• Proceedings of the Korea Water Resources Association Conference
• /
• 2006.05a
• /
• pp.1470-1473
• /
• 2006

연속된 두 장의 레이더 반사도(합성 CAPPI)를 이용하여 설정된 두 윈도우 사이의 최대 상관계수를 찾아 냄으로써 강수의 움직임을 파악하는 기존의 TREC(Tracking Radar Echoes by Correlation) 기법은 단지 통계적인 상관법을 이용하여 산출된 TREC 벡터를 외삽하기 때문에 강우 시스템의 이동양상을 물리적으로 표현하는데 한계를 가질 뿐만 아니라 강수가 직선운동을 하는 것처럼 묘사될 수밖에 없는 기법의 한계성을지니고 있다. 본 연구에서는 도플러 레이더로부터 생산되는 시선속도를 이용하여 바람장을 산출하고 이를 TREC 벡터와 연계시켜 단시간 예보모형을 개선하고자 하였다. 시선속도는 레이더로부터 멀어지거나 다가오는 물체의 속도성분이며, 이를 이용하여 강수 영역 내의 바람장을 산출할 수 있다. 이러한 바람장 정보와 연계한 TREC 벡터의 개선은 단시간 강우 예보모형의 개선을 통하여 짧은 시간에 급격한 발달하는 집중호우 등에 대한 보다 정확한 예보를 가능하게 한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2006.05a
• /
• pp.623-626
• /
• 2006

일정한 시간간격으로 제공되는 연속된 두 장의 레이더 반사도(합성 CAPPI) 자료의 최대 상관계수를 찾아 냄으로써 강수의 움직임을 산출하는 TREC(Tracking Radar Echoes by Correlation) 기법은 동일 고도의 레이더 반사도 자료를 이용하기 때문에 수평방향의 2차원이며, 대류성 구름체계에서 발생되는 수직 활동을 표현할 수 없는 한계성을 지니고 있다. 본 연구에서는 여러 고도의 레이더 반사도 자료를 이용하여 기존의 TREC 기법을 이용한 단시간 예보모형을 개선하고자 하였다. 특정고도의 레이더 반사도를 이용하여 에코를 추적하는 TREC 기법의 단점을 보완하기 위하여 서로 다른 고도의 레이더 반사도를 이용함으로써 기존의 접근법보다 실제 강수의 움직임에 더욱 가깝도록 단시간 강우 예보 정확도를 개선하였다.

• The KIPS Transactions:PartB
• /
• v.16B no.3
• /
• pp.247-256
• /
• 2009

Typical pseudo-relevance feedback methods assume the top-retrieved documents are relevant and use these pseudo-relevant documents to expand terms. The initial retrieval set can, however, contain a great deal of noise. In this paper, we present a cluster-based resampling method to select better pseudo-relevant documents based on the relevance model. The main idea is to use document clusters to find dominant documents for the initial retrieval set, and to repeatedly feed the documents to emphasize the core topics of a query. Experimental results on large-scale web TREC collections show significant improvements over the relevance model. For justification of the resampling approach, we examine relevance density of feedback documents. The resampling approach shows higher relevance density than the baseline relevance model on all collections, resulting in better retrieval accuracy in pseudo-relevance feedback. This result indicates that the proposed method is effective for pseudo-relevance feedback.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2005.05b
• /
• pp.924-927
• /
• 2005

한반도의 강수패턴을 보면 강수일수는 감소하나 호우일수는 증가하고 있는 추세이다. 특히, 우리나라는 강수의 대부분이 하계에 집중되어 있고, 단시간에 강수의 변화가 심하기 때문에 기존의 수치예보를 보완해줄 수 있는 예보체계의 확립이 불가피한 실정이다. TREC(Tracking Radar Echoes by Correlation)기법은 폭풍에 대한 내부 움직임을 결정하기 위한 목적으로 Rinehart와 Garvey(1978)에 의해 처음 개발된 것으로 비교적 간단하게 레이더 에코를 이용하여 강수의 이동경로를 추적할 수 있다. 일정한 시간 간격으로 제공되는 레이더 반사도 자료에 대하여 설정된 두 window 사이의 상관계수의 최대치를 찾아냄으로써 강수의 움직임을 파악하였다. 개발된 기법은 레이더 에코로부터 강수의 안정된 이동방향과 이동속도를 제시하기 위하여 상관성 분석과 함께 일치성 분석 및 가중함수에 의한 이동 백터장 보정을 수행하였다. 또한 이동 백터의 외삽을 통하여 강우이동경로와 대상유역의 단시간 예측 면적 강우 산정 방법을 제시하였다. 결과는 개선된 단시간 강수예측 가능성을 보여주었다.

• Journal of KIISE:Software and Applications
• /
• v.31 no.10
• /
• pp.1374-1385
• /
• 2004

The relevance feedback process uses information obtained from a user about an initially retrieved set of documents to improve subsequent search formulations and retrieval performance. In the extended Boolean model, the relevance feedback Implies not only that new query terms must be identified, but also that the terms must be connected with the Boolean AND/OR operators properly Salton et al. proposed a relevance feedback method for the extended Boolean model, called the DNF (disjunctive normal form) method. However, this method has a critical problem in generating a reformulated queries. In this study, we investigate the problem of the DNF method and propose a relevance feedback method using hierarchical clustering techniques to solve the problem. We show the results of experiments which are performed on two data sets: the DOE collection in TREC 1 and the Web TREC 10 collection.

• Journal of KIISE:Software and Applications
• /
• v.29 no.4
• /
• pp.270-277
• /
• 2002

Text filtering is a task of deciding whether a document has relevance to a specified topic. As Internet and Web becomes wide-spread and the number of documents delivered by e-mail explosively grows the importance of text filtering increases as well. The aim of this paper is to improve the accuracy of text filtering systems by using machine learning techniques. We apply AdaBoost algorithms to the filtering task. An AdaBoost algorithm generates and combines a series of simple hypotheses. Each of the hypotheses decides the relevance of a document to a topic on the basis of whether or not the document includes a certain word. We begin with an existing AdaBoost algorithm which uses weak hypotheses with their output of 1 or -1. Then we extend the algorithm to use weak hypotheses with real-valued outputs which was proposed recently to improve error reduction rates and final filtering performance. Next, we attempt to achieve further improvement in the AdaBoost's performance by first setting weights randomly according to the continuous Poisson distribution, executing AdaBoost, repeating these steps several times, and then combining all the hypotheses learned. This has the effect of mitigating the ovefitting problem which may occur when learning from a small number of data. Experiments have been performed on the real document collections used in TREC-8, a well-established text retrieval contest. This dataset includes Financial Times articles from 1992 to 1994. The experimental results show that AdaBoost with real-valued hypotheses outperforms AdaBoost with binary-valued hypotheses, and that AdaBoost iterated with random weights further improves filtering accuracy. Comparison results of all the participants of the TREC-8 filtering task are also provided.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.04b
• /
• pp.253-255
• /
• 2000

어떠한 질문에 대한 구체적 해답을 얻고 싶은 경우, 일반적인 정보 검색이 가지는 문제점은 검색 결과가 사용자가 찾고자 하는 답이라 하기 보다는 해답을 포함하는(또는 포함하지 않는) 문서의 집합이라는 점이다. 사용자가 후보문서를 모두 읽을 필요 없이 빠르게 원하는 정보를 얻기 위해서는 검색의 결과로 문서집합을 제시하기 보다는 실제 원하는 답을 제공하는 시스템의 필요성이 대두된다. 이를 위해 기존의 TF-IDF(Term Frequency-Inversed Document Frequency)기반의 정보검색의 방삭에 자연언어처리(Natural Language Processing)를 이용한 질문의 분류와 문서의 사전 표지(Tagging)를 사용할 수 있다. 본 연구에서는 매년 NIST(National Institute of Standards & Technology)와 DARPA(Defense Advanced Research Projects Agency)주관으로 열리는 TREC(Text REtrieval Conference)중 1999년에 열린 TREC-8의 사용자의 질문(Question)에 대한 답(Answer)을 찾는 ‘Question & Answer’문제의 실험 환경에서 질문을 특징별로 분류하고 검색 대상의 문서에 대한 사전 표지를 이용한 정보검색 시스템으로 사용자의 질문(Question)에 대한 해답을 보다 정확하고 효율적으로 제시할 수 있음을 실험을 통하여 보인다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2007.05a
• /
• pp.1896-1899
• /
• 2007

우리나라의 태풍과 국지성 집중호우로 인한 풍수해 빈도는 점진적으로 증가하고 이와 관련된 인명 및 재산 피해 또한 증가하고 있는 실정이다. 피해저감을 위해 정확한 강우의 이동방향 및 강우량 예측은 절실하며 이를 토대로 한 유역의 강우-유출 분석이 필요하다. 본 연구에서는 강우의 이동방향과 2차원 면적강우량을 예측하기 위한 방법으로 TREC(Tracking Radar Echoes by Correlation) 기법과 실시간 Z-R 관계식을 이용하였다. 예측된 면적강우량의 강우-유출 모의에 대한 적용성을 분석하기 위하여 분포형 수문모형을 선정하여 분석하였다. 단시간 강우예측자료의 적용성을 검정하기 위하여 대상유역으로 중랑천유역을 선정하였으며 대상유역의 조도계수, 수로폭, 경사등과 같은 GIS 입력자료를 구축하였다. 검정을 위하여 중랑교 수위관측지점의 관측 수위 및 유량에 대한 분포형 강우-유출 모형의 계산 유량을 비교 분석하였다. 대상 강우사상은 2003년 9월 11일 00시에서 13일 00시까지 태풍 "매미"가 중랑천에 영향을 미친 기간을 선정하였다. 실시간 Z-R 관계식에 의한 비 예측 강우자료를 이용한 강우-유출 결과와 예측 강우에 대한 강우-유출 결과를 이용하여 단시간 강우예측의 강우-유출 모형 적용성을 분석하였다.

• Journal of KIISE:Computing Practices and Letters
• /
• v.10 no.6
• /
• pp.529-536
• /
• 2004

The main idea of this paper is to combine position information in sentence and query type classification to make the documents ranking to query more accessible. First, the use of conceptual graphs for the representation of document contents In information retrieval is discussed. The method is based on well-known strategies of text comparison, such as Dice Coefficient, with position-based weighted term. Second, we introduce a method for learning query type classification that improves the ability to retrieve answers to questions from Question Answering system. Proposed methods employ naive bayes classification in machine learning fields. And, we used a collection of approximately 30,000 question-answer pairs for training, obtained from Frequently Asked Question(FAQ) files on various subjects. The evaluation on a set of queries from international TREC-9 question answering track shows that the method with machine learning outperforms the underline other systems in TREC-9 (0.29 for mean reciprocal rank and 55.1% for precision).

• The KIPS Transactions:PartB
• /
• v.17B no.5
• /
• pp.399-404
• /
• 2010

In this paper, we propose a method for precision improvement based on core clusters and term proximity. The method is composed by three steps. The initial retrieval documents are clustered based on query term combination, which occurred in the document. Core clusters are selected by using proximity between query terms. Then, the documents in core clusters are reranked based on context information of query. On TREC AP test collection, experimental results in precision at the top documents(P@100) show that the proposed method improved 11.2% over the language model.