• Proceedings of the Korea Information Processing Society Conference
• /
• 2017.11a
• /
• pp.869-872
• /
• 2017

참조 표현이란 영상 내의 특정 물체를 가리키는 자연어 문장을 의미한다. 그리고 이러한 자연어 참조 표현을 기초로, 한 영상에서 실제로 대상 물체의 영역을 찾아내는 일을 참조 표현 이해라고 한다. 본 논문은 참조 표현 이해를 위한 새로운 심층 신경망 모델과 학습 방법을 제안한다. 본 논문에서 제안하는 모델은 효과적인 참조 표현 이래를 위해, 참조 표현에서 언급하는 대상 물체와 보조 물체를 모두 고려할 뿐만 아니라, 두 물체간의 관계정보도 활용한다. 또한, 본 논문에서 제안하는 모델은 이러한 다양한 맥락 정보들을 참조 표현 의존적인 방식으로 가중 결합함으로써, 참조 표현에 부합하는 대상 물체 영역을 보다 정확히 탐지해낼 수 있도록 설계하였다. 본 논문에서는 대규모 참조 표현 데이터 집합인 Google RefExp를 이용한 성능 비교 실험들을 통해, 제안하는 모델의 우수성을 확인하였다.

• Annual Conference on Human and Language Technology
• /
• 2021.10a
• /
• pp.264-269
• /
• 2021

상호참조해결은 주어진 문서에서 상호참조해결의 대상이 될 수 있는 멘션을 추출하고, 같은 개체를 의미하는 멘션 쌍 또는 집합을 찾는 자연어처리 작업이다. 하나의 멘션 내에 멘션이 될 수 있는 다른 단어를 포함하는 중첩 멘션은 순차적 레이블링으로 해결할 수 없는 문제가 있다. 본 논문에서는 이러한 문제를 해결하기 위해 멘션의 시작 단어의 위치를 여는 괄호('('), 마지막 위치를 닫는 괄호(')')로 태깅하고 이 괄호들을 예측하는 멘션 탐지 모델과 멘션 탐지 모델에서 예측된 멘션을 바탕으로 포인터 네트워크를 이용하여 같은 개체를 나타내는 멘션을 군집화하는 상호참조해결 모델을 제안한다. 실험 결과, 4개의 영어 대화 데이터셋에서 멘션 탐지 모델은 F1-score (Light) 94.17%, (AMI) 90.86%, (Persuasion) 92.93%, (Switchboard) 91.04%의 성능을 보이고, 상호참조해결 모델에서는 CoNLL F1 (Light) 69.1%, (AMI) 57.6%, (Persuasion) 71.0%, (Switchboard) 65.7%의 성능을 보인다.

• Spatial Information Research
• /
• v.20 no.5
• /
• pp.91-98
• /
• 2012

The purpose of the present study is to suggest the extern BIM reference model for interoperability between BIM and GIS. After we surveyed the research progress and usecases related to the interoperability to do this, we analyzed the architecture of the neutral model such as IFC, CityGML to identify the differences between these and expand CityGML model. By using this result, we proposed the external BIM reference model including the metadata which defines mapping rules from IFC to CityGML.

• Annual Conference on Human and Language Technology
• /
• 2022.10a
• /
• pp.307-312
• /
• 2022

상호참조해결은 주어진 문서에서 멘션을 추출하고 동일한 개체의 멘션들을 군집화하는 작업이다. 기존 상호참조해결 연구의 멘션탐지 단계에서 진행한 가지치기는 모델이 계산한 점수를 바탕으로 순위화하여 정해진 비율의 멘션만을 상호참조해결에 사용하기 때문에 잘못 예측된 멘션을 입력하거나 정답 멘션을 제거할 가능성이 높다. 또한 멘션 탐지와 상호참조해결을 종단간 모델로 진행하여 학습 시간이 오래 걸리고 모델 복잡도가 높은 문제가 존재한다. 따라서 본 논문에서는 상호참조해결을 2단계 파이프라인 모델로 진행한다. 첫번째 멘션 탐지 단계에서 후보 단어 범위의 점수를 계산하여 멘션을 예측한다. 두번째 상호참조해결 단계에서는 멘션 탐지 단계에서 예측된 멘션을 그대로 이용해서 서로 상호참조 관계인 멘션 쌍을 예측한다. 실험 결과, 2단계 학습 방법을 통해 학습 시간을 단축하고 모델 복잡도를 축소하면서 종단간 모델과 유사한 성능을 유지하였다. 상호참조해결은 Light에서 68.27%, AMI에서 48.87%, Persuasion에서 69.06%, Switchboard에서 60.99%의 성능을 보였다.

• Annual Conference on Human and Language Technology
• /
• 2019.10a
• /
• pp.67-70
• /
• 2019

상호참조해결은 자연언어 문서 내에서 같은 개체를 나타내는 언급들을 연결하는 문제다. 대명사, 지시 관형사, 축약어, 동음이의어와 같은 언급들의 상호참조를 해결함으로써, 다양한 자연언어 처리 문제의 성능 향상에 기여할 수 있다. 본 논문에서는 현재 영어권 상호참조해결에서 좋은 성능을 내고 있는 BERT 기반 상호참조해결 모델에 한국어 데이터 셋를 적용시키고 표층형을 이용한 규칙을 추가했다. 본 논문의 모델과 기존의 모델들을 실험하여 성능을 비교하였다. 기존의 연구들과는 다르게 적은 특질로 정밀도 73.59%, 재현율 71.1%, CoNLL F1-score 72.31%의 성능을 보였다. 모델들의 결과를 분석하여 BERT 기반의 모델이 다양한 특질을 사용한 기존 딥러닝 모델에 비해 문맥적 요소를 잘 파악하는 것을 확인했다.

• Journal of Cadastre & Land InformatiX
• /
• v.51 no.1
• /
• pp.5-22
• /
• 2021

Digital Twin for Land(DTL) is one of the national work projects in the Korean New Deal but there aren't still any standards and technical guides which would need to construct the DTL. This study presents the policies to develop reference model and data model based on geo-spatial information standards to ensure interoperability for the DTL. In this paper, we first extract the implications through reviewing definitions of Digital Twin used in various literatures and international standardization trends on Digital Twin. In addition, this study attempts to conceptualize the DTL through various ways such as defining the DTL and characterizing DTL domains. Finally, we propose three policies on the standardization of the DTS: (1) DTS reference model by using RM-ODP, (2) three-steps hierarchical data models, and (3) model registry to manage the data models efficiently. The proposed policies of the study would contribute to establish a way for DTS's standards development over the coming years.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2007.05a
• /
• pp.550-553
• /
• 2007

본 논문에서는 제품 정보를 교환 및 공유하기 위한 국제 표준인 ISO 15926에 근거한 해양 플랜트 기자재의 제품 정보의 온톨로지 모델링을 소개한다. 모델링 방법은 코어 데이터 모델과, 참조 데이터 라이브러리, 템플릿과 객체 정보 모델을 이용한다. 코어 데이터 모델은 보편적인 개념을 정의하고, 참조데이터 라이브러리는 코어 데이터 모델을 확장한 공통 용어 사전이다. 의미를 표현하는 가장 작은 조각으로 템플릿을 사용하고, 객체 정보 모델을 통하여 객체들 사이의 관계를 정의한다. 모델링은 OWL을 이용하여 제품 데이터의 온톨로지를 생성하여 이기종 소프트웨어 간의 제품 정보를 교환하고 공유하도록 한다.

• KIPS Transactions on Software and Data Engineering
• /
• v.10 no.4
• /
• pp.133-142
• /
• 2021

With the recent advancements of deep learning, companies such as smart home, healthcare, and intelligent transportation systems are utilizing its functionality to provide high-quality services for vehicle detection, emergency situation detection, and controlling energy consumption. To provide reliable services in such sensitive systems, deep learning models are required to have high accuracy. In order to develop a deep learning model for analyzing previously mentioned services, developers should utilize the state of the art deep learning models that have already been verified for higher accuracy. The developers can verify the accuracy of the referenced model by validating the model on the dataset. For this validation, the developer needs structural information to document and apply deep learning models, including metadata such as learning dataset, network architecture, and development environments. In this paper, we propose a description language that represents the network architecture of the deep learning model along with its metadata that are necessary to develop a deep learning model. Through the proposed description language, developers can easily verify the accuracy of the referenced deep learning model. Our experiments demonstrate the application scenario of a deep learning description document that focuses on the license plate recognition for the detection of illegally parked vehicles.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2003.05a
• /
• pp.1100-1107
• /
• 2003

기업 비즈니스를 위한 업무절차와 문서/데이터에서의 일관성 확보를 통한 비즈니스 프로세스의 표준화는 기업 내부적으로 효율적으로 개선된 프로세스에 기반한 정보화시스템의 구축뿐만 아니라, e-비즈니스 환경에서 기업간 협업체계로의 적용을 통해 새로운 기업가치의 창출을 목적으로 한다. 본 연구에서는 중소 규모의 업체에서 자사 비즈니스 프로세스를 분석 및 모델링하고 공개된 표준적 모델을 참조하여 자사 프로세스를 표준화하기 위한 방법론을 제시하고 있다. 즉, 기업이 유사 업종의 선진적인 표준모델을 참조 및 비교함으로써 프로세스 개선기회를 손쉽게 파악하고 자사 업무환경을 고려하여 프로세스 표준화의 구체적인 실행계획을 수립하기 전 단계까지의 과정에 대한 방법론의 개발을 목표로 하고 있다. 본 연구의 결과물은 표준모델의 참조를 통한 비즈니스 프로세스 표준화의 방법론으로 중소업체에서 효과적으로 활용될 수 있으며, 업종 특성을 고려한 표준모델의 공개 및 보급과 함께 프로세스 표준화를 유도함으로써 기업내부 정보화뿐만 아니라 산업 전반에 걸친 정보화 및 e-비즈니스 환경의 구현을 촉진시킬 것으로 기대된다.

• KIPS Transactions on Software and Data Engineering
• /
• v.7 no.2
• /
• pp.69-76
• /
• 2018

Referring expressions are natural language constructions used to identify particular objects within a scene. In this paper, we propose a new deep neural network model for referring expression comprehension. The proposed model finds out the region of the referred object in the given image by making use of the rich information about the referred object itself, the context object, and the relationship with the context object mentioned in the referring expression. In the proposed model, the object matching score and the relationship matching score are combined to compute the fitness score of each candidate region according to the structure of the referring expression sentence. Therefore, the proposed model consists of four different sub-networks: Language Representation Network(LRN), Object Matching Network (OMN), Relationship Matching Network(RMN), and Weighted Composition Network(WCN). We demonstrate that our model achieves state-of-the-art results for comprehension on three referring expression datasets.