• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10b
• /
• pp.61-63
• /
• 2001

본 논문의 목적은 기계 학습 방법을 이용하여 정보 추출 규칙의 패턴을 학습할 수 있는 인터페이스 에이전트의 개발에 있다. 인터페이스 에이전트는 사용자와 상호작용이 가능한 지능형 에이전트이다. 사용자는 인터페이스 에이전트와 상호작용을 하게 되며 에이전트는 이 상호 작용에서 사용자가 원하는 정보 추출 규칙을 학습하게 된다. 사용자는 웹 문서에서 원하는 정보의 위치를 지정하여 데이터를 인터페이스 에이전트에게 학습시킨다. 인터페이스 에이전트는 학습된 추출 규칙으로부터 사용자가 원하는 정보를 추출한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2007.04a
• /
• pp.287-290
• /
• 2007

본 논문에서는 신호의 상호정보 추출에 의한 효율적인 군집화 방법을 제안하였다. 여기서 상호정보는 신호상호간의 상관관계를 나타내는 정보로 군집화를 위한 유사성을 나타내는 척도이다. 특히 적응적 분할을 이용하여 신호의 확률밀도를 계산함으로써 신호 상호간의 종속성을 좀 더 정확하고 빠르게 측정하였다. 제안된 방법을 500개 샘플을 가진 6개의 인위적인 신호군집화에 적용한 결과 정확한 분류성능이 있음을 확인하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10b
• /
• pp.808-810
• /
• 2003

본 논문에서는 생물학 관련 문서에서 단백질 간의 상호작용을 추출하는 방법에 대한 전반적인 기술 동향을 소개하고, 현재 구현된 상호작용 정보 자동추출 시스템의 연구 결과에 대해 기술한다. 일반적으로 이미 알려진 단백질들의 관계를 추출함에 있어서는 단백질의 이름에 대한 특성 구분과 표현의 의미적 해석등에 NLP 기법을 사용하여, 사용자 정의에 따른 룰을 생성하는 방법과 데이터 마이닝 기법을 적용하여, 단백질간의 관계를 자동적으로 추출하는 방법, 또한 위의 이 두가지 방법을 병행하는 방법이 현재 연구되고 있다. 이 논문에서는 자연언어처리 기법과 머신러닝 기법(SVM)을 이용하여, 단백질간의 상호작용에 관한 일반 생물 정보 문헌에서 추출하고, 그 성능을 테스트 해 보겠다.

• Annual Conference on Human and Language Technology
• /
• 2018.10a
• /
• pp.199-203
• /
• 2018

음식과 맛집에 대한 사용자의 정보검색 니즈가 나날이 증가하면서 서비스 제공자가 정보 제공의 대상이 되는 맛집 상호명을 파악하는 것은 중요한 이슈다. 그러나 업종의 특성상 점포가 새로 생겨나는 주기는 매우 짧은 반면, 신규 점포의 서비스 등록 시점에는 시간적 차이가 존재하는 문제가 있다. 본 논문에서는 신규 상호명을 능동적으로 파악하기 위해 위치기반 서비스 로그에서 맛집 상호명을 추출하는 문자 기반의 딥러닝 모델 및 방법론을 제시한다. 자체 구축한 학습 데이터셋으로 실험한 결과, 제안하는 모델이 기존 기계학습 모델보다 높은 정확도로 상호명을 분류할 수 있음을 확인하였다. 또한, 사전 학습된 모델을 검색로그에 적용하여 신규 상호명 후보를 추출함으로써 향후 상호명 DB를 능동적으로 업데이트 할 수 있는 가능성을 타진하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04b
• /
• pp.256-258
• /
• 2004

단백질간의 상호작용에 대한 연구는 생물학적 프로세스를 이해하기 위해 중요한 부분이다. 이러한 단백질간의 상호작용에 대한 정보는 주로 생명과학 관련 연구논문에 존재하지만 컴퓨터로 자동으로 처리하여 상호작용에 관안 정보를 추출할 수 있기 위해서는 텍스트 마이닝 기술이 적용되어야 한다 바이오 텍스트 마이닝에서 대두되고 있는 중요한 쟁점은 대용량의 연구논문에서 필요한 정보를 어떻게 효율적으로 정확하게 추출할 것인가에 대한 내용이다. 또한, 관심이 있는 단백질의 종류나 관련성을 표시하는 문장내 패턴의 다양성을 수용하기 위하여 개발하는 시스템의 확장성을 높이는 것도 소프트웨어 공학적인 측면에서 중요한 이슈이다 이 논문의 목적은 생물학적 내용을 담고 있는 연구논문으로부터 단백질간의 상호작용을 추출하는 확장성을 가진 텍스트 마이닝 기법을 제안하는데 있다.

• Annual Conference on Human and Language Technology
• /
• 2008.10a
• /
• pp.17-22
• /
• 2008

본 논문에서는 영역별로 자동으로 개체명을 추출하기 위하여 씨앗단어를 이용하고, 웹페이지와 개체명 후보들 간의 상호 중요도를 측정하여 개체명 후보들의 순위를 정하는 방식을 제안한다. 제안된 방식은 크게 세 단계에 의해서 수행되어 지는데 먼저 씨앗단어 정보를 이용하여 웹페이지를 검색하고, 검색되어진 웹 페이지와 씨앗단어 정보를 이용하여 패턴 규칙을 추출한다. 추출된 패턴 규칙을 웹페이지에 적용하여 개체명 후보들을 추출하고 추출된 후보들과 웹페이지 사이의 상호 중요도를 재귀적으로 계산하여 최종적으로 개체명 후보들의 순위가 정해 진다. 한국어와 영어 개체명 영역에 제안된 기법을 적용하여 실험한 결과 한국어에서는 78.72%의 MAP를 얻을 수 있었고, 영어에서는 96.48%의 MAP를 얻었다. 특히 영어 개체명 인식에서의 성능은 구글에서 제공하고 있는 구글셋의 결과보다도 높은 성능을 보였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2019.01a
• /
• pp.33-36
• /
• 2019

DDI 추출은 생물 의학 문헌으로부터 약물-약물 상호작용(Drug-Drug Interaction) 관계를 추출하는 작업으로, 기존에 알려지지 않은 인체 내 약물 간의 효과 또는 부작용 정보를 제공하는데 중요한 역할을 한다. 본 연구에서는 PCNN 모델을 활용하여 특징 추출 과정을 자동화하고 약물 개체 간의 구조 정보를 포착해 개체 간 관계를 효율적으로 추출하였으며, 생물 의학 문헌에서 쓰이는 생소한 용어를 보다 풍부하게 표현하기 위해 5가지 버전의 단어 임베딩을 PCNN의 채널로 사용하였다. 본 연구에서 제안하는 MC-PCNN 모델의 성능 평가를 위해 DDI'13 Corpus 데이터를 사용하여 비교 실험을 진행하였으며, 그 결과 기존 연구보다 $F_1$ 점수 기준 최대 2.05%p 향상된 성능을 보이며 DDI 관계 추출에서 효과적인 방법론임을 확인하였다.

• KIISE Transactions on Computing Practices
• /
• v.23 no.3
• /
• pp.194-198
• /
• 2017

In this paper, we propose a revised Deep Convolutional Neural Network (DCNN) model to extract Protein-Protein Interaction (PPIs) from the scientific literature. The proposed method has the merit of improving performance by applying various global features in addition to the simple lexical features used in conventional relation extraction approaches. In the experiments using AIMed, which is the most famous collection used for PPI extraction, the proposed model shows state-of-the art scores (78.0 F-score) revealing the best performance so far in this domain. Also, the paper shows that, without conducting feature engineering using complicated language processing, convolutional neural networks with embedding can achieve superior PPIE performance.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2007.04a
• /
• pp.121-124
• /
• 2007

본 논문에서는 적응분할에 바탕을 둔 신호의 상호정보 추출에 의한 효율적인 얼굴인식 방법을 제안하였다. 여기서 적응분할의 상호정보 수출은 영상신호의 확률밀도를 보다 간단하게 계산할 수 있도록 함으로써 신호 상호간의 종속성을 좀 더 빠르고 정확하게 측정하기 위함이다. 또한 상호정보는 학습 얼굴영상과 인식을 위해 입력되는 시험 얼굴영상 상호간의 상관관계를 나타내는 정보로 유사성을 나타내는 군집화 척도이다. 제안된 방법을 256*192 픽셀의 5개 얼굴들을 대상으로 실험한 결과, 우수한 인식성능이 있음을 확인하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.04a
• /
• pp.310-312
• /
• 2001

최근 인터넷상에서 DTD 기반의 XML 문서가 문서 교환의 표준 수단으로 등장하면서 B2B 상에서 XML 문서의 사용이 빠른 속도로 증가하고 있다. 그러나 B2B 환경에서 문서교환시스템은 각기 다른 형태의 문서구조의 사용으로 인하여 시스템의 통합 및 상호운용에 있어 많은 어려움이 있다. 이에 논리적으로는 유사한 문서 교환 시스템의 통합 및 상호운용에 있어서 XML 문서의 교환을 위해서는 상호 변환 모듈이 필요하다. 그러나 상호 변환 모듈 개발을 위한 표준화된 방법과 툴의 미비로 인하여 변환 모듈 개발과 유지 보수에 많은 비용이 소요된다. 본 연구에서는 논리적으로 비슷하지만 서로 다른 DTD 기반의 XML 문서를 상호 변환하는 변환기를 자동 생성하는 시스템(XTGen)을 설계하고 구현한다. 시스템은 XML 문서를 검증하고 DTD를 추출하는 컴포넌트(XDA), 검증된 DTD를 문서 구조 정보 형식으로 변경하는 컴포넌트(DDA), 문서 구조 정보를 보여주고 상호 변환을 위해 매핑 할 수 있도록 하는 컴포넌트(DIV), 두 문서간의 매핑 정보를 추출하는 컴포넌트(MDO), 추출된 매핑 정보를 바탕으로 2개의 XML 문서를 상호 변환하는 변환기를 생성하는 컴포넌트(TCG)로 구성된다. 본 연구에서는 제안한 XML 변환기 생성 시스템(XTGen)은 XML 문서들의 상호 변환을 위한 변환 모듈을 자동 생성함으로써 변환기 생성의 비용을 감소시킬 수 있고 변환 모듈의 표준화를 통해 유지 보수성을 높일 수 있다.