• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.01a
• /
• pp.335-336
• /
• 2021

디자인 패턴은 클래스와 객체를 활용한 23가지의 개발자 의도를 만족시켜주는 최선의 실천법들을 정리한 것이다. 디자인 패턴은 설계 경험과 객체지향 패러다임의 기반 지식들을 필요하므로 실질적인 패턴 학습에 어려움이 있다. 디자인 패턴 학습에 대한 도움을 제시해 줄 수 있는 가이드라인으로 기술 습득 모델에 활용하는 드라이퍼스 모델을 적용하는 것을 제안하고자 한다. 드라이퍼스 단계별 모델을 기반으로 단계 별 디자인 패턴 학습 단계를 제시한다.

• 한국경영정보학회:학술대회논문집
• /
• 2007.11a
• /
• pp.349-355
• /
• 2007

최근, 맞춤의료서비스, 헬스와 웰빙의 복합서비스, RFID 기반의 공급망 관리 서비스와 같이 정보기술(IT), 바이오기술(BT), 나노기술(NT) 등이 융합된 혁신적인 서비스들이 출현하고 있다. 그러나 기존의 전통적인 접근방법으로는 새로이 출현하는 다양한 서비스에 대한 체계적인 접근이 불가능하다. 따라서 분석의 단위를 조직이나 정보 시스템 수준에서 서비스 수준으로 하향하는 것과 요소기술이 서비스로 변환되어 소비자에게 수용되는 전체과정을 동태적, 공학적으로 설계하는 접근이 절실히 요구된다. 본 연구의 목적은 신 기술의 출현, 성숙, 시장으로의 유입과 소비자에 수용되는 서비스 생명주기 전 과정을 통태적 관점에서 분석하는 틀을 제시하고 의료서비스에 특화 하여 서비스 공학적 관점에서 IT, BT, NT가 융합된 서비스를 설계하는 모델을 제시하는 것이다. 이를 위해 우선 서비스의 특성과 서비스 시스템 설계의 목표를 제시하고 동태적 혁신이론에 기반하여 서비스의 탄생부터 시장에서의 수용에 이르는 생명주기를 표현할 수 있는 모델을 개발한다. 이 모델의 시간 축을 분기하여 단계(Stage)들을 도출하고 각 단계에서 수행해야 할 활동들을 설계한다. 아울러 모델의 실제적 유용성을 입증하기 위하여 의료분야의 관련사례를 제시하고 조직의 서비스전략과 다변화 전략을 수립하기 위한 논리도 제시하였다. 본 연구의 동태적 공학모델은 IT 생태계 (IT Ecosystem) 하에서 조직 및 IT 요소들이 다양한 환경에서 어떻게 안정적이고 효율적인 메커니즘을 형성하고 진화해야 하는지를 잘 보여주고 있다.

• Annual Conference on Human and Language Technology
• /
• 2019.10a
• /
• pp.362-367
• /
• 2019

본 논문에서는 Self-Attention을 활용한 딥러닝 기반 문맥의존 철자오류 교정 모델을 제안한다. 문맥의존 철자오류 교정은 최근 철자오류 교정 분야에서 활발히 연구되고 있는 문제 중 하나이다. 기존에는 규칙 기반, 확률 기반, 임베딩을 활용한 철자오류 교정이 연구되었으나, 아직 양질의 교정을 수행해내기에는 많은 문제점이 있다. 따라서 본 논문에서는 기존 교정 모델들의 단점을 보완하기 위해 Self-Attention을 활용한 문맥의존 철자오류 교정 모델을 제안한다. 제안 모델은 Self-Attention을 활용하여 기존의 임베딩 정보에 문맥 의존적 정보가 반영된 더 나은 임베딩을 생성하는 역할을 한다. 전체 문장의 정보가 반영된 새로운 임베딩을 활용하여 동적으로 타겟 단어와의 관련 단어들을 찾아 문맥의존 철자 오류교정을 시행한다. 본 논문에서는 성능평가를 위해 세종 말뭉치를 평가 데이터로 이용하여 제안 모델을 실험하였고, 비정형화된 구어체(Kakao Talk) 말뭉치로도 평가 데이터를 구축해 실험한 결과 비교 모델보다 높은 정확율과 재현율의 성능향상을 보였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2019.01a
• /
• pp.41-42
• /
• 2019

본 논문에서는 다양한 기계학습 모델을 이용한 신용 데이터 분석 기법에 대해 서술한다. 기계학습 모델은 크게 Canonical models, Committee machines, 그리고 Deep learning models로 분류된다. 이러한 다양한 기계학습 모델 중 일부 학습 모델을 기반으로 Benchmark dataset인 Credit Approval 데이터를 분석하고 성능을 평가한다. 성능 평가에는 k-fold evaluation method를 사용하며, k-fold evaluation 결과에 대한 평균 성능을 측정하기 위해 Accuracy, Precision, Recall, 그리고 F1-score가 사용되었다.

• Annual Conference on Human and Language Technology
• /
• 2022.10a
• /
• pp.67-70
• /
• 2022

최근 자연어 생성 연구는 딥러닝 기반의 사전 학습 모델을 중심으로 활발하게 연구되고 있다. 하위 분야 중 하나인 텍스트 확장은 입력 텍스트를 출력에 잘 반영하는 것이 무엇보다도 중요하다. 기존 한국어 기반 텍스트 확장 연구의 경우 몇 개의 개념 집합에 기반해 문장을 생성하도록 한다. 그러나 이는 사람의 실제 발화 길이에 비해 짧고 단순한 문장만을 생성한다는 문제점이 존재한다. 본 논문은 이러한 문제점을 개선하면서 문학 스타일의 문장들을 생성하는 모델을 제안하였다. 또한 동일 모델에 대해 학습 데이터의 양에 따른 성능도 비교하였다. 그 결과, 짧은 요약문을 통해 문학 스타일의 여러 문장들을 생성하는 것을 확인하였고, 학습 데이터를 추가한 모델이 성능이 더 높게 나타나는 것을 확인하였다.

• Annual Conference on Human and Language Technology
• /
• 2022.10a
• /
• pp.437-441
• /
• 2022

문맥 독립 주장 탐지는 논점에 대한 정보가 주어지지 않은 상황에서 문서 내부의 문장들 또는 단일 문장에 대한 주장을 탐지하는 작업이다. 본 논문에서는 GCN 계층을 통해 얻은 구조 정보와 사전 학습된 언어 모델을 통해 얻은 의미 정보를 활용하는 문맥 독립 주장 탐지 모델을 제안한다. 특히 문장의 전체 구조 정보를 나타내는 부모-자식 그래프와 문장의 특정 구조 정보를 나타내는 조부모-조손 그래프를 활용해 추가적인 구조 정보를 활용하여 주장 탐지 성능을 향상시켰다. 제안 모델은 IAM 데이터셋을 사용한 실험에서 기본 RoBERTa base 모델과 비교하여 최대 2.66%p의 성능 향상을 보였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2009.04a
• /
• pp.325-328
• /
• 2009

최근 자율 로봇을 지원하는 로봇의 지식 체계를 확립하기 위해 온톨로지 기술이 많이 사용되고 있다. 즉, 온톨로지를 통한 로봇의 지식 체계에 대한 데이터베이스 스키마를 설계하고 이에 따른 추론 시스템을 개발하는 연구가 활발히 진행되고 있는 시점이다. 이러한 관점에서, 본 논문은 독거 노인을 보조하는 실용적인 SilverMate 로봇분야와 같은 로봇의 지능적인 서비스를 요구하는 분야에서 로봇의 지식 체계 프레임워크를 제공하는데 초점을 두고 있다. 제안하는 지식 체계는 로봇의 자전적 기억을 중심으로 자전적 기억을 기술하기 위한 5W1H 모델을 제안하고 의미적 상관관계를 기술하기 위해 의미기억 모델로서 SCOT-SN 모델, 절차적 기억 모델로서 TES 모델을 정의한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.05a
• /
• pp.382-384
• /
• 2021

AI (Artificial Intelligence)기술이 상용화되면서 최근 기업들은 AI 모델의 기능을 서비스화하여 제공하고 있다. 하지만 최근 이러한 서비스를 이용하여 기업이 자본을 투자해 학습시킨 AI 모델을 탈취하는 공격이 등장하여 위협이 되고 있다. 본 논문은 최근 연구되고 있는 이러한 모델 탈취 공격들에 대해 공격자의 정보를 기준으로 분류하여 서술한다. 또한 본 논문에서는 모델 탈취 공격에 대응하기 위해 다양한 관점에서 시도되는 방어 기법들에 대해 서술한다.

• Annual Conference on Human and Language Technology
• /
• 2019.10a
• /
• pp.287-292
• /
• 2019

다양한 매체를 통해 텍스트 데이터가 빠르게 생성되면서 요약된 텍스트에 대한 수요가 증가하고 있다. 시퀀스-투-시퀀스 모델의 등장과 attention 기법의 출현은 추상적 요약의 난도를 낮추고 성능을 상승시켰다. 그러나 그동안 진행되어 온 attention 기반의 시퀀스-투-시퀀스 모델을 통한 요약 관련 연구들은 요약 시 텍스트의 카테고리 정보를 이용하지 않았다. 텍스트의 카테고리 정보는 Class Activation Map(CAM)을 통해 얻을 수 있는데, 텍스트를 요약할 때 핵심이 되는 단어와 CAM에서 높은 수치를 보이는 단어가 상당수 일치한다는 사실은 요약문 생성이 텍스트의 카테고리에 의존적일 필요가 있음을 증명한다. 본 논문에서는 요약문 생성 시 집중 정도에 대한 정보를 CAM을 통해 전달하여 attention matrix를 보강할 수 있는 모델을 제안하였다. 해당 모델을 사용하여 요약문을 생성하고 대표적인 요약 성능 지표인 ROUGE로 측정한 결과, attention 기반의 시퀀스-투-시퀀스 모델이 질이 떨어지는 요약문을 생성할 때 attention의 성능을 보강하여 요약문의 질을 높일 수 있음을 알 수 있었다.

• Annual Conference on Human and Language Technology
• /
• 2019.10a
• /
• pp.78-80
• /
• 2019

개체명 인식 연구에서 우수한 성능을 보이고 있는 bi-LSTM-CRFs 모델은 처리 속도가 느린 단점이 있고, CNN-CRFs 모델은 한국어 말뭉치를 사용하여 제대로 분석되지 않았다. 본 논문에서는 한국어 개체명 인식 말뭉치를 이용한 CNN-CRFs 모델의 음절 단위 한국어 개체명 인식 방법을 제안한다. 실험 결과 bi-LSTM-CRFs 모델보다 CNN-CRFs 모델의 F1 score가 0.4% 높았고, 27.5% 빠른 처리 속도를 보였다.