• Journal of the Korean Institute of Telematics and Electronics
• /
• v.26 no.1
• /
• pp.88-97
• /
• 1989

A new system for three dimensional object recognition is proposed in an attempt to overcome the lack of accuracy and flexibility, the essential problem at which model-based recognition technique faces. Hierarchical data base was designed to manage a number of features efficiently which are extracted for the purpose of matching by the system and to provide information necessary to match systema6tically. The results of matching, in turn, is fed back to the data base, and stored in. The recognition is done by saving the results on higher level of hierachical data base.

• The Journal of Information Technology and Database
• /
• v.1 no.2
• /
• pp.3-24
• /
• 1994

기존의 데이타 모델 및 설계 방법론들은 실세계의 데이타 객체에 대해 고정된 한 측면의 모델 표현만을 허용하기 때문에 여러 측면으로 관측이 가능한 실세계 객체들의 표현에 어려움을 갖는다. 제시한 객체 중심 측면 모델(OOAM : Object-Oriented Entity Aspect Model)은 실세계의 각 객체에 대해 다수의 측면 표현을 가능하게 한 객체 중심의 데이타 모델로 데이타와 지식 표현에 유용한 모델이다. 데이타베이스 시스템과 지식베이스 시스템 중 어느 하나의 시스템이 다른 시스템의 특징을 빌리거나 통합할 수 있다면 두 시스템에게 서로 이득이 될 수 있다. 이러한 KB/DB(Knowledge Base/Data Base)의 통합은 최근에 객체 지향 개념과 연역 개념에 의해 연구가 활발히 진행되고 있다. 본 논문에서는 객체의 측면 개념을 제공하는 OOAM의 기본 개념을 보여주고 OOAM에 의해 구축되는 데이타베이스 스키마의 시맨틱을 분석하고 서술하기 위해 OOAM을 형식적으로 정의하였다. 그리고 KB/DB 통합에 관련된 연구들을 분석하고 데이타베이스에 관련된 지식의 종류를 서술한 후 OOAM을 사용하여 KB/DB 통합을 위한 지식베이스와 데이타베이스의 개발 방법론을 제시하였다.

• Annual Conference on Human and Language Technology
• /
• 2023.10a
• /
• pp.327-332
• /
• 2023

데이터의 품질과 다양성은 모델 성능에 지대한 영향을 끼친다. 본 연구에서는 Topic을 활용한 데이터 전처리와 BERT 기반 MLM, T5, Random Masking을 이용한 증강으로 데이터의 품질과 다양성을 높이고자 했으며, 이를 KoBERT 기반 에세이 자동 평가 모델에 적용했다. 데이터 전처리만 진행했을 때, Quadratic Weighted Kappa Score(QWK)를 기준으로 모델이 에세이의 모든 평가 항목에 대해 베이스라인보다 더욱 높은 일치도를 보였으며 평가항목별 일치도의 평균을 기준으로 0.5368029에서 0.5483064(+0.0115035)로 상승했다. 여기에 제안하는 증강 방식을 추가 할 경우 MLM, T5, Random Masking 모두 성능 향상 효과를 보였다. 특히, MLM 데이터 증강 방식을 추가로 적용하였을 때 최종적으로 0.5483064에서 0.55151645(+0.00321005)으로 상승해 가장 높은 일치도를 보였으며, 에세이 총점으로 QWK를 기준으로 성능을 평가하면 베이스라인 대비 0.4110809에서 0.4380132(+0.0269323)로의 성능 개선이 있었다.

• Proceedings of the Korea Database Society Conference
• /
• 1994.09a
• /
• pp.235-253
• /
• 1994

기존의 데이타 모델 및 설계 방법론들은 실세계의 데이타 객체에 대해 고정된 한 측면의 모델 표현만을 허용하기 때문에 여러 측면으로 관측이 가능한 실세계 객체들의 표현에 어려움을 갖는다. 본 논문에서는 객체의 측면 개념을 제공하는 객체 중심 측면 모델(OOAM : Object-Oriented EA Model)의 기본 개념을 보여주고 OOAM에 의해 구축되는 데이타베이스 스키마의 시맨틱을 분석하고 서술하기 위해 OOAM을 형식적으로 정의하였다. 먼저 데이타베이스 설계 과정에서 필요한 공리들을 설정하고 OOAM을 intension과 extension으로 각각 정의한 후 그들 사이의 관계를 정의하였다.

• Proceedings of the Korea Society for Simulation Conference
• /
• 2000.04a
• /
• pp.95-100
• /
• 2000

시뮬레이션 모델과 전문가 시스템의 학제간 연구는 그동안 많은 학자에 의해 진행되어 왔다. 전문가 시스템은 추론 기관과 지식베이스로 구성되며, 지식베이스는 사실과 규칙으로 구성된다. 사실과 규칙은 추론 기관의 추론을 위한 정보로 사용된다. 요즘의 정보 시스템은 데이터베이스를 가지며 데이터베이스의 정보를 기반으로 모든 처리가 진행된다. 이러한 정보 시스템에 삽입되어 사용되는 시뮬레이션 모델의 전문가 시스템도 데이터베이스의 정보를 사용하여 추론을 행한다. 데이터베이스의 정보는 전문가 시스템의 추론을 위한 사실로 사용되고, 추론 결과를 저장하기 위한 저장 장소로 사용된다. 본 연구에서는 전문가 시스템의 사실과 데이터베이스 사이의 사상을 정리하고, 이를 위한 사실 클래스를 제안한다. 이 사실 클래스는 데이터베이스 데이터를 전문가 시스템이 사용할 수 있도록 필링하는 기능과 추론을 위한 의미 분석의 기능을 갖는다. 또한, 데이터베이스에 추론 결과를 저장할 때 생기는 데이터의 일치성과 무결성 문제를 해결한다. 이 사실 클래스를 갖는 전문가 시스템 기능을 갖는 시뮬레이션 모델을 그래이팅 생산 공정의 시뮬레이션에 적용하였다.

• ETRI Journal
• /
• v.11 no.2
• /
• pp.120-136
• /
• 1989

최근의 데이터 베이스 응용분야에 있어서 시간에 따른 정보의 변화를 유지관리할 필요성이 대두되고 대용량의 기억장치 가격의 급속한 감소와 함께 이의 이용 기술이 향상되면서 시간주기에 따라 실세계의 상태에 대한 변경과정을 표현하는 시간 즉, 데이터의 변경이력을 지원하는 데이터베이스(Terporal Database)에 관심이 집중되고 있으며, 이러한 요구를 만족시키기 위한 여러 방법들이 연구되고 있다. 일반적으로 시간 지원 데이터베이스 모델은 지원되는 시간의 형태에 따라 Static, Static Rollback, Historical, Temporal, Revision 데이터베이스 모델로 나뉘어진다. 본 논문에서는 시간 및 변경이력을 지원하기 위한 데이터베이스 모델과 이를 위한 데이터베이스 시스템의 주요 설계 Issue들에 관하여 조사분석한 다음, Static Rollback 데이터베이스 모델을 기본으로 하는 "$SR^2DBS$: 시간 지원 데이터베이스 시스팀"의 설계 및 구현에 관하여 기술하였다. $SR^2DBS$은 기존의 관계형 데이터 베이스 시스팀"의 모델을 시간 애트리뷰트를 추가시킴으로서 데이터 베이스의 변경이력관리를 가능케 한 Direct Manipulation Database Processing System으로 데이터베이스의 현상태 뿐만 아니라 시간에 따른 변경이력에 대해서 Screenoriented Relation Browsing & Editing 기능을 제공하며, 다음과 같은 특징을 갖는다. - Screen oriented Processing - Directi-Manipulation of Objects - Object & Revision History of Interest Visibility - Rapid Reversible Actions - Transaction Time & Revision Number Supporting - Roll-back Query Supporting - Han-gul Data Supporting - Two level Storage Structure(Current Version & History Versions)

• Annual Conference on Human and Language Technology
• /
• 2018.10a
• /
• pp.465-469
• /
• 2018

본 논문에서는 지식베이스 완성을 위한 새로운 모델, KBCNN을 소개한다. KBCNN 모델은 CNN을 기반으로 지식베이스의 개체들과 관계들 사이의 연관성을 포착한다. KBCNN에서 각 트리플 <주어 개체, 관계, 목적어 개체>는 3개의 열을 가진 행렬로 표현되며, 각각의 열은 트리플의 각 원소를 표현하는 임베딩 벡터다. 트리플을 나타내는 행렬은 여러 개의 필터를 가지고 있는 컨볼루션 레이어를 통과한 뒤, 하나의 특성 벡터로 합쳐진다. 이 특성 벡터를 가중치 행렬과 내적 하여 최종적으로 해당 트리플의 신뢰도를 출력하게 된다. 이 신뢰도를 바탕으로 트리플의 진실 여부를 가려낼 수 있다. 지식베이스 완성 연구에서 가장 많이 사용되는 데이터셋인 FB15k-237을 기반으로 한 실험을 통해 KBCNN 모델이 기존 임베딩 모델들보다 뛰어난 성능을 보이는 것을 확인하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04a
• /
• pp.686-688
• /
• 2003

워크플로우 시스템의 핵심을 이루고 있는 엔진의 효율성을 극대화 시키기 위하여, 워크플로우 시스템 엔진 안에서 운용되는 데이터의 관리는 매우 중요하다. 본 논문에서는 워크를로우 시스템에서 운용되는 각 시스템 데이터의 특징을 고찰 한 후, 일반적으로 사용하는 데이터 베이스 시스템 호출을 통해 데이터를 관리하는 방법을 보완 할 수 있는 방법을 제시한다. 그 방법으로 각 시스템 데이터가 가지고 있는 특성에 맞추어 기존의 데이터 베이스 호출을 통한 방법에 메모리에 데이터를 로드시켜 공용적으로 사용하는 방법을 더해 시스템 데이터를 관리하는 방법을 기술한다.

• The Journal of Information Technology and Database
• /
• v.4 no.1
• /
• pp.19-30
• /
• 1997

시간지원 데이터 모델은 시간 의미를 데이터 모델에 추가하여 시간에 따라 변화된 정보를 처리할 수 있는 데이터 모델이다. 시간지원 데이터 모델은 실세계에서 사건이 발생한 시간인 유효시간을 지원하는 데이터 모델과 데이터가 수록된 시간을 지원하는 거래시간 데이터 모델 그리고 거래시간과 유효시간을 모두 지원하는 이원시간 데이터 모델이 있다. 대부분이 시간지원 데이터 모델은 관계형 모델을 확장하여 시간지원 데이터를 처리할 수 있도록 설계된다. 시간지원 데이터 모델의 두 부류는 시간을 결합하는 단위에 따라 튜플 타임스탬프와 속성 타임스탬프의 두 가지 형식이 있다. 본 논문은 데이터 모델에서 시간 추가를 위한 기본적인 시간 개념과 시간지원 데이터 모델을 위한 고려사항을 나타낸다. 그리고 시간지원 데이터 모델을 지원시간에 따라 비교하였으며, 유효시간이 지원되는 시간지원 집계에 적합한 데이터 모델을 제안하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2011.10a
• /
• pp.208-209
• /
• 2011

In this paper, we introduce a Naive Bayes learning algorithm for learning and reasoning in Map-Reduce model based environment. For this purpose, we use Apache Mahout to execute Distributed Naive Bayes on University of California, Irvine (UCI) benchmark data sets. From the experimental results, we see that Apache Mahout' s Distributed Naive Bayes algorithm is comparable to WEKA' s Naive Bayes algorithm in terms of performance. These results indicates that in the future Big Data environment, Map-Reduce model based systems such as Apache Mahout can be promising for machine learning usage.