콘텐츠로 건너뛰기 메뉴로 건너뛰기 푸터로 건너뛰기
데이터를 불러오고 있습니다
데이터를 저장하고 있습니다
#관광 # POI # 이미지 # Triple # QA # KVQA # Knowledge-Aware # Visual # 관광타입 # 관광지 # 문화시설 # 레포츠 # 숙박 # 쇼핑 # 편의오락 # 음식점

관광 KVQA 데이터(동부권)

관광-KVQA-데이터(동부권) 아이콘 이미지
  • 분야문화관광
  • 유형 텍스트 , 이미지
구축년도 : 2022 갱신년월 : 2023-12 조회수 : 28,609 다운로드 : 455 용량 :
샘플 데이터 ?

샘플데이터는 데이터의 이해를 돕기 위해 별도로 가공하여 제공하는 정보로써 원본 데이터와 차이가 있을 수 있으며,
데이터에 따라서 민감한 정보는 일부 마스킹(*) 처리가 되어 있을 수 있습니다.

※ 내국인만 데이터 신청이 가능합니다.

  • 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
  • ■ 데이터 통계
     □ 데이터 구축 규모

    데이터 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
  • 저작도구 설명서 및 저작도구 다운로드

    저작도구 설명서 다운로드 저작도구 다운로드
  • 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 사용

    모델 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
    모델학습-학습 알고리즘 구조 ZS-F-VQA 이미지
    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 포맷

    데이터 포맷 - 원천데이터 포맷
    유형 예시 데이터 항목 데이터형식
     
    원천데이터 원천데이터-POI 데이터 이미지 POI 데이터 .csv
    원천데이터-이미지 데이터 이미지 이미지 데이터 .png
    라벨링 데이터
     
    라벨링데이터-이미지 캡셔닝 데이터 이미지 캡셔닝 데이터 .json
    라벨링데이터- 트리플 데이터 1 라벨링데이터- 트리플 데이터 2 트리플 데이터 .json

    라벨링데이터-질문답변(QA)데이터 1 라벨링데이터-질문답변(QA)데이터 2 라벨링데이터-질문답변(QA)데이터 3

    라벨링데이터-질문답변(QA)데이터 4 라벨링데이터-질문답변(QA)데이터 5 라벨링데이터-질문답변(QA)데이터 6

    질문답변(QA) 데이터 .json
     

     

    ■ 어노테이션 포맷
     □ 트리플 데이터

    어노테이션 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

    트리플 데이터 실제 예시 이미지 1 트리플 데이터 실제 예시 이미지 2

     

     □ 이미지 캡셔닝 데이터

    이미지 캡셔닝 데이터 실제 예시 이미지


     □ 질문답변(QA) 데이터

    질문답변(QA) 데이터 실제 예시 이미지 1 질문답변(QA) 데이터 실제 예시 이미지 2 질문답변(QA) 데이터 실제 예시 이미지 3

    질문답변(QA) 데이터 실제 예시 이미지 4 질문답변(QA) 데이터 실제 예시 이미지 6 질문답변(QA) 데이터 실제 예시 이미지 6

  • 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
보건의료 데이터 개방 안내

보건의료 데이터는 온라인 및 오프라인 안심존을 통해 개방됩니다.

안심존이란 안심존 이용메뉴얼 안심존 이용신청
  • 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

    1. AI 허브 접속
      신청자
    2. 안심존
      사용신청
      신청자신청서류 제출*
    3. 심사구축기관
    4. 승인구축기관
    5. 데이터 분석 활용신청자
    6. 분석모델반출신청자
  • 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.