• 정보과학회 논문지
• /
• 제42권12호
• /
• pp.1568-1574
• /
• 2015

본 논문은 자연언어 문장을 지식베이스의 지식 골격에 맞추어 지식의 형태로 변환하기 위한 과정 중의 하나인 관계추출(Relation Extraction)을 목표로 한다. 특히, 문장 내에 있는 서술어(Predicate)에 집중하여 서술어와 관련성 높은 지식베이스 프로퍼티(Property or Relation)를 찾아내고, 이를 통해 두 개체(Entity)간의 의미를 파악하는 관계추출에 초점을 둔다. 이에 널리 활용되는 원격지도학습(Distant Supervision) 접근 방식에 따라, 지식베이스와 자연언어 텍스트로부터 원격 학습이 가능한 레이블(Labeled) 데이터를 자동으로 마련하여 지식베이스 프로퍼티에 대한 어휘화 작업을 수행한다. 즉, 두 개체 사이의 관계로 표현되는 서술어와, 온톨로지로 정의할 수 있는 프로퍼티와의 연결을 통해, 텍스트로부터 구조적 정보를 생성할 수 있는 기반을 마련하고 최종적으로 지식베이스 확장의 가능성을 열어준다.

• 정보관리학회지
• /
• 제5권1호
• /
• pp.131-152
• /
• 1988

본 연구에서는 컴퓨터를 이용하는 탐색 시스템에서 탐색 용어와 관련된 제한점을 해결하고자 의미 네트워크 모델에 지식 베이스를 설계하였다. 이것은 탐색 전략에서 주제분 야의 용어 및 용어간의 어의적 관계에 대한 지식을 확장 이용하였을 때 검색의 효율을 높이 는 데에 촛점을 두었다. 이를 위해서 정보의 탐색과 지식 표현에 관한 문헌 연구를 하였으 며, 실제로 한글 문헌의 화학 공학분야에서 색인어 실험을 통하여 '유체의 흐름'과 '연소'에 관한 지식 베이스를 구성하였다. 탐색 방법은 두가지로 구분되었는데 용어에 관한 탐색과 질문식과 관련된 문헌 검색으로 실시되었다.

• 정보과학회지
• /
• 제34권8호
• /
• pp.17-24
• /
• 2016

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2006년도 제18회 한글 및 한국어 정보처리 학술대회
• /
• pp.197-204
• /
• 2006

인터넷 쇼핑몰 분야에서 한국어 인터페이스에 대한 필요성이 대두되면서 이와 관련한 연구가 진행되어 왔다. 이러한 기존 연구들의 문제점은 다른 응용 분야에 대한 확장성이 떨어지고, 대화식 질의 문장을 처리하기 위해 필요한 상황 지식을 사용할 수 없다는 것이다. 확장성을 위해 한국어 인터페이스는 내부 구현의 변경 없이 도메인 지식의 교체만으로 다른 분야에 대한 적용이 쉬워야 한다. 아울러, 한국어 질의 문장을 SQL이나 ACL과 같은 여러 응용 분야의 인공 언어에 쉽게 변환할 수 있으려면 모호성이 전혀 없는 의미 구조로 표현되어야 한다. 이렇게 표현된 의미 구조는 상황 지식의 표현과 적용을 용이하게 한다. 본 논문은을 Sowa의 개념 구조를 이용하여 의사 의미 구조를 유형 정의, 관계형 정의, 액터와 같은 도메인 지식베이스를 이용하여 표준 의미 구조로 변환하는 시스템을 제안한다. 본 논문은 먼저 필요한 도메인 지식베이스의 종류와 역할 등을 설명하고, 상황 지식을 이용하여 불완전한 의미 구조를 완전한 의미 구조로 변환하는 방법을 보인다. 아울러, 같은 의미를 갖는 여러 형태의 의사 의미 구조가 하나의 표준 의미 구조로 변환됨으로서 시스템의 일관성을 유지하는데 용이함을 보일 것이다. 본 시스템에서 생성한 의미구조는 중간 언어의 역할을 하므로, 제안하는 한국어 인터페이스 시스템은 데이터베이스 분야뿐만 아니라 에이전트 분야, 시맨틱 웹 분야 등에서도 손쉽게 적용할 수 있다는 장점을 가진다.

• 정보관리학회지
• /
• 제6권2호
• /
• pp.87-103
• /
• 1989

온라인목록은 최소한 카드목록이 제공해주는 접근방식을 지원해 주어야 한다. 본 연구에서는 온라인목록 검색환경에서 주제접근의 유용성을 논하고, 기존 이용자들에게 익숙한 접근방식인 분류표 접근을 구현하기 위하여 분류표를 프레임구조의 지식베이스로 설계하였다. 지식베이스는 DDC20 판의 새로 추가된 전산과학 분야에 해당되는 004-006 번의 주제영역과 상관색인 부분을 대상으로 실험하였다. 이 시스템은 이용자로 하여금 원하는 주제영역의 분류표에 접근하게 함으로써 그 분야의 체계적인 기념배열을 살펴 볼 수 있게 하고 관련분야의 문헌을 검색할 수 있게 하였다. 이러한 작업은 모두 이용자의 검색능력을 확장시키기 위한 것으로 분류표를 출력하여 봄으로써 이용자는 해당 주제의 분류영역에 대한 보다 확실한 개념 및 범위 파악이 가능하였다.

• 한국시뮬레이션학회논문지
• /
• 제2권1호
• /
• pp.23-30
• /
• 1993

본 연구에서는 시뮬레이션을 통한 지식의 자동 획득(Simulation-Based Automatic Knowledge Acquistion) 가능성을 제시한다. 이을 위한 작업 단계는 다음과 같다. 첫째, 지식 제공자에 의한 대상(domain) 관련 초기 인과 관계 정보 입력 단계, 둘째 경험 베이스 탐색에 의한 확장된 정보 생성 단계, 세 번째로 생성되어진 정보를 사용하여 대상 반영 모델을 구축하는 단계, 네 번째로 구축된 모델을 시뮬레이션하고 수행 결과의 분석을 통해 새로운 지식을 획득하는 단계로 구성된다. 제안된 지식 획득 방법은 ,대상에 관계된 개념과 개념들의 인과 관계를 바탕으로 모델을 자동 생성하여 이를 지식 획득 표현틀로 이용하는 유연한 구조를 사용하였고, 또한 생성된 모델의 시뮬레이션 결과를 분석함에 의해 새로운 지식을 획득함으로써 획득된 지식이 동적 세계를 잘 반영할 있도록 하였다.

• 한국인지과학회:학술대회논문집
• /
• 한국인지과학회 2005년도 춘계학술대회
• /
• pp.171-176
• /
• 2005

본 논문에서는 진단시스템의 추론성능을 향상시키기 위한 방법으로서, 사례 기반 추론을 통해서 규칙 기반 추론의 단점을 보완하여 성능을 향상시키는 혼합형 추론 모델을 제안한다. 본 모델의 특징은 규칙 기반 추론의 확장성 문제와 규칙화 할 수 없는 예외적인 상황에 대한 문제점을 사례 기반 추론에서 사례로 저장하여 규칙 기반 추론의 단점을 보완하는데 있다. 이런 두 모델의 문제점을 해결하는 과정은 첫째로, 문제에 따라 규칙기반추론 모듈의 베이스를 통해서 적절한 규칙을 적용 후 추론을 적용하여 근접한 해를 얻어낸다. 두 번째로, 규칙베이스에 저장되어 있지 않은 문제에 대해서는 사례 라이브러리를 검색하고 유사성 검사를 통해서 저장된 사례를 찾아 입력된 사례에 적용하여 문제를 해결한다. 셋째로, 해결된 문제에 대해서 수정작업을 통해 사례 라이브러리를 확장한다. 이와 같이 세 과정을 통해 본 논문에서 제안하는 방법론의 성과를 측정하기 위하여 정비 메뉴얼을 규칙화하여 규칙베이스를 구축하였고 전문가들의 경험적인 지식에 대해서는 사례라이브러리로 구축하였다. 또한 지식베이스를 통해서 진단을 수행하고 해결된 문제에 대해서 정확도 검사를 통해 진단의 정확성을 측정하여 혼합형추론엔진의 성능을 검증하였다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 1989년도 한글날기념 학술대회 발표논문집
• /
• pp.247-251
• /
• 1989

본 논문은 한국어를 대상으로 하는 자연언어 처리 시스템을 개발하는데 있어서 기초가 되는 지식베이스의 구축에 대하여 논한다. 한국어의 일반문에서 단문을 분리해 내기 위하여 형태소 해석의 결과로부터 도출한 구 단위를 한-일 기계번역 시스템의 구문, 의미 해석기(VCPN) 을 적용하여 절단위로 결합한다. 그리고 이들 단위절에 대하여 대명사의 조응관계, 생략에의 재생을 위한 추론, 부정어, 시제일치 등을 처리하여 논리적 지식베이스를 구성하는 방법을 제안한다. 본 논문은 입력문장에 제한을 두지 않고 단문으로부터 장문에 이르기까지 광범위한 일반문을 대상으로 하여 Horn Clause 이론을 확장한다.

• 정보과학회지
• /
• 제34권9호
• /
• pp.39-46
• /
• 2016

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제5권11호
• /
• pp.549-554
• /
• 2016

컨셉넷은 일반상식을 노드(개념)와 에지(관계)로 표현해 놓은 그래프 형태의 지식 베이스이다. 완전한 지식 베이스를 구축하는 것은 매우 어려운 문제이기 때문에 지식 베이스는 미완결된 형태의 데이터를 담고 있는 경우가 많다. 불완전한 지식을 담고 있는 지식 베이스로부터의 추론 결과는 신뢰하기 어렵기 때문에 지식의 완결성을 높이기 위한 방법이 필요하다. 본 논문에서는 신경 텐서망을 이용하여 컨셉넷의 지식 미완결성 문제를 완화해 보고자 한다. 컨셉넷에서 추출한 사실주장(assertion)을 이용하여 신경 텐서망을 학습시킨다. 학습된 신경 텐서망은 두 개의 개념 정보를 입력으로 받고, 그 두 개념이 특정 관계로 연결될 수 있는지를 나타내는 점수값을 출력한다. 이와 같이 신경 텐서망은 노드들의 연결 차수(degree)를 높여, 컨셉넷의 완결성을 증대시킬 수 있다. 본 연구에서 학습시킨 신경 텐서망은 평가데이터에 대해서 약 87.7%의 정확도를 보였다. 또한 컨셉넷에 연결이 없는 노드 쌍에 대하여 85.01%의 정확도로 새로운 관계를 예측할 수 있었다.