인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
This study aims to address the inaccuracies in cost estimation and increased project management complexity arising from the inefficient use of standardized construction codes in the construction industry. To achieve this, a machine learning-based model was developed to improve the accuracy of automatic matching between construction specifications and standard codes. Specifically, this study evaluated the effectiveness of three ensemble techniques—stacking, bagging, and boosting—across five levels of data complexity, reflecting the hierarchical structure and varying complexity of standard construction codes. Results indicated that all ensemble models outperformed the base model, with bagging and boosting showing high accuracy in higher- level codes (Levels 1-3). However, performance improvements were limited for lower-level codes (Levels 4-5). These findings suggest that selecting techniques tailored to data complexity can optimize matching accuracy and enhance the potential for automation in construction code applications. Ultimately, precise matching of standard codes to construction items is expected to improve the efficiency and accuracy of construction cost management.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-091218799
