가역 워터마킹 기법은 디지털 콘텐츠에 지각적 투명성을 유지하며 워터마크를 삽입한 후에, 이를 아무런 손상 없이 원본 상태로 복원할 수 있는 메시지 은닉 수단이다. 영상의 품질이 매우 중요한 의학, 군사, 원격측량, 예술작품 분야에서 워터마킹 응용은 영상처리와 분석과정에서 손상 없는 원본이 필요하기 때문에, 메시지를 검출하고 원본으로 복원하는 과정에서 어떠한 손상이라도 허용될 수 없는 완전한 가역성이 보장되어야 한다. 본 논문에서는 영상의 인접한 픽셀들 간의 차이값 히스토그램을 수정하여 메시지를 은닉하는 가역 영상 워터마킹 알고리즘을 제안한다. 제안한 방법에서는 높은 삽입용량과 지각적 투명성을 만족하기 위해 영상의 인접 픽셀들 간의 높은 유사성 특징을 이용하였다. 또한 오류 예측 보정 기법을 통하여 워터마크 삽입과정에서 발생할 수 있는 오버/언더플로우 문제와 salt-and-pepper 잡음 현상을 방지하였다. 제안한 가역 워터마킹 알고리즘의 성능을 검증하기 위하여 다양한 영상들에 대하여 기존 알고리즘들과 비교 분석하였다. 실험 결과에 따르면 제안한 알고리즘은 완전한 가역성과 함께 낮은 왜곡을 유지하면서도 높은 삽입용량을 얻을 수 있었다.

유비쿼터스 컴퓨팅 환경에서 사용자에게 서비스를 자동으로 제공하기 위해 사용되는 동적 서비스 합성은 효과적인 서비스 기술 및 모델링 기법이 전제되어야 한다. 이를 위해 이전 연구에서는 유비쿼터스 환경 내의 기기의 기능을 추상화한 'u-서비스'라는 개념을 제안하였고, 온톨로지로 구조화하는 메커니즘과 u-서비스의 특성을 표현하기 위한 기술 규격을 정립한 바 있다. 하지만 u-서비스 온톨로지 설계시에 효율성을 검증하기 위한 체계나 기준을 제공하지는 못하고 있다. 또한 기존의 소프트웨어 제품이나 컴퓨팅 시스템의 품질 평가 모델은 유비쿼터스 서비스의 특성을 고려하지 못하므로 직접 적용하기에도 적합하지 않다. 따라서 본 연구에서는 이전 연구에서의 u-서비스 온톨로지 구축 방법론을 바탕으로 효과적인 유비쿼터스 서비스 온톨로지를 설계하기 위한 품질 평가 모델을 제안한다. 유비쿼터스 서비스 온톨로지의 특성을 반영하여 모델링 목표와 설계 단계에서의 평가 지표를 도출하고 각 품질 속성을 정량화하기 위한 메트릭을 정의한다. 이전 연구에서 구축한 u-서비스 온톨로지에 적용한 결과, 제안한 품질 평가 모델을 통해 유비쿼터스 서비스 온톨로지의 적합성을 다각도로 분석하고 설계 개선을 위한 모델링 원칙을 제시할 수 있음을 보였다.

차트 파싱 알고리즘에서는 입력 문장의 왼쪽에서 오른쪽으로 파싱을 진행하여야 한다는 제약이 따른다. 본 논문에서는 이러한 제약을 없앤 임의 순서 차트 파싱 알고리즘을 제안한다. 제안한 알고리즘에서는 입력 문장의 각 단어에 대하여 어떤 순서로 파싱을 하더라도 무방하다. 입력 문장의 왼쪽에서 오른쪽으로 파싱을 진행하는 것은 임의 순서로 파싱을 진행하는 것의 특수한 형태이므로 임의 순서 차트파싱 알고리즘에서도 입력 문장의 왼쪽에서 오른쪽으로 파싱을 하는 것이 가능하다. 제안된 알고리즘은 차트 파싱 알고리즘을 확장한 것으로서 제어 구조가 매우 단순하며 구현도 용이하다.

본 논문은 다양한 형태의 웹 문서에 적용하기 위해서, 언어의 통계정보 및 후처리 규칙에 기반하여 개선한 문장경계 인식 기술을 제안한다. 제안한 방법은 구두점 생략 및 띄어쓰기 오류가 빈번한 웹문서에 적용하기 위해서 문장경계로 사용될 수 있는 모든 종결어미를 대상으로 학습하여 문장경계 인식을 수행하였다. 또한 문장경계인식 성능을 최대화하기 위해서 다양한 실험을 통해 최적의 자질 및 학습데이터를 선정하였고, 학습데이터에 의존적인 통계모델의 오류를 규칙에 기반 해서 보정하였다. 성능 실험은 다양한 문서별 성능 측정을 위해서 구두점이 주로 문장경계로 사용된 문어체 위주의 평가셋1(신문기사와 블로그 문서)과 구두점 생략 및 띄어쓰기 오류가 빈번한 웹 문서 위주의 평가셋2(웹 사이트의 게시판 글)를 대상으로 성능을 측정하였다. 평가 척도로는 F-measure를 사용하였으며, 기존 연구와 동일하게 구두점만을 문장경계 대상으로 학습한 기본 모델을 만들어서 실험한 결과, 평가셋1에 대해서 96.5%의 성능을 보였지만, 평가셋2에 대해서는 56.7%로 매우 저조한 성능을 보였다. 제안하는 개선 방법은 기본 모델을 웹 문서의 특징을 반영시키도록 자질 및 엔진을 개선시켰고, 최종 모델을 평가셋2로 평가한 결과, 96.3%의 성능을 보여서 39.6%의 성능 향상이 있음을 확인하였다.

상하위 관계 자동 추출은 분류체계를 자동 구축하는 데 있어서 핵심적인 내용이며, 이렇게 자동으로 구축된 분류 체계는 정보 추출과 같은 여러 가지 분야에 있어서 중요하게 사용된다. 본 논문에서는 카테고리 구조로부터 상하위 관계를 추출하는 방식에 대하여 제안한다. 본 논문에서는 판별하고자 하는 카테고리 구조뿐만이 아닌, 그와 관련된 다른 카테고리 구조까지 고려하여 카테고리 이름에 나타난 토큰들간의 수식 그래프를 구축한 후, 그래프 분석 알고리즘을 통하여 각 카테고리 구조가 상하위 관계일 가능성에 대한 점수를 매긴다. 실험 결과, 본 알고리즘은 기존의 연구로 상하위 관계임을 판별할 수 없었던 일부 카테고리 구조에 대하여 성공적으로 상하위 관계인지를 판별하였다.

감정어 추출과 관련하여 기존 영어권 연구에서 제시된 방법의 대부분은 한국어에 직접 적용이 쉽지 않다. 한국어권 연구에서 제시된 방법 중 수작업에 의한 방법은 감정어 추출에 많은 시간이 걸린다는 문제점이 있다. 영어 시소러스 기반 한국어 감정어 추출 기술은 한국어와 영어 단어간 일대일 부정합에서부터 기인하는 정확도의 저하를 제고해야 하는 과제를 갖고 있다. 한국어 구문 분석기를 기반으로 한 연구는 출현 빈도가 낮은 감정어를 선정하지 못할 수 있는 문제점을 내포하고 있다. 본 논문에서는 한국어 상품평 중 단순한 문장에서 감정어를 자동으로 추출하는 데 있어 기존에 제안된 한국어권 연구에 상호 보완적으로 정확도를 향상시킬 수 있는 k-Structure(k=5 또는 8) 기법을 제안한다. 단순한 문장이라 함은 패턴 길이를 최대 3으로 한다. 이는 평가 대상 상품(예를 들어 '카메라')의 속성 명 f (예를 들어 카메라의 '배터리')를 기준으로 ${\pm}2$의 거리에 감정어가 포함되어 있는 문장을 의미한다. 성능 실험은 국내 주요 쇼핑몰로부터 수집한 1,868개의 상품평을 대상으로 미리 주어진 8개의 속성 명에 대한 감정어를 k-Structure를 이용하여 자동으로 추출하고 그 정확도를 평가하였다. 그 결과, k=5일 경우 평균 79.0%의 재현률, 87.0%의 정확률을 보였고, k=8일 경우 평균 92.35%의 재현률, 89.3%의 정확률을 얻을 수 있었다. 또한, 영어권 연구에서 제안된 방법 중 PMI-IR(Pointwise Mutual Information-Information Retrieval) 기법을 이용하여 실험을 수행하였다. 이 결과, 평균 55%의 재현률과 57%의 정확률을 보였다.

CMMI는 구조 및 구성 상, 프랙티스들간 상호 연관된 부분들을 많이 가지고 있어 이에 대한 이해가 선행되면 프로세스 개선 활동을 보다 효율적으로 수행할 수 있다. 그러나 아직까지 이와 관련한 구체적인 연구가 없다. 본 연구에서는 CMMI 성숙도 2단계 프로세스 영역별 공통 프랙티스(GP)와 고유프랙티스(SP)를 대상으로 상호 연관성을 $X^2$의 독립성 검정 방법을 사용하고, 그 결과를 현장에 적용하여 성과를 파악하였다. 그 결과, 프로세스 영역별 각 10개의 공통 프랙티스가 전체 48개 고유 프랙티스 가운데 17개 고유 프랙티스와 연관성(약 35%)이 있는 것으로 나타났다. 또한 이 연관성을 고려하여 적용 효율성을 파악한 결과, 기존의 접근 방법을 사용했을 때보다 CMMI 적용 효율이 36.5% 향상되는 성과를 보였다.

점진적 파싱은 기존의 입력 문자열에 대한 파싱 정보를 새로운 문자열의 파싱시에 이용하고자 하는 취지로 연구 개발되었다. 본 논문은 기존에 제안된 비단말 심볼을 미리보기(lookahead) 심볼로 포함시킨 점진적 LL(1) 파서를 개선시킨 방법을 제안한다. 기존 연구에서는 오류가 발생한 상황에서 불필요한 작업을 반복적으로 수행하기에 시간적으로 비효율적이다. 본 논문에서는 이에 대한 해결 방안을 제공한다.