• Annual Conference on Human and Language Technology
• /
• 2019.10a
• /
• pp.460-464
• /
• 2019

번역 품질 예측은 기계번역 시스템이 생성한 번역문의 품질을 정답 번역문을 참고하지 않고 예측하는 과정으로, 번역문의 사후 교정을 위한 번역 오류 검출의 역할을 담당하는 중요한 연구이다. 본 논문은 문장 수준의 번역 품질 예측 문제를 HTER 구간의 분류 문제로 간주하여, 번역 품질 말뭉치의 HTER 분포 불균형으로 인한 성능 제약을 완화하기 위해 인조 사후 교정 말뭉치를 이용하는 방법을 제안하였다. 결과적으로 HTER 분포를 균등하게 조정한 학습 말뭉치가 그렇지 않은 쪽에 비해 번역 품질 예측에 더 효과적인 것을 보였다.

• Annual Conference on Human and Language Technology
• /
• 2021.10a
• /
• pp.9-15
• /
• 2021

기계번역 품질 예측 (Quality Estimation, QE)은 정답 문장에 대한 참조없이 소스 문장과 기계번역 결과를 통해 기계번역 결과에 대한 품질을 수준별 주석으로 나타내주는 태스크이며, 다양한 활용도가 있다는 점에서 꾸준히 연구가 수행되고 있다. 그러나 QE 모델 학습을 위한 데이터 구성 시 기계번역 결과에 대해 번역 전문가가 교정한 문장이 필요한데, 이를 제작하는 과정에서 상당한 인건비와 시간 비용이 발생하는 한계가 있다. 본 논문에서는 번역 전문가 없이 병렬 또는 단일 말뭉치와 기계번역기만을 활용하여 자동화된 방식으로 한국어-영어 합성 QE 데이터를 구축하며, 최초로 단어 수준의 한국어-영어 기계번역 결과 품질 예측 모델을 제작하였다. QE 모델 제작 시에는 Cross-lingual language model (XLM), XLM-RoBERTa (XLM-R), multilingual BART (mBART)와 같은 다언어모델들을 활용하여 비교 실험을 수행했다. 또한 기계번역 결과에 대한 품질 예측의 객관성을 검증하고자 구글, 아마존, 마이크로소프트, 시스트란의 번역기를 활용하여 모델 평가를 진행했다. 실험 결과 XLM-R을 활용하여 미세조정학습한 QE 모델이 가장 좋은 성능을 보였으며, 품질 예측의 객관성을 확보함으로써 QE의 다양한 장점들을 한국어-영어 기계번역에서도 활용할 수 있도록 했다.

• The Journal of the Korea Contents Association
• /
• v.10 no.6
• /
• pp.134-143
• /
• 2010

This paper proposes a framework for classifying metric-based software quality prediction models, especially case of software criticality, into four types. Models are classified along two vectors: input metric forms and the necessity of past project data. Each type has its own characteristics and its strength and weakness are compared with those of other types using newly defined criteria. Through this qualitative evaluation each organization can choose a proper model to suit its environment. My earlier studies of criticality prediction model implemented specific models in each type and evaluated their prediction performances. In this paper I analyze the experimental results and show that the characteristics of a model type is the another key of successful model selection.

• Journal of Software Engineering Society
• /
• v.14 no.1
• /
• pp.50-58
• /
• 2001

소프트웨어의 품질은 개발이 완료된 후 운영과정에서 발생되는 고장(Failure)의 정도에 따라 결정되고, 고장(Failure)은 소프트웨어에 남아있던 오류(Defects)가 실행 중(Activate)되어 나타나는 현상이다. 따라서 소프트웨어의 품질을 효과적으로 높이기 위해서는 다음 사항을 고려해야 한다. 첫째, 오류가 만들어지면 가능한 한 빨리 찾아서 없애야 한다는 점이다. 다음 단계로 전이될 경우, 오류를 정정하는 비용이 크게 증가되기 때문이다. 둘째, 오류가 균등 분포하기 보다 특정 부분에 몰리는 경향이 있으므로, 문제 부품을 예측하여 집중 관리를 해야 한다. 본 논문에서는 이들을 고려하여 효과적인 오류 검출 방법인 인스펙션을 기반으로 여러 오류 검출 방법간의 비교 우위를 분석하고, 모든 모듈을 예측하는 품질 예측 모델을 제시하였다.

• Journal of KIISE
• /
• v.44 no.8
• /
• pp.832-841
• /
• 2017

Bug reports are essential documents for developers to localize and fix bugs. These reports contain information regarding software bugs or failures that occur during software operation and maintenance phase. Information Retrieval-based Bug Localization (IR-BL) techniques have been proposed to reduce the time and cost it takes for developers to resolve bug reports. However, if a low-quality bug report is submitted, the performance of such techniques can be significantly degraded. To address this problem, we propose a quality prediction method that selects low-quality bug reports. This process; defines a Quality property of a Bug report as a Query (Q4BaQ) and predicts the quality of the bug reports using machine learning. We evaluated the proposed method with 3 open source projects. The results of the experiment show that the proposed method achieved an average F-measure of 87.31% and outperformed previous prediction techniques by up to 6.62% in the F-measure. Finally, a combination of the proposed method and traditional automatic query reformulation method improved the MRR and MAP by 0.9% and 1.3%, respectively.

• Journal of the Korea Society for Simulation
• /
• v.30 no.2
• /
• pp.41-48
• /
• 2021

As the rural population continues to decline and aging, the improvement of agricultural productivity is becoming more important. Early prediction of crop quality can play an important role in improving agricultural productivity and profitability. Although many researches have been conducted recently to classify diseases and predict crop yield using CNN based deep learning and transfer learning technology, there are few studies which predict postharvest crop quality early in the planting stage. In this study, a early quality prediction model is proposed for sprout ginseng, which is drawing attention as a healthy functional foods. For this end, we took pictures of ginseng seedlings in the planting stage and cultivated them through hydroponic cultivation. After harvest, quality data were labeled by classifying the quality of ginseng sprout. With this data, we build early quality prediction models using several pre-trained CNN models through transfer learning technology. And we compare the prediction performance such as learning period and accuracy between each model. The results show more than 80% prediction accuracy in all proposed models, especially ResNet152V2 based model shows the highest accuracy. Through this study, it is expected that it will be able to contribute to production and profitability by automating the existing seedling screening works, which primarily rely on manpower.

• Journal of KIISE:Computing Practices and Letters
• /
• v.16 no.2
• /
• pp.242-246
• /
• 2010

In this paper, we propose a quality assessment method of biometrics for estimating an authentication result in an user authentication system. The proposed quality assessment method is designed to compute a quality score called CIMR (Confidence Interval Matching Ratio) as a result by small-sample analysis like T-test. We use the C/MR-based quality assessment method for testing how to well draw a distinction between various biometrics in a multimodal biometric system. We also test a predictability for authentication results of obtained biometrics using the mean $\bar{X}$ and the variance $s^2$ in T-test-based CIMR. As a result, we achieved the maximum 88% accuracy for estimation of user authentication results.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2010.07a
• /
• pp.384-387
• /
• 2010

지상파 방송이 아날로그에서 디지털 방송으로 전환됨에 따라 아날로그 TV 방송신호와 디지털 TV(DTV) 방송신호간의 생성과 복조방식이 상이함에 따라 전파환경에 의한 방송품질의 변화가 예상된다. 따라서 DTV 방송신호의 수신을 위한 전파 음영지역 해소가 품질 확보에 필수적인 관심사로 대두되고 있으며, 이에 대한 대책으로 타당성 및 신뢰성 있는 전계강도 예측 방법에 근거하여 적정지역의 송신소 및 중계기 설치가 전파 품질 개선에 크게 기여할 것으로 여겨진다. 본 논문에서는 국제적으로 30 MHz ~ 3000 MHz 대역 지상파 방송서비스의 전파특성 예측에 활발히 이용되는 ITU-R 권고 P.1546 전파모델을 이용하여 점-대-지역 전계강도 예측을 위한 계산 방법을 제시하고, 수치 계산 결과를 비교 및 분석한다. 제시된 방법은 DTV 수신지역의 전계강도 예측을 통한 신호의 품질 분석은 물론, 양호한 전파환경 구축에 필요한 중계기 위치설정, 인접대역에 의한 간섭 및 양립성 분석 등에 직접 활용이 가능하다.

• Journal of Venture Innovation
• /
• v.7 no.2
• /
• pp.143-152
• /
• 2024

Recently, as a lot of software with AI functions has been developed, the number of software products with various prediction functions is increasing, and as a result, the importance of software quality has increased. In particular, as consideration for functional safety of products with AI functions increases, software quality management is being conducted at a national level. In particular, the GS Quality Certification System is a quality certification system for software products that is being implemented at the national level, and the GS Certification System is also researching quality evaluation methods for AI products. In this study, we attempt to present an evaluation model that satisfies the basic conditions of software quality based on international standards among the various quality evaluation models presented to verify software reliability. Considering the software quality characteristics of the artificial intelligence sector, we study quality evaluation models, diagnose quality, and predict failures. .In this study, we propose an international standard model for artificial intelligence based on the software reliability growth model, present an evaluation model, and present a method for quality diagnosis through the model. In this respect, this study is considered to be important in that it can predict failures in advance and find failures in advance to prevent risks by predicting the failure time that will occur in software in the future. In particular, it is believed that predicting failures will be important in various safety-related software.

• Bulletin of the Korean Space Science Society
• /
• 2004.04a
• /
• pp.82-82
• /
• 2004

인공위성의 다양한 활용분야 중 중요하며 일반적으로 많이 이용되는 것이 영상의 획득이다. 그러나 위성에서 획득된 영상은 예상치 못한 상황과 시스템의 성능에 의해 그 품질의 현격한 차이가 발생한다 그래서 고품질의 위성영상을 획득하기 위해서는 시스템에 대한 분석이 요구되며 그 분석을 기반으로 한 모델링으로 향후 설계될 위성영상의 품질을 예측 할 수 있게 된다. 향후 개발될 고해상도 위성영상의 품질 분석을 위해서는 현재 운용중인 위성의 특성분석을 기초로 모델링하여 사전에 위성영상 품질 예측을 수행할 수 있도록 해야 한다. (중략)