개인화된 마케팅에서 고객 만족과 마케팅 효율을 최대화하는 것은 중요하다. 개인화된 캠페인이 수행됨에 따라 여러 캠페인이 동시에 수행되곤 한다. 이 논문에서 우리는 동시에 여러 개인화된 캠페인을 수행할 때 발생하는 중복 추천 문제를 제기한다. 이는 특정 고객에게 상당히 많은 양의 캠페인이 쏟아지게 되는 문제를 말한다. 이 이슈를 해결하기 위한 다중캠페인 할당 문제를 모델링 한다. 그리고 이 문제의 해결 방법으로 동적계획법을 비롯한 여러 휴리스틱 알고리즘들을 제안한다. 필드 데이타의 실험을 통해 제기된 문제 모델의 중요성과 제안된 알고리즘의 효율성을 입증한다.

디자인 패턴은 지난 10년 이상 소프트웨어 공학 영역에서 활발하게 연구되어 여러 유형의 디자인 패턴이 정의되었다. 그러나 이들 패턴은 자료구조와 알고리즘에 비해 소프트웨어 개발 과정에 빈번하게 사용되지 못하고 있다. 더욱이 CBD96, RUP, MaRMI III 같은 CBD 방법론들은 분석, 설계, 개발 과정중에 디자인 패턴을 선정하고 적용하는 방법이 언급되어 있지 않다. 본 논문에서는 GoF, J2EE 패턴 카타로그에 제시된 디자인 패턴을 중심으로 응용 소프트웨어를 개발하기 위해 분석, 설계, 개발 단계에 적용되는 디자인 패턴을 효과적으로 선정하는 프로세스를 제시한다. 제시된 프로세스를 항공업무 어플리케이션 개발 과정에 적용하여 패턴 기반 소프트웨어를 개발해 나가는 효과적인 방법을 보이고 RUP와의 차이점 및 유용함을 제시한다.

본 연구에서는 유사한 여러 물체들이 인접하여 나타나는 영상열로부터 물체들을 개별적으로 분리할 수 있는 B-spline 적합(fitting) 알고리즘을 제안한다. 기존의 스네이크(snake) 알고리즘들은 초기화의 어려움과 다수의 극점 존재로 인해서 이러한 영상자료에서 물체의 영역을 개별적으로 분리하는 데는 어려움이 있다. 본 연구에서는 이 문제를 극복하고 다양한 형태의 물체가 인접해 있는 유사한 물체들로부터 효과적으로 분할 할 수 있는 유전자(genetic) 알고리즘 기반 B-spline 적합방안을 제안한다. 실제 상황을 고려하여 생성된 영상자료와 실제 치아 CT 영상을 이용한 평가에서 제안된 방법은 서로 인접해 있는 유사한 형태와 자기의 물체들을 개별적으로 정확하게 분할할 수 있음을 보였다. 제안된 알고리즘의 결과는 이상적으로 추출된 영역과의 일치성과 false positive 오류 그리고 false negative오류가 계산되어 검증되었다.

본 논문은 한국어 철자교정기의 최적교정률을 보이는 모듈들의 나열순서를 찾는 연구이다. 철자교정기의 모듈 개수가 n개이면 모듈나열 경우의 수는 n!가지가 가능하므로 철자교정기의 최적 교정률을 계산하기가 힘들어 진다. 실험에 사용한 한국어 철자교정기는 현재 19개 모듈들로 구성되어 있다. 입력데이타에 대해서 19!개 모듈을 적용하여 최적교정률을 찾는 것은 현실적으로 불가능하다. 따라서 주어진 입력데이타에 대해 이론적인 최대교정률과 최소교정률을 구하여 교정률 범위를 구하고, 최대교정률에 근접한 최적교정률에 대한 모듈나열순서를 구하는 것이 논문의 목적이다. 최적교정률을 구하기 위해 경험적 지식을 사용하였다. 실험에 사용한 입력데이타는 신문사에서 몇 년간 발생한 오류어절 753,191개의 집합이다. 이 오류집합에 대해 철자교정기의 이론적인 최대교정률은 $97.28\%$ (732,764개/753,191개)이나 경험적으로 우리가 찾은 최적교정률은 $96.62\%$ (727,750개 /733,191개)이다. 철자교정기의 성능은 $99.31\%$ (727,750개 /732,764개)이다.

본 논문에서는 기존의 스팸 메일 필터링 시스템의 성능을 향상시키기 위한 새로운 필터링 방법을 설명한다. 대부분의 스팸 필터링 시스템은 메일의 제목이나 혹은 그 문서 안에서 발견되는 단어들의 분포를 조사하여 이루어진다. 한편, 최근의 스팸 발송자들은 메일 서비스 업체가 제공하는 웹메일 계정을 이용하여 스팸을 발송하기 시작하였다 이렇게 웹메일을 통해 발송되는 스팸 메일의 특징을 보면, 그 메일 계정이 자동으로 생성되기 때문에 일반 사용자의 메일 계정과 많은 차이를 보인다. 본 연구에서는 이러한 점에 착안하여, 발송자의 메일 계정이 자동 생성된 메일 계정인지를 예측하고 이를 통해 스팸을 필터링하고자 한다. 메일 계정을 분류하기 위해서는 패턴 인식 문제에서 사용되어 온 결정 트리를 이용하였으며, 메일 서비스 업체로부터 수집된 약 215 만개의 메일 계정에 대해 실험하였다. 실험 결과, $96.3\%$의 정확률을 나타내었으며, 기존 시스템과 연동하여 새로운 형태의 스팸을 필터링할 수 있었다.

긴 문장 분석은 높은 분석 복잡도로 인해 기계 번역에서 매우 어려운 문제이다. 구문 분석의 복잡도를 줄이기 위하여 문장 분할 방법이 제안되었으며 본 논문에서는 문장 분할의 적용률과 정확도를 높이기 위한 최대 엔트로피 확률 모델 기반의 문장 분할 방법을 제시한다. 분할 위치의 어휘 문맥적 특징을 추출하여 후보 분할 위치를 선정하는 규칙을 학습을 통해 자동적으로 획득하고 각 후보 분할 위치에 분할 확률 값을 제공하는 확률 모델을 생성한다. 어휘 문맥은 문장 분할 위치가 표시된 말뭉치로부터 추출되며 최대 엔트로피 원리에 기반하여 확률 모델에 결합된다. Wall Street Journal의 문장을 추출하여 학습 데이타를 생성하는 말뭉치를 구축하고 네 개의 서로 다른 영역으로부터 문장을 추출하여 문장 분할 실험을 하였다. 실험을 통해 약 $88\%$의 문장 분할의 정확도와 약 $98\%$의 적용률을 보였다. 또한 문장 분할이 효율적인 파싱에 기여하는 정도를 측정하여 분석 시간 면에서 약 4.8배, 공간 면에서 약 3.6배의 분석 효율이 향상되었음을 확인하였다.

기존의 주제 관련 연구들은 문서에 자주 등장하는 용어를 주제로 간주하는 등 문서에서 다루는 주제에 대한 정의가 모호하다. 또한 문서를 구성하는 기본 단위인 문장의 주제가 문서 요약 및 정보 추출 등의 연구 분야에 중요하게 활용될 수 있음에도 불구하고, 이에 대한 고려 없이 문서 전체의 주제를 추출하고 할당하는 연구가 대부분이다. 따라서 본 논문에서는 문장 단위의 주제 처리에 대한 기본 연구로서, 백과사전 영역에서 효과적인 중심어주도패턴에 기반한 문장주제 할당 기법을 제안하였다. 두산동아 백과사전 인물분야 2,381문서를 대상으로 성능을 분석해본 결과, 제안된 기법이 비교기준보다 향상된 성능을 보였으며, 특히 제안된 네 가지 중심어주도 패턴 중 술어를 기반으로 구성된 중심어주도패턴 유형 4가 학습집합에 대하여 평균 $98.96\%$, 실험집합에 대하여 $88.57\%$의 성능(F-score)으로 주제할당에 가장 효과적임을 알 수 있었다.

인터넷의 발전으로 웹 상에 수많은 문서 및 정보가 존재하는 상황에서 사용자가 원하는 정보를 담은 웹 문서를 검색하여 주는 웹 정보 검색 기술은 매우 중요하게 되었다. 본 논문에서는 웹 정보 검색 시스템의 성능 향상에 효과적인 몇 가지 주요한 기술을 제안하였다. 기존 시스템들은 주로 문서와 질의의 유사도를 계산하여 이를 주요 정보로 이용하였다. 그러나 본 논문에서는 여기에서 한 걸음 더 나아가 문서 안의 각 문장들이 질의와 얼마나 유사한가를 계산하여 이를 이용하는 기법을 제안하였다. 이러한 문장-질의 유사도를 성숙된 자연어 처리 기술 없이 근사적으로 계산하는 방법을 소개하였다. 그리고 이계산 작업은 문서 수의 증가에 선형적인 계산량의 증가를 가져 옴을 보임으로써 실용적인 대용량 시스템에서도 사용할 수 있음을 보였다. 그 다음으로 제안된 주요한 기술은 출력 문서의 순위화에 계층적인 개념을 도입하는 것이다. 이 기법을 사용함으로써 상당한 성능 향상을 이룰 수 있음을 보였다. 그 외에도 웹 문서의 특징인 하이퍼 링크 정보와 타이틀 정보를 이용하여 어느 정도의 성능 개선을 가져올 수 있음을 보였다. 이러한 기술들의 타당성을 입증하기 위해 대용량 웹 정보검색 시스템을 개발하고 실험하였다.

웹 네비게이션 마이닝은 웹 접근 로그 데이타를 분석하여 웹을 항해하는 패턴을 발견하는 기법이다. 하지만 사용자들은 웹을 항해할 때 정상적인 계층적 경로를 따르지 않는 경우가 많기 때문에 웹 접근 로그 데이타에는 웹 항해 패턴 발견에 장애가 되는 잡음 정보가 많이 포함된다. 결과적으로 웹 접근 로그 데이타만을 이용한 기존의 웹 네비게이션 마이닝은 이런 잡음을 해결하기 위한 전처리 과정의 복잡성 등으로 인하여 웹 항해 패턴을 효율적으로 발견하는 데 좋은 성능을 보여주지 못했다. 이런 문제를 해결하기 위해 본 논문에서는 웹 접근 로그 데이타 외에 웹의 하이퍼링크 구조 정보를 함께 이용하여 웹 네비게이션 패턴을 효율적으로 발견하는 기법을 제시하였다. 웹 사이트의 계층적인 하이퍼링크 구조로부터 생성된 WebTree라 불리는 구조를 이용하여 웹 접근 로그 데이타에 포함된 비정상적인 경로에 대한 잡음을 효율적으로 제거하였다. 이 기법을 이용해 구현된 SPMiner(Sequence Pattern Miner) 시스템은 로그 데이타와 하이퍼링크 계층구조를 함께 이용함으로써 전처리의 오버헤드를 현저히 감소시켰고 결과적으로 효율적으로 네비게이션 패턴을 찾아주고 이를 추천에 이용할 수 있는 기반을 제시하였다.

온톨로지는 주어진 응용 도메인의 특성을 나타내는 관련 개념들의 집합과 정의, 그리고 그들간의 관계로 이루어진다. 본 논문에서는 온톨로지를 구축하고 갱신할 때의 시간과 비용을 줄이기 위하여 텍스트의 분석결과를 이용한 도메인 온톨로지의 반자동 구축방안을 제안한다. 이를 위하여 관련 문서들 내에 출현한 전문용어들의 처리방안을 제시하고, 추출한 개념들과 그들간의 관계를 온톨로지의 구축에 활용한다. 실험 도메인은 약품분야로 정하였으며, 구축한 온톨로지는 문서의 검색에 활용하였다. 온톨로지 내의 계층관계들이 문서검색에 효용이 있음을 보이기 위하여 일반적인 키워드기반 문서검색과 온톨로지 내의 관련 정보들을 연관피드백에 이용한 온톨로지기반 문서검색을 비교한 결과, 후자의 경우 정확률이 $4.97\%$, 재현율이 $0.78\%$ 향상됨을 알 수 있었다.

본 논문에서는 학습자들의 학습 특성 및 학습 능력에 따라 학습내용을 동적으로 구성하여 제공하는 적응형 교수 시스템을 제안한다. 본 논문에서 제안한 시스템은 학습 단계와 평가 단계를 연계함으로써 평가 단계에서 추정된 학습자의 능력에 따라 차기 학습 단계에서 수준별 학습내용을 동적으로 구성하여 학습자에게 제공함으로서 개인화된 교수${\cdot}$학습을 지원하고 있다. 이를 위해 먼저 학습자들의 학습 능력을 정확하게 평가할 수 있도록 문항반응이론에 의한 컴퓨터 적응적 평가를 이용하여 평가 단계를 구현하였으며, 또한 추정된 각 학습자의 능력 수준에 맞는 학습내용을 제공하기 위해 퍼지 개념을 이용하여 퍼지 수준 집합을 구성한 후 제공함으로써 학습자에 따른 수준별 학습이 가능하도록 학습 단계를 구현하였다.

본 논문에서는 고정된 카메라로부터 획득된 색상 비디오 프레임에서 조명변화와 겹침으로 인한 왜곡에 강건하게 다수의 사람을 추적하는 방법을 제안한다. 조명변화에 따른 외형변화의 문제점을 해결하기 위하여 시간 비종속적인 본래(intrinsic) 영상을 이용하여 프레임에 존재하는 조명을 제거하며, 매 프레임마다 조명 영상을 적응적으로 갱신한다. 카메라 내에서 사람을 추적하기 위해 색상정보를 포함하는 계충적 사람모델을 사용함으로써 겹침의 문제를 해결한다. 추적된 사람모델은 사람모델 리스트에 저장되어 해당되는 사람이 카메라에서 사라진 후에도 일정 기간 보존됨으로써, 재등장한 사람의 정보를 복원할 수 있다. 본 논문에서 제안하는 적응적 모델기반 방법은 실내${\cdot}$외 영상을 대상으로 여러 시나리오로 실험되어, 조명변화로 왜곡된 사람의 색상정보를 옳게 보정하였을 뿐만 아니라 사람들이 겹치거나 헤어진 후에도 성공적으로 추적하였음을 확인하였다.