• Proceedings of the Korean Society of Computer Information Conference
• /
• 2019.01a
• /
• pp.351-352
• /
• 2019

수많은 사람들이 게임을 플레이할 때 마치 본인이 캐릭터가 된 듯한 이입을 하고 그를 통해 간접적으로 경험을 체험한다. 이때, 시각은 몰입하는데 빠질 수 없는 요소이며 게임에선 그 역할을 카메라가 대신하고 있다. 카메라를 통해 얻은 시각 정보로 현재 무슨 일이 일어나고 있는지, 지금 분위기가 어떤지를 판단하며 점점 게임에 몰입하게 되는 것이다. 캐릭터 간의 대화가 많은 추리 혹은 어드벤처 게임에서는 NPC와 대화하는 경우 실제로 대화하는 느낌이 들도록 카메라를 제어하는 것이 중요하다. 이 논문에서는 사람들이 쉽게 몰입할 수 있도록 카메라를 제어하는 방법을 연구하고, 엔진을 이용하여 추리 어드벤처 게임에 적용하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2019.01a
• /
• pp.391-393
• /
• 2019

본 논문은 일상적인 대화로부터 감성을 추출하고 분석함으로써 상황에 맞는 대화의 내용과 분위기를 이미지의 색상으로 표현할 수 있는 이미지 색상 변환 프레임워크를 소개한다. 본 연구는 라즈베리 파이와 마이크 센서를 기반으로 사용자로부터 목소리를 입력받을 수 있는 모듈을 제작하고, 그 목소리로부터 감성을 분석한다. 분석된 감성을 이용하여 이미지의 색상을 자동으로 변환하는 기술과 통합함으로써 청각장애인 및 미취학 아동들이 화자의 대화를 이미지를 통해 쉽게 인지하여 의사소통 및 감성 전달 환경을 개선하고자 한다.

• Bulletin of the Korean Chemical Society
• /
• v.6 no.4
• /
• pp.222-224
• /
• 1985

The crystal structure of sulindac, $C_{20}H_{17}Fo_3S$, one of the nonsteroid antiinflammatory agents, has been determined by the X-ray diffraction techniques using diffractometer data obtained by the $\varpi-2{\theta}$ scan technique with Cu $$K_{\alpha}$$ radiation from a crystal with space group symmetry Pbca and unit cell parameters a = 8.166(1), b = 18.291(8), c = 23.245(10) ${\AA}.$ The structure was solved by direct methods and refined by full-matrix least-squares to a final R = 0.11 for the 1153 observed reflections. The carboxyl group is nearly perpendicular to the indenyl ring as observed in indomethacin. The dihedral angle between the indenyl and phenyl rings is $35^{\circ}while$ the corresponding angle in indomethacin is $67^{\circ}.$ Crystal packing consists of a hydrogen bond and partial ring stacking between the indenyl rings.

• Annual Conference on Human and Language Technology
• /
• 2022.10a
• /
• pp.141-145
• /
• 2022

다중 문서 기반 대화 시스템에서 응답 시스템은 올바른 답변을 생성하기 위해서 여러 개의 문서 중 질문과 가장 관련 있는 문서를 검색하는 것부터 시작해야 한다. DialDoc 2022 Shared Task[1]를 비롯한 최근의 연구들은 대화 시스템의 문서 검색 과정을 위해 Dense Passage Retrieval(DPR)[2] 모델을 사용하고 있으며 검색기의 성능 개선을 위해 Re-ranking과 Hard negative sampling 같은 방법들이 연구되고 있다. 본 논문에서는 문서에 기반하는 대화 데이터의 양이 적거나 제한될 경우, 주어진 데이터를 효율적으로 활용해 보고자 검색기를 생성 모델을 이용하여 문서의 엔티티를 기반으로 질문을 생성하고 기존 데이터에 증강하는 방법을 제시했으며 실험의 결과로 MRR metric의 경우 0.96 ~ 1.56의 성능 향상을, R@1 metric의 경우 1.2 ~ 1.57의 성능 향상을 확인하였다.

• Annual Conference of KIPS
• /
• 2009.04a
• /
• pp.204-207
• /
• 2009

채팅 프로그램은 인터넷에서 중요한 기능을 담당하고 있다. 오늘날 많은 사람들이 인터넷에서 채팅을 하고 있다. 이러한 채팅 기능 중 가장 중요하다고 할 수 있는 하나의 기능은 대화 기록을 관리하고 대화의 내용(질문/답변)을 어떻게 일치시키고 저장할 것인가이다. 이러한 문제를 해결하기 위해 많은 방법들이 제시되었지만, Enter-Key를 이용한 채팅의 특성상 이 문제를 완벽히 해결하기에는 역부족이였다. 현재 인터넷 환경은 3차원으로 점차 변화하고 있으며 따라서 채팅 또한 3차원의 가상현실 환경으로 변화하고 있다. 3차원의 채팅은 화려한 그래픽과 아바타를 이용하여 현실과 같은 다양한 컨탠츠를 제공하고 있다. 그러나 대부분의 3차원 채팅 서비스들이 채팅 부분에서는 현실감을 떨어뜨리는 기존의 텍스트 방식을 사용하고 있으며, 관리 방법 또한 전무하다. 본 논문에서는 3차원 공간 정보를 활용하여 실제성을 고려한 채팅 시스템을 제안하고, 이를 이용하여 대화 기록을 효율적으로 관리, 가시화 방법을 제안한다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.06a
• /
• pp.572-573
• /
• 2022

본 논문은 메타버스 환경에서 문제가 대두되고있는 AI 윤리(ethic)를 배경으로 인터랙션을 통해 사람들의 온라인과 오프라인의 결정요소에 직접적으로 영향을 미치는 대화형 AI가 어떻게 윤리적으로 진화될 수 있을지에 대한 공학적 솔루션을 UX 관점으로 찾아보는 기술 전략 연구라고 할 수 있다. 연구의 가설은 AI 의 머신러닝과정에 개별 사용자 그룹의 경험데이터가 반드시 포함되고 고려되어야 AI 는 오류값을 줄이고 윤리적으로 대응할 수 있다는 전제이다. 이를 위하여 본 논문은 기존의 머신러닝과 대화형 AI 의 UX 관점의 다이아로그 플로우 등을 연구 분석하고 사용자 데이터들을 실험하여 메타버스 서비스 환경에서의 기존에 논의되고 있는 컨택스트기반의 AI 머신러닝 과정에 사용자의 정성적 경험데이터를 추가한 윤리적 UX 접근 개념 모델을 제안 하였다. 아직은 개념모델 단계이고 시스템에서는 지금까지 다르지 않았던 비정량적인 감정과 융합적경험을 어떻게 문화적으로 코드화 하고 시스템적인 랭귀지와 연결시킬 수 있을지에 대한사용자 연구가 후속연구로 진행될 예정이다.

• Annual Conference of KIPS
• /
• 2011.11a
• /
• pp.341-343
• /
• 2011

이번 연구에서는 음성신호로부터 성격을 자동으로 인식하는 성격 인식 사용자 인터페이스에 대한 기술을 소개한다. 사용자의 음성대화 과정에서 말투로부터 성격 인식, 특히 외향과 내향을 구분해 내기 위해 사용되는 행동패턴에 있어서 대화중에 발생하는 생각을 위한 시간의 할애를 기초한다. 이를 바탕으로 질문이 주어진 후 이에 대한 답변을 시작하는데 걸리는 시간, 그리고 대화의 중간에 생각할 시간을 갖기 위해 활용하는 언어 주저형의 빈도수를 고려하여 사용자 성격분류의 실험을 실시하였다. 그 결과 평균적으로 약 65%의 성공률을 보였다.

• Annual Conference on Human and Language Technology
• /
• 2021.10a
• /
• pp.518-523
• /
• 2021

챗봇과 같은 대화형 에이전트 사용이 증가하면서 채팅에서의 혐오 표현 사용도 더불어 증가하고 있다. 혐오 표현을 자동으로 탐지하려는 노력은 다양하게 시도되어 왔으나, 챗봇 데이터를 대상으로 한 혐오 표현 탐지 연구는 여전히 부족한 실정이다. 이 연구는 혐오 표현을 포함한 챗봇-사용자 대화 데이터 35만 개에 한국어 말뭉치로 학습된 KoELETRA 기반 혐오 탐지 모델을 적용하여, 챗봇-사람 데이터셋에서의 혐오 표현 탐지의 성능과 한계점을 검토하였다. KoELECTRA 혐오 표현 분류 모델은 챗봇 데이터셋에 대해 가중 평균 F1-score 0.66의 성능을 보였으며, 오탈자에 대한 취약성, 맥락 미반영으로 인한 편향 강화, 가용한 데이터의 정확도 문제가 주요한 한계로 포착되었다. 이 연구에서는 실험 결과에 기반해 성능 향상을 위한 방향성을 제시한다.

• Annual Conference on Human and Language Technology
• /
• 2019.10a
• /
• pp.434-439
• /
• 2019

딥러닝 기반 분류 모델에 있어 데이터의 클래스 불균형 문제는 소수 클래스의 분류 성능을 크게 저하시킨다. 본 논문에서는 앞서 언급한 클래스 불균형 문제를 보완하기 위한 방안으로 적대적 학습 기법을 제안한다. 적대적 학습 기법의 성능 향상 여부를 확인하기 위해 총 4종의 딥러닝 기반 분류 모델을 정의하였으며, 해당 모델 간 분류 성능을 비교하였다. 실험 결과, 대화 데이터셋을 이용한 모델 학습 시 적대적 학습 기법을 적용할 경우 다수 클래스의 분류 성능은 유지하면서 동시에 소수 클래스의 분류 성능을 크게 향상시킬 수 있음을 확인하였다.

• Annual Conference of KIPS
• /
• 2021.11a
• /
• pp.993-996
• /
• 2021

챗봇의 사용 용도는 일상 대화와 소비자 응대를 넘어서 심리 상담 용도로 확장하고 있다. 이 연구에서는 챗봇-사람 채팅에서 무작위로 추출한 '우울'과 관련된 대화 데이터를 텍스트마이닝 기법으로 분석하여 채팅에서의 우울 관련 담론 주제를 파악하였다. 더불어 정성 분석을 통해 사용자들이 챗봇에 털어놓고 있는 '우울' 의 종류를 범주화하고 분류하여, 트위터의 '우울' 데이터와의 차이점을 비교하였다. 이를 통해 챗봇 데이터의 '우울' 대화만의 특징을 파악하고, 우울 증상 탐지와 그에 따른 적절한 심리지원 정보를 제공하는 서비스 디자인의 착안점을 제시한다.