• 인지과학
• /
• 제17권4호
• /
• pp.271-286
• /
• 2006

본 논문은 한국어 어휘에 대한 풍부한 정보를 담고 있는 한국어사전과 사용자 어휘지능망(User-Word Intelligent Network: U-WIN)등의 언어자원을 이용한 자동 문제 생성 기술을 소개하고, 이 기술을 이용한 한국어 어휘학습시스템을 제시한다. 대부분의 학습시스템에서 사용하는 문제 은행식 출제 방식의 문제점을 해소하기 위하여, 자동 문제 생성을 위한 한국어 어휘 문제의 유형을 8가지로 분류하고, 각 문제 유형별 자동 문제 생성 패턴을 구축하였다. 이러한 자동 문제 생성 패턴에 따라 언어자원이 가지고 있는 한국어 어휘의 형태적 정보와 의미적 정보를 이용하여 어휘 문제를 자동으로 출제하는 한국어 어휘학습 시스템을 구현하였다.

• 한국초등과학교육학회지:초등과학교육
• /
• 제33권4호
• /
• pp.700-709
• /
• 2014

The purpose of this study was to examine the effects of question-generating strategy on science academic achievement, scientific attitude in elementary science class. To examine the effects of question-generating strategy this learning materials were applied to elementary science curriculum, and an experimental group and a control group were selected from $5^{th}$ graders at H elementary school located in Gyeonggi-do. Students were taught for 6 weeks. Control group take traditional lessons and solve questions presented textbook. Question generated group generate questions, solve them and feed back by themselves. The results of this study were found statistically significant difference in the pupil's enhancement of the science academic achievement, scientific attitude (p<.05). Thus question-generating strategy for elementary science inquiry instruction that has a positive effect on interests in class is useful and better be widely applied to science education.

• 한국정보과학회논문지:데이타베이스
• /
• 제32권3호
• /
• pp.297-303
• /
• 2005

질의응답(Question Answering) 시스템은 질의에서 요구하는 정답 유형(Answer type) 및 질의에 사용된 용어를 적용하여 보다 정확한 답을 추출하고자 한다. 그러나 질의에 사용된 용어들이 문서에 그대로 사용되지 않고 같은 의미의 다른 어휘로 출현하기도 하며, 흑은 다른 문법적 정보를 가진 카테고리에 등장하여 정답 추출에 어려움이 따른다. 만약, 질의에서 요구하는 정보유형을 보다 깊게 세분화하고, 세분화된 질의 유형과 개념적으로 유사한 문장을 대상으로 정답 추출을 수행할 수 있다면 보다 정확한 정답을 추출할 수 있을 것이다. 따라서, 본 논문은 심층 질의 카테고리의 개념 커버리지에 기반한 효과적인 의미적 질의 확장 방법론을 제안한다. 질의에서 요구하는 정보 유형을 보다 세분화된 심충 질의 카테고리로 나누고, 이러한 심층 질의 카테고리를 표현하기 위해 동원되는 어휘 집합에 질의 확장을 적용함으로써 정답 추출의 성능을 향상시키고자 하였다. 제안된 시스템의 성능 평가를 위하여, TREC 문서 중 1991년도 WSJ(Wall Street Journal) 42,654건과 TREC-9의 질의를 대상으로 실험한 결과 질의 확장을 수행하지 않는 시스템의 경우 MRR(Mean reciprocal ratio) 측정에서 0.223의 결과를 보인 반면 제안된 시스템의 경우 0.50의 향상된 결과를 보였다.

• 한국음향학회지
• /
• 제23권2호
• /
• pp.173-179
• /
• 2004

음소 질의어 집합은 문맥 속에서 비슷한 조음 효과를 보이는 음소들을 분류해 놓은 것으로서, 음성 인식 시스템 학습 시 결정트리를 기반으로 HMM (hidden Markov model)의 상태들을 클러스터링할 때 사용된다. 현재까지의 음소 질의어 집합은 대부분 음성학자나 언어학자들에 의해 수작업으로 제시되어 왔는데, 이러한 지식 기반음소 질의어들은 언어 또는 유사음소 단위 (PLU: phone like unit)에 종속될 뿐 아니라 생성된 클러스터 내의 동질성을 저하시킬 수 있다는 단점이 있다. 본 논문에서는 이와 같은 문제점들을 해결하기 위해 음성 데이터를 사용하여 측정한 음소들 사이의 유사도를 기반으로 언어나 유사음소단위에 상관없이 자동으로 음소 질의어 집합을 생성하는 알고리즘을 제안한다. 실험결과, 제안한 방법으로 생성된 음소 질의어들을 사용한 인식기의 에러율이 약 14.3%감소하여 데이터 기반의 음소 질의어 집합이 상태 클러스터링에 효율적임을 관측하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권5호
• /
• pp.1396-1412
• /
• 2023

Conversation modeling is an important and challenging task in the field of natural language processing because it is a key component promoting the development of automated humanmachine conversation. Most recent research concerning conversation modeling focuses only on the current utterance (considered as the current question) to generate a response, and thus fails to capture the conversation's logic from its beginning. Some studies concatenate the current question with previous conversation sentences and use it as input for response generation. Another approach is to use an encoder to store all previous utterances. Each time a new question is encountered, the encoder is updated and used to generate the response. Our approach in this paper differs from previous studies in that we explicitly separate the encoding of the question from the encoding of its context. This results in different encoding models for the question and the context, capturing the specificity of each. In this way, we have access to the entire context when generating the response. To this end, we propose a deep neural network-based model, called the Context Model, to encode previous utterances' information and combine it with the current question. This approach satisfies the need for context information while keeping the different roles of the current question and its context separate while generating a response. We investigate two approaches for representing the context: Long short-term memory and Convolutional neural network. Experiments show that our Context Model outperforms a baseline model on both ConvAI2 Dataset and a collected dataset of conversational English.

• 대한한의학원전학회지
• /
• 제22권4호
• /
• pp.189-198
• /
• 2009

Considering the opinions of annotators, the remedy about excess of east and deficiency of west from "the seventy-fifth question" can be arranged as follows. "The seventy-fifth question", with "the sixty-ninth question", explains excess and deficiency of mother and son. Abatement of fire and invigoration of water[瀉火補水] in the excess of wood and deficiency of metal[木實金虛] presents a remedy, which has been applied in herbs and medicine application henceforth. "The seventy-fifth question" is a unique theory from " Nan-gyeong(難經)", and does not continue the theory of "Hwangjenaegyeong(黃帝內經)". "The seventy-fifth question" mentions the relationship of excess and deficiency of the five elements and five viscera, but does not mention excess and deficiency of invigoration and abatement of the meridian. Remedy from abatement of fire and invigoration of water[瀉火補水] in the excess of wood and deficiency of metal[木實金虛] is an abnormal, temporary and extraordinary method. This remedy is applied in Saam acupuncture[舍巖鍼] as A-variation form. The process where Son allows excess of mother[子能令母實] and mother allows deficiency of son[母能令子虛] in the abatement of fire and invigoration of water[瀉火補水] is a mechanism, not a remedy. Generation after generation, medical practitioners can be classified into those that claimed abatement of fire and invigoration of water[瀉火補水] because of the relation with excess of liver and deficiency of lung[肝實肺虛], abatement of heart(瀉心) due to the excess of liver(肝實), or invigoration of Eum and abatement of Yang[補陰瀉陽].

• 대한지구과학교육학회지
• /
• 제9권3호
• /
• pp.255-268
• /
• 2016

변화하는 시대에 잘 적응할 수 있고, 새로운 시대를 창조할 수 있는 교육이 이루어져야 한다. 이러한 교육의 필요성에 의해 중학생들의 과학창의력 신장을 위한 발문지를 개발하였다. 본 연구에서는 중학교 3학년 과학 7단원 태양계의 운동 중 14개의 주제를 추출하여 총 146개의 발문을 개발하였다. 중학교 3학년 142명을 실험집단과 통제집단으로 나누어 발문지를 약 5주간에 걸쳐서 투입하여 과학창의력과 학업성취도의 변화를 알아보았다. 과학창의력과 학업성취도 모두 유의미한 결과가 나왔다. 발문지 활용 수업이 학생들이 창의적으로 사고하는 학습 활동을 이끌어 내는데 용이하게 작용한 것으로 해석된다. 그러므로 발문지 활용 수업이 학생들의 창의력 신장을 위한 방법으로 사용될 수 있다.

• Communications for Statistical Applications and Methods
• /
• 제18권4호
• /
• pp.423-431
• /
• 2011

본 논문에서는 사회적으로나 개인적으로 매우 민감한 조사에서 조사하고자 하는 모집단이 여러개의 층으로 구성되어 있는 경우에, 김종호등 (1992)이 제안한 2단계 무관질문모형에서 사용한 단순임의 추출법 대신에 층화추출법을 적용하여 각 층의 모비율에 대한 추정뿐만아니라 모집단 전체 모비율에 대한 추정을 할 수 있는 층화 2단계 무관질문모형을 제안하였다. 그리고 층화 2단계 무관질문모형을 층화 3단계 무관질문 모형으로 확장하였다. 또한, 제안한 2단계와 3단계 층화 무관질문모형들에 있어서 각 층의 표본배분에 대하여 비례배분과 최적 배분 문제를 고려하여 다루었다. 마지막으로 층화 2단계 무관질문모형과 층화 3단계 무관질문모형과의 상대효율을 비교하였으며, 그 결과 층화 3단계 무관질문모형이 층화 2단계 무관질문모형보다 효율성면에 있어서 더 우수함을 알 수 있었다.

• 응용통계연구
• /
• 제26권2호
• /
• pp.209-222
• /
• 2013

본 논문에서는 대규모 표본조사에서 많이 나타나는 모집단이 층으로 형성되어 있고, 각 층들이 집락으로 구성되어 있을 때 사용 가능한 층화 집락추출법을 얻고자 하는 정보가 민감할 때 반복계통 무관질문모형에 적용하였다. 먼저 모집단이 집락으로 구성되어 있고, 추출된 집락으로부터 계통표본을 반복적으로 추출하여 민감한 정보를 얻는 데 무관질문모형을 사용한 집락 반복계통 무관질문모형을 제안하였다. 다음으로 제안한 모형을 층화된 모집단에서도 사용할 수 있도록 층화집락 반복계통추출법에 의한 무관질문모형으로 발전시켰으며, 각 층의 집락을 확률비례복원추출 또는 확률비례비복원추출하는 층화 확률비례 반복계통 무관질문모형을 제안하였다. 또한 제안한 층화집락 반복계통 추출법에 의한 무관질문모형에서 각 층의 표본배분하는 문제를 비례배분과 최적배분 측면에서 다루었다. 마지막으로 제안한 층화집락 반복계통추출법에 의한 무관질문모형과 집락 반복계통추출법에 의한 무관질문모형과의 효율성을 비교하였다.

• 한국콘텐츠학회논문지
• /
• 제7권7호
• /
• pp.50-59
• /
• 2007

본 논문에서는 효율적인 정보검색을 위한 의미 기반의 질의 분석 및 확장을 제안한다. 기존의 정보검색 시스템들은 사용자 질의로 자연언어 질의를 허용하고 있지만 단순히 명사 단어의 색인어를 사용자 질의로부터 추출하여 정보검색에 활용하기 때문에 사용자의 질의 의도를 반영한 정보검색을 하지 못한다. 이러한 문제점을 해결하기 위해서 의미 기반 질의 분석 및 확장은 사용자의 질의를 의미적으로 분석하여, 질의유형을 결정하고 의미 자질들을 추출한다. 추출된 의미 자질들과 정답을 표현하기 위해 사용되는 구문구조를 이용하여 사용자 질의를 확장한다. 또한 확장된 질의를 이용하여 정답을 포함하는 관련문서들을 정보검색 결과의 상위에 랭크시킬 수 있는 방법을 제시한다. 비교적 짧지만 사용자의 질의 의도를 충분히 표현하고 있는 자연언어 질의에 대한 의미 기반의 질의 분석 및 확장을 통해 정보검색의 정확률을 향상시킬 수 있음을 보였다.