• 한국어정보학회:학술대회논문집
• /
• 2017.10a
• /
• pp.137-142
• /
• 2017

원격 지도 학습은 자동으로 매우 큰 코퍼스와 지식베이스 간의 주석 데이터를 생성하여 기계 학습에 필요한 학습 데이터를 사람의 손을 빌리지 않고 저렴한 비용으로 만들 수 있어, 많은 연구들이 관계 추출 문제를 해결하기 위해 원격 지도 학습 방법을 적용하고 있다. 그러나 기존 연구들에서는 모델 학습의 입력으로 사용되는 단어 임베딩에서 단어의 동형이의어 성질을 반영하지 못한다는 단점이 있다. 때문에 서로 다른 의미를 가진 동형이의어가 하나의 임베딩 값을 가지다 보니, 단어의 의미를 정확히 파악하지 못한 채 관계 추출 모델을 학습한다고 볼 수 있다. 본 논문에서는 원격 지도 학습 기반 관계 추출 모델에 다중-어의 단어 임베딩을 적용한 모델을 제안한다. 다중-어의 단어 임베딩 학습을 위해 어의 중의성 해소 모듈을 활용하였으며, 관계 추출 모델은 문장 내 주요 특징을 효율적으로 파악하는 모델인 CNN과 PCNN을 활용하였다. 본 논문에서 제안하는 다중-어의 단어 임베딩 적용 관계추출 모델의 성능을 평가하기 위해 추가적으로 2가지 방식의 단어 임베딩을 학습하여 비교 평가를 수행하였고, 그 결과 어의 중의성 해소 모듈을 활용한 단어 임베딩을 활용하였을 때 관계추출 모델의 성능이 향상된 결과를 보였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06c
• /
• pp.78-80
• /
• 2012

개체 관계(ER) 모델과 확장 개체 관계(EER) 모델은 개념적 데이터베이스 설계분야에서 가장 많이 사용되는 모델이다. 확장 개체 관계 모델은 여전히 객체지향 데이터베이스를 처리하는데 강력하나 최신 객체관계 데이터베이스와 UML과 같은 새로운 데이터베이스 모델링을 처리하기에는 부족함이 많다. 따라서 본 논문에서는 이러한 객체 관계 데이터베이스를 지원하기 위한 확장 개체 관계 기반의 변환 방법을 제안한다. 변환 규칙은 트리플 그래프 문법을 사용하여 정의하고 MOFRON TGG 에디터를 이용하여 표현한다. 트리플 그래프 문법 규칙에 따라 본 제안 방법은 자동 ORDB 개발 프레임워크에 적용할 수 있다.

• Journal of the Korean Chemical Society
• /
• v.63 no.1
• /
• pp.56-65
• /
• 2019

This study investigated the perceptions of the relationship among the three acid-base models of chemistry teachers. In addition, we examined how the perception of the relationship between models affected on the interpretation of concepts in each model. To investigate teachers' perceptions and interpretations, a questionnaire and interviews were conducted for 24 chemistry teachers. As results, most of the chemistry teachers recognized the three models as cumulative extension relationships. The perceptions were related to the contents of textbooks. The perception of the relationship of these models influenced on interpretations of the models' acid-base concept. In this study, we suggested that science teachers need to be aware of diverse models' roles.

• 한국HCI학회:학술대회논문집
• /
• 2009.02a
• /
• pp.944-948
• /
• 2009

The mobile phone is the most private device for mobile communication. The goal of this paper is to present function relation model of the individualization and to analyze the task in the model by function pattern and function relation model in mobile phone. Function, activity, activity flow, intent of the activity, function group and influence between function and function group are used to present the function relation model which illustrates the relationship of the function in product. And this model drew up the function relation model for mobile phone. The function relation model for mobile phone based on the function pattern by the newest 3 phone's over 320 functions and 21 function groups. Last, to rearrange the function relation model to center on the individualization, the internal/ external memory to save and use the information for individualization function is placed to middle of the model. The main tasks of the model are storing, inquiry and interlock. The important methods to reinforce the individualization function are to develop the tasks which are the relations between the functions.

• Annual Conference on Human and Language Technology
• /
• 2018.10a
• /
• pp.47-49
• /
• 2018

최근 존재하는 대부분의 관계 추출 모델은 언급 수준의 관계 추출 모델이다. 이들은 성능은 높지만, 문서에 존재하는 다수의 문장을 처리할 때, 문서 내에 주요 개체 및 여러 문장에 걸쳐서 표현되는 개체간의 관계를 분류하지 못한다. 이는 높은 수준의 관계를 정의하지 못함으로써 올바르게 데이터를 정형화지 못하는 중대한 문제이다. 해당 논문에서는 이러한 문제를 타파하기 위하여 여러 문장에 걸쳐서 개체간의 상호작용 관계도 파악하는 전역 수준의 관계 추출 모델을 제안한다. 제안하는 모델은 전처리 단계에서 문서를 분석하여 사전 지식베이스, 개체 연결 그리고 각 개체의 언급횟수를 파악하고 문서 내의 주요 개체들을 파악한다. 이후 언급 수준의 관계 추출을 통하여 1차적으로 단편적인 관계 추출을 실행하고, 주요개체와 관련된 관계는 외부 메모리에 샘플로 저장한다. 이후 단편적 관계들과 외부메모리를 이용하여 여러 문장에 걸쳐 표현되는 개체 간 관계를 알아낸다. 해당 논문은 이러한 모델의 구조도와 실험방법의 설계에 대하여 설명하였고, 해당 실험의 기대효과 또한 작성하였다.

• Annual Conference on Human and Language Technology
• /
• 2023.10a
• /
• pp.707-710
• /
• 2023

관계추출은 문장 내 두 개체 간의 의미적 관계를 추론하는 자연어분석 태스크이다. 딥러닝의 발전과 더불어 관계추출은 BERT 계열의 이해형 언어모델을 이용하였다. 그러나, ChatGPT의 혁신적인 등장과 함께, GPT계열의 생성형 언어모델에 대한 연구가 활발해졌다. 본 논문에서는 소규모의 생성형 언어모델(Kebyt5)을 이용하여 관계추출 성능개선을 위한 프롬프트 구성 및 생각의 사슬(CoT) 학습 방법을 제안한다. 실험결과 Kebyt5-large 모델에서 CoT 학습을 수행하였을 경우, Klue-RoBERTa-base 모델보다 3.05%의 성능개선이 있었다.

• The Journal of Information Technology and Database
• /
• v.4 no.1
• /
• pp.31-50
• /
• 1997

객체지향 데이터베이스 시스템에서 시간지원 데이터베이스를 다룰 때 발생하는 중요한 문제는 관계 의미에 따라 시간과 속성을 결합하는 방법에 있다. 관계형 모델처럼 속성 버전화에 대한 기존의 연구 결과는 시간지원 객체지향 모델에 적용할 수 없다. 이것은 객체지향 모델이 복합 객체를 구성하기 위해서 기존의 모델보다 더욱 강력한 구성자들을 제공하기 때문이다. 그래서 이 논문은 객체지향 데이터베이스에 시간 개념을 통합하기 위한 형식적 접근방법을 제안한다. 이 논문의 목적은 객체 사이에 관계하는 일반화, 집단화와 연관화에 따라 시간지원 객체지향 데이터베이스 표현을 연구하는 것이다. 이 논문은 시간지원 객체지향 모델에서 속성 버전화의 개념을 정의하고, 객체 사이에 존재하는 관계에 대해서 시간을 표현하는 것에 중점을 둔다. 또한 관계 의미에 대한 제약조건을 규정하고, 표현 기준에 기반하여 검토한다. 이 논문은 객체지향 데이터 모델을 형식화함으로써 대수 연산자의 설계시 강력한 연산 기능을 제공할 뿐만 아니라 모듈의 재사용성을 제공할 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.23-26
• /
• 2023

본 논문에서는 서술형 수학 문제 풀이 모델의 숫자 대소관계 파악을 위한 명시적 자질추출방식 Explicit Feature Extraction(EFE) Reasoner 모델을 제안한다. 서술형 수학 문제는 자연현상이나 일상에서 벌어지는 사건을 수학적으로 기술한 문제이다. 서술형 수학 문제 풀이를 위해서는 인공지능 모델이 문장에 함축된 논리를 파악하여 수식 또는 답을 도출해야 한다. 때문에 서술형 수학 문제 데이터셋은 인공지능 모델의 언어 이해 및 추론 능력을 평가하는 지표로 활용되고 있다. 기존 연구에서는 문제를 이해할 때 숫자의 대소관계를 파악하지 않고 문제에 등장하는 변수의 논리적인 관계만을 사용하여 수식을 도출한다는 한계점이 존재했다. 본 논문에서는 자연어 이해계열 모델 중 SVAMP 데이터셋에서 가장 높은 성능을 내고 있는 Deductive-Reasoner 모델에 숫자의 대소관계를 파악할 수 있는 방법론인 EFE 를 적용했을 때 RoBERTa-base 에서 1.1%, RoBERTa-large 에서 2.8%의 성능 향상을 얻었다. 이 결과를 통해 자연어 이해 모델이 숫자의 대소관계를 이해하는 것이 정답률 향상에 기여할 수 있음을 확인한다.

• Annual Conference on Human and Language Technology
• /
• 2018.10a
• /
• pp.301-304
• /
• 2018

기존의 공간 관계 추출은 관계 속성 추출 후 적합한 개체와의 관계 형성이 불명확한 점과 한 개체가 다중관계에 속할 때 관계 형성이 불확실한 문제가 있다. 이를 해결하기 위하여 본 논문은 최근 개체명 관계 추출에서 사용하는 표 방법을 공간 관계 추출에 적용하였다. 기존 모델과 제안 모델을 비교하기 위하여 상한 성능을 측정하였으며, 그 결과 제안 모델이 더 우수함을 보였다.

• Annual Conference on Human and Language Technology
• /
• 2018.10a
• /
• pp.55-60
• /
• 2018

기계학습 기반인 관계추출 모델을 설계할 때 다량의 학습데이터를 빠르게 얻기 위해 원격지도학습 방식으로 데이터를 수집한다. 이러한 데이터는 잘못 분류되어 학습데이터로 사용되기 때문에 모델의 성능에 부정적인 영향을 끼칠 수 있다. 본 논문에서는 이러한 문제를 강화학습 접근법을 사용해 해결하고자 한다. 본 논문에서 제안하는 모델은 오 분류된 데이터로부터 좋은 품질의 데이터를 찾는 문장선택기와 선택된 문장들을 가지고 학습이 되어 관계를 추출하는 관계추출기로 구성된다. 문장선택기는 지도학습데이터 없이 관계추출기로부터 피드백을 받아 학습이 진행된다. 이러한 방식은 기존의 관계추출 모델보다 좋은 성능을 보여주었고 결과적으로 원격지도학습데이터의 단점을 해결한 방법임을 보였다.