• Journal of the Korean Society for Precision Engineering
• /
• v.22 no.1
• /
• pp.7-13
• /
• 2005

• Proceedings of the Korea Information Processing Society Conference
• /
• 2003.05c
• /
• pp.1761-1764
• /
• 2003

샤모아 프레임워크(Chamois Framework)는 독특한 컴포넌트를 지니고 있는 새로운 지식공학 프레임 워크이다. 이러한 대용량의 데이터 소스로부터 의미 있는 지식을 추출하는 지식공학 시스템에서 소스 데이터의 품질을 보장하는 일은 매우 중요하다. 본 논문에서는 데이터의 품질 측정 도구인 DAQUM(DAta OUality Measurement) 컴포넌트의 설계 및 구현에 관한 주요 내용을 기술하고, 컴포넌트 기반의 구조를 가지는 샤모아 프레임워크에서 DAQUM의 역할 및 동작에 대해 기술한다.

• The Magazine of the IEIE
• /
• v.30 no.10
• /
• pp.1089-1096
• /
• 2003

• The Magazine of the IEIE
• /
• v.15 no.3
• /
• pp.1-6
• /
• 1988

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.11a
• /
• pp.156-159
• /
• 2012

최근 모바일 기기의 발달로 모바일 환경에서도 예약 서비스를 이용할 수 있다. 모바일 예약 시스템은 서버와 사용자간에 예약 정보 데이터를 일관성 있게 유지하여 사용자에게 실시간 예약 현황을 제공해야 한다. 현재 모바일 예약 시스템은 어플리케이션을 기반으로 서비스를 제공하고 있고, 웹 서비스와 같이 요청 대 응답 방식으로만 데이터를 처리하기 때문에 사용자가 요청하지 않으면 변화된 데이터를 알 수 없다는 문제점이 있다. 이는 데이터 일관성의 문제로 연결되어 사용자에게 실시간으로 예약 현황을 제공하지 못하게 된다. 이러한 문제점을 해결하기 위해 본 논문에서는 모바일 예약 시스템에서 스트리밍 방식을 개선한 Push를 통해 데이터 일관성을 유지하는 동기화 메커니즘을 제안한다.

• Annual Conference on Human and Language Technology
• /
• 2019.10a
• /
• pp.272-275
• /
• 2019

단어 중의성 해소 방법은 지식 정보를 활용하여 문제를 해결하는 지식 기반 방법과 각종 기계학습 모델을 이용하여 문제를 해결하는 지도학습 방법이 있다. 지도학습 방법은 높은 성능을 보이지만 대량의 정제된 학습 데이터가 필요하다. 반대로 지식 기반 방법은 대량의 정제된 학습데이터는 필요없지만 높은 성능을 기대할수 없다. 최근에는 이러한 문제를 보완하기 위해 지식내에 있는 정보와 정제된 학습데이터를 기계학습 모델에 학습하여 단어 중의성 해소 방법을 해결하고 있다. 가장 많이 활용하고 있는 지식 정보는 상위어(Hypernym)와 하위어(Hyponym), 동의어(Synonym)가 가지는 의미설명(Gloss)정보이다. 이 정보의 표상을 기존의 문장의 표상과 같이 활용하여 중의성 단어가 가지는 의미를 파악한다. 하지만 정확한 문장의 표상을 얻기 위해서는 단어의 표상을 잘 만들어줘야 하는데 기존의 방법론들은 모두 문장내의 문맥정보만을 파악하여 표현하였기 때문에 정확한 의미를 반영하는데 한계가 있었다. 본 논문에서는 의미정보와 문맥정보를 담은 단어의 표상정보를 만들기 위해 구문정보, 의미관계 그래프정보를 GCN(Graph Convolutional Network)를 활용하여 임베딩을 표현하였고, 기존의 모델에 반영하여 문맥정보만을 활용한 단어 표상보다 높은 성능을 보였다.

• Annual Conference on Human and Language Technology
• /
• 2018.10a
• /
• pp.425-429
• /
• 2018

지식 그래프는 많은 수의 개채와 이들 사이의 관계를 저장하고 있기 때문에 많은 연구에서 중요한 자원으로 활용된다. 최근에는 챗봇과 질의응답과 같은 연구에서 자연어 생성을 위한 연구에 활용되고 있다. 특히 자연어 생성에서 최근 발전 된 심층 신경망이 사용되고 있는데, 이러한 방식은 모델 학습을 위한 많은 양의 데이터가 필요하다. 즉, 심층신경망을 기반으로 지식 그래프에서 문장을 생성하기 위해서는 많은 트리플과 문장 쌍 데이터가 필요하지만 학습을 위해 사용하기엔 데이터가 부족하다는 문제가 있다. 따라서 본 논문에서는 데이터 부족 문제를 해결하기 위해 핵심어 시퀀스를 추출하여 학습하는 방법을 제안하고, 학습된 모델을 통해 트리플을 입력으로 하여 자연어 문장을 생성한다. 부족한 트리플과 문장 쌍 데이터를 대체하기 위해 핵심어 시퀀스를 추출하는 모듈을 사용해 핵심어 시퀀스와 문장 쌍 데이터를 생성하였고, 순환 신경망 기반의 인코더 - 디코더 모델을 사용해 자연어 문장을 생성하였다. 실험 결과, 핵심어 시퀀스와 문장 쌍 데이터를 이용해 학습된 모델을 이용해 트리플에서 자연어 문장 생성이 원활히 가능하며, 부족한 트리플과 문장 쌍 데이터를 대체하는데 효과적임을 밝혔다.

• 프린팅코리아
• /
• s.24
• /
• pp.144-147
• /
• 2004

오늘날 우리네 일상은 과학기술로 구성되거나 매개된다. 정보처리기술, 유전공학기술 등 과학기술이 급속하게 혁신됨으로써 새로운 지식정보가 쏟아져 나오고 있다. 그러나 기술문명이 발전할수록 물질적인 풍요는 늘어날지 모르지만 정작 우리의 삶은 점전 불안하고 위태롭고 피폐해지는 상황이 전개되고 있다. 새로운 지식정보를 기반으로 현대사회가 날로 복잡해지고 있으며, 인간의 삶의 질을 위협하는 위험요소가 빠른 속도로 증가하고 있는 것이다. 비행기 사고, 건물 붕괴 및 화재, 도시가스 폭발 등 공학 시설에서의 대형사고, 교통사고와 환경오염, 지하철 안전사고, 식품 및 의약품 위해성, 핵발전소 누출과 화학공장의 폭발위험, 유전공학에 의한 생명조작 등은 끊임없이 우리의 삶을 위협하고 있다.

• Proceedings of the Korean Society for Bioinformatics Conference
• /
• 2002.06a
• /
• pp.123-137
• /
• 2002

생물정보공학을 위한 학문적/실용적 접근은 전산학, 생물학, 유전공학, 수학/통계학등이 유기적으로 통합되어 이루어져야 한다. 그러나 각계의 전문가가 서로의 특정 지식을 활용하기 위한 물리적인 기반이 갖추어져 있지 않은 상태에서는 각 분야의 전문적 지식 활용이 용이하지 않다. 현재의 의료 서비스 제공자/병원이 가진 방대한 의료 데이터를 생물정보공학 령역에서 활용할 수 있도록 해야 하고, 진료 데이터에 근거한 유전적 정보 분석을 위해 생물학 전문가들이 생성하는 인간 질병에 관한 유전적 분석, 연구 결과를 다시 의료 서비스 제공자에게 돌려주는 순환적 사이클이 필요하고, 이러한 순환적 사이클 지원자는 정보 기술이라고 생각한다. 인간 질병 극복과 좀 더 나은 진료, 예방책을 제공할 수 있도록 생물정보공학, 의료정보학, 컴퓨터과학의 통합 활용 목표를 설정할 수 있다. 각계의 전문가가 지식을 공유할 수 있고 기존의 병원 시스템 및 유전 연구소 등의 시스템을 통합하여 유기적으로 엮음으로써 데이터를 의미 있게 해석하고 공유할 수 있도록 지원하는 프레임워크가 절실히 요구된다. 본 세미나에서는 의료정보학과 생물정보공학에서 활용하는 시스템 통합, 전문 지식의 통합적 활용을 위해 각 전문가를 대신하는 에이전트로 구성된 멀티에이전트 플랫폼을 제시하여, 각 분야가 갖는 전문성 확보, 광고, 유기적 연결을 멀티에이전트 시스템에게 위임함으로써 각 영역에서 서비스 할 수 있는 내용과 서비스 제공 주체인 각계의 전문가 집단을 유기적으로 통합하고자 한다. 의료 영역에서 이루어진 의료 영상 통신 시스템 (Picture Archiving and Communication Systems), 의료 정보 표준화를 위한 HL7 (Health Level 7)에 대해서 경북대학교 지능정보 연구실에서 연구, 개발한 내용을 발표한다. 의료 정보 시스템과 생물학 영역의 유전체 정보 데이터베이스 시스템 사이에 의미 있는 데이터 전송, 지식 획득을 위해 정보 기술 분야에서 활용해야 할 영역으로 XML Web Services, Multi-agent Systems, 전문가 컴뮤니티를 위한 그룹웨어 연구 개발에 관해 사례 중심으로 발표한다.

• Annual Conference on Human and Language Technology
• /
• 2017.10a
• /
• pp.111-115
• /
• 2017

목적 지향적 대화 시스템(Goal-oriented dialogue system) 은 텍스트나 음성을 통해 특정한 목적을 수행 할 수 있는 시스템이다. 최근 RNN(recurrent neural networks)을 기반으로 대화 데이터를 end-to-end learning 방식으로 학습하여 대화 시스템을 구축하는데에 활용한 연구가 있다. End-to-end 방식의 학습은 도메인에 대한 지식 없이 학습 데이터 자체만으로 대화 시스템 구축을 위한 학습이 가능하다는 장점이 있지만 도메인 지식을 학습하기 위해서는 많은 양의 데이터가 필요하다는 단점이 존재한다. 이에 본 논문에서는 도메인 특정 지식을 결합하여 end-to-end learning 방식의 학습이 가능한 Hybrid Code Network 구조를 기반으로 한국어로 구성된 식당 예약에 관련한 대화 데이터셋을 이용하여 식당 예약을 목적으로하는 대화 시스템을 구축하는 방법을 제안한다. 실험 결과 본 시스템은 응답 별 정확도 95%와 대화 별 정확도 63%의 성능을 나타냈다.