이 기종 시스템 간 의료정보의 의미적 상호운용성 보장을 위해서는 임상정보모델의 개발과 적용이 필요하다. 하지만 국내에서는 현재까지 임상정보모델이 개발되지 않았다. 본 연구의 목적은 의료정보의 의미적 상호운용성 보장을 위한 표준용어기반의 임상정보모델인 임상콘텐츠모텔을 개발하고, 이를 한국보건의료표준용어체계와 맵핑하는 것이다. 선진 임상정보모델과 HL7 참조정보모델과 표준용어시스템 등 의료정보표준을 분석하고, 이를 바탕으로 임상의사와 의무기록사가 임상콘텐츠모델을 개발하였다. 이 모형은 차세대 전자건강기록의 의미적 상호운용성을 보장하는 핵심 인프라로 활용 될 것으로 기대한다.

테스트 데이터를 자동으로 생성하기 위한 동적 테스트 데이터 생성에 관한 많은 연구가 이루어졌다. 동적 테스트 데이터 생성 방법은 가공 테스트 대상 프로그램(SUT; Software Under Test)을 실행시켜 기존의 테스트 데이터의 적합도를 평가하고, 평가된 적합도 값과 최적의 알고리즘을 이용하여 새로운 테스트 데이터를 생성하는 방법이다. 최근에 전역 최적화 알고리즘을 이용한 동적 테스트 데이터 생성에 관한 많은 연구가 이루어져 왔고, 이 알고리즘을 통해서 테스트 대상 프로그램 (SUT)의 커버리지를 높일 수 있는 데이터를 생성할 수 있다는 것이 실험적으로 밝혀졌다. 그러나 최적화 알고리즘은 오랜 연산 시간이 필요하기 때문에, 이를 이용한 방법은 테스트 데이터를 생성하기 위해 많은 시간이 걸린다는 단점이 있다. 본 논문에서는 최적화 알고리즘을 이용한 동적 테스트 데이터 생성의 시간을 줄이기 위하여, 최적화 알고리즘의 절차 중 적합도 평가 시간을 줄이는 방법을 제안한다. 이를 위하여 SUT의 테스트 목표 경로로 부터 생성된 적합도 평가 프로그램(FEP)을 정의하고, 가공 SUT 실행하는 대신 소개된 FEP를 이용한 적합도 평가 방법을 제안하고 'ConGA'라는 도구를 구현한다. 그리고 C언어로 작성된 프로그램을 'ConGA'를 이용하여, 테스트 데이터 생성 효율성을 확인하였다. 이 실험을 통하여 제안된 방법이 기존의 방법보다 테스트 데이터 생성에 걸린 시간을 평균적으로 약 20% 줄인 것을 확인할 수 있었다.

서비스 지향 아키텍처(Service Oriented Architecture, SOA)에서의 서비스는 서비스 소비자에게 대부분 블랙 박스 형태로 인식되고, 동적으로 실시간에 진화될 수 있으며, 다수의 인지되지 않은 이질적인 환경에서 실행된다. 이러한 SOA의 특성으로 인해 동적으로 서비스의 다양한 측면을 효과적, 효율적으로 모니터링하는 것은 필수 핵심 기능이다. 하지만, 이와 관련된 현재까지의 연구나 솔루션들은 실질적으로 서비스 자체에 초점을 맞추어 비즈니스 프로세스상의 영향 요인은 간과되는 측면이 있으며, BPEL엔진이나 미들웨어의 API에 의존한 외부 모니터링 데이터만의 획득으로 비즈니스 수준의 유용한 정보를 제공하는 데 부족한 면이 있다. 또한, 서비스 품질을 저하시킬 수 있는 모니터링으로 인한 과부하를 줄일 수 있는 효율적인 방법에 대한 연구 역시 부족하다. 이벤트 주도 아키텍처(Event Driven Architecture, EDA)는 발생하는 이벤트들을 효율적으로 수집하고 분석하기 위해 SOA를 보완하는 역할을 할 수 있다. 본 논문에서는 모니터링 측면에서의 EDA 장점들을 도출하고, 모니터링 대상을 분류하여 각 대상에 적합한 효율적인 모니터링 기법을 제시한다. 또한, 그것을 더 적용성 있도록 하기 위하여 이벤트 메타 모델을 정의하고, 이를 기반한 이벤트 처리 모델과 아키텍처를 제안한다. 제안하는 아키텍처와 기법을 사용하여 실행 시간에 외부 모니터링 데이터뿐만 아니라 내부 모니터링 데이터를 효율적으로 수집 및 처리할 수 있는 이벤트 주도 동적 모니터링 프레임워크의 프로토타입을 구현하고, 사례연구를 통하여 본 연구의 실효성과 적용 가능성을 보여준다.

우리나라 국가 경쟁력을 엄밀히 분석해 보면, 세계적인 글로벌 대기업들과 첨단 산업체들이 주도적인 견인차 역할을 하기 때문에 부존자원이 빈약한 환경에서도 놀라울 정도로 급성장하며, 우리나라를 선진국 반열에 올려놓았다고 할 수 있다. 이러한 주요 대기업 들은 주로 제조업체로서 오랜 세월동안 핵심 기술과 노하우를 축적하며 핵심인재와 경영층을 보유 하고 있고, 아울러 정보기술 인프라가 구축이 잘 되어져 있다고 볼 수 있다. 정보기술 인프라로는 ERP, SCM, CRM, PLM 등이 구축되어져 있는데 제조업에서는 PLM이 주요 핵심 정보기술 인프라라고 볼 수 있다. 오늘날 제조업계에서는 소비자의 요구사항을 최대로 수용한 신제품을 개발하고, 가능한 한 적기에 시장에 출시하기 위하여, 단기간에 제품의 완성도를 높이고 양산체제에 들어갈 수 있도록 하는 제품개발 인프라와 시스템이 요구되고 있다. 이러한 과제에 선진적으로 대처하고 있는 우리나라의 제조업계가 협업 및 글로벌 개발, 제조체제의 정비, 제조 프로세스의 혁신 및 효율화, 아울러 품질 향상을 위한 핵심전략 으로 선택한 것이 바로 PLM 시스템 도입이라고 할 수 있다. 본 논문에서는 두 가지 연구문제를 선정하였다. 첫째, PLM 시스템의 성공요인이 무엇인지를 규명하고, 둘째, 이 성공요인들이 PLM 시스템 도입효과에 어떤 영향을 미치는지를 규명하고자 하였다. 이를 위하여 PLM 시스템의 성공요인 모델을 설정하여 PLM 시스템 성공요인과 시스템 품질과 사용자 만족도 간의 관계, 시스템 품질과 사용자 만족도 간의 관계, 시스템 품질 및 사용자 만족도와 시스템 도입효과 간의 관계에 대한 가설을 설정하였다. PLM 시스템의 성공요인 모델을 실증적으로 검증하기 위하여 PLM 시스템 구축을 완료 후 운영 중인 기업을 대상으로 표본을 선정한 후 설문조사를 실시하였다. 취합된 설문지를 분석하여 다음과 같은 가설검증 결과를 도출하였다. 첫째, 기술적 성공요인은 시스템 품질과 사용자 만족도에 영향을 미친다. 둘째, 조직적 성공요인은 시스템 품질에 영향을 미치지만 사용자 만족도에는 영향을 미치지 않는다. 셋째, 환경적 성공요인은 시스템 품질과 사용자 만족도에 영향을 미친다. 넷째, 시스템 품질은 사용자 만족도에 영향을 미친다. 다섯째, 사용자 만족도는 시스템 도입 효과에 영향을 미치지만 시스템 품질은 시스템 도입 효과에 영향을 미치지 않는다.

최근 모바일 기기의 발전으로 인하여, PC뿐만 아니라 모바일 기기에서의 정보검색의 요구가 증가하고 있다. 모바일 기기에서 명사를 추출하기 위하여 기존의 언어분석도구를 사용하게 되면, 상대적으로 적은 메모리를 가지고 있는 모바일 기기에는 부담이 되게 된다. 따라서, 모바일 기기에 적합한 언어분석도구의 필요성이 증가하고 있다. 본 논문에서는 대량의 말뭉치로부터 추출한 영사 출현 특성과 후절어를 이용하여 명사를 추출하는 방법을 제안한다. 제안된 명사 추출기는 형태소 분석기를 사용한 기존 명사 추출기의 명사 사전의 약 4% 용량인 146KB의 명사 사전만을 사용함에도 불구하고, 최종적으로 $F_1$-measure 0.86라는 좋은 성능을 얻었다. 또한, 명사 사전에 대한 의존도가 낮으므로, 미등록 명사 추출에 대한 성능이 높을 것으로 예상된다.

문서에서 생략된 요소가 지시하는 대상을 식별해 내는 작업은 기계 번역, 정보추출 등과 같은 자연언어처리 분야의 다양한 응용들을 위해 필요하다. 문장에서 생략된 요소들은 영조응사, 영대명사 등으로 불리며, 지시(reference)의 한 유형으로 간주되고 있지만, 모든 영형이 문서에서 명확하게 언급된 지시 대상을 지시하지는 않는다. 이에 영형의 조응성을 결정하려는 연구가 최근 진행되고 있으며, 본 논문에서는 한국어에서 가장 빈번하게 나타나는 영형 주어(subject zero pronouns)의 문장 내 조응성 결정에 초점을 맞춘다. 주어진 영형과 선행사 후보들 간의 쌍대 비교(pairwise comparison)에 기반한 기존 연구와 달리, 본 논문은 비조응적 혹은 문장 간에서 해결 가능한 영형이 나타난 절의 구조를 직접 학습함으로써 영형의 문장 내 조응성을 결정한다. 실험에서 제안한 방법은 베이스라인보다 나은 성능을 보였으며, 영형의 조응성 결정은 향후 영형 조응어 해석에 긍정적인 영향을 줄 수 있을 것으로 기대된다.

CMMI는 전체 5개 성숙도 단계, 22개의 프로세스 영역이 있고, 각 프로세스 영역은 SG와 GG로 구성돼 있다. 프로세스 영역 간에는 상호 연관된 부분들이 많아 조직의 표준 프로세스를 정의할 때, 중복적인 내용이 반영되는 경우가 많다. 본 연구에서는 피어슨상관분석을 통해 CMMI 성숙도 3단계 프로세스 영역의 전체 528개 SG중, 총 60개(약 11%)가 연관성이 높음을 파악하고 이 연관성을 고려한 표준 프로세스 정의 방안을 제안하였다. 또한 제안한 방안에 따라 표준 프로세스를 정의한 결과, 기존의 접근 방법을 사용했을 때 보다 생산성이 25% 향상되는 성과를 보였다.

버퍼 오버플로우 취약점을 검출하는 정적 분석 도구에서, 분석 문맥을 조절하는 방법을 통해, 동일한 원인에 의해 발생하는 중복 경보 메시지를 제거하는 방법을 제안한다. 동일한 원인에 의해 다수의 경보 메시지가 출력되는 경우, 첫 경보 메시지만 살며보아도 나머지 경보 메시지들에 대한 판단을 내릴 수 있으므로, 사용자에게 첫 경보 메시지만을 보여주는 것이 보다 바람직하다. 제안하는 분석 문맥 조절 기법은 기존의 정적 분석 도구에 쉽게 적용할 수 있고, 오픈 소스 소프트웨어를 사용한 실험에서 평균 23%의 경보 메시지를 제거할 수 있었다.

기계 학습 기반의 많은 감정 분류 시스템들은 문장으로부터 언어적 자질을 추출하기 위하여 형태소 분석기를 사용한다. 그러나 온라인 상품평에는 많은 띄어쓰기 오류 및 철자 오류가 포함되어 있어서 일반적으로 형태소 분석기가 좋은 성능을 내기 어려우며, 기반 시스템의 낮은 성능은 감정 분류 시스템의 성능하락을 초래한다. 이러한 문제를 해결하기 위하여 본 논문에서는 어절 패턴과 음운 패턴의 최장 일치 매칭(matching)에 기반한 자질 추출 방법을 제안한다. 두 종류의 패턴은 대용량의 품사 부착 말뭉치로부터 자동으로 구축된다. 어절 패턴은 영사, 동사와 같은 내용어를 포함하는 어절들로 구성되며, 음운 패턴은 동사나 형용사와 같은 용언의 초성과 중성의 쌍으로 구성된다. 음운 패턴에 초성과 중성만을 사용한 이유는 철자 오류에 영향을 덜 받기 때문이다. 제안 방법을 평가하기 위하여 SVM(Support Vector Machine)을 기계 학습기로 사용하는 감정 분류 시스템을 구현하였다. 한국어 상품평에 대한 실험에서 제안 방법을 자질 추출 모듈로 사용하는 감정 분류 시스템이 형태소 분석기를 사용하는 것보다 우수한 성능을 보였다.