• The Journal of the Korea Contents Association
• /
• v.4 no.2
• /
• pp.36-42
• /
• 2004

This paper describes the Korean Question answering system using the syntactic-relation information d verbs to overcome lack of reliable knowledge and linguistic resources. The syntactic-relation information consists d the original form d a verb, usual usage pattern, semantic category of each dependent noun, synonym verbs and passive verbs. We use the syntactic-relation information to parse sentences or phrases with usual usage pattern of the verb and semantic conditions of dependent components on the verb. We also use that information to parse answer candidate sentences, and find an answer from questioned case slot. Our experiments that usage of the syntactic-relation information of verbs to mm lack of reliable knowledge and linguistic resources can be utilized efficiently for the Korean question answering system.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10c
• /
• pp.55-57
• /
• 2002

XML은 확장성, 호환성, 정보의 구조화의 우수성으로 인터넷상에서 정보 교환의 표준으로 자리 매김하고 있다 그러나 대부분의 비즈니스 데이터는 관계형 데이터베이스 시스템에 저장되어 있고 앞으로도 상당한 기간 동안 그러할 것이다. 이에 따라. 관계형 데이터를 XML 문서로 변환, 출판하기 위한 연구가 활발히 진행 중이다. 본 연구에서 관계형 데이터를 XPATH 질의어를 동하여 검색하고 XML 문서로 변환하기에 적합하도록 관계형 데이터베이스의 저장 스키마를 설계하였다. 그리고, XPATH 질의어를 SQL 문장으로 변환하여 관계형 데이터를 검색하였고, 질의 결과를 DOM 형식의 XML 문서로 생성하였다.

• 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
• /
• 2020.10a
• /
• pp.9-13
• /
• 2020

관계 추출은 주어진 문장이나 문서에 존재하는 개체들 간의 의미적 관계를 찾아내는 작업을 말한다. 최근 문서 수준 관계 추출 말뭉치인 DocRED가 공개되면서 문서 수준 관계 추출에 대한 연구가 활발히 진행되고 있다. 또한 사전 학습된 Masked Language Model(MLM)이 자연어처리 분야 전체에 영향력을 보이면서 관계 추출에서도 MLM을 사용하는 연구가 진행되고 있다. 그러나 문서 수준의 관계 추출은 문서의 단위가 길기 때문에 Self-attention을 기반으로 하는 MLM을 사용하면 모델의 계산량이 증가하는 문제가 있다. 본 논문은 이 점을 보완하기 위해 관계 추출에 필요한 문장을 선별하는 간단한 전처리 방법을 제안한다. 또한 문서의 길이에 상관없이 관계 추출에 필요한 어휘 정보를 자동으로 습득 할 수 있는 Relation-Context Co-attention 방법을 제안한다. 제안 모델은 DocRED 말뭉치에서 Dev F1 62.01%, Test F1 59.90%로 높은 성능을 보였다.

• Journal of the Korean Society for information Management
• /
• v.23 no.1 s.59
• /
• pp.63-81
• /
• 2006

The purpose of this study is to present the limitation of terminological relationships in the current information environment and to propose a solution to result in the richer and refined terminological resources. For this, various kinds of terminological relationships in knowledge organization systems and theoretical researches were collected and analyzed. Based upon the analysis, a methodology for classification of terminological relationships was suggested and classification models were presented. Additionally, four suggestions were made for the practical uses of the classification models.

• The Journal of the Korea Contents Association
• /
• v.17 no.1
• /
• pp.363-377
• /
• 2017

The purpose of this study is to investigate the impact of leader-member exchange(LMX) on employees' creativity, and task performance focusing on the mediating effect of information sharing and job involvement. Based on the review of related references, we suggested our research model and hypothesis and then tested empirically. From these analyses, we can find some significant findings. First, LMX has a positive impact on information sharing. Second, information sharing has a positive impact on job involvement, creativity, and task performance. Third, information sharing has significant mediating effects on the relationship between LMX and job involvement, creativity, and task performance. Fourth, job involvement also has significant mediating effects on the relationship between information sharing and creativity and task performance. These results showed that information sharing and job involvement played their role as a meaningful mediator.

• Annual Conference on Human and Language Technology
• /
• 2022.10a
• /
• pp.385-390
• /
• 2022

관계추출은 문서 혹은 문장에서 자동으로 엔티티들간의 관계를 추출하는 기술로, 비정형 데이터를 정형데이터로 변환하기에 자연어 처리 중에서도 중요한 분야중 하나이다. 그 중에서도 대화 관계추출은 기존의 문장 단위의 관계추출과는 다르게 긴 길이에 비해 적은 정보의 양, 빈번하게 등장하는 지시대명사 등의 특징을 가지고 있어 주어와 목적어 사이의 관계를 예측하기에 어려움이 있었다. 본 연구에서는 이러한 어려움을 극복하기 위해 대화의 특성을 고려한 대화 그래프를 구축하고 이를 이용한 모델을 제안한다. 제안하는 모델은 상호참조 정보와 문맥정보를 더 반영한 그래프를 통해 산발적으로 퍼져있는 정보를 효율적으로 수집하고, 지시대명사로 인해 어려워진 중요 발화 파악 능력을 증진시켰다. 또한 이를 실험적으로 보이기 위하여 대화 관계추출 데이터셋에 실험해본 결과, 기존 베이스라인 보다 약 10 % 이상의 높은 F1점수를 달성하였다.

• The Journal of Society for e-Business Studies
• /
• v.13 no.4
• /
• pp.209-222
• /
• 2008

The product information can be practically stored and managed, and also queried when we use a relational database. We need to develop a special indexing scheme in order to process the queries to ask for the semantic relationships of the product information. Such semantic relationships include ISA or taxonomy relationships that have the transitive properties. In this paper, we propose an index scheme to effectively process those queries with the transitive property. The proposed index scheme is based on a numbering scheme that has relatively low update cost.

• Annual Conference on Human and Language Technology
• /
• 2004.10d
• /
• pp.25-31
• /
• 2004

단서구문 및 어휘 쌍 확률 등을 이용하면 일정한 영역의 문서에서 사용된 용어의 원인이 되거나 결과를 나타나는 관련어들을 찾을 수 있다. 본 논문에서는 이러한 각 용어의 선행 원인과 후행 결과를 인과관계 정보라고 정의한다. 인과관계 정보가 유사한 용어들은 서로 유사한 개념에 속한다고 가정한다면, 용어의 직/간접적 인과관계로서 용어 온톨로지에서 그 용어가 속할 집합을 결정하는데 도움을 줄 수 있다. 본 논문에서는 각 용어의 인과관계가 용어 군집화를 위한 유용한 문맥 정보의 하나라는 것을 실험을 통해 증명하였다. 속성으로 사용된 인과관계는 대용량의 코퍼스로부터 비지도식 학습방법을 통해 자동 습득하였으며, 그 정확도는 74.84%를 보였다. 1659개 용어에 대한 군집화 실험 결과 70.02%의 정확도를 보였으며, 어휘 유사도만을 사용한 경우에 비해 32.9%의 적용도 향상을 보였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.236-239
• /
• 2023

본 논문에서는 디지털증거 분석을 위해 확보한 증거파일 들로부터 범죄 정황에 해당하는 단어 및 어휘를 추출하여 해당 범죄를 인과관계 분석을 하기 위해 핵심 단서와 원인을 효과적으로 파악하기 위해 필요한 인과정보를 제안한다. 이 정보들은 개체명 인식 및 분류를 할 수 있도록 구성되어 범죄 관계인, 관계인간 관계, 범죄 수법과 범죄관련 정보를 추출하고 유형화하여, 향후 해당 범죄에 대한 인과 분석 기법을 활용한 범죄 예방 분석과 수사에 기여할 수 있도록 도움을 준다.