• 기록학연구
• /
• 제38호
• /
• pp.265-309
• /
• 2013

전자기록 환경을 맞이하여 필요한 기간 동안 장기적으로 전자기록을 보존하는 것은 시대적 화두로 부상하고 있다. 특히 전자기록이 지닌 본래의 기능적 속성 및 원래의 비트스트림을 유지하며 원래의 모습을 그대로 유지할 수 있는 방안은 전자기록의 장기보존을 위한 핵심 관건이 된다. 그동안 우리나라에서는 공공기록을 대상으로 마이그레이션 방식을 장기보존 전략으로 채택해 적용해 왔지만, 기능성 및 원래의 비트스트림을 원래 그대로 유지할 수 없다는 점에서 한계가 노정되어 왔다. 전자기록의 장기보존 전략으로서 에뮬레이션은 비트스트림의 변화 없이 전자기록의 원형을 그대로 재현할 수 있다는 점에서, 아울러 마이그레이션처럼 전자기록 유형별로 개별적인 전략을 적용할 필요 없이 일괄적인 보존전략을 구현할 수 있다는 점에서 상당한 강점을 지닌 보존전략이다. 특히 현재 우리나라 전자기록의 장기보존 포맷에서는 구현해 주지 못하는 전자기록의 기능적 구성요소를 재현해 줄 수 있다는 점에서, 현재 공공기관에 보유중인 전자기록 유형 조사를 기반으로 그 실현 방안을 연구할 필요가 있다. 이에 본고에서는 전자기록의 장기보존 전략으로서 에뮬레이션의 적용 방안을 모색하기 위한 기초 연구로 에뮬레이션에 관한 서구의 최신 연구 사례를 검토하고, 에뮬레이션의 타당성과 대상, 방법에 대한 구체적인 사례를 고찰하려고 한다. 이를 통해 에뮬레이션이 지닌 장단점과 더불어 국내 적용을 위한 시사점을 모색하고자 한다. 이를 위해 본고에서는 에뮬레이션의 개념과 함께 장기보존 전략으로서 에뮬레이션이 지닌 장단점을 분석한 다음, 에뮬레이션에 관한 서구의 최신 선진 사례로 CAMiLEON, KB, Planets, KEEP 프로젝트를 분석하였다. 이러한 분석을 기반으로 향후 우리나라 전자기록에 대한 시사점 및 적용 방향을 제시하고자 하였다.

• 인터넷정보학회논문지
• /
• 제23권5호
• /
• pp.145-154
• /
• 2022

자동 표적 인식(Automatic Target Recognition, ATR) 기술이 미래전투체계(Future Combat Systems, FCS)의 핵심 기술로 부상하고 있다. 그러나 정보통신(IT) 및 센싱 기술의 발전과 더불어 ATR에 관련이 있는 데이터는 휴민트(HUMINT·인적 정보) 및 시긴트(SIGINT·신호 정보)까지 확장되고 있음에도 불구하고, ATR 연구는 SAR 센서로부터 수집한 이미지, 즉 이민트(IMINT·영상 정보)에 대한 딥러닝 모델 연구가 주를 이룬다. 복잡하고 다변하는 전장 상황에서 이미지 데이터만으로는 높은 수준의 ATR의 정확성과 일반화 성능을 보장하기 어렵다. 본 논문에서는 이미지 및 텍스트 데이터를 동시에 활용할 수 있는 지식 그래프 기반의 ATR 방법을 제안한다. 지식 그래프와 딥러닝 모델 기반의 ATR 방법의 핵심은 ATR 이미지 및 텍스트를 각각의 데이터 특성에 맞게 그래프로 변환하고 이를 지식 그래프에 정렬하여 지식 그래프를 매개로 이질적인 ATR 데이터를 연결하는 것이다. ATR 이미지를 그래프로 변환하기 위해서, 사전 학습된 이미지 객체 인식 모델과 지식 그래프의 어휘를 활용하여 객체 태그를 노드로 구성된 객체-태그 그래프를 이미지로부터 생성한다. 반면, ATR 텍스트는 사전 학습된 언어 모델, TF-IDF, co-occurrence word 그래프 및 지식 그래프의 어휘를 활용하여 ATR에 중요한 핵심 어휘를 노드로 구성된 단어 그래프를 생성한다. 생성된 두 유형의 그래프는 엔터티 얼라이먼트 모델을 활용하여 지식 그래프와 연결됨으로 이미지 및 텍스트로부터의 ATR 수행을 완성한다. 제안된 방법의 우수성을 입증하기 위해 웹 문서로부터 227개의 문서와 dbpedia로부터 61,714개의 RDF 트리플을 수집하였고, 엔터티 얼라이먼트(혹은 정렬)의 accuracy, recall, 및 f1-score에 대한 비교실험을 수행하였다.