• 정보처리학회논문지D
• /
• 제12D권2호
• /
• pp.219-232
• /
• 2005

산업정보사회가 발달함에 따라 다양한 형태의 비디오 데이터들이 여러 분야에서 대량으로 생성되고 있다. 이에 따라 이들의 가공을 통해 비디오에 나타난 의미 정보를 추출하려는 다양한 접근들이 시도되고 있으며, 근래 들어 데이터 마이닝 기법을 응용한 특성정보 프로파일 생성 방법에 대한 관심이 증대되고 있다. 그러나 기존의 연구에서는 시공간적으로 방대한 비디오 데이터의 특징으로 인해 해당 분야에 대한 연구가 소극적으로 진행되어왔다. 본 논문에서는 유사한 의미를 나타내는 비디오 데이터 집합에서 의미있는 지식을 추출하는 특성정보 프로파일 생성 기법을 제안한다. 더불어, 특성정보 프로파일 생성과정의 효율적인 수행을 위해서 다양한 추가 고려 사항을 제시한다. 전체 특성 정보들 중에서 주요 정보에만 집중함으로써 데이터 양을 감소시키는 방법, 잡음 요소를 제거하고 관심영역을 설정하여 데이터 양을 감소시키는 방법 및 동적인 영역에 가중치를 부여하여 추출된 정보의 정확도를 향상시키는 방법 등이 포함된다. 끝으로, 실험용 비디오 데이터에 대하여 논문에서 제안된 다양한 압축 방법을 적용하여 클러스터링을 수행하고 이를 통해 구해진 특성 정보 프로파일과 원본 비디오 데이터의 특성정보와 비교하여 본 논문에서 제시한 다양한 압축 알고리즘을 검증한다.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 1999년도 춘계공동학술대회-지식경영과 지식공학
• /
• pp.115-123
• /
• 1999

산업계 전반에 걸친 오랜 정보시스템 운용의 결과로 대용량의 데이터들이 축적되고 있다. 이러한 데이터로부터 유용한 지식을 추출하기 위해 여러 가지 데이터 마이닝 기법들이 연구되어왔다. 특히 데이터 웨어하우스의 등장은 이러한 데이터 마이닝에 있어 필요한 데이터 제공 환경을 제공해 주고 있다. 그러나 전문가의 적절한 판단과 해석을 거치지 않은 데이터 마이닝의 결과는 당연한 사실이거나, 사실과 다른 가짜이거나 또는 관련성 없는(trivial, spurious and irrelevant)내용만 무수히 쏟아낼 수 있다. 그러므로 데이터 마이닝의 결과가 비록 통계적 유의성을 가진다 하더라도 그 정당성과 유용성에 대한 검증과정과 방법론의 정립이 필요하다. 데이터 마이닝의 가장 어려운 점은 귀납적 오류를 없애기 위해 사람이 직접 그 결과를 해석하고 판단하며 아울러 새로운 탐색 방향을 제시해야 한다는 것이다. 본 논문에서는 데이터 마이닝 기법 중 연관규칙탐사로 얻어진 결과를 설명가능성 여부의 판단을 통해 검증하는 기법을 제안하며, 이를 통해 얻어진 검증된 지식을 토대로 일반화를 통한 새로운 가설을 생성하여 데이터 웨어하우스로부터 연관규칙을 검증하는 일련의 아텍쳐(architecture)를 제시하고다 한다. 먼저 데이터 마이닝 결과에 대한 설명의 필요성을 제시하고, 데이터 웨어하우스와 데이터 마이닝 기법들에 대한 간략한 설명과 연관규칙탐사에 대한 정의 및 방법을 보이고, 대상 영역에 대한 데이터 웨어하우스으 스키마를 보였다. 다음으로 도메인 지식(domain knowledge)과 연관규칙탐사를 통해 얻어진 결과를 표현하기위한 지식표현 방법으로 Relational Predicate Logic을 제안하였다. 연관규칙탐사로 얻어진 결과를 설명하기 위한 방법으로는 연관규칙탐사로 얻어진 연관규칙에 대해 Relational Predicate Logic으로 표현된 도메인 지식으로서 설명됨을 보이게 한다. 또한 이러한 설명(explanation)을 토대로 검증된 지식을 일반화하여 새로운 가설을 연역적으로 생성하고 이를 연관규칙탐사를 통해 검증한 후 새로운 지식을 얻는 반복적인 Explanation-based Data Mining Architecture를 제시하였다. 본 연구의 의의로는 데이터 마이닝을 통한 귀납적 지식생성에 있어 귀납적 오류의 발생을 도메인 지식을 통해 설명가능 함을 보임으로 검증하고 아울러 이러한 설명을 통해 연역적으로 새로운 가설지식을 생성시켜 이를 가설검증방식으로 검증함으로써 귀납적 접근과 연역적 접근의 통합 데이터 마이닝 접근을 제시하였다는데 있다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2005년도 가을 학술발표논문집 Vol.32 No.2 (1)
• /
• pp.709-711
• /
• 2005

이 논문에서는 CATIA, PRO-E 등의 CAD에서 3D 모델을 생성할 때 사용하는 파라메트릭 솔리드 모델링 기법에서 일반적으로 사용하는 방법보다 모델링 데이터의 용량을 크게 줄일 수 있는 방법에 대하여 고찰한다. 3D 파라메트릭 솔리드 모델링 기법은 기본적인 상세 솔리드들을 생성하여 부울(Boolean) 연산으로 이들을 조합하여 복잡한 형상(geometric object)을 만드는데 이 과정에서 많은 부울 연산이 수행된다. 그런데 각각의 상세 솔리드들의 크기가 필요 이상으로 크게 만들어 짐으로써 생성된 모델의 데이터 용량이 방대하게 되고 생성시간에도 영향을 미친다. 여기에서는 실무 경험을 바탕으로 처음에 생성된 상세 솔리드의 불필요한 부분을 제거하여 부울 연산에 알맞은 크기로 변경하여 모델링 데이터의 용량을 줄이는 방법을 제안한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2000년도 가을 학술발표논문집 Vol.27 No.2 (2)
• /
• pp.302-304
• /
• 2000

본 논문에서는 잡음 추가와 네트웍 앙상블을 이용하는 기법으로 최근에 제안된 가상 샘플 생성 방법(VSG:Virtual Sample Generation)을 개선하는 방법을 제안하고, 이를 대표적인 앙상블학습 알고리즘인 Bagging, Boosting과 비교한다. 기존의 가상 샘플 생성 방법에 기초하여 입력 데이터의 분포를 고려하여 가상 샘플을 생성하는 방법을 제안한다. 이 방법은 입력 분포의 밀도가 높은 곳에서 가장 샘플로 인한 과소 적합을 방지하고 밀도가 낮은 곳에서 가상 샘플로 인한 과도 적합을 방지하기 위한 것이다. 본 논문은 입력 데이터의 밀도를 추정하는 새로운 과정을 정리하고 입력 분포에 따라 적합한 가상 샘플을 생성하는 방법을 고안했다. 그리고 제안하는 방법의 일반화 성능 향상을 보이기 위해 여러 가지의 합성 데이터를 사용하여 실험을 하였고 이를 Bagging, Boosting, VSG의 성능과 비교하였다.

• 정보처리학회논문지B
• /
• 제10B권1호
• /
• pp.27-32
• /
• 2003

귀납법칙 생성 시스템은 데이터에서부터 법칙을 자동으로 발견하는 시스템으로서 현재 많은 연구가 진행되고 있다. 본 논문은 정보이론을 이용하여 데이터로부터 귀납법칙을 자동으로 생성하는 시스템을 제시하고 또한 귀납법칙 생성 시스템에 의하여 생성되는 규칙들 중에서 가장 좋은 성능을 보이는 규칙 집합을 구하기 위하여 이를 유전자 알고리즘과 결합시켜 최적화된 귀납법칙 집합을 탐색하는 방법을 제시하였다. 제안된 시스템의 성능을 평가하기 위하여 다수의 기계학습 데이터를 사용하여 기존의 다른 방법들과 비교하였으며, 제안된 시스템은 대부분의 경우에 좋은 정확도를 제공하였다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2022년도 제34회 한글 및 한국어 정보처리 학술대회
• /
• pp.192-197
• /
• 2022

요약 연구의 주류는 아직 문서를 대상으로 하지만, 최근에는 회의 요약 연구에 대한 관심이 크게 높아지고 있다. 본 연구는 국립국어원 국어 빅데이터 구축 사업의 일환으로 국내에서 아직 연구되지 않은 국회 회의록 생성 요약에 대해 연구를 진행하였으며, 국회 회의록에 대한 생성 요약 데이터세트를 구축하였다. 또한 생성 요약 모델을 통해 구축된 데이터세트에 대한 정량 및 정성적 평가를 진행함으로써 국회 회의록 요약 데이터세트에 대한 평가 및 향후 생성 요약과 회의록 요약의 연구 방향을 모색하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2007년도 춘계학술발표대회
• /
• pp.46-49
• /
• 2007

데이터 스트림이란, 빠른 속도로 지속적으로 생성되는 무한한 크기의 방대한 양의 데이터 집합으로 정의된다. 본 연구에서는 데이터 스트림 분석을 위한 데이터 스트림 격자 기반 클러스터링 기법을 제시한다. 주어진 초기 격자셀에 대해, 데이터 객체의 빈도가 높은 범위를 반복적으로 보다 작은 크기의 격자셀로 분할하여 최소 크기의 격자셀, 단위 격자셀을 생성한다. 격자셀에서는 데이터 객체들의 분포에 대한 통계값만을 저장하여, 기존의 클러스터링 기법에 비해 데이터 객체에 대한 탐색없이 효율적으로 클러스터를 찾을 수 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2005년도 춘계학술발표대회
• /
• pp.1653-1656
• /
• 2005

볼륨 렌더링은 스칼라 데이터로 구성된 3 차원 볼륨 데이터를 가시화하는 기법을 가리키며, 유체 역학, 지진, 기상, 해안, 천문, 의료 등 다양한 분야에서 데이터를 분석하는데 널리 사용된다. 최근에는 대용량 볼륨 데이터가 생성되면서 고해상도 디스플레이에 대한 요구가 높아졌으며, 이에 따라 타일형 디스플레이 장치에서 볼륨 데이터를 가시화하려는 시도가 많이 이뤄지고 있다. 본 논문에서는 타일형 디스플레이 장치에서 볼륨 데이터를 가시화하는 기법을 구현했다. 볼륨 데이터 렌더링은 타일형 디스플레이 장치와 연결된 PC-클러스터에서 그래픽스 하드웨어를 사용하는 볼륨 렌더링 기법으로 수행했으며, 이렇게 렌더링된 결과 이미지를 컴포지팅함으로써 해당 디스플레이 장치에 적절한 이미지를 생성했다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제68차 하계학술대회논문집 31권2호
• /
• pp.363-364
• /
• 2023

현재 많은 사람이 GPT를 통해 다양한 활동 및 연구를 진행하고 있다. 사람들은 GPT를 통해 문장생성 시 문장에 대한 정확도를 중요하게 생각한다. 하지만 용도에 따라 GPT를 통해 생성하는 문장의 문체와 같은 표현방식이 다르다. 그래서 생성된 문장이 유의미한 문장이라는 것에 판단이 매우 주관적이기 때문에 수치적 평가가 어렵다. 본 논문에서는 자연어처리 모델이 생성한 문장의 유의미함을 판단하기 위해 각 모델을 학습하는 데이터 용량과 반복 학습의 횟수에 따른 결과물을 비교하였다. 본 연구에서는 Fine-Tuning을 통해 총 4개의 GPT 모델을 구축하였다. 각 모델로 생성 문장을 BLEU 평가지표를 통해 평가한 결과 본 연구에 BLEU 모델은 부적합하다는 결과를 도출하였다. 이를 해결하기 위해 본 연구에서는 생성된 모델을 평가하고자 설문지를 만들어 평가를 진행하였다. 그 결과 사람에게 긍정적인 평가를 받는 결과를 얻을 수 있었다.

• 디지털콘텐츠학회 논문지
• /
• 제17권6호
• /
• pp.479-487
• /
• 2016

Web 2.0 환경에서, 사용자는 사용자 (또는 소비자)와 개발자 (또는 제작자) 간의 실시간 상호 작용을 허용하는 수많은 스마트 장치 및 서비스에 노출되고 사용하게 된다. 사용자 컨텍스트 기반의 새로운 사용자 생성 서비스를 제공하기 위해서 서비스 생성 경험의 관리는 매우 중요하다. 본 논문에서는 서비스 작성을 위한 확장된 데이터 모델을 소개하고, 이 데이터 모델에 기반한 신규 서비스 생성, 서비스 생성 데이터의 관리, 그리고 내/외부 서비스 저장소에 대한 의미적 검색을 가능하게 하는 서비스 생성 관리 아키텍처를 제안한다. 또한, 홈 환경과 모바일 환경에 걸친 두 가지 시나리오를 사용하여 제안 아키텍처를 사용하는 방법에 대해서도 설명하며, 서비스 생성 데이터 관리를 위해 제안한 아키텍처는 서비스 생명주기 동안의 서비스 생성 데이터를 일관성 있게 관리할 수 있다.