• The Journal of the Korea Contents Association
• /
• v.9 no.7
• /
• pp.411-418
• /
• 2009

The purpose of this study is to research the effects of English reading strategies on English reading comprehension by Korean college students. Reading strategy use was assessed through Oxford's self-report questionnaire in reading strategies. This study has three research questions. The first question was to investigate some reading strategies used by college students. The second question was to investigate the differences in reading strategies between two groups in gender. The third question was to investigate the differences in reading strategies of three college student groups according to their English proficiency estimated by reading scores. Some major findings of this study are as follows. First, college English learners use memory strategies most frequently of the six strategies, while using metacognitive strategies least frequently. Second, there exists a significant difference in reading strategies between the gender group. Third, there also exists a significant difference in reading strategies among the three groups divided according to English proficiency. This study shows that students' reading ability can be strengthened and motivated by some reading strategies in reading practice. It also means that it is necessary for English teachers to take into consideration the reading strategies suitable for the students in their reading classes.

• Annual Conference on Human and Language Technology
• /
• 2021.10a
• /
• pp.47-52
• /
• 2021

최근 지문을 바탕으로 답을 추론하는 연구들이 많이 이루어지고 있으며, 대표적으로 기계 독해 연구가 존재하고 관련 데이터 셋 또한 여러 가지가 공개되어 있다. 그러나 한국의 대학수학능력시험 국어 영역과 같은 복잡한 구조의 문제에 대한 고차원적인 문제 해결 능력을 요구하는 데이터 셋은 거의 존재하지 않는다. 이로 인해 고차원적인 독해 문제를 해결하기 위한 연구가 활발히 이루어지고 있지 않으며, 인공지능 모델의 독해 능력에 대한 성능 향상이 제한적이다. 기존의 입력 구조가 단조로운 독해 문제에 대한 모델로는 복잡한 구조의 독해 문제에 적용하기가 쉽지 않으며, 이를 해결하기 위해서는 새로운 모델 훈련 방법이 필요하다. 이에 복잡한 구조의 고차원적인 독해 문제에도 대응이 가능하도록 하는 모델 훈련 방법을 제안하고자 한다. 더불어 3가지의 데이터 증강 기법을 제안함으로써 고차원 독해 문제 데이터 셋의 부족 문제 또한 해소하고자 한다.

• 한국지형공간정보학회:학술대회논문집
• /
• 2002.03a
• /
• pp.54-60
• /
• 2002

1999년이래 순차적으로 수행되어지고 있는 항공사진 DB구축사업은 일반적으로 정확도가 검증되어진 항공사진전용독취기를 사용하여 항공사진영상 DB를 구축하고있으나, 일부기관에서는 시중에서 사용되는 일반자동독취기를 이용하여 항공사진영상 DB를 구축하기도 한다. 이에 본 연구에서는 항공사진전용독취기와 일반자동독취기를 정확도를 비교분석함으로서 항공영상 DB구축시 문제점과 타당성을 제시하고자 한다. 본 논문에서는 일반자동독취기의 활용 타당성을 분석하기 위하여 표정해석과 2차제품 제작을 통한 정확도를 항공사진전용독취기와 비교분석하였고, 자동독취기 검증 시스템을 개발하여 연구에 이용된 자동독취기를 검증함으로써 항공영상 DB구축에 있어서 필수적인 장비인 자동독취기의 정확도를 검증하였다.

• Annual Conference on Human and Language Technology
• /
• 2020.10a
• /
• pp.151-154
• /
• 2020

대명사 참조해결은 문서 내에 등장하는 대명사와 이에 대응되는 선행사를 찾는 자연어처리 태스크이다. 기계 독해는 문단과 질문을 입력 받아 질문에 해당하는 알맞은 정답을 문단 내에서 찾아내는 태스크이며, 최근에는 주로 BERT 기반의 모델이 가장 좋은 성능을 보이고 있다. 이러한 BERT 기반 모델의 성공에 따라, 최근 여러 연구에서 자연어처리 태스크를 기계 독해 문제로 변환하여 해결하는 연구들이 진행되고 있다. 본 논문에서는 최근 여러 자연어처리에서 뛰어난 성능을 보이고 있는 BERT 기반 기계 독해 모델을 이용하여 한국어 대명사 참조해결 연구를 진행하였다. 사전 학습 된 기계 독해 모델을 사용하여 한국어 대명사 참조해결 데이터로 fine-tuning하여 실험한 결과, 개발셋에서 EM 78.51%, F1 84.79%의 성능을 보였고, 평가셋에서 EM 70.78%, F1 80.19%의 성능을 보였다.

• Annual Conference on Human and Language Technology
• /
• 2019.10a
• /
• pp.440-442
• /
• 2019

본 논문은 딥 러닝 기반의 독해 기술이 풀지 못하는 문제를 분류해내는 기술에 관한 것이다. 해당 연구에서는 독해 데이터 및 시스템 결과 분석을 통해 시스템이 풀지 못하는 문제들의 특징을 도출해내고, 이에 알맞은 전략들을 시도해 보았다. 분석 결과에 따른 시도들은 각 목적에 부합하는 결과를 나타냈으며, 특히 독해 기술의 특징에 기반한 방법론이 효과적이었다. 본 논문에서 제안하는 방법은 본문과 질의 간 유사도 행렬을 활용하는 것으로, 기존의 독해 기술이 본문과 질의의 유사도를 활용하여 정답을 내는 것에 영감을 얻었다.

• Annual Conference on Human and Language Technology
• /
• 2017.10a
• /
• pp.35-40
• /
• 2017

기계 독해(Machine reading comprehension)는 주어진 문맥을 이해하고, 질문에 적합한 답을 문맥 내에서 찾는 문제이다. Simple Recurrent Unit (SRU)은 Gated Recurrent Unit (GRU)등과 같이 neural gate를 이용하여 Recurrent Neural Network (RNN)에서 발생하는 vanishing gradient problem을 해결하고, gate 입력에서 이전 hidden state를 제거하여 GRU보다 속도를 향상시킨 모델이며, Self-matching Network는 R-Net 모델에서 사용된 것으로, 자기 자신의 RNN sequence에 대하여 어텐션 가중치 (attention weight)를 계산하여 비슷한 의미 문맥 정보를 볼 수 있기 때문에 상호참조해결과 유사한 효과를 볼 수 있다. 본 논문에서는 한국어 기계 독해 데이터 셋을 구축하고, 여러 층의 SRU를 이용한 Encoder에 Self-matching layer를 추가한 $S^2$-Net 모델을 제안한다. 실험 결과, 본 논문에서 제안한 $S^2$-Net 모델이 한국어 기계 독해 데이터 셋에서 EM 65.84%, F1 78.98%의 성능을 보였다.

• 한국어정보학회:학술대회논문집
• /
• 2017.10a
• /
• pp.35-40
• /
• 2017

기계 독해(Machine reading comprehension)는 주어진 문맥을 이해하고, 질문에 적합한 답을 문맥 내에서 찾는 문제이다. Simple Recurrent Unit (SRU)은 Gated Recurrent Unit (GRU)등과 같이 neural gate를 이용하여 Recurrent Neural Network (RNN)에서 발생하는 vanishing gradient problem을 해결하고, gate 입력에서 이전 hidden state를 제거하여 GRU보다 속도를 향상시킨 모델이며, Self-matching Network는 R-Net 모델에서 사용된 것으로, 자기 자신의 RNN sequence에 대하여 어텐션 가중치 (attention weight)를 계산하여 비슷한 의미 문맥 정보를 볼 수 있기 때문에 상호참조해결과 유사한 효과를 볼 수 있다. 본 논문에서는 한국어 기계 독해 데이터 셋을 구축하고, 여러 층의 SRU를 이용한 Encoder에 Self-matching layer를 추가한 $S^2$-Net 모델을 제안한다. 실험 결과, 본 논문에서 제안한 $S^2$-Net 모델이 한국어 기계 독해 데이터 셋에서 EM 65.84%, F1 78.98%의 성능을 보였다.

• 프린팅코리아
• /
• v.13 no.8
• /
• pp.100-103
• /
• 2014

대한인쇄문화협회는 최근 문화체육관광부의 지원을 받아 '독일 인쇄산업 시장 조사 보고서'를 발간했다. 이 보고서에는 독일 시장의 특성과 현황, 독일 인쇄산업 현황, 주요업체 현황이 자세히 게재돼 있다. '독일 인쇄산업 시장 조사 보고서'를 연재한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2019.10a
• /
• pp.922-925
• /
• 2019

기계 독해 기술은 기계가 주어진 비정형 문서 내에서 사용자의 질문을 이해하여 답변을 하는 기술로써, 챗봇이나 스마트 스피커 등, 사용자 질의응답 분야에서 핵심이 되는 기술 중 하나이다. 최근 딥러닝을 이용한 기학습 언어모델과 전이학습을 통해 사람의 기계 독해 능력을 뛰어넘는 방법론들이 제시되었다. 하지만 이러한 방식은 사람이 인식하는 질의응답 방법과 달리, 개체가 가지는 의미론(Semantic) 관점보다는 토큰 단위로 분리된 개체의 형태(Syntactic)와 등장하는 문맥(Context)에 의존해 기계 독해를 수행하였다. 본 논문에서는 기존의 높은 성능을 나타내던 기학습 언어모델에 대규모 지식그래프에 등장하는 개체 정보를 함께 학습함으로써, 의미학적 정보를 반영하는 방법을 제시한다. 본 논문이 제시하는 방법을 통해 기존 방법보다 기계 독해 분야에서 높은 성능향상 결과를 얻을 수 있었다.

• The Journal of the Korea Contents Association
• /
• v.8 no.11
• /
• pp.404-411
• /
• 2008

The purpose of this study is to suggest the effects of schema activation on reading comprehension. The subject of a sample survey was a 36 student experimental group and a 32 student control group, total 68 students at third grade class of C Middle School in Gwangju. Students ability to read English in the two groups were almost the same through, which was shown by pre-test administered before the beginning of the experiment. As a pre-reading activity, the experimental group was showed the pictures and vocabularies related to the text before reading. The other control group did Grammar Translation Method about text. The data needed for this study was obtained by the questionnaires with 25 questions about the English reading. The data analyzing method was t-test through the statistics program SPSS 12.0. The result of this study is as follows : First, the experimental group got a more meaningful score than the control group at the test. Second, pre-reading activities for providing prior knowledge of the text were affected by the student's English proficiency, peculiarly more effective on low level student than advanced level. Studying English reading through schema activation led the students to be present in classes with interests, so the experimental group showed more academic accomplishments than the control group.