소프트웨어의 생산성과 유지보수 비용을 줄여줄 수 있는 기법으로 다양한 컴포넌트 기반의 개발 방법론이 제안되고 있다. 그러나 컴포넌트 기반의 시스템에서 재사용성과 독립성이 높은 컴포넌트의 식별은 가장 중요한 성공 요소 중의 하나임에도 불구하고, 대부분의 컴포넌트 기반 방법론들에서는 직관적이고 분석자의 경험에 의존적인 컴포넌트 식별 방법만을 제공하고 있을 따름이다. 본 논문에서는 분석 단계의 산출물인 시스템의 기능 모델 Use Case 모델과 자료 모델인 클래스 모델에 기반 하여 체계적인 컴포넌트 식별 기법과 지침들을 제안한다. 먼저 클래스에 대한 Use Case의 자료 접근값을 정의하고, 정의된 접근값을 기반으로 Use Case별로 접근되는 클래스의 가중치와 클래스별 동일 접근값을 가지는 Use Case들의 가중치를 계산하다. 두 가중치를 곱하여 최종적인 Use Case&클래스 가중치를 계산하여 후보 컴포넌트 식별의 기준으로 삼는다.

정적 슬라이싱과 동적 슬라이싱의 차이는 동적 슬라이싱은 프로그램에 주어진 입력을 가정하는 반면에 정정 슬라이싱은 입력에 대한 가정을 하지 않는다는 점이다. 동적 슬라이싱은 실행-시간 정보를 이용할 수 있으므로 정적 슬라이싱보다 적은 슬라이스를 만들 수 있으나 특정 입력 상태에만 적용될 수 있다는 제한을 갖는다. 이 논문은 초기 상태들의 집합에 대해서 프로그래을 슬라이싱하는 요약 프로그램 슬라이싱이라는 새로운 기법을 제시한다. 이 방법은 프로그램으로부터 슬라이스를 구하는데 요약 해석을 이용한다. 요약 해석을 프로그램 실행 없이 프로그램의 실행-시간 동작에 대한 안전한 정보를 제공한다. 따라서 결과적으로 얻은 요약 슬라이스는 주어진 입력 상태들의 집합에 대해서 정적으로 계산되었다는 점에서 동적 슬라이스와는 다르다. 또한 요약 프로그램 슬라이싱은 배열과 같은 자료구조를 정적 슬라이싱보다 정확하게 다룰 수 있으며 슬라이스 크기도 줄일 수 있다.

지식 기반 정보검색 시스템에서의 질의 확장은 단어간의 의미 관계를 고려한 지식베이스를 필요로 한다. 기존의 단순 마이닝 기법은 사용자의 선호도를 고려하지 않은 채 연관 단어를 추출하므로 재현율은 향상되나 정확도는 저하된다. 본 논문에서는 단어간의 의미 관게를 고려한 연관 단어 중에서 사용자가 선호하는 연관 단어만을 포함하는 정확도가 향상된 최적화된 연관 단어 지식베이스 구축을 위한 방법을 제안한다. 이를 위해 컴퓨터 분야의 웹문서를 8개의 클래스로 분류하고, 각 클래스별 웹문서에서 명사를 추출한다. 추출된 명사를 대상으로 Apriori 알고리즘을 이용하여 연관 단어를 추출하고, 유전자 알고리즘을 이용하여 사용자가 선호하지 않은 연관 단어를 지식베이스의 구축 대상에서 제외시킨다. 본 논문에서 제안된 Apriori 알고리즘과 유전자 알고리즘의 성능을 평가하기 위하여 Apriori 알고리즘은 상호 정보량과 Rocchio 알고리즘과 비교하며, 유전자 알고리즘은 TF.IDF를 이용한 단어 정제 방법과 비교한다.

본 논문에서는 윤곽선(edge) 기반의 형태 정보와 웨이브렛 변환(wavelet transform)에 의한 방향(direction) 정보를 사요하는데 2단계 상표 영상 검색 시스템을 제안한다. 1 단계에서는 후보 상표 영상을 추출하기 위해 영상의 전반적인 정보로 원 상표 영상(original trademark image)을 웨이브렛 변환하여 얻은 X, Y 방향 고주파(high frequency) 성분으로부터 구한 방향 정보와 영상의 윤곽선에 대해 모멘트를 구하는 향상된 불변 모멘트(improved invariant moment)를 이용한다. 2단계에서는 후부 영상들에 대해 영상의 세부 정보인 윤곽선 각도(edge angle)와 윤곽선 반지름(edge radius) 정보를 추출하여 유사도 측정 알고리즘을 통해 결과 영상을 산출하게 된다. 본 상표 영상 검색 시스템은 문자 색인으로는 색인이 용이 하지 않은 기하학적도형 상표 영상만을 사용하였다. 본 시스템에서는 색상과는 상관없는 특징인 형태 정보와 방향 정보만을 이용하므로 같은 색상 구성을 가진 유사 영상뿐만 아니라, 유사하지만 바탕이 반전된 영상이나 색상이 다른 유사 영상에 대해서도 바르게 검색할 수 있으며, 각 특징을 일반화해줌으로 이동.회전.크기 변화에도 불변하는 견고성을 가진다. 또한 효율적인 검색을 위해 2단계의 구조를 사용하였으며, 각 단계마다 계산량을 줄여 검색 시간을 감소시키도록 설계되었다.

직교항 개서 시스템은 함수형 언어와 그 구현 과정을 잘 반영하고 있다. 본 논문에서는 룰의 왼쪽 부분을 매우 간략한 형태로 된 flat 시스템으로 번역하는 기법에 대해서 논의한다. 직교항 개서 시스템의 한 부류인 transformable OTRSs를 정의하고, 이 시스템들은 flat 시스템으로 변환될 수 있음을 보인다. 이 변환은 람다 계산법에서 연구된 분리성 이론을 기반으로 하고 있는데, 본 논문에서는 직교항 개서 시스템에서의 분리성과 강력 순차성에 대한 연관성에 대해서도 논의하고 있다.

G-Machine은 주어진 표현식을 그래프 축약을 통해석 계산한다. 이러한 축약 과정은 표현식을 그래프로 표현하기 위해 많은 그래프 공간을 필요로 한다. 본 논문에서는 그래프 공간을 효율적으로 사용할 수 있는 방법을 제안한다. 본 논문에서는 우회 노드 장소에 자료를 중복 사용하는 방법을 제안하여 G-Machine에서 필요로 하는 그래프 공간을 절약하며, 이를 위한 새로운 추상기계인 poGM(Pointer Overlapped GM)을 제안한다. poGM에서는 필요한 곳에만 상대 주소를 사용하여, 그래프 내부 노드와 단말 노드 모두에서 그래프 공간을 절약할 수 있다. 기억 장소 재활용 체계를 포함하는 시뮬레이션의 결과벤치마크 프로그램에서 GM보다 총합 사용량은 평균32%, 최소합은 평균 47.6% 적게 사용하였으며, 수행 시간은 평균 30% 빠르게 수행되었다.