• Proceedings of the Korean Information Science Society Conference
• /
• 2006.06a
• /
• pp.1-3
• /
• 2006

대사증후군은 당뇨병, 고혈압, 복부 비만, 고지혈증 등의 질병이 한 개인에게 동시에 발현하는 것을 말하며, 최근 경제여건의 향상 및 식생활 습관의 변화와 함께 우리나라에서도 심각한 문제가 되고 있다. 한편 불확실성의 처리를 위해 많이 사용되는 베이지안 네트워크는 사람이 분석 가능한 확률 기반의 모델로 최근 의학분야에서 질병의 진단이나 예측모델을 구성하기 위한 방법으로 유용하게 사용되고 있다. 베이지안 네트워크의 구조를 학습하는 대표적인 알고리즘인 K2 알고리즘은 속성이 입력되는 순서의 영향을 받으며, 따라서 이 또한 하나의 주제로써 연구되어 왔다. 본 논문에서는 유전자 알고리즘을 이용하여 베이지안 네트워크에 입력되는 속성 순서를 최적화하며 이 과정에서 의학지식을 적용해 효율적인 최적화가 가능하도록 하였다. 제안하는 모델을 통해 1993년의 데이터를 가지고 1995년의 상태를 예측하는 분류 실험을 수행한 결과 속성 순서 최적화 후에 이전보다 향상된 예측율을 보였으며 또한 다층 신경망, k-최근접 이웃 등을 이용한 다른 모델보다 더 높은 예측율을 보였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.04a
• /
• pp.427-429
• /
• 2001

인터넷을 기반으로 시스템의 규모가 점차 커짐에 따라 연합된 시스템으로 변화되고 있으며, 더 나아가서는 이러한 분산 시스템들이 모여 보다 광범위한 광역 분산처리 환경을 조성하고 있다. 이러한 환경을 이루어 수많은 객체들은 이름이나 속성에 의해 다양한 중복된 성질을 갖는다. 일반적인 객체들을 찾는 방법으로 객체의 이름에 따른 서비스가 대부분이다. 그러나 점차 객체가 갖는 서비스 내용(속성)을 이용하여 객체를 검색하는 메커니즘의 필요성이 높아지고 있다. 광역 분산처리 환경에서는 객체가 갖는 이름과 속성에 따라 네이밍과 트레이딩 기능을 모두 사용하여 사용자에게 투명한 서비스를 제공해야 한다. 따라서 본 논문에서는 광역 분산 환경에서 네이밍과 트레이딩 서비스의 기능을 혼합한 바인딩 서비스 모델을 제시한다. 이는 이름과 속성기반의 단일 객체뿐만 아니라 중복객체의 효과적인 탐색과 바인딩시 부하분배를 꾀하여 네트워크 상의 부하 균형화를 유지하도록 한다. 이를 위해, 먼저 분산 객체에 대한 모델을 제시하고, 이들을 바인eld 처리 방안 그리고 연합을 위한 모델을 보인다.

• Journal of the Korean Home Economics Association
• /
• v.40 no.12
• /
• pp.63-83
• /
• 2002

본 연구는 미국 소비자들이 지각한 온라인 쇼핑속성에 대한 차원을 밝히고. 온라인 속성에 대한 중요성과 상품범주별 구매의도와의 관계를 밝혀 상품범주별 마케팅 전략과 인터넷 소비자 관리 및 교육 프로그램 개발에 기여하고자 하였다. 조사대상자는 가정에서 인터넷을 사용하고 있는 미국 소비자 303 명으로 구성되었으며, 질문지법에 의해 자료 수집되었다. 자료분석을 위해 탐색적 요인분석을 실행하였고, LISREL8에 의해 측정모델과 구조적 관계 모델을 동시에 검증하였다. 자료 분석결과를 요약하면 다음과 같다. 첫째, 소비자가 지각한 온라인 쇼핑에 대한 속성은 거래 및 비용, 사이트 디자인, 구매유인 프로그램, 상호 관계성의 4개 차원으로 분류되었다. 둘째, 온라인 상품은 구매의도에 따라 인지적 상품, 경험적 상품, 서비스 3개 범주로 분류되었다. 셋째, 지각된 온라인 쇼핑속성의 중요도와 각상품군 구매의도와의 구조적 관계모델을 추정한 결과,“거래 및 비용”은 3개의 상품군에 대한 구매의도에 모두 유의한 영향을 주었으며,“구매유인 프로그램”은 경험적 상품과 서비스에 대한 구매의도에 유의한 영향을 미쳤다. 따라서, 소비자들에게 중요하게 지각되는 인터넷 특정 속성 즉, 보완, 배달 및 비용을 초점으로한 상품범주별 차별화된 이점을 제시하여 효과적인 마케팅 전략을 수립해야 할 것이다. 또한, 전자 상거래와 관련 보완, 환불정책 등에 관한 소비자 교육과 보호법이 요구되고 있다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04b
• /
• pp.235-237
• /
• 2004

본 논문은 객체 데이터베이스 속성을 적용하여 데이터베이스 스키마를 생성하고 XML문서를 저장하는 기법을 제안한다 기존의 관계형 데이터베이스는 트리 기반의 XML 문서를 플랫한 테이블에 저장하므로 모델 불일치 문제가 발생한다. 또한, 문서를 검색할 때 고비용의 조인 연산이 필요하다. 하지만 객체 데이터베이스의 집합값 속성과 객체참조 속성은 트리 기반의 IDA 문서를 저장할 때 모델 측면에서 자연스럽다. 집합간 속성과 객체참조 속성은 Uを질의에 자주 사용되는 경로질의 및 순서를 이용하는 질의를 처리할 때게도 유리하다. 본 논문에서는 객체 데이터베이스의 집합값 속성과 객체참조 속성을 이용하여 XML 문서를 저장하기 위한 2가지의 DTD의존적 스키마 설계 기법인 i) 기본 규칙, ii) 인라인 규칙을 제시한다. 다양한 XML 문서에 대해 각각의 규칙에 따른 클래스 수, 저장 공간, 그리고 질의처리 시간을 비교 분석하였다.

• Annual Conference on Human and Language Technology
• /
• 2023.10a
• /
• pp.50-55
• /
• 2023

속성 기반 감정 분석은 텍스트 내에서 감정과 해당 감정이 특정 속성, 예를 들어 제품의 특성이나 서비스의 특징에 어떻게 연결되는지를 분석하는 태스크이다. 본 논문에서는 속성 기반 감정 분석 데이터를 사용한 다중 작업-토큰 레이블링 문제에 프롬프트 튜닝 기법을 적용하기 위한 포괄적인 방법론을 소개한다. 이러한 방법론에는 토큰 레이블링 문제를 시퀀스 레이블링 문제로 일반화하기 위한 감정 표현 영역 검출 파이프라인이 포함된다. 또한 분리된 시퀀스들을 속성과 감정에 대해 분류 하기 위한 템플릿을 선정하고, 데이터셋 특성에 맞는 레이블 워드를 확장하는 방법을 제안함으써 모델의 성능을 최적화한다. 최종적으로, 퓨샷 세팅에서의 속성 기반 감정 분석 태스크에 대한 몇 가지 실험 결과와 분석을 제공한다. 구축된 데이터와 베이스라인 모델은 AIHUB(www.aihub.or.kr)에 공개되어 있다.

• Journal of KIISE:Software and Applications
• /
• v.31 no.10
• /
• pp.1386-1399
• /
• 2004

This paper presents correlation-based automatic image captioning. Given a training set of annotated images, we want to discover correlations between visual features and textual features, so that we can automatically generate descriptive textual features for a new unseen image. We develop models with multiple design alternatives such as 1) adaptively clustering visual features, 2) weighting visual features and textual features, and 3) reducing dimensionality for noise sup-Pression. We experiment thoroughly on 10 data sets of various content styles from the Corel image database, about 680MB. The major contributions of this work are: (a) we show that careful weighting visual and textual features, as well as clustering visual features adaptively leads to consistent performance improvements, and (b) our proposed methods achieve a relative improvement of up to 45% on annotation accuracy over the state-of-the-art, EM approach.

• Journal of the Korea Convergence Society
• /
• v.10 no.2
• /
• pp.1-6
• /
• 2019

The proposed model is developed to minimize the loss of information in incomplete data including missing data. The first step is to transform the learning data to compensate for the loss information using the data extension technique. In this conversion process, the attribute values of the data are filled with binary or probability values in one-hot encoding. Next, this conversion data is input to the deep learning model, where the number of entries is not constant depending on the cardinality of each attribute. Then, the entry values of each attribute are assigned to the respective input nodes, and learning proceeds. This is different from existing learning models, and has an unusual structure in which arbitrary attribute values are distributedly input to multiple nodes in the input layer. In order to evaluate the learning performance of the proposed model, various experiments are performed on the missing data and it shows that it is superior in terms of performance. The proposed model will be useful as an algorithm to minimize the loss in the ubiquitous environment.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10d
• /
• pp.304-306
• /
• 2002

인터넷은 이미 생활의 한 부분이 되었으며 그 중에서 인터넷을 통한 전자상거래가 활발히 진행되고 있다. 그러나 현재의 전자상거래는 판매자가 일방적으로 제시하는 조건(가격)에 구매자는 단순히 거래를 하거나, 제시된 조건을 비교하여 보다 더 좋은 조건을 찾는 수준에 머물러 있으나 향후 전자상거래는 어느 한쪽의 일방적 제시가 아닌 서로의 이익을 최대화 할 수 있는 협상(negotiation)이 필수적이다. 본 논문은 시간제약 환경에서 다중속성을 이용한 협상 모델을 제안하며, 협상에서 고려되는 다중 속성들에 대해 각 에이전트들의 속성 값 변경과 서로의 제안 값 선택 전략을 제시하게 되고, 동일한 형태의 협상 메커니즘별로 두 에이전트간의 협상을 통해 제안한 협상 모델을 평가 한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06c
• /
• pp.139-141
• /
• 2012

이 논문에서는 한국인 급성심근경색증 환자에 대한 KAMIR 데이터를 기반으로 ST분절상승 심근경색이 처음 발병한 환자의 사망에 영향을 미치는 위험요소들을 찾고, 이를 기반으로 ST분절상승 급성심근경색환자의 1년 이내 사망을 예측하는 모델을 제시한다. 총 22개의 속성 중에서 속성 선택 알고리즘을 적용한 결과 나이, 심장박출계수, 크레아티닌, 고감도 C-반응성 단백질 등 4개의 속성이 선택되었고, 이 속성들을 이용하여 더욱 정확한 예측 모델을 구축할 수 있었다. 제시된 모델을 통해서 고위험군 환자의 위험성을 평가하고 예후를 추정할 수 있을 것으로 기대한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2018.10a
• /
• pp.648-651
• /
• 2018

흡연여부를 감별하는 지표가 있지만 반감기 등 여러 가지 요인에 따라 결과가 변한다는 단점이 있다. 그렇기 때문에 흡연여부 감별 시 외부요인에 영향을 덜 받는 지표가 필요하게 되었다. 그래서 흡연 여부 감별하는데 적합한 모형을 찾아 외부요인에 영향이 적은 지표를 개발에 도움이 될 것을 기대하며 연구를 진행하였다. 실험은 국민건강보험공단에서 제공한 건강검진정보데이터를 기반으로, SVM, Logistic Regression, KNN 등의 머신러닝 모델을 이용하여 흡연 여부를 감별하는 것을 진행한다. 이 실험은 속성에 따른 모형의 성능변화와 학습데이터 수에 따른 모형의 성능변화에 대한 2가지 측면에서 모델의 성능을 측정하였다. 모델의 평가는 정확도(accuracy), 정밀도(precision), 재현율(recall), 조화 평균(f1-score)으로 진행하였으며, 약 70퍼센트 정도의 정확도와, 60퍼센트 대의 재현율을 보인다. 실험 결과, SVM이 속성에 따른 모형의 성능 변화 실험에서는 63%의 재현율, 학습데이터 수에 따른 성능 변화 실험에서는 68%의 재현율을 보여, 흡연자 판별에 가장 좋은 성능을 보였다. 또한 재현율을 기준으로 실험 차수별로 가장 좋은 성능을 보인 모델과 가장 저조한 성능을 보인 모델의 차이를 비교한 결과, '속성에 따른 모형의 성능 변화 실험'에서는 최고 36%의 차이를 보였으며, '학습데이터 수에 따른 성능 변화 실험'에서 최고 42%의 차이를 보여 주었다. 이에 판별을 위한 속성도 중요하지만, 적합한 모형 선택 또한 중요하다는 것을 확인하였다.