• 감성과학
• /
• 제15권4호
• /
• pp.503-516
• /
• 2012

지금까지 로봇 및 소프트웨어 에이전트들을 살펴보면, 감정 모델이 내부에 종속적으로 존재하기 때문에 감정모델만을 별도로 분리해 새로운 시스템에 재활용하기란 쉽지 않다. 따라서 어떤 로봇 및 에이전트와 연동될 수 있는 Engine of computational Emotion model (이하 EE로 표시한다)을 소개한다. 이 EE는 어떤 입력 정보에도 치중되지 않고, 어떤 로봇 및 에이전트의 내부와도 연동되도록 독립적으로 감정을 담당하기 위해, 입력 단계인 인식과 출력 단계인 표현을 배제하고, 순수하게 감정의 생성 및 처리를 담당하는 중간 단계인 감정 발생만을 분리하여, '입력단 및 출력단과 독립적인 소프트웨어 형태, 즉 엔진(Engine)'으로 존재한다. 이 EE는 어떤 입력단 및 출력단과 상호작용이 가능하며, 자체 감정뿐 아니라 상대방의 감정을 사용하며, 성격을 활용하여 종합적인 감정을 산출해낸다. 또한 이 EE는 로봇 및 에이전트의 내부에 라이브러리 형태로 존재하거나, 별도의 시스템으로 존재하여 통신할 수 있는 구조로 활용될 수 있다. 감정은 Joy(기쁨), Surprise(놀람), Disgust(혐오), Fear(공포), Sadness(슬픔), Anger(분노)의 기본 감정을 사용하며, 문자열과 계수를 쌍으로 갖는 정보를 EE는 입력 인터페이스를 통해 입력 신호로 받고, 출력 인터페이스를 통해 출력 신호로 내보낸다. EE는 내부에 감정마다 감정경험의 연결 목록을 가지고 있으며, 이의 계수의 쌍으로 구성된 정보를 감정의 생성 및 처리하기 위한 감정상태 목록으로 사용한다. 이 감정경험 목록은 '인간이 실생활에서 경험하는 다양한 감정에 대한 이해를 도모'하는 감정표현어휘로 구성되어 있다. EE는 인간의 감정을 탐색하여 적절한 반응을 나타내주는 상호작용 제품에 이용 가능할 것이다. 본 연구는 제품이 '인간을 공감하고 있음'을 인간이 느낄 수 있도록 유도하는 시스템을 만들고자 함이므로, HRI(인간－로봇 상호작용)나 HCI(인간－컴퓨터 상호작용)와 관련 제품이 효율적인 감정적 공감 서비스를 제공하는데 도움이 될 수 있을 것으로 기대한다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제35권5호
• /
• pp.313-324
• /
• 2008

문장 축소란 원본 문장의 기본적인 의미를 유지하면서 불필요한 단어나 구를 제거하는 일련의 정보 압축 과정을 의미한다. 기존의 문장 축소에 관한 연구들은 학습 과정에서 대량의 어휘나 구문적 자원을 필요로 하였으며, 복잡한 파싱 과정을 통해서 불필요한 문장의 구성원(예를 들어, 단어나 구, 절 등)들을 제거하여 문장을 요약하였다. 그러나 학습 데이타로부터 얻을 수 있는 어휘적 자원은 매우 한정적이며, 문장의 모호성과 예외적인 표현들 때문에 구문 분석 결과가 명료하게 제공되지 않은 언어에서는 문장 요약이 용이하지 않다. 이에 본 논문에서는 구문 분석을 대체하기 위한 방법으로 템플릿과 품사 정보를 이용한 문장 축소 방법을 제안한다. 제안하는 방법은 요약문의 구조적 형태를 결정하기 위한 문장 축소 템플릿(Sentence Reduction Templates)과 문법적으로 타당한 문장 구조를 구성하는 품사기반 축소규칙(Grammatical POS-based Reduction Rules)을 이용하여 요약 대상 문장의 구성을 분석하고 요약한다. 더불어, 문장 축소 템플릿 적용 시 발생하는 연산량 증가 문제를 은닉 마르코프 모델(HMM: Hidden Markov Model)의 비터비 알고리즘(Viterbi Algorithm)을 이용하여 효과적으로 처리한다. 마지막으로, 본 논문에서 제안한 문장 축소 방법의 결과와 기존 논문의 연구 결과를 비교 및 평가함으로써 제안하는 문장 축소 방법의 유용성을 확인한다.

• 한국학교수학회논문집
• /
• 제16권4호
• /
• pp.797-820
• /
• 2013

본 논문은 초등학교 예비교사 100명을 대상으로 수학적 '문제 만들기'의 문장에 나타나는 오류를 분석하고 그에 대한 간단한 예방책을 기술한 논의이다. '문제 만들기' 문장에는 '음운 오류, 단어 오류, 문장 오류, 의미 오류, 표기 오류' 등 5가지 오류 유형이 나타났다. 이를 다시 14개의 세부 유형으로 구분하여 세부적으로 논의하였다. 곧 음운 오류의 유형은 'ㄹ'첨가 오류와 조사끼리의 준말 사용 오류가 있다. 단어 오류는 크게 '부적절한 사용 오류'와 '부당한 생략 오류'로 구분하고 이를 다시 조사, 어미, 어휘의 사용 오류와 조사와 어휘의 부당한 생략 오류로 유형화하였다. 문장 오류는 '지시 대상의 오류, 문장 성분의 생략 오류, 어순 오류, 자체 비문'의 네 가지로 유형화하였다. 의미 오류는 논리적 모순 관계 오류와 중의성을 띄는 의미 오류에 대해서만 논의하였고, 표기 오류는 띄어쓰기와 문장 부호, 철자에 관한 한글 맞춤법 오류와 외래어 표기법 오류 등에 대하여 논의하였다. 또한 14개의 문법적 세부 오류 유형을 방지하기 위한 예방책을 제시하였다. 먼저 구어와 문어의 차이를 인식하고, 둘째 글을 쓰는 문어 상황에 맞도록 구어적 표현을 지양하도록 하는 것, 셋째 국어 기본 문형 학습에 대한 강조, 넷째 단어 의미의 명확한 이해를 바탕으로 한 의미의 논리적 전개 인식을 제안하였으며, 끝으로 국어 어문 규정에 대한 학습을 제안하였다. 그리고 대학생 글쓰기 교육에 대한 필요성에 대한 재인식을 결론으로 갈음하였다.

• 감성과학
• /
• 제15권2호
• /
• pp.297-306
• /
• 2012

본 연구에서는 미묘한 차이가 있는 다양한 흰색의 감성을 평가하여 백색가전제품을 디자인함에 있어 제품의 감성과 적합한 흰색을 제시할 수 있는 가이드라인을 개발하였다. 연구는 3가지 실험으로 나누어 진행되었다. 실험 1에서는 문헌조사와 워크샵을 통해 수집한 60가지 감성 어휘 중, 설문을 통해 (N=30) 제품색을 평가하기 적합한 20개의 감성 어휘를 추출하였다. 실험 2에서는 다른 색들과 비교했을 때 흰색의 상대적인 감성적 특성을 알기 위해 I.R.I Hue & Tone 120 system으로부터 선정한 13가지 기본색을 대상으로 실험 1에서 추출한 20개의 감성 어휘에 대해 감성 평가를 진행하였다 (N=30). 이를 요인 분석법을 통해 분석한 결과 4개의 감성 요인 - 화려한, 우아한, 맑은, 부드러운 - 이 추출되었으며, 또한 13색의 감성적 특성을 파악하고 이를 흰색과 비교하였다. 마지막으로 실험 3에서는, 실험 2에서 얻은 4가지 감성 요인을 이용하여 미묘한 차이를 가진 25가지 흰색에 대한 감성 평가를 진행하였다. 실험에 사용된 색채 자극물은 CIE 1976 $L^*a^*b^*$로 측정되었으며, 각각의 L, a, b값이 흰색의 감성적 특성에 미치는 영향을 파악하기 위해 회귀 분석을 사용하여 결과를 분석하였다. 본 실증적 연구들을 통해 우리는 3가지 주요 결과를 얻었다 : 첫째, 제품색을 평가하기 위한 4가지 감성 요인 - 화려한, 우아한, 맑은, 부드러운 - 이 존재한다. 둘째, 흰색은 다른 색보다 우아한 감성이 압도적으로 강하게 표현된다. 셋째, 색의 감성적 특성은 색의 3요소인 색상, 명도, 채도 중 일부분의 조합에 영향을 받는다. 추가적으로, 실험 3의 회귀분석을 통해 공식을 도출하였으며, 이 공식을 사용하여 다양한 흰색의 감성적 특성을 예측할 수 있다.

• 지능정보연구
• /
• 제28권2호
• /
• pp.127-146
• /
• 2022

최근 워드 임베딩이 딥러닝 기반 자연어 처리를 다루는 다양한 업무에서 우수한 성능을 나타내면서, 단어, 문장, 그리고 문서 임베딩의 고도화 및 활용에 대한 연구가 활발하게 이루어지고 있다. 예를 들어 교차 언어 전이는 서로 다른 언어 간의 의미적 교환을 가능하게 하는 분야로, 임베딩 모델의 발전과 동시에 성장하고 있다. 또한 핵심 기술인 벡터 정렬(Vector Alignment)은 임베딩 기반 다양한 분석에 적용될 수 있다는 기대에 힘입어 학계의 관심이 더욱 높아지고 있다. 특히 벡터 정렬은 최근 수요가 높아지고 있는 분야간 매핑, 즉 대용량의 범용 문서로 학습된 사전학습 언어모델의 공간에 R&D, 의료, 법률 등 전문 분야의 어휘를 매핑하거나 이들 전문 분야간의 어휘를 매핑하기 위한 실마리를 제공할 수 있을 것으로 기대된다. 하지만 학계에서 주로 연구되어 온 선형 기반 벡터 정렬은 기본적으로 통계적 선형성을 가정하기 때문에, 본질적으로 상이한 형태의 벡터 공간을 기하학적으로 유사한 것으로 간주하는 가정으로 인해 정렬 과정에서 필연적인 왜곡을 야기한다는 한계를 갖는다. 본 연구에서는 이러한 한계를 극복하기 위해 데이터의 비선형성을 효과적으로 학습하는 딥러닝 기반 벡터 정렬 방법론을 제안한다. 제안 방법론은 서로 다른 공간에서 벡터로 표현된 전문어 임베딩을 범용어 임베딩 공간에 정렬하는 스킵연결 오토인코더와 회귀 모델의 순차별 학습으로 구성되며, 학습된 두 모델의 추론을 통해 전문 어휘를 범용어 공간에 정렬할 수 있다. 제안 방법론의 성능을 검증하기 위해 2011년부터 2020년까지 수행된 국가 R&D 과제 중 '보건의료' 분야의 문서 총 77,578건에 대한 실험을 수행한 결과, 제안 방법론이 기존의 선형 벡터 정렬에 비해 코사인 유사도 측면에서 우수한 성능을 나타냄을 확인하였다.

• 정보과학회 논문지
• /
• 제43권12호
• /
• pp.1376-1384
• /
• 2016

기계가 사람과 같이 문장을 처리하게 하려면 사람이 쓴 문장을 토대로 사람이 문장을 통해 발현하는 모든 문장의 표현 양상을 학습해 사람처럼 분석하고 처리할 수 있어야 한다. 이를 위해 기본적으로 처리되어야 할 부분은 언어학적인 정보처리이다. 언어학에서 통사론적으로 문장을 분석할 때 필요한 것이 문장을 성분별로 나눌 수 있고, 문장의 핵심인 용언을 중심으로 필수 논항을 찾아 해당 논항이 용언과 어떤 의미역 관계를 맺고 있는지를 파악할 수 있어야 한다. 본 연구에서는 국립국어원 표준국어대사전을 기반으로 구축한 격틀사전과 한국어 어휘 의미망에서 용언의 하위 범주를 자질로 구축한 CRF 모델을 적용하여 의미역을 결정하는 방법을 사용하였다. 문장의 어절, 용언, 격틀사전, 단어의 상위어 정보를 자질로 구축한 CRF 모델을 기반으로 하여 의미역을 자동으로 태깅하는 실험을 한 결과 정확률이 83.13%로 기존의 규칙 기반 방법을 사용한 의미역 태깅 결과의 정확률 81.2%보다 높은 성능을 보였다.

• 한국도서관정보학회지
• /
• 제50권4호
• /
• pp.137-158
• /
• 2019

본 연구의 목적은 일제강점기 일본어 신문 중 자료의 방대한 양이나 사료로서의 가치에도 불구하고 아직까지 신문기사 검색이 불가능한 『조선시보』의 메타데이터 구축 방안을 마련하는데 있다. 이를 위해, 본 연구에서는 (1) 일제강점기 신문DB구축 현황과 메타데이터 요소를 분석하고, (2) 『조선시보』의 형태적·내용적 특성을 파악한 다음, (3) 메타데이터 설계를 위한 기본원칙을 정한 후 『조선시보』에 적용할 메타데이터 요소 및 인코딩 스킴, 통제어휘를 도출하였다. 이러한 메타데이터 설계(안)은 (1) 데이터 입력 테스트를 통한 검토 및 수정, (2) DB 전문기관의 자문, (3) 관련 표준 및 관련 사례와의 crosswalk 작성 등의 과정을 거쳐 확정되었다. 본 연구의 범위는 『조선시보』에 적합한 메타데이터 요소의 개발 및 이를 토대로 데이터의 입력을 위한 입력기 개발까지로 설정하였다.

• 디자인학연구
• /
• 제17권2호
• /
• pp.209-220
• /
• 2004

본 연구는 웹 디자인에서 배색(color combination)과 레이아웃(layout)에 의한 감성 효과를 알아보기 위하여 수행되었다. 본 연구에서는 여덟 가지 배색 샘플(sample)과 네 가지 기본 레이아웃(layout)을 선정하여, 그 조합으로 웹 페이지를 디자인하여 배색과 레이아웃 타입에 따른 감성 효과를 알아보았다. 배색과 레이아웃에 의한 감성 효과는 '밝고 소프트하고 화려한' 배색과 레이아웃 타입에서 '밝다, 환하다, 간단하다, 따뜻하다, 간결하다, 소프트하다' 가 주 감성 효과로 나타났다. 그리고 '어둡고 딱딱하며 간단한' 배색과 레이아웃 타입에서는 '차갑다, 칙칙하다, 어둡다, 딱딱하다, 도회적이다'의 감성 효과가 나타났다. 또, 배색에 의한 감성 효과는 배색의 감성을 포함하고 있는 감성 어휘들이 우선적으로 나타난 것으로 보아 배색에서부터 오는 감성 효과가 크다고 해석되었다. 또한 레이아웃에 의한 감성 효과는 레이아웃 A와 B에서 C와 D타입으로 갈수록 즉, 레이아웃이 복잡해질수록 '화려하고 도회적인' 인상을 받는 것으로 나타났다. 배색에 의한 감성 효과가 레이아웃에 의한 감성효과보다 크게 나타났으나 배색은 레이아웃에 의해 이루어지므로 레이아웃에 의한 감성 효과도 중요한 것으로 해석되었다.

• 한국음향학회지
• /
• 제18권1호
• /
• pp.53-60
• /
• 1999

이 논문은 한국 방송 음성 인식에 관한 연구이다. 여기서 우리는 대규모 어휘를 갖는 연속 음성 인식을 위한 방법을 제시한다. 주요 관점은 언어 모델과 탐색 방법이다. 사용된 음성 모델은 기본음소 Semi-continuous HMM이고 언어 모델은 N-gram 방법이다. 탐색 방법은 음성과 언어 정보를 최대한 활용하기 위해 3단계의 방법을 사용하였다. 첫째로, 단어의 끝 부분과 그에 관련된 정보를 만들기 위한 순방향 Viterbi Beam탐색을 하였으며, 둘째로 단어 의 시작 부분과 그에 관련된 정보를 만드는 역방향 Viterbi Beam탐색, 그리고 마지막으로 이들 두 결과와 확률적인 언어 모델을 결합하여 최종 인식결과를 얻기 위해 A/sup */ 탐색을 한다. 이 방법을 사용하여 12,000개의 단어에 대한 화자 독립으로 최고 96.0%의 단어 인식률과 99.2%의 음절 인식률을 얻었다.

• 한국도서관정보학회지
• /
• 제41권2호
• /
• pp.127-145
• /
• 2010

아웃소싱, 출판계 데이타의 반입, 카피카탈로깅의 활성화는 목록 작성 업무의 비중을 감소시키고 있으며, 다른 커뮤니티와의 상호 운용성 강조, 시스템간의 비즈니스적 통합 요구는 총체적으로 전통적 도서관 목록 작성 업무의 중요성과 의의를 변화시키고 있다. 한편, 새롭게 천명된 원칙과 규칙은 AACR과 MARC을 근간으로 하는 기존 목록 체계와 큰 차이를 예고하고 있어, 차세대 목록 교육의 방향에 대한 고민이 시급해 보인다. 본 연구에서는 미래의 목록 작성 업무에 대한 예측, 사서의 새로운 역할과 역량에 대한 제 논의를 종합하여 목록 사서 양성 과정과 현업 사서 재교육 과정에서 필요로 한 차세대 목록 교육의 방향을 제시하였다. 목록 사서 양성 과정에서는 다양한 자원의 기술과 발견을 위한 정보 조직의 기본 개념을 학습하며, 정보서비스의 미션을 파악하여 현장에 적용할 수 있도록 교육되어야 한다. 한편, 현업 사서 재교육 과정에서는 서지적 세계를 이해하는 새로운 방법과 변경된 어휘, 인코딩 방식을 학습하며, 도서관이 수용하게 된 다양한 자원에 적합한 메타데이타 스키마의 선택, 그리고 자원의 통합을 위한 능력을 제고시킬 수 있어야 할 것이다.