• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제24권3호
• /
• pp.113-121
• /
• 2018

포지션 인코딩은 문장 내 등장하는 단어의 위치에 따라 가중치를 적용하는 방법이다. 포인터 네트워크는 입력열에 대응되는 위치를 출력하는 딥 러닝 모델이며, 상호참조해결에 적용될 수 있다. 그러나 포인터 네트워크는 입력열의 길이가 긴 경우에 성능이 저하되는 문제가 있다. 이러한 문제를 해결하기 위하여 본 논문에서는 포지션 인코딩과 동적 포지션 인코딩을 포인터 네트워크에 적용할 것을 제안하고, Encoder RNN의 레이어를 더 깊게 쌓아 높은 수준으로 추상화할 것을 제안하며, 이를 이용한 상호참조해결 모델을 제안한다. 실험 결과, 본 논문에서 제안한 포지션 인코딩 기반 스택 포인터 네트워크 모델이 기존의 포인터 네트워크 모델보다 6.01% 향상된 CoNLL F1 71.78%의 성능을 보였다.

• 한국융합학회논문지
• /
• 제12권11호
• /
• pp.69-80
• /
• 2021

딥러닝 모델을 활용한 인공신경망 기계번역 (Neural machine translation)이 주류 분야로 떠오르면서 최고의 성능을 위해 모델과 데이터 언어 쌍에 대한 많은 투자와 연구가 활발하게 진행되고 있다. 그러나, 최근 대부분의 인공신경망 기계번역 연구들은 번역 문장의 품질을 극대화하는 자연어 생성을 위한 디코딩 전략 (Decoding strategy)에 대해서는 미래 연구 과제로 남겨둔 채 다양한 실험과 구체적인 분석이 부족한 상황이다. 기계번역에서 디코딩 전략은 번역 문장을 생성하는 과정에서 탐색 경로를 최적화 하고, 모델 변경 및 데이터 확장 없이도 성능 개선이 가능하다. 본 논문은 시퀀스 투 시퀀스 (Sequence to Sequence) 모델을 활용한 신경망 기반의 기계번역에서 고전적인 그리디 디코딩 (Greedy decoding)부터 최신의 방법론인 Dynamic Beam Allocation (DBA)까지 비교 분석하여 디코딩 전략의 효과와 그 의의를 밝힌다.

• 한국멀티미디어학회논문지
• /
• 제10권5호
• /
• pp.642-651
• /
• 2007

최근 e-러닝 산업 및 기술에서 큰 화두는 디지털 융합화 현상이라고 할 수 있으며, 이러한 융합화 시대를 향한 진화의 핵심적인 요구사항은 OSMU(One Source Multi Use)이다. 그러나 기존 웹 기반의 e-러닝 환경에 존재하는 수많은 학습 콘텐츠 및 그에 따른 자원들을 이기종 환경에 제공하기 위해서는 그 환경에 맞게 새로 제작해야 된다는 시간적 비용적 문제가 대두되고 있다. 이에 본 논문에서는 다양한 학습 방식을 접목할 수 있고, 보다 실생활에 근접한 DiTV용 t-러닝 학습환경에의 적용을 위하여 SCORM 기반의 e-러닝 콘텐츠를 MHP 기반의 DiTV 콘텐츠로 변환하여 상호운용성, 재사용성 및 고이용성 등을 가능하게 하는 자바 기반의 SCORM콘텐츠 그랜스코딩 시스템을 설계 및 구현하였다. 이 시스템을 통해 PC에 익숙하지 못한 사람들을 DiTV 앞에서 더욱 편한 학습의 기회를 제공할 수 있을 것으로 기대된다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.801-802
• /
• 2023

시큐어 코딩은 해킹 등 사이버 공격의 원인인 보안 취약점을 제거해 안전한 소프트웨어를 개발하는 SW 개발 기법을 의미한다. 개발자의 실수나 논리적 오류로 인해 발생할 수 있는 문제점을 사전에 차단하여 대응하고자 하는 것이다. 그러나 현재 시큐어 코딩에는 오탐과 미탐의 문제가 발생한다는 단점이 있다. 따라서 본 논문에서는 오탐과 미탐이 발생하는 단점을 해결하고자 머신러닝 알고리즘을 활용하여 AI 기반으로 개발자의 실수나 논리적 오류를 탐지하는 시큐어 코딩 도구를 만들고자 한다. 다양한 모델을 사용하여 보안 취약점을 모아놓은 Juliet Test Suite를 전처리하여 학습시켰고, 정확도를 높이기 위한 과정 중에 있다. 향후 연구를 통해 정확도를 높여 정확한 시큐어 코딩 점검 도구를 개발할 수 있을 것이다.

• 한국콘텐츠학회논문지
• /
• 제14권6호
• /
• pp.529-538
• /
• 2014

본 연구는 적응형 이러닝 시스템에서 지원할 적응성 요소를 밝히기 위하여 폐쇄형 설문과 반 구조화된 개방형 설문을 통하여 요구 분석을 하였다. 본 연구는 적응형 이러닝 시스템의 활용이 높은 교육대학 컴퓨터 교육 전공 학생들을 대상으로 적응형 이러닝 시스템에 대한 요구를 분석하고 도출하였다. 요구 분석 절차는 Rossett모델을 적용하였다. 분석 방법은 폐쇄형 설문으로 개략적인 의견을 통계 분석하고 개방형 설문으로 깊이 있는 의견을 추출하였다. 개방형 설문은 응답 내용을 코딩한 후, 코딩된 내용에서 주제를 추출하고, 지속적 비교 방법을 통하여 유목화를 하였다. 그리고 각 주제에 대하여 빈도 분석을 하였다. 연구 결과 적응형 이러닝 시스템에서 적응성 제공 요소로서 기존의 학습 스타일 중심에서 벗어나 학습자 수준, 학습 목표 그리고 학습 내용에 대한 적응성을 제공할 필요가 있음을 알 수 있었다. 특히, 교수 모형은 체계성 및 학습 목표를 효과적으로 도달하게 하는 중요한 요소임이 밝혀졌다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 춘계학술발표대회
• /
• pp.516-518
• /
• 2020

통계청에서는 지역별고용조사, 인구총조사 등 다양한 조사를 실시하고 있다. 이러한 조사에서는 응답자의 사업체명, 사업체가 주로 하는 일, 응딥자가 한 일, 부서 및 직책 정보 등을 조사해서 조사되어진 자료를 토대로 한국 표준 산업분류 형태로 코드를 부여해 주고 있다. 각 조사에서는 자연어 형태로 입력을 받아서 자료처리 기간에 코딩작업을 하는 조사가 있고 조사원이 입력을 하면서 자동코딩시스템을 이용해서 산업분류 코드를 입력하는 방식도 있다. 본 연구에서는 전자의 방법을 자동화하는 것에 초점을 두었다. 딥러닝 알고리즘을 이용해서 기존에 코드부여가 완료된 자료를 가지고 실험을 해본 결과 조사된 모든 항목을 사용했을 때에는 CNN이 81.36%로 가장 좋은 성능을 보였고, 항목을 2가지로 (사업체가 주로 하는 일/응딥자가 한 일) 줄였을 경우 전체적으로 더 좋은 성능을 보였다. 그 중에 CNN-LSTM이 85.91%로 가장 좋은 성능을 보였다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2019년도 제31회 한글 및 한국어 정보처리 학술대회
• /
• pp.333-338
• /
• 2019

인코더-디코더(Encoder-decoder)는 현대 기계 번역(Machine translation)의 가장 기본이 되는 모델이다. 인코딩은 마치 인간의 뇌가 출발어(Source language) 문장을 읽고 이해를 하는 과정과 유사하고, 디코딩은 뇌가 이해한 의미를 상응하는 도착어(Target language) 문장으로 재구성하는 행위와 비슷하다. 그렇다면 벡터로 된 인코더 표현은 문장을 읽고 이해함으로써 변화된 뇌의 상태에 해당한다고 볼 수 있다. 사람이 어떤 문장을 잘 번역하기 위해서는 그 문장에 대한 이해가 뒷받침되어야 하는 것처럼, 기계 역시 원 문장이 가진 의미를 제대로 인코딩해야 향상된 성능의 번역이 가능할 것이다. 본 논문에서는 뇌과학에서 뇌 동기화(Brain-to-brain coupling)라 일컫는 현상을 모방해, 출발어와 도착어의 공통된 의미를 인코딩하여 기계 번역 성능 향상에 도움을 줄 수 있는 이중 번역 기법을 소개한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2022년도 제65차 동계학술대회논문집 30권1호
• /
• pp.231-232
• /
• 2022

본 논문에서는 직업 교육 분야에 인공지능 융합 교육을 위한 파이썬 블록과 텍스트 동시 코딩 플랫폼을 설계하였다. 플랫폼에 코딩 언어로는 데이터 분석과 머신러닝의 다양한 라이브러리를 지원하고 있는 파이썬으로 하며, 직업 교육의 영역 전문가가 쉽게 직무 기능 파이썬 블록 모듈을 만들어 추가하고 커스터마이징을 할 수 있는 아키텍처를 갖고 있다. 제안한 플랫폼을 활용한 인공지능 융합 직업 분야로 바이오와 기계공학 분야의 블록 모듈을 추가하고 실습 예제를 만드는 과정을 보여 플랫폼의 유용성과 효율성을 보였다.

• 한국어정보학회:학술대회논문집
• /
• 한국어정보학회 2017년도 제29회 한글및한국어정보처리학술대회
• /
• pp.82-84
• /
• 2017

본 논문에서는 한국어 이미지 캡션을 학습하기 위한 데이터를 작성하고 딥러닝을 통해 예측하는 모델을 제안한다. 한국어 데이터 생성을 위해 MS COCO 영어 캡션을 번역하여 한국어로 변환하고 수정하였다. 이미지 캡션 생성을 위한 모델은 CNN을 이용하여 이미지를 512차원의 자질로 인코딩한다. 인코딩된 자질을 LSTM의 입력으로 사용하여 캡션을 생성하였다. 생성된 한국어 MS COCO 데이터에 대해 어절 단위, 형태소 단위, 의미형태소 단위 실험을 진행하였고 그 중 가장 높은 성능을 보인 형태소 단위 모델을 영어 모델과 비교하여 영어 모델과 비슷한 성능을 얻음을 증명하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제64차 하계학술대회논문집 29권2호
• /
• pp.507-508
• /
• 2021

4차산업 혁명시대가 도래하고, 클라우드 컴퓨팅의 발전과 동시에 데이터 처리 효율과 속도가 높아지면서, 지속적으로 다양한 분야의 데이터가 누적되고, 이를 활용한 기술들이 발전하고 있는 가운데 데이터 사이언스의 역량을 필요로 하는 직군 또한 넓어지고 있다. 본 논문에서는 데이터 사이언스에 막 뛰어든 입문자들이 고난이도의 코딩 없이 데이터 분석 및 전처리, 머신러닝에 익숙해질 수 있도록 디자인적 접근성을 고려한 코드리스 프로그램을 개발하였다.