• 인지과학
• /
• 제19권4호
• /
• pp.419-441
• /
• 2008

웹과 디지털 라이브러리가 대중화되면서, 사용자들은 이를 정보 조사나 학습 같은 높은 인지부담을 수반하는 작업에 활용하기 시작한다. 그러나 대부분의 검색엔진 및 브라우저는 사용자에게 단순한 질의 기반 검색 및 항해탐색 기능만을 제공하므로 정보를 해석하고 연계하며 통합하는 등의 역할은 사용자에게 전가한다. 본 논문에서는 인간-웹 상호작용을 위한 이단 모델(Two-level M여el)이라고 부르는 개인화된 지식구조를 제안한다. 이 구조는 지식공간과 정보공간으로 구성되어 있으며, 새롭게 지식공간을 구성하고 이를 이용하는 명령(Operation)을 제공한다. 지식 공간은 웹에서 상호작용을 통해 검색된 결과에 대한 개념적인 해석이라고 할 수 있으며, 토픽 및 토픽간의 관계를 통해서 이 지식 공간이 구성된다. 이러한 지식 공간은 정보공간의 정보객체와 연결되어 있어 지식공간으로부터 원하는 정보에 대한 접근이 가능하다. 이 모델에 기반 하여 구현된 시스템을 통해 정보탐색 태스크 중 가장 높은 인지부담을 요구하는 탐험적 검색 환경 아래서의 실험을 수행하여 사용자 인지부담 절감 효과를 확인 할 수 있었으며, 향후 개인의 효과적인 정보 탐색을 위한 가치 있는 메타데이터로서의 활용이 기대된다.

• 인터넷정보학회논문지
• /
• 제22권6호
• /
• pp.141-150
• /
• 2021

인공지능(Artificial Intelligence) 기술을 활용하여 인공지능 기반의 전쟁 (AI-enabled warfare)가 미래전의 핵심이 될 것으로 예상한다. 자연어 처리 기술은 이러한 AI 기술의 핵심 기술로 지휘관 및 참모들이 자연어로 작성된 보고서, 정보 및 첩보를 일일이 열어확인하는 부담을 줄이는데 획기적으로 기여할 수 있다. 본 논문에서는 지휘관 및 참모의 정보 처리 부담을 줄이고 신속한 지휘결심을 지원하기 위해 언어 모델 기반의 다출처 정보 통합 (Language model-based Multi-source Information Integration, LAMII) 프레임워크를 제안한다. 제안된 LAMII 프레임워크는 자기지도 학습법을 활용한 언어 모델에 기반한 표현학습과 오토인코더를 활용한 문서 통합의 핵심 단계로 구성되어 있다. 첫 번째 단계에서는, 자기지도 학습 기법을 활용하여 구조적으로 이질적인 두 문장간의 유사 관계를 식별할 수 있는 표현학습을 수행한다. 두 번째 단계에서는, 앞서 학습된 모델을 활용하여 다출처로부터 비슷한 내용 혹은 토픽을 함양하는 문서들을 발견하고 이들을 통합한다. 이 때, 중복되는 문장을 제거하기 위해 오토인코더를 활용하여 문장의 중복성을 측정한다. 본 논문의 우수성을 입증하기 위해, 우리는 언어모델들과 이의 성능을 평가할 때 활용되는 대표적인 벤치마크 셋들을 함께 활용하여 이질적인 문장간의 유사 관계를 예측의 비교 실험하였다. 실험 결과, 제안된 LAMII 프레임워크가 다른 언어 모델에 비하여 이질적인 문장 구조간의 유사 관계를 효과적으로 예측할 수 있음을 입증하였다.