소프트웨어 시스템이 대형화되고 복잡화해 짐에 따라 사용자의 요구사항을 올바로 분석하고 서술하는 것이 중요시되고 있다. 이중 유스케이스 분석 방법은 요구사항 분석에서의 복잡도를 해결해 주는 장점 때문에, 객체지향의 분석 설계와 컴포넌트 기반의 개발에서 많이 이용되고 있다. 그러나 이러한 유스케이스 분석 방법은 흩어진 유스케이스들의 단순한 집합이어서 유스케이스들을 구조화하기 어렵고, 유스케이스들간의 영향분석을 하기 어려우며, 비 기능적인 요구사항을 표현하기 어렵다. 이러한 문제를 해결하기 위해서, 본 논문에서는 목표지향의 분석 방법을 이용한 유스케이스 모델에의 적용방안을 제안하였다. 현재 연구되고 있는 목표지향의 분석은 요구사항으로부터 목표를 추출하기 어렵고, 분석 방법이 분석가의 경험적 근거에 의존적이다. 따라서 본 논문에서는 요구사항으로부터 목표를 직관적으로 식별하는 것이 어렵기 때문에 기초자료로 시나리오를 이용하여 그것으로부터 목표를 추출하는 시나리오 근간의 목표지향 분석 방법을 제안했다. 마지막으로 제안된 방안을 검증하기 위해 ITS의 시내버스정보 서브시스템에 적용하였다. 이 제안된 방안을 통해서 소프트웨어 분석가들은 유스케이스들간의 영향분석을 쉽게 하여 소프트웨어 개발초기에 유스케이스들간의 불일치(inconsistency)를 찾을 수 있고, 비기능적인 요구사항을 표현할 수 있다.

현재까지 개발되어 있는 많은 이동에이전트 시스템들이 웹과의 연동을 고려하고 있으며, 웹서버들 또한 향후에 이동에이전트를 지원할 것을 고려하고 있다. 그러나 현재로서는 근본적으로 클라이언트/서버 구조를 가지고 있는 웹프로그래밍과 프로그램 코드의 자치적인 이동이라는 특징을 가진 이동에이전트 프로그래밍을 통합하여 정보시스템을 개발하는 방법이 명확히 정립되어 있지 않다. 본 논문에서는 첫째, 청상의 이동에이전트 프로그래밍 모델을 제시하므로서 웹프로그래밍과 이동에이전트 프로그래밍을 통합할 수 있는 방법을 명확히 하였다. 둘째, 웹프로그래밍과 이동에이전트 프로그래밍 모두에 많이 쓰이고 있는 자바언어의 API를 개발하므로서, 웹상의 이동에이전트 프로그래밍에 사용할 수 있도록 하였다. 셋째, W3C에서 자바로 개발한 Jigsaw 웹서버에 이동에이전트의 실행환경을 제공하기 위한 모듈을 추가하고 테스트하므로서 제안하는 모델의 유용성을 보였다.

디지털 비디오 영상을 효과적으로 색인하고 검색하기 위해서 비디오의 내용을 함축적으로 표현하고 있는 비디오 자막을 추출하여 인식하는 연구가 필요하다. 본 논문에서는 압축되지 않은 비디오 영화 영상에 인위적으로 삽입한 한글 및 영어 자막을 대상으로 자막 영역을 추출하고, 추출된 자막 이미지를 향상시키는 방법을 제안한다. 제안한 방법의 특징은 동일한 내용의 자막을 갖는 프레임들의 위치를 자동으로 찾아서 동일 자막 프레임들을 다중 결합하여 배경에 포함되어 있는 잡영의 일부 또는 전부를 우선 제거한다. 또한, 이 결과 이미지에 해상도 중대, 히스토그램 평활화, 획 기반 이진화, 스무딩의 이미지 향상 방법을 단계적으로 적용하여 인식 가능한 수준의 이미지로 향상시킨다. 제안한 방법을 비디오 영상에 적용하여 동일한 내용의 자막 그룹 단위로 자막 이미지를 추출하는 것이 가능해졌으며, 잡영이 제거되고 복잡한 자소의 획이 보존된 자막 이미지를 추출할 수 있었다. 동일한 내용의 자막 프레임의 시작 및 글위치를 파악하는 것은 비디오 영상의 색인과 검색에 유용하게 활용될 수 있다. 한글 및 영어 비디오 영화 자막에 제안한 방법을 적용하여 향상된 문자 인식 결과를 얻었다.

군집화는 객체들의 특성을 분석하여 유사한 성질을 갖고 있는 객체들을 동일한 집단으로 분류하는 방법이다. 전자 상거래 자료처럼 차원 수가 많고 누락 값이 많은 자료의 경우 입력 자료의 차원축약, 잡음제거를 목적으로 SVD를 사용하여 군집화를 수행하는 것이 효과적이지만, SVD를 통해 변환된 자료는 원래의 속성 정보를 상실하기 때문에 군집 결과분석에서 원본 속성의 가치 해석이 어렵다. 따라서 본 연구는 군집화 수행 후 엔트로피 가중치 및 SVD를 이용하여 군집의 중요한 속성을 발견하기 위한 군집 특징 선택 기법 ENTROPY-SVD를 제안한다. ENTROPY-SVD는 자료의 속성들과 유사객체 군과의 묵시적인 은닉 구조를 활용하기 위하여 SVD를 이용하고 유사객체 군에 포함된 응집도가 높은 속성들을 발견하기 위하여 엔트로피 가중치를 사용한다. 또한 ENTROPY-SVD를 적용한 모델 기반의 협력적 여과기법의 추천 시스템 CFS-CF를 제안하고 그 효용성 및 효과를 평가한다.

지금까지 전문용어를 자동으로 추출 (Automatic Term Recognition: ATR)하기 위한 많은 연구들이 있어 왔다. 이들 연구들은 주로 문서 내의 용어의 빈도수와 같은 단순한 통계정보를 이용하여 전문용어를 추출하였다. 하지만 전문분야의 기계가독형 사전의 구축으로 인하여 전문용어를 추출하는 데 있어 전문분야 사전의 사용이 가능하게 되었다. 본 논문에서는 이러한 기계가독형 전문분야 사전들을 이용하여 사전 간의 계층관계를 구축하고 이를 이용하여 전문용어를 추출하는 방법을 제시한다. 또한 전문용어 사전에서 나타나지 않는 전문용어를 추출하기 위하여 용어의 빈도수, 외래어 및 외국어, 내포관계 등을 포함한 통계기법을 이용한다. 본 논문에서 제안하는 기법은 기존의 방법에 비해 좋은 성능을 나타내었다.

문서 여과 문제 (text filtering)는 어떤 문서가 특정한 주제에 속하는지의 여부를 판별하는 문제이다. 인터넷과 웹이 널리 퍼지고 이메일로 전송되는 문서의 양이 폭발적으로 증가함에 따라 문서 여과의 중요성도 따라서 증가하고 있는 추세이다. 이 논문에서는 새로운 학습 방법인 에이다부스트 학습 방법을 문서 여과 문제에 적용하여 기존의 방법들보다 우수한 분류 결과를 나타내는 문서 여과 시스템을 생성하고자 한다. 에이다 부스트는 간단한 가설의 집합을 생성하고 묶는 기법인데, 이 때 각각의 가설들은 문서가 특정 단어를 포함하고 있는지 검사하여 이에 따라 문서의 적합성을 판별한다. 먼저 최종 여과 시스템을 구성하는 각 가설의 출력이 1 또는 -1이 되는 이진 가설을 사용하는 기존의 에이다부스트 알고리즘에서 출발하여 좀 더 최근에 제안된 확신 정도 (실수값)를 출력하는 가설을 이용하는 에이다부스트 알고리즘을 적용함으로써 오류 감소 속도와 최종 오류율을 개선하고자 하였다. 또 각 데이타에 대한 초기 가중치를 연속 포아송 분포에 따라 임의로 부여하여 여러 번의 부스팅을 수행한 후 그 결과를 결합하는 방법을 사용함으로써 적은 학습 데이타로 인해 발생하는 과도학습의 문제를 완화하고자 하였다. 실험 데이터로는 TREC-8 필터링 트랙 데이타셋을 사용하였다. 이 데이타셋은 1992년도부터 1994년도 사이의 파이낸셜 타임스 기사로 이루어져 있다. 실험 결과, 실수값을 출력하는 가설을 사용했을 때 이진값을 갖는 가설을 사용했을 때 보다 좋은 결과를 보였고 임의 가중치를 사용하여 여러번 부스팅을 하는 방법이 더욱 향상된 성능을 나타내었다. 다른 TREC 참가자들과의 비교결과도 제시한다.

본 논문에서는 사용자 질의가 가지는 특정한 의미로부터 개념적으로 서로 연관된 문제들을 문제 은행에서 검색해 줌으로써 학습자의 연상학습을 지원할 수 있는 퍼지 검색 시스템을 설계하고 구현하였다. 특히, 연상학습의 특성인 검색의 일정한 정확률과 높은 재현율을 유지하기 위해 이 검색 시스템은 퍼지 시소러스를 이용하였다. 여기서, 도메인 종속적인 개념들 사이의 관계를 퍼지 정도로 표현하는 시소러스는 질의에 기술된 탐색어와 문제를 대표하는 색인어 사이의 용어 불일치 문제를 해결해 줌으로써 연상학습에 적합한 검색 성능을 나타낼 수 있게 한다. 따라서, 본 논문에서는 퍼지 시소러스를 이용한 문제검색 시스템의 연상학습에 대한 적합성을 검색의 정확률과 재현율을 통해 평가하였다.