• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06b
• /
• pp.495-497
• /
• 2012

클래스라벨에 대한 정보를 가진 데이터가 매우 적을 때 클래스라벨 정보가 없는 데이터로부터의 정보를 학습에 활용하는 반감독학습(semi-supervised learning) 방법들 중에서 데이터 샘플들 간의 유사도를 나타내는 그래프를 이용하는 방법이 잘 알려져 있다. 본 논문에서는 그래프 기반 반감독 학습에서 배치 모드 능동적 학습을 위한 방법을 제안하고 실제 데이터를 이용한 실험결과를 통해 제안된 방법의 성능을 입증한다.

• 정보보호뉴스
• /
• s.124
• /
• pp.22-23
• /
• 2008

지난해 등장한 정보보호 관련 사건의 특징 중 하나는 금전적 이익을 목적으로 한 사이버 범죄가 본격적으로 등장했다는 점이다. 이런 유형의 범죄는 비단 국내뿐만이 아니라, 미국, 유럽 등 전 세계적인 관심사로 떠올랐다. 이런 의미에서 지난 10월 경찰청 주최로 개최된 '국제 사이버테러 대응 공동심포지움' 참석차 한국을 방문한 독일 BKA소속 Mirko Manske로부터 독일 및 EU 지역의 사이버 범죄 현황에 대한 의견을 들어봤다. Mirko Manske는 독일 연방 범죄 경찰국(Bundeskr-iminalant, BKA) 소속으로 지난 2006년부터 국내 경찰청 사이버테러대응센터에 해당하는 BKA 내 National High Tech Crime Unit(NHTCU)의 정보분석 및 수집 전문가로 활동하고 있다

• Annual Conference on Human and Language Technology
• /
• 2019.10a
• /
• pp.419-423
• /
• 2019

질문과 그에 대한 근거가 있는 문서를 읽고 정답을 예측하는 기계 독해 연구가 최근 활발하게 연구되고 있다. 기계 독해 문제를 위해 주로 사용되는 방법은 다층의 신경망으로 구성된 딥러닝 모델로 좋은 성능을 위해서는 양질의 대용량 학습 데이터가 필요하다. 그러나 질과 양을 동시에 만족하는 학습 데이터를 구축하는 작업에는 많은 경제적 비용이 소모된다. 이러한 문제를 해결하기 위해, 본 논문에서는 정답 분리 인코더와 복사 메커니즘을 이용한 단답 기반 한국어 질문 자동 생성 모델을 제안한다.

• Korean Journal of Environmental Biology
• /
• v.19 no.3
• /
• pp.201-204
• /
• 2001

The Red-Back Spiders (Latrodectus hasselti) were found in all parts of Australia except in the hottest deserts and on the coldest mountains. The spider is now generally recognized as being the same family as the Katipo Spider of New Zealand and the Black Widow Spider of America. This species is the only representative of the genus Latrodectus in Australia. The Red-Back Spider was probably the most common cause of serious spider bites between 1927, when records were first kept, and 1956, when an anti-venom became available. The authors redescribe and figured detailly Red-Back Spider,L. hasselti, which was collected during a field trip of Australia.

• Tunnel and Underground Space
• /
• v.19 no.4
• /
• pp.318-327
• /
• 2009

Accelerated weathering tests was executed to understand the physical characteristics of rocks in Dokdo. For the tests rock samples including trachytic andestes, andesite dyke and ash tuff were taken in place. Double soxhlet extractor and peristatic pump were used for accelerating the weathering processes. After the tests for 4 months, the variations of superficial structure, microscopic structure and strength of rock samples were observed.

• Proceedings of the Korean Society of Fisheries Technology Conference
• /
• 2000.05a
• /
• pp.198-199
• /
• 2000

유독 와편모조 Gymnodinium catenatum Graham은 인간과 해양동물에 마비성패독(PSP) 발생의 원인이 되는 신경독을 생산한다. 1976년에 스페인 북서쪽 해안에서 G. catenatum에 의한 PSP 발생이 처음으로 알려졌고(Estrada et al. 1984) 특히 호주와 스페인 등지에서 문제가 되고 있다. 한국에서도 1991년 10월 진해만에서 채집된 저질로부터 처음 휴면포자가 발견되었고, 휴면포자량은 전체 와편모조류 중 0.9~l.7%를 차지하였다(Kim et al., 1996). 1996년 9월에는 영양세포가 7,250 cells/$\ell$로 진해만의 수정리에서 출현하였고, 1997년 5월에는 550 cells/$\ell$로 출현하였다(김과 신, 1997). 이는 Alexandrium속이 주로 봄철에 대량발생을 하여 패류 독화가 문제되는 것에 반해 C. catenatum은 봄, 가을에 출현함으로써 봄철에 이어 가을철에도 패류독화가 문제될 수 있다는 것을 의미한다. 따라서 본 연구에서는 서해안 및 남해안에서 분리된 지역분리주의 PSP 생산성을 검증하고, 지역 개체군의 독조성을 비교하여 지역 독화의 가능성을 예측하고자 한다. (중략)

• Proceedings of the Korea Information Processing Society Conference
• /
• 2002.11b
• /
• pp.869-872
• /
• 2002

네트워크 기반 침입탐지시스템은 연속적으로 발생하는 패킷의 무손실 축소와, 패킷으로 정상 또는 비정상 행위패턴을 정확히 모델링한 모델 생성이 전체성능을 판단하는 중요한 요소가 된다. 네트워크 기반 비정상행위 판정 침입탐지시스템에서는 이러한 탐지모델 구축을 위해 주로 감독학습 알고리즘을 사용한다. 본 논문은 탐지모델 구축에 사용하는 감독 학습 방식이 가지는 문제점을 지적하고, 그에 대한 대안으로 비감독 학습방식의 학습알고리즘을 제안한다. 감독 학습을 사용하여 탐지모델을 구축하기 위해서는 정상행위의 패킷을 취합해야 하는 사전 부담이 있는 반면에 비감독 학습을 사용하게 되면 이러한 사전작업 없이 탐지모델을 구축할 수 있다. 본 논문에서는 비감독학습 알고리즘을 비교 분석하기 위해서 COBWEB, k-means, Autoclass 알고리즘을 사용했으며, 성능을 평가하기 위해서 비정상행위도(Abnormal Behavior Level)를 계산하여 에러율을 구하였다.

• 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.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.04a
• /
• pp.365-368
• /
• 2012

어의 중의성 해소는 자연어처리에서 중요한 역할을 한다. 감독 중의성 해소 방법은 비감독 중의성 해소 방법보다 높은 성능을 나타내지만, 구축비용이 큰 대규모 의미부착 말뭉치가 필요하다. 본 논문에서는 중국어 어휘의미망(HowNet)과 의미 미부착 말뭉치를 이용한 중국어 비감독 어의 중의성 해소 방법을 제안한다. 의미 미부착 말뭉치에서 통계정보를 추출하고, 중국어 어휘 의미망에서 중의성 어휘의 의미별 형제어를 추출하여 중의성 어휘의 주변 문맥에 나타나는 어휘와 카이제곱검정(${\chi}^2$-test)에 의한 독립성 검정을 통해 어휘 간 연관성을 판단하고 중의성 해소를 한다. 본 논문에서 제안한 중의성 해소방법의 성능을 SemEval-2007 평가데이터에서 측정한 결과 명사와 동사에서 각각 64.7%, 49.4%를 나타냈다. 이는 SemEval-2007 중국어 비감독 중의성 해소에서 가장 높은 성능을 나타낸 시스템보다 13.1%, 13.9% 높은 성능이다.

• 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.