• Review of KIISC
• /
• v.30 no.4
• /
• pp.35-38
• /
• 2020

반려견·반려묘 등 반려동물이 사람인구 대비 1/5인 수준인 1000만 개체로 급증하고, 이에 따른 팻산업이 6조원 규모로 급성장하는 추세와 함께 RFIP칩 신체내부이식하는 형태의 동물등록제 실시에 대한 부정적인 시각과 거부감으로 인하여 최근 들어 반려동물의 비문(일명 코지문)·홍채 등 바이오인식기술을 이용한 개체식별기술에 대한 니즈가 증대되고 있는 실정이다. 이에 따라 2019년 부터 반려동물에 대한 바이오인식기술을 접목한 개체식별기술을 활용하는 동물등록제 적용을 위하여 동물보호법 개정작업이 활발히 진행될 것으로 전망되며, 반려동물의 유사한 품종에 대한 개체식별 필요성에 따라 팻보험 사기예방·유기견 예방·디지털 동물병원 헬스케어서비스·팻레저·팻복지 등의 다양한 팻산업 응용분야에서 바이오인식기술을 이용한 반려동물 개체식별의 필요성은 날로 증대될 것으로 전망된다. 이에 따라 본 논문에서는 텔레바이오인식기반의 반려동물 개체식별기술에 대한 연구필요성과 함께 TTA PG505 등 국내표준화 추진현황과 ITU-T SG17 등 국제표준화 추진현황을 살펴보고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.910-912
• /
• 2023

본 논문은 말의 개체 식별 과정에 딥러닝을 활용하여 객관적으로 식별 가능한 개체의 특징을 획득할 수 있는 영상처리 기반의 말 개체 식별 자동화 프레임워크를 제안한다. 제안하는 프레임워크는 말의 개체 식별을 위한 이미지 촬영 방법, 딥러닝을 활용한 말의 특징 추출 방법, 말 객체에 대한 식별 가능 정보의 변환 방법으로 구성되어 있으며, 본 논문에서 제시하는 방법론을 바탕으로 말 개체 식별 과정을 자동화하여 말의 특징을 객관적이고 효율적으로 추출하여 말 개체 관리를 하고자 한다.

• The Journal of the Korea Contents Association
• /
• v.12 no.1
• /
• pp.17-29
• /
• 2012

In recent years, Linked Data that is published under an open license shows increased growth rate and comes into the spotlight due to its interoperability and openness especially in government of developed countries. However there are relatively few out-links compared with its entire number of links and most of links refer a few hub dataset. These occur because of absence of technology that identifies entities in Linked data. In this paper, we present an improved author entity resolution method that using representative properties. To solve problems of previous methods that utilizes relation with other entities(owl:sameAs, owl:differentFrom and so on) or depends on Curation, we design and evaluate an automated realtime resolution process based on multi-ontologies that respects entity's type and its logical characteristics so as to verify entities consistency. The evaluation of author entity resolution shows positive results (The average of K measuring result is 0.8533.) with 29 author information that has obtained confirmation.

• KAPE Magazine
• /
• s.154
• /
• pp.4-5
• /
• 2009

농림수산식품부는 '소 및 쇠고기 이력추적에 관한 법률' 제14조 및 같은 법 시행령 제5조에 따른 소 및 쇠고기의 개체식별 검사방법 및 검사기관 등에 관한 세부사항을 명확히 규정하기 위해 지난 4월 23일 고시했으며, 6월 22일부터 시행토록 했다.

• Journal of the Korean Society for information Management
• /
• v.25 no.3
• /
• pp.27-39
• /
• 2008

In bibliographic data, the use of personal names to indicate authors makes it difficult to specify a particular author since there are numerous authors whose personal names are the same. Resolving same-name author instances into different individuals is called author resolution, which consists of two steps: calculating author similarities and then clustering same-name author instances into different person groups. Author similarities are computed from similarities of author-related bibliographic features such as coauthors, titles of papers, publication information, using supervised or unsupervised methods. Supervised approaches employ machine learning techniques to automatically learn the author similarity function from author-resolved training samples. So far however, a few machine learning methods have been investigated for author resolution. This paper provides a comparative evaluation of a variety of recent high-performing machine learning techniques on author disambiguation, and compares several methods of processing author disambiguation features such as coauthors and titles of papers.

• The Korea Swine Journal
• /
• v.11 no.10 s.122
• /
• pp.94-95
• /
• 1989

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2022.05a
• /
• pp.206-208
• /
• 2022

As the big data industry has recently developed significantly, interest in privacy violations caused by personal information leakage has increased. There have been attempts to automate this through named entity recognition in natural language processing. In this paper, named entity recognition data is constructed semi-automatically by identifying sentences with de-identification information from de-identification information in Korean Wikipedia. This can reduce the cost of learning about information that is not subject to de-identification compared to using general named entity recognition data. In addition, it has the advantage of minimizing additional systems based on rules and statistics to classify de-identification information in the output. The named entity recognition data proposed in this paper is classified into twelve categories. There are included de-identification information, such as medical records and family relationships. In the experiment using the generated dataset, KoELECTRA showed performance of 0.87796 and RoBERTa of 0.88.

• Annual Conference on Human and Language Technology
• /
• 2022.10a
• /
• pp.374-378
• /
• 2022

대화형 관계 추출의 목표는 주어진 대화에서 두 개체 간의 관계를 식별하는 것이다. 대화 중에 화자는 개체 및 관계와 관련이 있는 단서인 트리거를 통해 특정 개체 간 관계를 식별하는 것에 힌트를 얻을 수 있다. 그러나 데이터에 대해 항상 트리거 정보가 존재하는 것이 아니므로 트리거를 활용해 성능을 향상시키는 것은 어렵다. 본 논문은 이 문제점을 해소하기 위해 대화, 개체, 관계 중심으로 트리거 생성 모델을 학습하고, 이를 통해 생성된 트리거를 대화형 관계 추출에 학습하여 관계 식별에 효과적인 성능 향상을 보이는 접근법을 제안한다. 제안하는 접근법은 대화형 관계 추출 태스크에서 기존 성능과 비교한 결과 Dev, Test에서 각각 F1 19.74%p, F1 15.53%p 의 성능 향상을 보였다.

• Annual Conference on Human and Language Technology
• /
• 2023.10a
• /
• pp.654-658
• /
• 2023

관계 추출은 질의응답이나 대화 시스템의 기반이 되는 지식을 구추하기 위한 작업으로, 정보 추출의 기초가 되는 기술이기도 하다. 최근 실세계 지식의 희소한 형태를 구현한 문서간 관계 추출 데이터셋이 제안되어, 여러 문서를 통해 분산되어 언급된 두 개체 사이의 관계 추론을 수행 및 평가할 수 있게 되었다. 이 작업에서 추론의 대상이 되는 개체쌍은 한 문서 안에 동시에 언급되지 않기 때문에 여러 문서에 언급된 중간 개체를 통하여 직/간접적으로 추론해야 하나, 원시 텍스트에서 이러한 정보를 수집하는 작업은 쉽지 않다. 따라서, 본 연구에서는 개체의 동시발생빈도에 기반하여 중간 개체의 중요도를 정량화하고, 이 중요도에 기반화여 중요한 문맥을 식별하는 방법론을 제안한다. 제안하는 방법론은 기존의 두 문서로 구성된 추론 경로를 식별된 중간 개체를 활용하여 확장하여, 관계 추론 모델의 수정 없이 추가된 문맥만을 활용하여 문서간 관계 추출 시스템의 성능을 개선할 수 있었다.

• 한국어정보학회:학술대회논문집
• /
• 2017.10a
• /
• pp.338-339
• /
• 2017

본 논문은 개체명 인식을 위해 CRF 모델을 이용해 분류를 수행했다. 개체명 후보를 개체명으로 식별에서 중의성 문제가 필요하다. 본 논문에서는 이러한 중의성 문제 해결을 위해 학습 셋으로부터 패턴과 형태적 특성을 고려해 개체명 후보를 최대로 선택하고 선택된 개체명 후보의 중의성과 정확도를 높이기 위해 주변의 문맥 자질과 분별 확률 모델인 CRF를 이용해 중의성 문제를 해결한다.