• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2020년도 제32회 한글 및 한국어 정보처리 학술대회
• /
• pp.3-8
• /
• 2020

문서 검색은 오래 연구되어 온 자연어 처리의 중요한 분야 중 하나이다. 기존의 키워드 기반 검색 알고리즘 중 하나인 BM25는 성능에 명확한 한계가 있고, 딥러닝을 활용한 의미 기반 검색 알고리즘의 경우 문서가 압축되어 벡터로 변환되는 과정에서 정보의 손실이 생기는 문제가 있다. 이에 우리는 BERT Sparse라는 새로운 문서 검색 모델을 제안한다. BERT Sparse는 쿼리에 포함된 키워드를 활용하여 문서를 매칭하지만, 문서를 인코딩할 때는 BERT를 활용하여 쿼리의 문맥과 의미까지 반영할 수 있도록 고안하여, 기존 키워드 기반 검색 알고리즘의 한계를 극복하고자 하였다. BERT Sparse의 검색 속도는 BM25와 같은 키워드 기반 모델과 유사하여 실시간 서비스가 가능한 수준이며, 성능은 Recall@5 기준 93.87%로, BM25 알고리즘 검색 성능 대비 19% 뛰어나다. 최종적으로 BERT Sparse를 MRC 모델과 결합하여 open domain QA환경에서도 F1 score 81.87%를 얻었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 추계학술대회
• /
• pp.499-501
• /
• 2021

최근 전 세계적으로 인공지능과 SW는 4차산업혁명 시대의 기반 기술로서 중요한 위치를 점하고 있고, COVID-19로 인한 학습 환경의 변화로 웹브라우저 기반 프로그래밍 학습 시스템이 일반화되고 있다. 본 고에서는 이러한 트렌드에 따라 인공지능과 SW의 근간이 되는 알고리즘을 학습하기 위한 도구로서의 온라인 평가 시스템에 대해 기능별 확장 가능한 마이크로서비스 기반 시스템 구조를 제안한다. 그리고, 제안한 시스템 구조하에서 자동 평가 기능에 대해 머신러닝을 적용하기 위한 기능적 구조에 대해 또한 제안한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 추계학술대회
• /
• pp.490-491
• /
• 2021

최근 실내 환경에서 정확한 위치 기반 서비스의 제공을 위해 Wi-Fi 핑거프린트와 딥러닝을 이용한 기술이 연구되고 있다. 이때 학습 데이터의 구성은 매우 중요하며 학습에 필요한 충분한 데이터의 수집은 필수적이다. 그러나 측위가 필요한 영역 내에서 무선 신호 데이터의 수집을 위한 특정 지점의 수는 무한하며 이러한 데이터를 모두 수집하는 것은 불가능하다. 따라서 부족한 학습 데이터를 보충할 수 있는 방법이 필요하다. 본 연구에서는 부족하게 수집된 위치 데이터를 기반으로 학습에 필요한 충분한 수의 위치 데이터의 구성 방법을 제안한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.62-65
• /
• 2022

당뇨병은 전 세계적으로도 발병률 및 유병률이 매년 증가하는 사회적 중대한 문제이다. 혈중 포도당의 농도가 높아지는 고혈당을 특징으로 한 당뇨병은 여러 증상 및 징후를 일으키고 있다. 그로 인해 환자들이 일상생활에서의 자가관리 강화를 인지하고 실천해야 한다. 하지만 환자들이 자가관리에 있어서 실패하는 가장 큰 요인을 식이요법 실패로 꼽고 있다. 이에 본 논문에서는 사진 촬영 또는 이미지 업로드를 통해 식단을 입력하고 섭취지표와 혈당 통계를 통해 사용자들의 식단을 분석해주는 애플리케이션을 설계 및 구현하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2022년도 제66차 하계학술대회논문집 30권2호
• /
• pp.635-636
• /
• 2022

대학·연구기관 등이 보유한 연구장비의 공동활용으로는 중소기업의 즉각적인 수요를 해결하기에는 역부족이다. 중소벤처기업의 다양한 요구를 실시간으로 충족시키기 어려우며, 이용비용, 이용절차 복잡, 예약대기 등의 애로사항이 많아 중소벤처기업은 민간의 리스업체를 선호하는 경향이 있다. 중소벤처기업은 연구개발을 위한 자체 보유 연구장비가 부족하여 자체시험, 설계분석 수행이 어려움에 따라 R&D 초기단계부터 애로가 발생하고 있다. 또한 중소기업이 외부 시험, 검사장비 활용 시 경제적 부담, 이용절차 복잡 등의 다양한 어려움을 겪고 있어 연구장비의 새로운 지원방식의 필요성이 제기되고 있다. 미국의 경우 민간 중심으로 연구장비 임대를 활성화하고 있고, 일본 및 유럽은 임대지원 정책을 추진하고 있으므로 우리도 이러한 리스뱅크 플랫폼의 구축이 시급한 실정이다. 따라서, 연구장비 임대, 공동활용 등 종합적인 서비스와 중소벤처기업이 이용하기 쉽고 편리한 전문가 시스템을 활용한 연구장비 리스뱅크 플랫폼 구축방안을 살펴보자.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제68차 하계학술대회논문집 31권2호
• /
• pp.421-422
• /
• 2023

최근 GPT 챗봇이 이슈화되면서 AI와 딥러닝을 통한 개발 및 발전되고 있고, 업무에 대한 효율성과 일상생활에서의 편리함을 느낄 수 있다. 다양한 산업들 중 헬스 케어 산업에서는 인공지능과 빅데이터 등 첨단 기술을 활용한 차별화된 서비스 제공에 많은 관심을 기울이고 있다. 현재 안면인식 기술을 적용한 스마트 헬스장은 세계적으로 늘어나고 있다. 최근 한국에서도 안면인식 기술을 활용한 헬스장이 출시되었지만, 회원의 입출입에만 적용이 되고 있어 기술의 활용성이 떨어진다는 문제점이 있다. 또한, 트레이너가 없는 작은 헬스장이나 아파트 헬스장의 경우, PT를 받기 어렵다는 불편함이 있다. 따라서 안면인식 기술을 헬스장의 기구에 적용하여 기존의 인증 방식보다 안전하고 편리하며, 기본적인 정보 사항과 횟수를 기록하고 저장하며 이 전의 데이터와 비교할 수 있는 시스템을 이용하여 PT를 받지 않고도 효율적인 운동이 가능한 시스템을 제안한다.

• 산업경영시스템학회지
• /
• 제46권3호
• /
• pp.275-284
• /
• 2023

Land monitoring involves systematically understanding changes in land use, leveraging spatial information such as satellite imagery and aerial photographs. Recently, the integration of deep learning technologies, notably object detection and semantic segmentation, into land monitoring has spurred active research. This study developed a web service to facilitate such integrations, allowing users to analyze aerial and drone images using CNN models. The web service architecture comprises AI, WEB/WAS, and DB servers and employs three primary deep learning models: DeepLab V3, YOLO, and Rotated Mask R-CNN. Specifically, YOLO offers rapid detection capabilities, Rotated Mask R-CNN excels in detecting rotated objects, while DeepLab V3 provides pixel-wise image classification. The performance of these models fluctuates depending on the quantity and quality of the training data. Anticipated to be integrated into the LX Corporation's operational network and the Land-XI system, this service is expected to enhance the accuracy and efficiency of land monitoring.

• 한국조경학회지
• /
• 제46권3호
• /
• pp.1-13
• /
• 2018

조경은 폭넓은 지식과 경험이 요구되는 소수인력분야로 타 분야에 비해 서비스 시장이 협소하여, 실무자를 위한 교육 서비스가 부족한 실정이다. 이에 본 연구는 교육수요 수준별로 맞춤형 조경실무교육이 가능함과 동시에 개발 과정의 경제적 효율성을 높이는 이러닝 콘텐츠 개발 방법론을 제시하고자 수행하였다. 먼저, 이론 고찰에서 ADDIE 모형을 변형해 효율성을 추구한 교육 과정 개발 모형을 선정하였으며, 스콤 기반 모형의 학습객체 재사용 개념을 도입하였다. 특히, 선행연구에서 나타난 문제점을 보완하기 위해 분석, 설계 단계를 강화하였으며, 조경과 ICT에 대한 융복합 지식을 지닌 교수설계자가 전반적 단계를 주도하도록 하였다. 실제적 개발 과정은 단계별 절차에 의해 조경실무자 요구, 환경 등의 '분석', 콘텐츠 재사용성을 고려한 교수학습 절차, 활동 등의 '설계', 실제 촬영, 편집 등의 1차 개발, 1차 개발 콘텐츠를 재사용하는 2차 개발 등의 '개발', 전문성, 만족도 등에 대한 '평가 및 수정' 단계 순으로 진행하였다. 연구결과, 모듈형 학습객체로 구성된 공간별 과정이 총 8과목 216차시로 1차 개발되었으며, 모듈화된 학습객체를 단위별로 교차 조합한 분야별 과정이 총 3과목 208차시, 난이도별 과정이 총 3과목 216차시로 2차 개발되었다. 이에 대한 '평가'로 만족도 평가는 전반적 만족도 4.02, 8개 척도의 평균값은 3.97로 둘 다 4.0에 근접하였다. 전문성 평가는 8개 과목의 평가점수가 84.8~99.0으로 매우 높게 집계되었으며, 내용적으로는 5개 평가항목의 점수가 89.9~96.4점으로 비교적 균등하게 나타났다. 결론적으로 이러닝 콘텐츠의 디지털적 특성과 조경산업의 일반적 특성에 대한 명확한 이해를 바탕으로 연구를 수행함에 따라 모듈형 학습객체로 구성된 교육 과정 개발과 단위별 학습객체의 재사용에 의한 교육 과정 개발이 가능하였다. 특히, 보편적 절차에 의한 전문적 지식과 경험을 전달하는데 효과적임이 검증되었으며, 오프라인 교육에서 발생하는 아날로그적 문제점을 일부 극복할 수 있는 계기를 마련하였다. 향후, 콘텐츠 확충에 의한 추가연구와 세분화된 주제를 대상으로 연구할 필요가 있다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.29-56
• /
• 2021

전자상거래 시장이 빠르게 성장하면서 다양한 유형의 제품이 출시되고 있으며, 이로 인해 사용자들은 구매 의사결정과정에 많은 시간이 소요되는 정보 과부하 문제에 직면하고 있다. 따라서 사용자에게 맞춤형 제품 및 서비스를 제공해줄 수 있는 개인화 추천 서비스의 중요성이 대두되고 있다. 대표적으로 Netflix, Amazon, Google 등 세계적 기업은 개인화 추천 서비스를 도입하여 사용자의 구매 의사결정을 지원하고 있다. 이에 따라 사용자의 정보탐색 비용이 감소하는 효과가 나타났고, 기업의 매출 상승에도 긍정적인 영향을 끼치고 있다. 기존 개인화 추천 서비스 관련 연구에서 주로 사용된 협업필터링(Collaborative Filtering, CF) 기법은 정량화된 정보를 활용하여 사용자의 선호도를 예측하였다. 그러나 정량화된 정보만을 활용하면 사용자의 구매 의도는 고려하지 못하므로 추천 성능이 저하될 수 있다는 문제점이 제기되고 있다. 이와 같은 기존 연구의 문제점을 개선하기 위해 최근에는 사용자가 작성한 리뷰를 활용한 개인화 추천 서비스 연구가 활발히 진행되고 있다. 그러나 리뷰에는 광고성 내용, 거짓 후기, 의미를 전혀 파악할 수 없거나 제품과 관련 없는 내용 등 구매의사결정을 저해하는 요소들이 포함되어 있다. 이러한 요소들이 포함된 리뷰를 활용하여 추천 서비스를 제공하게 되면, 추천 성능이 저하되는 문제가 발생할 수 있다. 따라서 본 연구에서는 이러한 문제점을 개선하기 위해 Convolutional Neural Network(CNN) 기반 리뷰 유용성 점수 예측을 통한 새로운 추천 방법론을 제안하였다. 본 연구에서 제안하는 유용한 리뷰를 포함하는 방법론과 기존 모든 선호도 평점을 고려하는 추천 방법론을 비교한 결과, 본 연구에서 제안한 방법론이 더 우수한 예측 성능을 나타내고 있음을 확인할 수 있었다. 또한 본 연구의 결과는 리뷰 유용성에 대한 정보를 개인화 추천 서비스에 반영하면 전통적인 CF의 성능을 향상할 수 있음을 시사한다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.175-197
• /
• 2021

최근 딥 러닝 기술의 발전으로 뉴스, 블로그 등 다양한 문서에 포함된 텍스트 분석에 딥 러닝 기술을 활용하는 연구가 활발하게 수행되고 있다. 다양한 텍스트 분석 응용 가운데, 텍스트 분류는 학계와 업계에서 가장 많이 활용되는 대표적인 기술이다. 텍스트 분류의 활용 예로는 정답 레이블이 하나만 존재하는 이진 클래스 분류와 다중 클래스 분류, 그리고 정답 레이블이 여러 개 존재하는 다중 레이블 분류 등이 있다. 특히, 다중 레이블 분류는 여러 개의 정답 레이블이 존재한다는 특성 때문에 일반적인 분류와는 상이한 학습 방법이 요구된다. 또한, 다중 레이블 분류 문제는 레이블과 클래스의 개수가 증가할수록 예측의 난이도가 상승한다는 측면에서 데이터 과학 분야의 난제로 여겨지고 있다. 따라서 이를 해결하기 위해 다수의 레이블을 압축한 후 압축된 레이블을 예측하고, 예측된 압축 레이블을 원래 레이블로 복원하는 레이블 임베딩이 많이 활용되고 있다. 대표적으로 딥 러닝 모델인 오토인코더 기반 레이블 임베딩이 이러한 목적으로 사용되고 있지만, 이러한 기법은 클래스의 수가 무수히 많은 고차원 레이블 공간을 저차원 잠재 레이블 공간으로 압축할 때 많은 정보 손실을 야기한다는 한계가 있다. 이에 본 연구에서는 오토인코더의 인코더와 디코더 각각에 스킵 연결을 추가하여, 고차원 레이블 공간의 압축 과정에서 정보 손실을 최소화할 수 있는 레이블 임베딩 방법을 제안한다. 또한 학술연구정보서비스인 'RISS'에서 수집한 학술논문 4,675건에 대해 각 논문의 초록으로부터 해당 논문의 다중 키워드를 예측하는 실험을 수행한 결과, 제안 방법론이 기존의 일반 오토인코더 기반 레이블 임베딩 기법에 비해 정확도, 정밀도, 재현율, 그리고 F1 점수 등 모든 측면에서 우수한 성능을 나타냄을 확인하였다.