• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2020년도 제62차 하계학술대회논문집 28권2호
• /
• pp.365-366
• /
• 2020

인터넷의 발전으로 인터넷을 통해 미디어 콘텐츠를 제공하는 OTT 서비스의 이용자가 점점 증가하고 있다. 본 논문에서는 OTT 서비스 이용자의 검색 편의성을 위한 Vision API를 활용한 영상 속 랜드마크 검색 시스템을 제안한다. 이는 영상을 시청하는 사용자가 영상을 보다가 궁금한 장소가 있으면 따로 검색하지 않고, 바로 해당 장소의 정보를 얻도록 하는 것이다. 본 논문에서 개발한 영상 속 랜드마크 검색 시스템은 사용자가 원하는 영상을 검색 및 재생할 수 있고 재생 중 바로 화면을 캡처할 수 있다. 해당 캡처 이미지를 랜드마크를 기계 학습한 Vision API를 통해 어떤 랜드마크인지 파악하고 결과를 표시한다, 또한 동일 영상에서 다른 사용자가 검색한 이력이 있는 경우 이력을 표시하여주며, 검색한 랜드마크가 나온 다른 영상을 검색하여 보여준다.

• 공학교육연구
• /
• 제9권2호
• /
• pp.82-97
• /
• 2006

일본에 있어서, 공업고등학교 졸업생의 대학진학은 정책적으로 평생학습 관점에서 추진되고 있다. 따라서 공과대학은 이제까지 고등학교에서 대학에의 계통성을 기본으로 한 교육방법을 크게 개혁시킬 필요가 생기고 있다. 나가사키대학교에서는 1995년도부터 공업고등학교 졸업생의 틀별입학이 시작되었다. 현재, $\ulcorner$공학력$\lrcorner$ 양성이라는 새로운 교육-학습 모델 아래서, 특히 보습교육에 의한 기초학력 강화를 중시하고 있다. 학생 개인의 학습이력이나 수업을 관찰하면서, 학생의 실태에 맞는 수업실천과　교재개발을 검토하고, 공업고교 교사와 대학교수가 함께 추진하고 있다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2018년도 제30회 한글 및 한국어 정보처리 학술대회
• /
• pp.120-125
• /
• 2018

문서 요약 문제는 최근 심층 신경망을 활용하여 활발히 연구되고 있는 문제 중 하나이다. 많은 기존 연구들이 주로 시퀀스-투-시퀀스 모델을 활용하여 요약을 수행하고 있으나, 아직 양질의 요약을 생성하기에는 많은 문제점이 있다. 시퀀스-투-시퀀스 모델을 활용한 요약에서 가장 빈번히 나타나는 문제 중 하나는 요약문의 생성과정에서 단어나 구, 문장이 불필요하게 반복적으로 생성되는 것이다. 이를 해결하기 위해 다양한 연구가 이루어지고 있으며, 이들 대부분은 요약문의 생성 과정에서 정확한 정보를 주기 위해 모델에 여러 모듈을 추가하였다. 하지만 기존 연구들은 생성 단어가 정답 단어로 나올 확률을 최대화 하도록 학습되기 때문에, 생성하지 말아야 하는 단어에 대한 학습이 부족하여 반복 생성 문제를 해결하는 것에는 한계가 있다. 따라서 본 논문에서는 기존 요약 모델의 복잡도를 높이지 않고, 단어 생성 이력을 직접적으로 이용하여 반복 생성을 제어하는 모델을 제안한다. 제안한 모델은 학습할 때 생성 단계에서 이전에 생성한 단어가 이후에 다시 생성될 확률을 최소화하여 실제 모델이 생성한 단어가 반복 생성될 확률을 직접적으로 제어한다. 한국어 데이터를 이용하여 제안한 방법을 통해 요약문을 생성한 결과, 비교모델보다 단어 반복이 크게 줄어들어 양질의 요약을 생성하는 것을 확인할 수 있었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2016년도 춘계학술발표대회
• /
• pp.368-371
• /
• 2016

정보 통신 기술의 급속한 발달로 인터넷 환경의 학습은 학습 혁명을 주도하는 핵심적인 위치에 있다. 인터넷 환경은 시공간의 제약 없이 자신이 필요로 하는 다양한 교육과정에 접근이 가능하고 생업과 병행하여 학습을 할 수 있는 접근성을 갖는다. 그러나 인터넷에 대한 접근성의 차이는 디지털 디바이스 현상을 발생하게 하여 온라인 학습자와 오프라인 학습자의 교육격차를 더 크게 한다. 이러한 문제를 해결하기 위해 본 연구는 인터넷 환경이 원활하지 않은 경우에는 지속적인 학습을 진행할 수 있도록 PDF 시스템을 활용한다. 이 시스템을 통해 오프라인에서의 학습 결과를 온라인에 전송하여 이력을 제공하는 시스템을 설계하고자 한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2024년도 춘계학술발표대회
• /
• pp.788-791
• /
• 2024

온라인 교육의 보급이 증가함에 따라 온라인 학습자의 중도이탈율을 줄이기 위한 효과적인 전략이 필요해 졌다. 본 논문은 인공지능 기술을 온라인 학습 분야에 적용하여 온라인 학습 중도 이탈 문제를 해결하고자 한다. 특히 온라인 교육기관에서 중도이탈예측 시스템을 이미 운영 중인 온라인교육시스템(LMS)을 새롭게 구축하거나 크게 변경하지 않고도 개발 또는 도입이 가능한 방안을 제시한다. 운영 중인 온라인교육시스템(LMS)에 저장되고 있는 온라인 학습자들의 학습자정보 및 학습 이력 데이터를 활용하여 중도 이탈 위험이 있는 학생을 식별하고 맞춤형 관리가 가능하도록 온라인 교육 중도 이탈예측 시스템 개발하고 LMS와 연동하여 서비스는 방법을 제안한다. 이를 통해 온라인교육기관에서는 중도이탈이 있는 학생을 효과적으로 관리함으로써 온라인 교육의 질을 향상시킬 수 있고, 더 많은 수의 온라인 학습자가 성공적으로 과정을 이수할 수 있도록 하는 데 기여할 것이다.

• 컴퓨터교육학회논문지
• /
• 제6권4호
• /
• pp.171-180
• /
• 2003

최근의 웹 기반 교수-학습의 패러다임은 학습자의 능력, 적성, 요구, 흥미, 학습 이력, 학습 활동 프로파일등에 입각하여 학습자의 학습 패턴을 분석해내고, 학습자 개개인에게 적응적인 환경을 제공하는 방향으로 변화되고 있다. 본 연구에서는 학습 활동 데이터를 이용하여 학습자의 학습 패턴을 Apriori 알고리즘을 이용하여 분석해내고 학습자 개개인에게 적응적인 학습 환경을 제공하는 개인화 시스템을 개발하였다. 개인화 시스템은 학습경로, 인터페이스, 상호작용 개인화의 세 부분으로 구성되어있다. 개발된 개인화 시스템을 웹 기반 교수-학습 과정에서 학습자 개인의 학습 만족도를 향상시키는데 효과가 있는 것으로 나타났다.

• 문화기술의 융합
• /
• 제5권2호
• /
• pp.375-380
• /
• 2019

본 논문의 핵심 주제는 개방형 교육 플랫폼 기반 학습 프로세스 마이닝 및 애널리틱스 기술로 최근에 관심과 사용이 급속히 증가하고 있는 MOOC(Massive Open Online Courseware) 등과 같은 개방형 교육 플랫폼을 기반으로 하는 개인별 학습 이력 로그로부터 학습 및 러닝 프로세스를 중심으로 하는 유의미한 학습 프로세스 지식을 발견하고 분석하기 위한 학습 프로세스 마이닝 프레임워크를 설계 및 구현하는 기술이다. 러한 프레임워크의 핵심 기술로서, 학습 프로세스의 표현, 추출, 분석, 가시화하는 기술과 이러한 마이닝 및 분석된 학습 프로세스 지식으로부터 개선된 학습 프로세스 관련 교육 서비스를 제공하는 기술로 구성된다.

• 한국시뮬레이션학회논문지
• /
• 제23권4호
• /
• pp.111-119
• /
• 2014

클라우드 환경은 빅데이터의 이슈와 데이터 분석을 가능하게 하는 기술로서, 이를 위한 자원 관리 기법이 필요하다. 현재까지의 자원관리 기법은 한정된 계산 방법을 이용하여 자원의 편중의 문제점이 있으며, 이를 해결하기 위해서 자원관리는 자원이력 정보를 활용한 학습기반의 스케줄링이 필요하다. 본 논문에서는 ART(Adaptive Resonance Theory)기반의 적응형 자원관리 기법을 제안한다. 제안하는 기법은 클라우드환경에서 모니터링 및 자원이력을 이용하여 작업의 적합한 할당이 가능하다. 제안하는 방법은 무감독 학습방법을 사용하며, 적응형 자원 관리를 통하여 서비스의 안정성과 데이터 처리성능을 향상시키는 것을 목적으로 한다. 제안하는 방법은 체계적인 자원관리가 가능하고 가용자원을 효율적으로 활용하여 요구 성능을 향상시킬 수 있다는 장점이 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2019년도 추계학술발표대회
• /
• pp.781-784
• /
• 2019

최근 AI를 산업 서비스에 적용하기 위해 많은 회사들이 활발히 연구를 하고 있다. 아마존과 넷플릭스 같은 거대 기업들은 이미 빅데이터와 AI 머신러닝을 이용한 추천 시스템을 구현하였고 아마존은 매출의 35%가 추천에 의해 발생하고 넷플릭스 75%의 사용자가 추천을 통해 영화를 선택한다고 보고되었다. 이러한 두 기업의 높은 추천 효율성의 이유는 협업 필터링(Collaborative filtering)과 같은 다양한 추천 알고리즘과 방대한 상품 및 고객 행동(구매, 시청 등) 데이터 등이 존재하고 있기 때문이다. 기계학습에서 알고리즘 학습을 위한 데이터의 양이 많지 않을 경우 알고리즘의 성능을 보장할 수 없다는 것이 일반적인 의견이다. 방대한 데이터를 가진 기업에서 추천 알고리즘을 적극적으로 활용 및 연구하고 있는 것도 이러한 이유 때문이다. 반면, 오프라인 및 여행사 기반에서 온라인 기반으로 영역을 차츰 확대하고 있는 항공 서비스 고객 데이터의 경우, 산업의 특성상 많은 회원에 비해 고객 1명당 온라인에서 활동하는 이력이 많지 않은 것이 특징이다. 이는, 추천 알고리즘을 통한 서비스 제공에서 큰 제약사항으로 작용한다. 본 연구에서는, 이러한 희박한 고객 활동 데이터에서 최신성 기반의 추천 시스템을 통하여 제약사항을 극복하고 추천 효율을 높이는 방법을 제안한다. 고객의 최근 접속 이력 로그를 시간 기준으로 데이터 셋을 분할하여 추천 알고리즘에 반영하였을 때, 추천된 노선에 대한 고객의 반응을 추천 성능 지표인 CTR(Click-Through Rate)로 측정하여 성능을 확인해 보았다.

• 인터넷정보학회논문지
• /
• 제20권4호
• /
• pp.73-79
• /
• 2019

연구자는 논문을 투고할 저널을 선택하는 과정에서 저널의 수가 방대하다는 점, 고려할 저널 결정 요인이 다양하다는 점에서 어려움을 겪는다. 이러한 어려움을 해소하기 위해 IRA(intelligent research assistant)의 한 종류로 연구자별로 논문 투고에 적합한 저널을 추천해주는 저널 추천 서비스를 활용할 수 있다. 하지만 현재 운영 중인 저널 추천 서비스의 경우 주제 유사도 및 수치적 필터링을 기반으로 저널 추천을 실행하고 있으며, 이 경우 연구자가 논문 데이터를 입력하지 않으면 주제 유사도를 고려할 수 없고, 수치적 필터링 기능도 연구자 스스로 결정 요인별 수치 범위를 명확하게 정하기에 어려움이 있다는 한계점이 존재한다. 따라서 본 논문에서는 연구자의 논문 게재 이력을 이용해 선호도 행렬을 형성하고, 이를 기반으로 저널 별 선호 점수를 고려한 저널 추천 방법론을 제안한다. 연구자는 다수의 저널 결정 요인에 대해 상이한 중요도를 가지고 있는데, 결정 요인 별 선호 민감도를 계산해 중요도를 학습한 뒤 이를 기반으로 모든 저널에 대한 선호 점수를 도출하여 저널을 추천한다는 점에서 의의가 있다. 실제 데이터를 이용하여 저널 추천실험을 수행했으며 제안 방법론의 우수한 성능을 확인하였다.