 33,160 부산 8% 1,300 1,650 6,500 26,000 숙박 10% 강원 11% 2,539 4,373 12,695 50,780 경북 13% 2,906 3,655 14,530 58,120 대구 6% 1,344 1,553 6,720 26,880 울산 3% 623 676 3,115 12,460 경남 14% 3,132 3,684 15,660 62,640 부산 8% 1,847 1,977 9,235 36,940 쇼핑 3.50% 강원 11% 911 1,039 4,555 18,220 경북 13% 1,026 1,142 5,130 20,520 대구 6% 581 931 2,905 11,620 울산 3% 247 268 1,235 4,940 경남 14% 1,593 2,230 7,965 31,860 부산 8% 789 913 3,945 15,780 편의오락 25% 강원 11% 6,083 8,198 30,415 121,660 경북 13% 7,373 11,214 36,865 147,460 대구 6% 4,791 7,621 23,955 95,820 울산 3% 2,358 3,959 11,790 47,160 경남 14% 7,776 11,646 38,880 155,520 부산 8% 4,573 8,466 22,865 91,460 합계 140,681 212,428 703,405 2,813,620 -
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드■ 활용 모델
□ 모델 학습
- KVQA를 활용한 5지 선다형 질문답변 ZS-F-VQA 학습 알고리즘 사용모델 학습 학습(Train) 검증(Validation) 시험(Test) 개요 - ZS-F-VQA 모델에 텍스트 기반 학습 - ZS-F-VQA 모델에 텍스트 기반 학습 - ZS-F-VQA 모델에 텍스트 기반 학습 - 대규모 학습용 KVQA 사용 - 대규모 학습용 KVQA 사용 - 대규모 학습용 KVQA 사용 비율 80% 10% 10% 학습 알고리즘 구조 학습 알고리즘 구조 ZS-F-VQA □ 서비스 활용 시나리오
- 관광객의 선호도 및 소비행태 분석과 구축된 AI 학습 데이터(질의응답) 연결
관광객 유입 활성화
근거를 가진 지역 문화유산, 관광자원 홍보 활용
- 소비자 관점 관광정책의 수립 지원
소비자의 질의응답 시스템을 통해 예상 관심 분야 예측 정책 실시
소비자 유입을 위한 질문 발굴 및 관광 자원 발굴
- 난개발과 과잉공급의 예방 및 조절
구축된 학습데이터를 통해 중복, 과잉 공급의 패턴 분석 지원
- 개인 맞춤형 관광 서비스 지원
개인별 최적화된 관광서비스 준비 지원
예상 질문을 통해 지역의 관광자원의 SWOT분석, 효율적 정책 실시
- 관광시장의 마케팅 및 홍보 효율성 강화
정확한 타겟을 위한 마케팅 홍보 실행
홍보가 필요한 지역과 그렇지 않은 지역을 구분하여 홍보, 마케팅 실시
- 관광객 요구와 욕구에 실시간 대응 가능한 시스템 구축 지원
전국적인 관광자원에 대한 구축된 데이터 활용
관광객의 실시간성 서비스 대응 시스템 구축 지원
- 인터넷/스마트기기 플랫폼, 어플, 등을 활용하여 새로운 관광 추천서비스를 구축
- 관광산업의 디지털 전환에 한 부분으로 활용하여 인공지능 안내원, 관광 챗봇 등에 활용 기술 트랜드 변화에 대응
- 관광산업 내 모든 벨류체인에 걸쳐 디지털 전환을 견인하는 비즈니스 모델로 진화, 관광산업 생태계 변화에 기여함
- 구축 데이터를 빅데이터, AI 등을 활용한 맞춤형 관광 정보 제공, 증강현실/가상현실(AR/VR) 활용 실감형 체험 콘텐츠 등 새로운 관광상품 및 서비스 개발 -
데이터 성능 점수
측정값 (%)기준값 (%)데이터 성능 지표
데이터 성능 지표 번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수 1 5지 선다형 답변 Question Answering ZS-F-VQA, KGE 학습, Fusion Model Relation space 학습, Fusion Model Answer space 학습 Accuracy 60 % 88.86 %
※ 데이터 성능 지표가 여러 개일 경우 각 항목을 클릭하면 해당 지표의 값이 그래프에 표기됩니다.
※ AI모델 평가 지표에 따라 측정값의 범위, 판단 기준이 달라질 수 있습니다. (ex. 오류율의 경우, 낮을수록 좋은 성능을 내는 것으로 평가됩니다)
-
설명서 및 활용가이드 다운로드
데이터 설명서 다운로드 구축활용가이드 다운로드■ 데이터 포맷
□ 원천데이터 포맷데이터 포맷 - 원천데이터 포맷 유형 예시 데이터 항목 데이터형식 원천데이터 POI 데이터 .csv 이미지 데이터 .png 라벨링 데이터 이미지 캡셔닝 데이터 .json 트리플 데이터 .json 질문답변(QA) 데이터 .json ■ 어노테이션 포맷
□ 트리플 데이터어노테이션 포맷 - 트리플 데이터 구분 속성명 타입 필수여부 설명 범위 비고 1 triples array Y 트리플배열 1-1 POI_id string Y POI 번호 0~1,000,000 1-2 triple array Y 트리플내용 {entity, relation, entity} □ 이미지 데이터
어노테이션 포맷 - 이미지 데이터 구분 속성명 타입 필수여부 설명 범위 비고 1 data object 1-1 dataset string Y 데이터셋 명 2-083-220 1-2 POI_id string POI 번호 0~1,000,000 2 imageinfo object 이미지 정보 2-1 image_id number Y 이미지 번호 0~4 2-2 filename string Y 파일명 2-3 mapx number Y x좌표 0~90 위도 2-4 mapy number Y y좌표 0~180 경도 2-5 width number Y 이미지 너비 3840~ 2-6 height number Y 이미지 높이 2160~ 2-7 caption_Info array Y 캡션정보 1~ 2-7-1 caption1 string Y 2-7-2 caption1 string □ 질문답변(QA) 데이터
어노테이션 포맷 - 질문답변(QA) 데이터 구분 속성명 타입 필수여부 설명 범위 비고 1 data object 1-1 dataset string Y 데이터셋 명 2-083-220 1-2 POI_id string Y POI 번호 0~1,000,000 1-3 travelType string Y 관광 타입 1-4 place string Y entity1(장소이름) 1-5 area string Y 지역 2 imageinfo array 이미지 정보 2-1 {} object 2-2 image_id number Y 이미지번호 0~4 2-3 filename string Y 파일명 2-4 mapx number Y x좌표 0~90 위도 2-5 mapy number Y y좌표 0~180 경도 2-6 width number Y 이미지 너비 3840~ 2-7 height number Y 이미지 높이 2160~ 2-8 caption_Info array Y 캡션정보 1~ 2-8-1 caption1 string Y 2-8-2 caption1 string 3 annotations array 3-1 image_id number Y 이미지ID 0~4 3-2 question array Y 질문 1~ 3-2-1 {} object 3-2-1-1 quenstion_id number Y 질문ID 0~3 3-2-1-2 question_type string Y 질문유형 인지,정보.탐색,관계 3-2-1-3 question string Y 질문내용 3-2-1-4 question_wordNum number Y 질문 어절 수 0~100 3-2-1-5 answer string Y 질문대답 3-2-1-6 answer_wordNum number Y 답변 어절 수 0~100 3-2-1-7 fact array Y triple 1~ 3-2-1-7-1 triple string Y entity, relation, entity2 ■ 실제 예시
□ 트리플 데이터□ 이미지 캡셔닝 데이터
□ 질문답변(QA) 데이터 -
데이터셋 구축 담당자
수행기관(주관) : ㈜엠티데이타
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 손현진 070-4294-8814 hjson@mtdata.co.kr 과제 실무책임자, 데이터 수집·정제·검증 수행기관(참여)
수행기관(참여) 기관명 담당업무 경남대학교 산학협력단 데이터 검수 ㈜유비엔 AI 모델 개발 ㈜세명소프트 데이터 가공 ㈜아이삭 품질 검증 연세대학교 산학협력단 데이터 선정/설계, 데이터 가공, 데이터 검수 ㈜올림커뮤니케이션즈 데이터 수집 및 정제, 크라우드 소싱 플랫폼 제공 및 워커 인력 관리 전북대학교 산학협력단 데이터 선정/설계, 데이터 가공, 데이터 검수 큐브엔시스㈜ 데이터 검수 ㈜에이비스 데이터 가공, AI 모델 개발, AI 응용서비스 개발 네이버 클라우드㈜ 데이터 수집, 수집 인프라 제공 ㈜보배네트웍스 데이터 수집, 수집 인프라 제공 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 손현진 070-4294-8814 hjson@mtdata.co.kr
-
인터넷과 물리적으로 분리된 온라인·오프라인 공간으로 의료 데이터를 포함하여 보안 조치가 요구되는 데이터를 다운로드 없이 접근하고 분석 가능
* 온라인 안심존 : 보안이 보장된 온라인 네트워크를 통해 집, 연구실, 사무실 등 어디서나 접속하여 데이터에 접근하고 분석
* 오프라인 안심존 : 추가적인 보안이 필요한 데이터를 대상으로 지정된 물리적 공간에서만 접속하여 데이터에 접근하고 분석 -
- AI 허브 접속
신청자 - 안심존
사용신청신청자신청서류 제출* - 심사구축기관
- 승인구축기관
- 데이터 분석 활용신청자
- 분석모델반출신청자
- AI 허브 접속
-
1. 기관생명윤리위원회(IRB) 심의 결과 통지서 [IRB 알아보기] [공용IRB 심의신청 가이드라인]
2. 기관생명윤리위원회(IRB) 승인된 연구계획서
3. 신청자 소속 증빙 서류 (재직증명서, 재학증명서, 근로계약서 등 택1)
4. 안심존 이용 신청서 [다운로드]
5. 보안서약서 [다운로드]
※ 상기 신청서 및 첨부 서류를 완비한 후 신청을 진행하셔야 정상적으로 절차가 이루어집니다. -
신청 및 이용관련 문의는 safezone1@aihub.kr 또는 02-525-7708, 7709로 문의
데이터셋 다운로드 승인이 완료 된 후 API 다운로드 서비스를 이용하실 수 있습니다.
API 다운로드 파일은 분할 압축되어 다운로드 됩니다. 분할 압축 해제를 위해서는 분할 압축 파일들의 병합이 필요하며 리눅스 명령어 사용이 필요합니다.
리눅스 OS 계열에서 다운로드 받으시길 권장하며 윈도우에서 파일 다운로드 시 wsl(리눅스용 윈도우 하위 시스템) 설치가 필요합니다.
※ 파일 병합 리눅스 명령어
find "폴더경로" -name "파일명.zip.part*" -print0 | sort -zt'.' -k2V | xargs -0 cat > "파일명.zip"
- 해당 명령어 실행 시, 실행 경로 위치에 병합 압축 파일이 생성됩니다.
- 병합된 파일 용량이 0일 경우, 제대로 병합이 되지 않은 상태이니 "폴더경로"가 제대로 입력되었는지 확인 부탁드립니다.
※ 데이터셋 소개 페이지에서 다운로드 버튼 클릭하여 승인이 필요합니다.