• Proceedings of the Korean Information Science Society Conference
• /
• 2005.11b
• /
• pp.772-774
• /
• 2005

최근 로봇에 관한 연구가 꾸진히 진행 중인 가운데, 로봇이 현재 상황을 파악하고 적절한 서비스를 제공해 주기 위하여 위치 정보가 많이 활용되고 있다. 이러한 위치 정보는 월드 모델링(world modeling)을 통하여 로봇이 처한 환경에서 사용자(nomadic human)의 위치 경로와 공간에 구성되어 있는 객체들의 위치를 비교하거나 관계를 탐지하고 적절한 규칙을 사용해 추론함으로써 사용자의 서비스 요청을 수행하기 위해 쓰일 수 있다. 본 논문은 로봇 환경에서의 상황인지를 위한 월드 모델링을 제안한다. 제안된 월드 모델링은 로봇과 사람과의 관계와 사랑과 사물(object)간의 관계를 정의하며 시간의 흐름에 따른 위치변화를 이용하여 각 대상간의 관계의 변화와 그에 따른 의미(semantic) 도출을 목적으로 한다. 본 시스템은 크게 네 개의 계층으로 구성되어 있다. 첫째, 센서 계층(Sensor layer)은 센서로부터 객체의 위치정보를 얻어내어 센서 데이터를 구성한다. 둘째, 질적 관계 계층(qualitative layer)은 센서 데이터를 기반으로 하여 객체간의 상대적인 위치 관계를 탐지한다. 셋째, 시공간적 관계 계층(relational layer)은 시간에 따라 축적되는 질적 관계 계층의 데이터를 기반으로 하여 객체간의 시간적, 공간적인 위치 관계를 추론한다. 마지막으로 의미적 계층(semantic layer)에서는 객체간의 상황에 맞는 의에를 추론하는데 이런 계층들은 모두 월드 모델을 공유(share)함으로써 정보 도출이 가능하다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2007.05a
• /
• pp.550-553
• /
• 2007

본 논문에서는 제품 정보를 교환 및 공유하기 위한 국제 표준인 ISO 15926에 근거한 해양 플랜트 기자재의 제품 정보의 온톨로지 모델링을 소개한다. 모델링 방법은 코어 데이터 모델과, 참조 데이터 라이브러리, 템플릿과 객체 정보 모델을 이용한다. 코어 데이터 모델은 보편적인 개념을 정의하고, 참조데이터 라이브러리는 코어 데이터 모델을 확장한 공통 용어 사전이다. 의미를 표현하는 가장 작은 조각으로 템플릿을 사용하고, 객체 정보 모델을 통하여 객체들 사이의 관계를 정의한다. 모델링은 OWL을 이용하여 제품 데이터의 온톨로지를 생성하여 이기종 소프트웨어 간의 제품 정보를 교환하고 공유하도록 한다.

• Annual Conference on Human and Language Technology
• /
• 2020.10a
• /
• pp.572-577
• /
• 2020

일관된 발화를 생성함에 있어 인격데이터(persona)의 도입을 이용한 연구가 활발히 진행되고 있지만, 한국어 데이터셋의 부재와 데이터셋 생성의 어려움이 문제점으로 지적된다. 본 연구에서는 인격데이터를 포함하지 않고 일관된 발화를 생성할 수 있는 방법으로 다중 대화 시스템에서 사전 학습된 자연어 추론(NLI) 모델을 도입하는 방법을 제안한다. 자연어 추론 모델을 이용한 관계 분석을 통해 과거 대화 내용 중 발화 생성에 이용할 대화를 선택하고, 자가 참조 모델(self-attention)과 다중 어텐션(multi-head attention) 모델을 활용하여 과거 대화 내용을 반영한 발화를 생성한다. 일관성 있는 발화 생성을 위해 기존 NLI데이터셋으로 수행할 수 있는 새로운 학습모델 nMLM을 제안하고, 이 방법이 일관성 있는 발화를 만드는데 기여할 수 있는 방법에 대해 연구한다.

• Annual Conference on Human and Language Technology
• /
• 2023.10a
• /
• pp.415-418
• /
• 2023

테이블 데이터는 일반적으로 헤더와 데이터로 구성되며, 헤더는 데이터의 구조와 내용을 이해하는데 중요한 역할을 한다. 하지만 웹 스크래핑 등을 통해 얻은 데이터와 같이 다양한 상황에서 헤더 정보가 누락될 수 있다. 수동으로 헤더를 생성하는 것은 시간이 많이 걸리고 비효율적이기 때문에, 본 논문에서는 자동으로 헤더를 생성하는 태스크를 정의하고 이를 해결하기 위한 모델을 제안한다. 이 모델은 BART를 기반으로 각 열을 구성하는 텍스트와 열 간의 관계를 분석하여 헤더 텍스트를 생성한다. 이 과정을 통해 테이블 데이터의 구성요소 간의 관계에 대해 이해하고, 테이블 데이터의 헤더를 생성하여 다양한 애플리케이션에서의 활용할 수 있다. 실험을 통해 그 성능을 평가한 결과, 테이블 구조 정보를 종합적으로 활용하는 것이 더 높은 성능을 보임을 확인하였다.

• KIPS Transactions on Software and Data Engineering
• /
• v.3 no.1
• /
• pp.19-30
• /
• 2014

For the expansion of the Semantic Web, studies in converting the data stored in the relational database into the ontology are actively in process. Such studies mainly use an RDB to RDF mapping model, the model to map relational database components to RDF components. However, pre-proposed mapping models have got different expression modes and these damage the accessibility and reusability of the users. As a consequence, the necessity of the standardized mapping language was raised and the W3C suggested the R2RML as the standard mapping language for the RDB to RDF model. The R2RML has a characteristic that converts only the relational database schema data to RDF. For the same reasons above, the ontology about the relation data between table name and column name of the relational database cannot be added. In this paper, we propose an RDB to RDF mapping system considering semantic relations of RDB components in order to solve the above issue. The proposed system generates the mapping data by adding the RDFS attribute data into the schema data defined by the R2RML in the relational database. This mapping data converts the data stored in the relational database into RDF which includes the RDFS attribute data. In this paper, we implement the proposed system as a Java-based prototype, perform the experiment which converts the data stored in the relational database into RDF for the comparison evaluation purpose and compare the results against D2RQ, RDBToOnto and Morph. The proposed system expresses semantic relations which has richer converted ontology than any other studies and shows the best performance in data conversion time.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10b
• /
• pp.139-141
• /
• 2001

Pharmacogenomics는 개인의 유전적 성향과 약물에 대한 반응간의 관계에 대해 연구하는 학문이다. 이를 위해 DNA microarray 데이터를 비롯한 대량의 생물학 데이터가 구축되고 있으며 이러한 대규모 데이터를 분석하기 위해서 기계학습과 데이터 마이닝의 여러 기법들이 이용되고 있다. 본 논문에서는 pharmacogenomics를 위한 생물학 데이터의 효율적인 분석 수단으로 베이지안망(Bayesian network)을 제시한다. 배이지안망은 다수의 변수들간의 확률적 관계를 표현하는 확률그래프모델(probabilistic graphical model)로 유전자 발현과 약물 반응 사이의 확률적 의존 관계를 분석하는데 적합하다. NC160 cell lines dataset으로부터 학습된 베이지안 유전자망(Bayesian genetic network)이 나타내는 관계는 생물학적 실험을 통해 검증된 실제 관계들을 다수 포함하며, 이는 배이지안 유전자망 분석을 통해 개략적인 유전자-유전자, 약물-약물, 유전자-약물 관계를 효율적으로 파악할 수 있음을 나타낸다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2022.05a
• /
• pp.232-234
• /
• 2022

Big data is widely used in customer relationship management, relationship marketing, financial business improvement, credit information and risk management. Moreover, as non-face-to-face financial transactions have become more active recently due to the COVID-19 virus, the use of financial big data is more demanded in terms of relationships with customers. In terms of customer relationship, financial big data has arrived at a time that requires an emotional rather than a technical approach. In relational marketing, it was necessary to emphasize the emotional aspect rather than the cognitive, rational, and rational aspects. Existing traditional financial data was collected and utilized through text-type customer transaction data, corporate financial information, and questionnaires. In this study, the customer's emotional image data, that is, atypical data based on the customer's cultural and leisure activities, is acquired through SNS and the customer's activity image is analyzed with an artificial intelligence CNN algorithm. Activity analysis is again applied to the annotated AI, and the AI big data model is designed to analyze the behavior model shown in the annotation.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.04a
• /
• pp.536-542
• /
• 2004

XML이 웹 상에서 문서 교환의 표준으로 자리잡고 있으며 그 수요가 나날이 증가하고 있다. 그에 따라 XML 데이터나 문서 구조를 모델링하는 XML Schema(W3C XML Schema Spec) 또한 수요가 증가하고 있다. 그러나 XML Schema는 다양한 자료형과 풍부한 표현력을 제공하지만 그 복잡성으로 인해 모델링하기가 어려운 단점이 있다. 본 논문에서는 관계형 데이터베이스 설계의 기본적인 도구인 개체-관계 모델을 이용하여 Ut Schema를 간단하게 생성하는 방법을 제시한다. 개체-관계 모델과 변환 될 XML Schema의 구조는 서로 일대일로 매핑되지 않아 직접 변환할 수는 없다. 그래서 몇 가지 알고리즘을 이용하여 개체-관계 모델을 계층적 구조모델로 변환을 한다. 이렇게 변환된 계층적 구조 모델을 이용하여 최종적으로 XML Schema를 생성한다. 여기서 제시한 알고리즘의 특징은 XML Schema의 중요한 특성들인 재사용성, 전역 및 로컬 기능 등을 가진 문서를 생성한다는 것이다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1998.10b
• /
• pp.298-300
• /
• 1998

비디오 데이터의 중요한 면 중에 하나는 시간 관계성을 지닌다는 것이다. 본 논문에서는 비디오 데이터가 계층적 구조로 표현 가능하며, 각각의 계층은 각기 시간의 흐름에 따라 시간적 관계를 지닌다는 특성을 반영하여, 이러한 관계를 기반으로 하여, 비디오 계층적 구조에 대한 시간 관계성(video structure temporal relationship), 비디오 객체들 간의 시간 관계성(inter video-data temporal relationship), 비디오 객체내의 시간 관계성(intra video-data temporal relationship)를 제시한다. 이러한 비디오 데이터의 시간적 관계를 계승, 캡슐화, 함수 중복 등의 객체지향 특성을 이용한다. ORDBMS에 통합함으로써 다양한 시간 산자(temporal operator)를 제공한다. 이로써 사용자에게 편리하고 단일한 인터페이스와, 좀더 다양한 시간 질의어(temporal query)를 제공할 수 있는 메카니즘을 제공한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.07a
• /
• pp.513-515
• /
• 2023

본 논문에서는 그리드 탐색과 트랜스포머를 사용한 그룹 행동 인식 모델을 제안한다. 추출된 여러 사람의 스켈레톤 정보를 차분 벡터, 변위 벡터, 관계 벡터로 변환하고 사람별로 묶어 이를 TimeDistributed 함수에 넣고 풀링을 한다. 이를 트랜스포머 모델의 입력으로 넣고 그룹 행동 인식 분류를 출력하였다. 논문에서 3가지 벡터를 입력으로 하여 합치고 트랜스포머 계층을 거친 모델과 3가지 벡터를 입력으로 하고 계층적으로 트랜스포머 모델을 거쳐 행동 인식 분류를 출력하는 두 가지 모델을 제안한다. 3가지 벡터를 합친 모델에서 클래스 분류 정확도는 CAD 데이터 세트 96.6%, Volleyball 데이터 세트 91.4%, 계층적 트랜스포머 모델은 CAD 데이터 세트 96.8%, Volleyball 데이터 세트 91.1%를 얻었다