• Proceedings of the Korean Information Science Society Conference
• /
• 2005.11b
• /
• pp.898-900
• /
• 2005

강인한 행동 인식을 하기 위해서는 연속적인 전신 제스처 입력에서부터 의미 있는 부분만을 분할하는 기술이 필요하다. 하지만 의미 없는 행동을 정의하고, 모델링 하기 어렵기 때문에, 연속적인 행동에서 중요한 행동만을 분할한다는 것은 어려운 문제이다. 본 논문에서는 연속적인 전신 행동의 입력으로부터 의미있는 부분을 분할하고, 동시에 인식하는 방법을 제안한다. 의미 없는 행동을 제거하고, 의미 있는 행동만을 적출하기 위해 garbage 모델을 제안한다. 이 garbage 모델에 의해 의미 있는 부분만 HMM의 입력으로 사용되어지며, 학습되어진 HMM 중에서 가장 높은 확률 값을 가지는 모델을 선택하여. 행동으로 인식한다. 제안된 방법은 20명의 3D motion capture data와 Principal Component Analysis를 이용하여 생성된 80개의 행동 데이터를 이용하여 평가하였으며, 의미 있는 행동과, 의미 없는 행동을 포함하는 연속적인 제스처 입력열에 대해 $98.3\%$의 인식률과 $94.8\%$의 적출률을 얻었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.06a
• /
• pp.391-393
• /
• 2006

인터넷의 급속한 확산과 대량 정보의 이동은 문서의 요약을 더욱 필요로 하고 있다. 본 논문은 비음수 행렬 인수분해로(NMF, non-negative matrix factorization) 얻어진 비음수 의미 가변 행렬(NSVM, non-negative semantic variable matrix)을 이용하여 자동으로 포괄적 문서요약 하는 새로운 방범을 제안하였다. 제안된 방법은 인간의 인식 과정과 유사한 비음수 제약을 사용한다. 이 결과 잠재의미색인에 비해 더욱 의미 있는 문장을 선택하여 문서를 요약할 수 있다. 또한, 비지도 학습에 의한 문서요약으로 사전 전문가에 의한 학습문장이 필요 없으며, 적은 계산비용을 통하여 쉽게 문장을 추출할 수 있는 장점을 갖는다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2016.07a
• /
• pp.17-20
• /
• 2016

딥러닝 기법이 발달함에 따라 텍스트에 내재된 의미 및 구문을 어떠한 벡터 공간 상에 표현하기 위한 언어 모델이 활발히 연구되어 왔다. 이를 통해 자연어 처리를 기반으로 하는 감성 분석 및 문서 분류, 기계 번역 등의 분야가 진보되었다. 그러나 대부분의 언어 모델들은 텍스트에 나타나는 단어들의 일반적인 패턴을 학습하는 것을 기반으로 하기 때문에, 문서 요약이나 스토리텔링, 의역된 문장 판별 등과 같이 보다 고도화된 자연어의 이해를 필요로 하는 연구들의 경우 주어진 텍스트의 주제 및 의미를 고려하기에 한계점이 있다. 이와 같은 한계점을 고려하기 위하여, 본 연구에서는 기존의 LSTM 모델을 변형하여 문서 주제와 해당 주제에서 단어가 가지는 문맥적인 의미를 단어 벡터 표현에 반영할 수 있는 새로운 언어 학습 모델을 제안하고, 본 제안 모델이 문서의 주제를 고려하여 문장을 자동으로 생성할 수 있음을 보이고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2024.05a
• /
• pp.727-730
• /
• 2024

최근 딥러닝 기술이 급속히 발전하며 현대 사회의 다양한 응용분야에서 빠르게 적용되고 있다. 특히 영상 기반의 딥러닝 기술은 자연어 처리와 함께 인공지능 기술의 핵심 연구 분야로 많은 연구가 진행되고 있다. 논문에서는 최근 많은 연구가 진행되고 있는 영상의 의미적 분할 (Semantic Segmentation) 성능을 향상하기 위한 연구를 진행한다. 특히 모델에서 고정밀의 의미적 분할을 수행할 수 있도록 추가적인 정보로써 의사 깊이맵 (Pseudo Depth-Map)을 활용하는 방법을 제안하였다. 더불어, 의사 깊이맵을 모델 상에서 효과적으로 학습시키기 위하여 다중 디코더 모델과 학습 효율을 높이는 학습 스케줄링 전략을 제안한다. 의사 깊이맵과 다중 디코더 모델 기반의 제안 모델은 기존 의미적 분할 모델과 비교하여 iIoU 기준 2%의 성능 향상을 보였다.

• 한국어정보학회:학술대회논문집
• /
• 2017.10a
• /
• pp.116-121
• /
• 2017

cQA(Community-based Question Answering) 시스템은 온라인 커뮤니티를 통해 사용자들이 질문을 남기고 답변을 작성할 수 있도록 만들어진 시스템이다. 신규 질문이 인입되면, 기존에 축적된 cQA 저장소에서 해당 질문과 가장 유사한 질문을 검색하고, 그 질문에 대한 답변을 신규 질문에 대한 답변으로 대체할 수 있다. 하지만, 키워드 매칭을 사용하는 전통적인 검색 방식으로는 문장에 내재된 의미들을 이용할 수 없다는 한계가 있다. 이를 극복하기 위해서는 의미적으로 동일한 문장들로 학습이 되어야 하지만, 이러한 데이터를 대량으로 확보하기에는 어려움이 있다. 본 논문에서는 질문이 제목과 내용으로 분리되어 있는 대량의 cQA 셋에서, 질문 제목과 내용을 의미 벡터 공간으로 사상하고 두 벡터의 상대적 거리가 가깝게 되도록 학습함으로써 의사(pseudo) 유사 의미의 성질을 내재화 하였다. 또한, 질문 제목과 내용의 의미 벡터 표현(representation)을 위하여, semi-training word embedding과 CNN(Convolutional Neural Network)을 이용한 딥러닝 기법을 제안하였다. 유사 질문 검색 실험 결과, 제안 모델을 이용한 검색이 키워드 매칭 기반 검색보다 좋은 성능을 보였다.

• Annual Conference on Human and Language Technology
• /
• 2015.10a
• /
• pp.250-254
• /
• 2015

본 논문은 한국어 의미역을 정의하고, 기계학습에 기반하여 한국어 의미역 인식 기술을 개발할 때 필요한 학습 말뭉치를 구축할 때 지켜야할 가이드라인을 제시하고자 한다. 한국어 의미역 정의는 전세계적으로 널리 쓰이고 있는 Proposition Bank를 따르면서, 한국어의 특성을 반영하였다. 또한 정의된 의미역 및 태깅 가이드라인에 따라 반자동 태깅 툴을 이용하여 말뭉치를 구축하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.05a
• /
• pp.977-980
• /
• 2004

SCORM은 웹 환경에 존재하는 다양한 학습관리시스템 간에 표준화 된 컨텐츠 모델을 제시함으로써 학습 컨텐츠의 호환성을 보장하고 재사용성을 높이고자 하는 표준이다. 하지만 기존의 SCORM 기반학습관리시스템은 학습 리소스의 공유를 위한 기반은 제공하지만 학습 컨텐츠의 세부적인 학습 내용과 학습 문맥을 표현하고, 이를 공유할 수 있는 방안은 제시해 주지 못한다.본 논문에서는 지식 관리 기술인 시맨틱 웹의 RDF를 사용하여 학습 메타데이터를 표현하고, 이를 통합 관리할 수 있는 학습 메타 데이터 관리 서비스를 기존 학습관리시스템과 연동될 수 있는 모듈로서 제안한다. 또한 SCO에 포함될 수 있는 RDF기반 특징정보 파일을 정의하고, 저장된 학습 메타데이터를 SOAP 프로토콜을 통하여 외부 학습관리시스템과 공유할 수 있는 방안을 제시한다.이를 기반으로 교수자는 학습 주제와 관련된 컨텐츠를 검색하여 새로운 학습 컨텐츠를 제작 할 수 있으며, 학습자는 의미 기반 검색을 통하여 다양한 학습 컨텐츠와 능동적인 학습 환경을 체험 할 수 있다.

• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 2001.05a
• /
• pp.159-164
• /
• 2001

본 연구에서는 요즘 관심이 고조되고 있는 교수법 학습을 위한 웹-기반 학습시스템을 설계하고 구현하고자 한다. 웹-기반 학습시스템이란 시공간의 제약없이 웹에서의 교수-학습을 효율적이고 체계적으로 지원해주는 시스템을 의미한다. 이 시스템은 액티브 서버 페이지와 동적 웹 기술을 이용하여 학습자의 흥미를 유발시켜 자기 주도적인 학습을 유도하고, My Desk, 과제함, 토론방, 예약 면담시스템의 커뮤니티 등의 서비스를 제공하여 학습자와 교수자, 학습자와 학습자 사이의 상호작용을 지원한다.

• KIISE Transactions on Computing Practices
• /
• v.23 no.4
• /
• pp.226-231
• /
• 2017

Word representation, an important area in natural language processing(NLP) used machine learning, is a method that represents a word not by text but by distinguishable symbol. Existing word embedding employed a large number of corpora to ensure that words are positioned nearby within text. However corpus-based word embedding needs several corpora because of the frequency of word occurrence and increased number of words. In this paper word embedding is done using dictionary definitions and semantic relationship information(hypernyms and antonyms). Words are trained using the feature mirror model(FMM), a modified Skip-Gram(Word2Vec). Sense similar words have similar vector. Furthermore, it was possible to distinguish vectors of antonym words.

• 한국정보교육학회:학술대회논문집
• /
• 2009.08a
• /
• pp.213-219
• /
• 2009

정보사회와 함께 무선 인터넷이 발달하고 모바일 기기를 이용해 많은 정보들이 교류되면서 교육분야에서도 모바일기기 및 첨단 매체들이 활용되고 있다. 본 논문의 목적은 자폐아동의 의사소통 기능을 향상시키기 위하여 여러 논문을 성찰하여 강화된 환경중심 언어중재 (Enhanced Milieu Teaching : EMT)를 활용하여 의사소통을 신장시킬 수 있는 모바일 프로그램을 설계하였다. EMT는 아동의 기능적 의사소통을 촉진하는 환경 조절 전략과 상호작용을 촉진하는 반응적 상호전략을 결합하여 중재하는 것으로서 본 시스템의 특징은 다음과 같다. 첫째, 학교생활에서 의미있게 반복될 수 있는 5가지 상황을 주제 내용으로 선정하여 의사소통 목표어와 상황의 유기적인 관련성을 갖고 의사소통 능력을 학습하고 효과를 높일 수 있도록 설계하였다. 둘째, 시간과 공간의 제약을 벗어날 수 있는 모바일 시스템을 활용하여 무한하게 반복할 수 있음으로써 의사소통 목표어의 일반화에 도달할 수 있는 시간을 절약할 수 있다. 셋째, 학습자의 수준에 따른 개별적, 수준별 STEP을 제공하며, 의미 있는 상황을 통해 의사소통 목표어를 학습하게 되므로 자폐성 아동의 자발적 의사소통에도 긍정적인 영향을 제공할 수 있다.