• 한국IT서비스학회:학술대회논문집
• /
• 한국IT서비스학회 2003년도 추계학술대회
• /
• pp.293-300
• /
• 2003

지난 수년간 정보화수준 및 투자효과분석을 위한 많은 연구가 진행되고, 실제 평가가 수행되었음에도 불구하고 여전히 정보화 수준을 객관적으로 평가하기 위한 평가모델이 요구되고있다. 특히 조직이나 사업의 정보화 목표에 맞게 정보화를 진단할 수 있는 평가방법론이 필요하다. 기존의 기업 정보화수준 평가모델의 경우 업종별로 다른 평가 모델을 적용하지만, 이 경우에도 업종 외에 해당 조직의 정보화 목표 및 범위에 대한 요소를 중요하게 고려하지 않았다. 정보화 평가모델은 크게 조직 중심의 전반적인 정보화 수준을 평가하는 모델과 투자한 사업에 대한 투자 효과를 분석하기 위한 모델로 나눌 수 있다. 두 개의 모델은 조직 또는 사업의 정보화 목표에 맞게 정보화가 진행되었는지를 평가하며, 평가한 결과를 피평가 조직에 피드백하여 차기 정보화 사업 추진에 활용하게 된다. 본 연구에서는 국방 분야의 여러 가지 특성을 고려한 정보화 평가모델의 구축 방법론을 제안하고, 평가의 유형 중에서 정보화 수준 평가 모델의 적용 방안에 대하여 논의하였다.

• 한국경영과학회:학술대회논문집
• /
• 한국경영과학회 1998년도 추계학술대회 논문집
• /
• pp.103-106
• /
• 1998

본 연구는 연구·개발 프로젝트의 평가를 위하여 연구·개발 프로젝트의 다-속성(Multi-attributes)을 고려하한 평가 모델의 연구이다. 이를 위하여 우선 평가구조를 구축하고 각 속성별 평가를 종합하기 위한 종합성과도(Total Preference Index)로 단일 측정치로 평가 할 수 있도록 종합하기 위한 적절한 효용함수를 도입하여 사용하였다. 이러한 평가 과정을 다-속성 의사결정 모델(Multi-attribute Utility Model)로 통합하였으며 연구·개발프로젝트의 특성을 고려하여 각 연구실의 책임자(Laboratory Directors)의 평가체계를 개발하여 본 평가모델에 포함하였다. 본 평가모델의 시험 적용을 위하여 특정 연구소에 시험적용하고 그 결과를 보였으며, 부분적으로 보완 연구될 경우 일반적인 프로젝트의 평가모델로 활용될 수 있으리라 생각된다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2010년도 추계학술발표대회
• /
• pp.299-302
• /
• 2010

본 논문에서는 차량 전장용 소프트웨어의 일부인 Basic Software(BSW) 모듈 설정이 AUTOSAR 표준을 따르는 지를 평가하는 도구를 설명한다. 평가 도구는 크게 평가 속성 추출 부분과 속성 평가 부분으로 구분된다. 평가 속성 추출 부분에서는 AUTOSAR에서 제공하는 BSW 메타 모델로부터 평가 속성을 정의하는 데 사용되는 정보를 자동으로 추출하며 속성 평가 부분에서는 앞에서 추출한 정보를 이용하여 평가 속성을 정의한 후 사용자가 설정한 BSW 사용자 설정 모델에 대해서 평가를 자동으로 수행한다. 한편 평가 속성을 정의하는 데 BSW 메타 모델과 BSW 사용자 설정 모델이 이용된다. 이 두 모델은 XML 구조를 따르고 있으며 이 두 모델로부터 필요한 정보를 얻기 위해서는 XML 탐색이 요구된다. 이를 위해서 우리는 XML 질의어 중 하나인 XPath를 사용하였으며 BSW 메타 모델과 BSW 사용자 설정 모델로부터 평가에 필요한 정보를 얻을 수 있었다. 또한 평가 속성을 정의하는 데에도 XPath 를 사용하였으며 XPath로 정의한 평가 속성을 이용하여 우리는 BSW 사용자 설정 모델을 평가할 수 있었다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2022년도 제34회 한글 및 한국어 정보처리 학술대회
• /
• pp.16-21
• /
• 2022

사전학습 말뭉치는 위키백과 문서 뿐만 아니라 인터넷 커뮤니티의 텍스트 데이터를 포함한다. 이는 언어적 관념 및 사회적 편향된 정보를 포함하므로 사전학습된 언어 모델과 파인튜닝한 언어 모델은 편향성을 내포한다. 이에 따라 언어 모델의 중립성을 평가할 수 있는 지표의 필요성이 대두되었으나, 아직까지 언어 인공지능 모델의 정치적 중립성에 대해 정량적으로 평가할 수 있는 척도는 존재하지 않는다. 본 연구에서는 언어 모델의 정치적 편향도를 정량적으로 평가할 수 있는 지표를 제시하고 한국어 언어 모델에 대해 평가를 수행한다. 실험 결과, 위키피디아로 학습된 언어 모델이 가장 정치 중립적인 경향성을 나타내었고, 뉴스 댓글과 소셜 리뷰 데이터로 학습된 언어 모델의 경우 정치 보수적, 그리고 뉴스 기사를 기반으로 학습된 언어 모델에서 정치 진보적인 경향성을 나타냈다. 또한, 본 논문에서 제안하는 평가 방법의 안정성 검증은 각 언어 모델의 정치적 편향 평가 결과가 일관됨을 입증한다.

• 한국추진공학회지
• /
• 제16권5호
• /
• pp.67-73
• /
• 2012

고충전 탄성중합체 균열선단에서의 파괴기구를 분석하였으며, 스트립 항복 모델 및 내재결함 모델이 적용되었다. 두 가지 모델의 수정으로부터 고충전 탄성중합체에 대한 파손평가선도의 작성방법이 연구되었다. 고체로켓연료로 사용되는 고충전 탄성중합체의 인장시험 및 파괴인성시험을 수행하였으며, 시험결과로부터 파손평가선도를 작성하였다. 내재결함 모델로부터 작성한 파손평가선도는 스트립 항복 모델로부터 작성한 파손평가선도와의 비교를 위해 정규화되었다. 두 가지 모델로부터 작성한 파손평가 선도를 비교한 결과, 내재결함모델을 이용한 파손평가선도가 스트립항복모델을 이용한 파손평가선도보다 더 보수적으로 파손을 평가하는 것으로 나타났다.

• 한국추진공학회:학술대회논문집
• /
• 한국추진공학회 2012년도 제38회 춘계학술대회논문집
• /
• pp.532-538
• /
• 2012

고충전 탄성중합체 균열선단에서의 파괴기구를 분석하였으며, 스트립 항복 모델 및 내재결함 모델이 적용되었다. 두 가지 모델의 수정으로부터 고충전 탄성중합체에 대한 파손평가선도의 작성방법이 연구되었다. 고체로켓연료로 사용되는 고충전 탄성중합체의 인장시험 및 파괴인성시험을 수행하였으며, 시험결과로부터 파손평가선도를 작성하였다. 내재결함 모델로부터 작성한 파손평가선도는 스트립 항복 모델로부터 작성한 파손평가선도와의 비교를 위해 정규화되었다. 두 가지 모델로부터 작성한 파손평가선도를 비교한 결과, 내재결함모델을 이용한 파손평가선도가 스트립항복모델을 이용한 파손평가선도보다 더 보수적으로 파손을 평가하는 것으로 나타났다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2020년도 추계학술대회
• /
• pp.108-110
• /
• 2020

본 연구의 목적은 딥러닝 기법의 하나인 인공신경망 모델을 활용하여 선박의 가치평가 모델을 개발하는 것이다. 선박의 가치는 해운시장 변화와 밀접한 관계가 있으며, 경기 변동성이 크고 시장 민감성이 높은 해운시장의 특성상 가치의 불확실성 역시 높게 나타나고 있다. 이러한 선박가치의 중요성에도 불구하고 국내외적으로 선박가치평가의 체계 개선 및 평가모델의 객관성과 신뢰성을 제고시키기 위한 연구는 부족한 실정이다. 따라서 본 연구에서는 딥러닝 방법을 통해 선박의 가치를 산출하는 새로운 평가모델을 제시하고자 한다. 가치평가의 대상은 중고 VLCC선이며, 선행연구를 통해 선박의 가치 변화를 유발하는 주요 요인들을 선별하여 변수를 설정하고 2010년 1월부터 현재까지의 해당 데이터를 확보하였다. 교차검증을 통해 파라미터들을 추정하여 인공신경망의 최적 구조를 식별하고 이에 대한 객관성과 신뢰성을 검증한 결과 인공신경망 모델의 가치평가 정확성이 우수함을 확인하였다. 본 연구는 선박가치평가의 전통적 방법론에서 탈피하여 기계학습 기반의 딥러닝 모델을 활용한 측면에서 독창적인 의미가 있다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2019년도 제31회 한글 및 한국어 정보처리 학술대회
• /
• pp.213-218
• /
• 2019

기계독해는 자연어로 표현된 질문과 단락이 주어졌을 때, 해당 단락 내에 표현된 정답을 찾는 태스크이다. 최근 기계독해 태스크도 다른 자연어처리 태스크와 유사하게 BERT, XLNet, RoBERTa와 같이 사전에 학습한 언어모델을 이용하고 질문과 단락이 입력되었을 경우 정답의 경계를 추가 학습(fine-tuning)하는 방법이 우수한 성능을 보이고 있으며, 특히 KorQuAD v1.0 데이터셋에서 학습 및 평가하였을 경우 94% F1 이상의 높은 성능을 보이고 있다. 본 논문에서는 현재 최고 수준의 기계독해 기술이 학습셋과 유사한 평가셋이 아닌 일반적인 질문과 단락 쌍에 대해서 가지는 일반화 능력을 평가하고자 한다. 이를 위하여 첫번째로 한국어에 대해서 공개된 KorQuAD v1.0 데이터셋과 NIA v2017 데이터셋, 그리고 엑소브레인 과제에서 구축한 엑소브레인 v2018 데이터셋을 이용하여 데이터셋 간의 교차 평가를 수행하였다. 교차 평가결과, 각 데이터셋의 정답의 길이, 질문과 단락 사이의 오버랩 비율과 같은 데이터셋 통계와 일반화 성능이 서로 관련이 있음을 확인하였다. 다음으로 KorBERT 사전 학습 언어모델과 학습 가능한 기계독해 데이터 셋 21만 건 전체를 이용하여 학습한 기계독해 모델에 대해 블라인드 평가셋 평가를 수행하였다. 블라인드 평가로 일반분야에서 학습한 기계독해 모델의 법률분야 평가셋에서의 일반화 성능을 평가하고, 정답 단락을 읽고 질문을 생성하지 않고 질문을 먼저 생성한 후 정답 단락을 검색한 평가셋에서의 기계독해 성능을 평가하였다. 블라인드 평가 결과, 사전 학습 언어 모델을 사용하지 않은 기계독해 모델 대비 사전 학습 언어 모델을 사용하는 모델이 큰 폭의 일반화 성능을 보였으나, 정답의 길이가 길고 질문과 단락 사이 어휘 오버랩 비율이 낮은 평가셋에서는 아직 80%이하의 성능을 보임을 확인하였다. 본 논문의 실험 결과 기계 독해 태스크는 특성 상 질문과 정답 사이의 어휘 오버랩 및 정답의 길이에 따라 난이도 및 일반화 성능 차이가 발생함을 확인하였고, 일반적인 질문과 단락을 대상으로 하는 기계독해 모델 개발을 위해서는 다양한 유형의 평가셋에서 일반화 평가가 필요함을 확인하였다.

• Environmental Analysis Health and Toxicology
• /
• 제24권2호
• /
• pp.79-93
• /
• 2009

오염물질에 대한 생태위해성평가(ecological risk assessment)를 위해서는 노출평가(exposure assessment)와 함께 생물영향에 대한 평가(effect assessment)를 수행해야 한다. 노출평가의 경우는 지화학적 과정에 대한 이해를 바탕으로 환경농도를 예측하기 위한 화학평형모델이나 다매체환경거동모델 등 다양한 평가 및 예측모델을 활용해 왔다. 이와 달리 생물영향평가는 실험실 조건에서 제한된 독성자료를 대상으로 외부노출농도에 기반한 농도-반응관계를 통계적 방법을 통해서 추정하는 '경험적 모델(empirical model)'에 주로 의존해 왔다. 최근에 와서 생체 내 잔류량을 기반으로 농도-시간-반응관계를 기술하고 예측하는 독성동태학 및 독성역학 모델(toxicokinetic-toxicodynamic model)과 같은 독성작용에 기반한 모델(processbased model)들이 개발되어 활용되고 있다. 본 논문에서는 여러 종류의 독성동태학 및 독성역학 모델을 소개하고, 이를 통계적 추론에 기반한 전통적인 독성학 모델과 비교하였다. 서로 다른 종류의 독성동태학 및 독성역학 모델로부터 도출된 노출농도-시간 -반응관계식을 비교하고, 동일 독성기작을 보이는 오염물질 그룹 내에서 미측정 오염물질의 독성을 예측할 수 있게 해주는 구조-활성관계(Quantitative Structure-Activity Relationship, QSAR) 모델을 여러 독성동태 및 독성역학모델로부터 유도하였다. 마지막으로 독성동태학 및 독성역학 파라미터를 추정하기 위한 실험계획을 제안하였고, 앞으로 독성동태학 및 독성역학 모델을 생태계 위해성평가에 활용하기 위해서 해결해야 될 연구과제를 검토하였다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2023년도 제35회 한글 및 한국어 정보처리 학술대회
• /
• pp.131-136
• /
• 2023

본 논문에서는 기존의 요약 태스크에서 주로 사용하는 인코더-디코더 모델과 디코더 기반의 언어 모델의 성능을 비교한다. 요약 태스크를 평가하는 주요한 평가 지표인 ROUGE 점수의 경우, 정답 요약문과 모델이 생성한 요약문 간의 겹치는 단어를 기준으로 평가한다. 따라서, 추상적인 요약문을 생성하는 언어 모델의 경우 인코더-디코더 모델에 비해 낮은 ROUGE 점수가 측정되는 경향이 있다. 또한, 최근 연구에서 정답 요약문 자체의 낮은 품질에 대한 문제가 되었고, 이는 곧 ROUGE 점수로 모델이 생성하는 요약문을 평가하는 것에 대한 신뢰도 저하로 이어진다. 따라서, 본 논문에서는 언어 모델의 요약 성능을 보다 다양한 관점에서 평가하여 언어 모델이 기존의 인코더-디코더 모델보다 좋은 요약문을 생성한다는 것을 보인다.