본 논문에서는 각기다른 장소에 다양한 형태로 분산되어 있는 여러 가지 언어자원들을 웹 기반에서 객체화시키는 모델을 제안한다. 웹 기반에서 객체화된 언어자원들은 다양한 응용 시스템 개발에 간단한 방법으로 이용되어 강력한 자연언어처리 응용 시스템을 구성할 수 있다. 또한, 초기 개발 이후에 이루어진 각 언어자원들의 개량은 별도의 처리과정 없이 자동으로 각 응용 시스템에 반영되므로 효과적인 유지보수가 가능하다는 장점이 있다. 제안한 모델의 적합성을 검증하기 위해 사전 개발 시스템 YDK2000를 설계하고 구현하였다. 개발한 YDK 2000은 기존의 각종 사전의 여러 가지 사전정보를 통합할 수 있을 뿐 아니라 여러 자연언어처리 시스템들과의 인터넷 접속을 통해 언어처리를 위한 사전정보를 손쉽게 통합할 수 있어 고품질의 사전을 개발할 수 있다.

명사열의 의미해석은 명사들 사이의 의미적인 관계를 찾는 것으로, 한국어에서 명사열의 출현은 보편적인 현상이며, 그 생성 또한 비교적 자유롭다. 본 논문에서는 기계가독형사전과 코퍼스로부터 명사 사이의 <목적>, <물건-재료>, <원인>등과 같은 의미관계 정보를 자동으로 추출한다. 추출한 의미관계정보에 기반하여 의미망을 구축하고. 의미 정보와 서술성 명사의 하위 범주 정보를 이용하여 명사열을 해석하는 방법을 제안하였다. 본 논문에서는 명사열의의미 해석 대상을 한국어 명사열의 대부분의 차지하는 수싲 명사+핵심명사 형태로 한정하였다. 기계가독형사전과 코퍼스로부터 추출한 의미정보와 하위 범주를 이용한 명사열의미 해석은 기존의 기계가독형사전 기반 의미 해석보다 정확률 +40.30%,적용률+12.73%의 성능 향상을 나나태었다.

지식을 관리하는 것에 주력했던 기존의 인공지능 연구 방향은 동적으로 움직이는 외부 환경에서 적응할 수 있는 시스템 구축으로 변화하고 있다. 이러한 시스템의 기본 능력을 이루는 많은 학습방법 중에서 비교적 최근에 제시된 강화학습은 일반적인 사례에 적용하기 쉽고 동적인 환경에서 뛰어난 적응 능력을 보여주었다. 이런 장점을 바탕으로 강화학습은 에이전트 연구에 많이 사용되고 있다. 하지만, 현재까지 연구결과는 강화학습으로 구축된 에이전트로 해결할 수 있는 작업의 난이도에 한계가 있음을 보이고 있다. 특히, 복수의 부분 작업으로 구성되어 있는 작업을 처리할 경우에 기본의 강화학습 방법은 문제 해결에 한계를 보여주고 있다. 본 논문에서는 복수의 부분 작업으로 구성된 작업이 왜 처리하기 힘든가를 분석하고, 이런 문제를 처리할 수 있는 방안을 제안한다. 본 논문에서 제안하고 있는 EQ-Learning의 강화학습 방법의 대표적인 Q-Learning을 확장시켜 문제를 해결한다. 이 방법은 각각의 부분 작업 해결 방안을 학습시키고 그 학습 결과들의 적절한 순서를 찾아내 전체 작업을 해결한다. EQ-Learning의 타당성을 검증하기 위해 격자 공간에서 복수의 부분작업으로 구성된 미로 문제를 통하여 실험하였다.

본 논문에서 문서는 문서관계도라고 하는 가중치 그래프로 표현된다. 노드는 문서의 구성요소인 문장을 명사벡터로 표현하고, 링크는 노드들 간의 의미적인 관계를 표현하며 의미적 유사도를 가중치로 가지고 있다. 한 노드의 인접한 노드를 사이의 유사도 합을 도합유사도라고 하며, 이를 문서에서 문장의 중요도로 간주한다. 본 논문에서는도합유사도를 이용한 한국어 문서요약 시스템을 기술한다. 실험에 사용된 평가용 요약문서는 정보처리관련 분야에서 수집된 논문 100편과 KORDIC에서 구축한 신문기사 105건을 이용하였다. 문서요약 시스템에 의해서 생상된 요약문서와 크기가 본문의 20%이고 평가용 요약문서가 논문(서론과 결론)일 경우, 재현율과 정확률은 각각 46.6%와 76.9%를 보였으며, 또한 평가용 요약문서가 신문기사일 경우, 재현율과 정확률은 각각 30.5%과 42.3%를 보였다.

본 연구는 사회범주인 성별 고정관념의 암묵적 표상 구조의 특성을 살펴보기위해서 실시되었다. 사회 범주는 일반대상이나 행위의 범주에 비해서 속성의 비중이크며, 그 표상 구조도 분명하지 않다는 연구들이 있었다. 세 개의 실험에서 성별 고정관념의 평가적 속성을 통제하여 암묵적 표상의 구조를 확인하고자 하였다. 각 실험은 점화-목표 자극쌍의 SOA 조건을 변화시켰다. 그 결과 짧은 SOA(250-500ms, 실험 1과 실험 3)에서의 여성-여성 단어쌍의 남성-남성 단어쌍이나 교차 자극쌍에 비해서 점화효과가 크게 나타났다. 반면에 긴 SOA(1000ms, 실험 2)에서는 단어쌍 조건간의 점화효과의 차이가 사라졌다. 사회 범주로의 성별 고정관념은 암묵적 수준에서는 여성과 남성의 범주 대비가 분명하지 않았으며, 여성 범주가 남성범주에 비해서 속성간 점화효과가 크지 않았다. 이는 두 범주가 비대칭적으로 표상될 가능성을 시사하였다.

90년대 들어 각광받고 있는 에이전트 기술은, 동현 또는 이형의 에이전트가 각자 맡은 일을 해결하는 일종의 멀티분산 시스템으로, 조정 에이전트가 여러 응용 에이전트의 통신과 제어를 담당하는 멀티 에이전트 시스템이 주류를 이룬다. 에이전트 기반 응용 기술로는 인터넷 정보검색, 온라인 쇼핑, 메시징, 네트워크 관리등이 있는데, 포괄적으로 본다면 이러한 기술은 인터넷의 보편화에 따라 넘쳐나는 정보를 효율적으로 다루기 위한 기술이라고 볼 수 있다. 본 논문의 목적은 유사도와 강화 학습을 사용하여, 정보를 제공하는 에이전트와 정보를 요청하는 에이전트간의 연결을 매개하는 조정 에이전트(Coordination Agent, Middle Agent) 구현 방식을 제안하는데 있다. 정보 에이전트를 사용하는 멀티 에이전트 시스템에서, 정보 에이전트는 조정 에이전트에게 자신의 정보를 등록하고, 질의 에이전트는 조정 에이전트에게 원하는 질의를 요청함으로써, 서로에 대한 지식 없이도 정보의 교류가 가능하다. 그러나. 정확한 정보의 교류가 가능하기 위해서는 정보 에이전트가 자신이 제공하는 정보를 조정 에이전트에 등록했을 때, 등록된 정보와 정확히 일치하지 않는 정보를 지의 에이전트가 요청했을 경우에 대한 적절한 대처 방안이 마련되어야 한다. 이를 위하여 본 논문에서는 질의 에이전트의 질의와 가장 밀접한 정보를 제공하는 것으로 판단되는 정보 에이전트를 찾는 방안을 제안하고 가상의 실험공간에서 얻어진 결과에 대하여 타당성을 검증한다.

이 연구는 하이퍼미디어 사용자의 정보처리 유형과 하이퍼미디어 정보탐색 패턴과의 관련성을 밝히기 위한 연구이다. 정보처리 유형은 Human Information Processing Styles(HIPS)로 측정되었다. 정보탐색 패턴의 세 가지 유형은(a) 정보탐색 폭에 관한 패턴(b) 정보탐색 경로에 대한 패턴, 그리고(c) 정보탐색 방법에 관한 패턴이다. 조사대상은 102명의 대학생들로 구성되었다. HIPS 결과에 따라 각각 34명의 학생들이 좌놔우위, 우뇌우위, 통합적뇌 정보터리자 집단에 선정되었다. 선정된 학생들은 하이퍼미디어를 활용한 정보탐색과제를 완성하기 위해 A.g.i.l.e Trainer$^{TM}$ 프로그램과 60분 정도 상호작용 하였다. 연구결과 하이퍼미디어 사용자의 정보처리 유형이 정보탐색 패턴에 커다란 영향을 주는 것으로 나타났다.

얼굴 특징점의 지각적 위계구조를 반영한 표정인식 신경망 모형을 설계하였다. 입력자료는 MPEG-4 SNHC(Synthetic/Natural Hybrid Coding)의 얼굴 정의 파라미터(FDP) 중 39개 특징점 각각에 대해 150장의 표정연기 사진을 5개의 크기와 8개의 바위를 갖는 Gabor 필터로분석한 값이었다. 표정영상에 대한 감정상태 평정 값과 39개 특징점의 필터 반응 값을 중가 회귀분석한 결과, 감정상태의 쾌-불쾌 차원은 주로 입과 눈썹 주변의 특징점과 밀접한 과련이 있었고, 각성-수면차원은 주로 눈 주변의 특징점과 밀접한 관련이 있었다. 필터의 크기는 주로 저역 공간 주파수 필터와 감정상태가 관련이 있었고, 필터의 방위는 주로 비스듬한 사선방위와 감정상태가 관련이 있었다. 이를 기초로 표정인식 신경망을 최적화한 결과 원래 1560개(39x5x8) 입력요소를 400개(25x2x8)입력요소로 줄일 수 있었다. 표정인식 신경망의 최적화 결과를 사람의 감정상태 평정과 비교하여 볼 때, 쾌-불쾌 차원에서는 0.886의 상관관계가 있었고, 각성-수면 차원에서는 0.631의 상관관계가 있었다. 표정인식 신경망의 최적화 모형을 기쁨, 슬픔, 놀람, 공포, 분노, 혐오 등의 6가지 기본 정서 범주에 대응한 결과 74%의 인식률을 얻었다. 이러한 결과는 사람의 표정인식 원리를 이용하면 작은 양의 정보로도 최적화된 표정인식 시스템을 구현할수 있다는 점을 시시한다.