• 말소리와 음성과학
• /
• 제10권4호
• /
• pp.135-146
• /
• 2018

The Modified Voiced Lip Trill (MVoLT) training is a variant of voiced lip-till training characterized by increased loudness, lowered laryngeal position, and lip contact facilitated with fingers. The purpose of the current study was to assess the effect of the MVoLT training program on vocal changes of musical singing theater students. A total of 32 musical theater students (17 males and 15 females, age ranging from 18 to 29) participated in the study. For about three months, each participant was tutored using a systematic program focussing on the MVoLT training, accompanied by certain facilitating strategies. Pre- & post-training multi-dimensional vocal characteristics were assesed and compared. Results showed that cepstral peak prominence during vowel phonation increased after training, while its standard deviation and Cepstral Spectral Index of Dysphonia decreased. When an aerodynamic assessment was performed, maximum phonation time, subglottal pressure, mean airflow rate increased, while electroglottographic measures did not change. In addition, decreased psychometric measures, higher maximum pitch, and increased vocal range were noted after training. In conclusion, the MVoLT was proven to have a potential as an effective and safe training method for musical theater singing.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2022년도 제34회 한글 및 한국어 정보처리 학술대회
• /
• pp.324-328
• /
• 2022

기계 독해란 주어진 문서를 이해하고 문서 내의 내용에 대한 질문에 답을 추론하는 연구 분야이며, 기계 독해 문제의 종류 중에는 여러 개의 선택지에서 질문에 대한 답을 선택하는 객관식 형태의 문제가 존재한다. 이러한 자연어 처리 문제를 해결하기 위해 기존 연구에서는 사전학습된 언어 모델을 미세조정하여 사용하는 방법이 널리 활용되고 있으나, 학습 데이터가 부족한 환경에서는 기존의 일반적인 미세조정 방법으로 모델의 성능을 높이는 것이 제한적이며 사전학습된 의미론적인 정보를 충분히 활용하지 못하여 성능 향상에 한계가 있다. 이에 본 연구에서는 기존의 일반적인 미세조정 방법에 템플릿을 적용한 템플릿 기반 미세조정 방법을 통해 사전학습된 의미론적인 정보를 더욱 활용할 수 있도록 한다. 객관식 형태의 기계 독해 문제 중 하나인 토익 문제에 대해 모델을 템플릿 기반 미세조정 방법으로 실험을 진행하여 템플릿이 모델 학습에 어떠한 영향을 주는지 확인하였다.

• 디지털융복합연구
• /
• 제15권6호
• /
• pp.391-398
• /
• 2017

본 논문에서는 "퍼지 컨트롤 언어를 이용한 공격 특징 선택기반 네트워크 침입탐지 시스템"[1]과 "RNN을 이용한 공격 분류를 위한 지능형 침입탐지 시스템 모델"[2]의 성능을 비교 하였다. 이 논문에서는 KDD CUP 99 데이터 셋[3]을 이용하여 두 기법의 침입 탐지 성능을 비교하였다. KDD CUP 99 데이터 셋에는 훈련을 위한 데이터 셋과 훈련을 통해 기존의 침입을 탐지 할 수 있는 테스트 데이터 셋이 있다. 또한 훈련 데이터 및 테스트 데이터에 존재 하지 않는 침입의 유형을 탐지할 수 있는가를 테스트 할 수 있는 데이터도 존재한다. 훈련 및 테스트 데이터에서 좋은 침입탐지 성능을 보이는 두 개의 논문을 비교하였다. 비교한 결과 존재하는 침입을 탐지 하는 성능은 우수하지만 기존에 존재하지 않는 침입을 탐지 하는 성능은 부족한 부분이 있다. 공격 유형 중 DoS, Probe, R2L는 퍼지를 이용하는 것이 탐지율이 높았고, U2L은 RNN을 이용하는 것이 탐지율이 높았다.

• 디지털콘텐츠학회 논문지
• /
• 제19권6호
• /
• pp.1051-1060
• /
• 2018

본 연구는 경계선지적기능 아동의 인지훈련 프로그램으로 '언어기반 인지강화 프로그램'을 제안하고, 해당 콘텐츠를 활용한 기능성 게임화의 타당성과 효과성을 보이고자 하였다. 콘텐츠는 4개 인지 영역(감각지각, 주의집중, 작업기억, 추론/지식)에 대해 4개 언어 차원(음소-단어-문장-담화)의 활동들로 구성되었으며, 그 중 16개의 언어활동 콘텐츠를 모바일 앱 게임으로 구현하여 일반아동과 BIF아동을 대상으로 시행하였다. 파일럿 테스트 결과, 두 집단의 게임 수행시간과 정확도 측정치는 지능 점수와 상관관계를 보였으며, 게임의 난이도에 따른 수행시간과 정확도의 차이를 확인함으로써 게임 구현의 타당성을 입증할 수 있었다. 또한 게임 시행 전 후 실시한 인지과제의 수행시간 변화를 통해 두 집단 모두에게서 인지강화 효과를 엿볼 수 있었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2013년도 추계학술대회
• /
• pp.507-509
• /
• 2013

본 논문에서는 최근 많은 관심을 받고 있는 안드로이드를 활용한 경증 자폐성장애인을 위한 보완대체의사소통 지원프로그램을 구현하였다. 보완대체의사소통이란 구어 및 비구어적 의사표현하기 어려운 사람들을 위해 사용하는 의사소통체계로서, 본 프로그램에서는 자폐장애인의 의사소통과 의사소통 언어의 선택적 빈도를 측정하는 방법과 자폐 아등의 지적 장애인의 언어에 대한 기본적인 훈련을 하는 방법을 소개한다. 본 논문에서는 보완대체 의사소통에서의 언어표상기법을 활용하여 여러 의사소통의 자유가 없는 사용자들이 효과적인 의사소통 및 학습을 할 수 있도록 개발하였으며, TTS(Text to Speech)를 사용하여 사용자의 의사를 육성으로 전달할 수 있도록 하였다. 그림판기능을 제공하여 사용자의 의사전달의 폭을 넓히고 언어빈도 측정을 통한 사용자의 언어사용빈도 그리고 자폐아의 경우 의식적 무의식 의사전달에 따른 백분율 수치를 두어 도움을 주도록 구현하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권3호
• /
• pp.133-140
• /
• 2022

우리는 유학생이 작성한 한국어 쓰기 답안지의 점수 구간을 예측하는 문제에서 세 개의 딥러닝 기반 한국어 언어모델의 예측 성능을 조사한다. 이를 위해 총 304편의 답안지로 구성된 실험 데이터 세트를 구축하였는데, 답안지의 주제는 직업 선택의 기준('직업'), 행복한 삶의 조건('행복'), 돈과 행복('경제'), 성공의 정의('성공')로 다양하다. 이들 답안지는 네 개의 점수 구간으로 구분되어 평어 레이블(A, B, C, D)이 매겨졌고, 총 11건의 점수 구간 예측 실험이 시행되었다. 구체적으로는 5개의 '직업' 답안지 점수 구간(평어) 예측 실험, 5개의 '행복' 답안지 점수 구간 예측 실험, 1개의 혼합 답안지 점수 구간 예측 실험이 시행되었다. 이들 실험에서 세 개의 딥러닝 기반 한국어 언어모델(KoBERT, KcBERT, KR-BERT)이 다양한 훈련 데이터로 미세조정되었다. 또 두 개의 전통적인 확률적 기계학습 분류기(나이브 베이즈와 로지스틱 회귀)도 그 성능이 분석되었다. 실험 결과 딥러닝 기반 한국어 언어모델이 전통적인 기계학습 분류기보다 우수한 성능을 보였으며, 특히 KR-BERT는 전반적인 평균 예측 정확도가 55.83%로 가장 우수한 성능을 보였다. 그 다음은 KcBERT(55.77%)였고 KoBERT(54.91%)가 뒤를 이었다. 나이브 베이즈와 로지스틱 회귀 분류기의 성능은 각각 52.52%와 50.28%였다. 학습된 분류기 모두 훈련 데이터의 부족과 데이터 분포의 불균형 때문에 예측 성능이 별로 높지 않았고, 분류기의 어휘가 글쓰기 답안지의 오류를 제대로 포착하지 못하는 한계가 있었다. 이 두 가지 한계를 극복하면 분류기의 성능이 향상될 것으로 보인다.

• 인간행동과 음악연구
• /
• 제4권1호
• /
• pp.21-30
• /
• 2007

유창성 장애의 대표적인 현상으로 전 세계적으로 학령기 아동에게서 1~4%의 높은 발생률을 보이는 주요한 언어 장애인 말더듬(stuttering)은 조음장애나 음성장애 등 다른 언어장애와는 달리 음악 구조 안에서는 나타나지 않는다는 특징을 보인다. 즉, 대부분의 말을 더듬는 사람들은 노래를 부를 때는 어려움을 보이지 않는다는 것이다. 마찬가지로 음악 구조 안에서 드러난 유창성이 음악 외적 상황, 즉 일반 언어로 전이 되지 않기 때문에, 그동안 말더듬을 음악적으로 접근하는 것은 무의미하다는 인식이 일반적이었다. 한편, 말더듬을 제외한 전반적인 언어 영역에서의 향상을 목표로 실행되고 있는 음악치료의 경우 음악이 언어장애에 있어서 효과적인 치료도구임이 많은 연구를 통해 검증되었고, 이러한 음악치료의 기본 원리들을 고찰한 결과 이를 말더듬 문제에도 적용할 수 있는 가능성이 시사되었다. 다양한 음악치료 기법 중에서도 특히 멜로디 억양 기법(MIT)은 발화의 시작을 용이하게 하는데 도움을 줄 수 있고, 언어 리듬 강화 훈련은 말더듬 아동의 깨어진 언어 형태에 리듬감을 도입하는데 효과적일 수 있을 것으로 판단하였다. 또한 송라이팅 형식을 도입한 즉흥 가창 활동을 통해 말하기에 대한 흥미와 성공적인 경험을 제공하고 자신감을 회복하는데 도움을 줄 수 있을 것으로 보았다. 따라서 본 연구에서는 말더듬 아동에게 위와 같은 원리를 기본으로 하는 음악 활동을 제공하여 비유창성을 감소시키되, 음악구조를 단계적으로 소거시켜 비유창성의 감소가 음악 외적 상황에서의 언어로 전이될 수 있는지를 검증하고자 하였다. 또한 이러한 활동이 말더듬 아동의 소극적인 의사소통 태도에도 긍정적인 영향을 미칠 수 있는지를 확인함으로써 말더듬의 음악치료적 접근의 가능성을 보고자 하였다. 이러한 가능성은 두 가지 차원에서 검토되었다. 첫째, 비유창성의 정도 변화를 확인하기 위해 말더듬 평가도구를 사용하여 프로그램 개입 전 후로 비유창성에 유의미한 변화가 있는지를 측정하였고 또한 이러한 변화가 세션 단계별로 나타난 양상을 파악하였다. 둘째, 의사소통 태도의 변화를 확인하기 위하여 의사소통 태도 검사를 이용하여 프로그램 개입 전 후의 점수를 비교하였고, 부정적인 의사소통 태도가 단적으로 보여지는 병리적인 행동인 회피 행동을 조작적으로 정의하여 이것이 세션 단계별로 나타난 빈도수를 측정하였다. 이외에도, 음악치료 프로그램 안에서 나타난 아동의 구체적인 언어 및 행동의 반응을 질적으로 기술하였다. 연구의 결과는 다음과 같다. 첫째, 음악치료 개입 전 후로 모든 아동에게서 정도의 폭은 다르나 비유창성이 감소함을 확인하였고 구체적인 영역별로는 말더듬 횟수에서 유의미한 차이가 있었다. 세션 단계별로는 비유창성의 정도가 증가와 감소를 반복하면서 점차 감소하는 추세를 보였고 변화 경향은 대상 아동마다 개별적이었다. 둘째, 음악치료 개입 전 후로 모든 아동의 의사소통 태도 검사 점수가 감소하였으며, 통계적으로 유의미한 차이가 있었다. 또한 음악치료 프로그램 개입 전 후로 회피 행동이 감소하였으나 세션 단계별로는 증가와 감소를 반복하는 등, 불규칙적인 양상을 보였다. 이상의 결과는 말더듬 아동의 비유창성 감소와 의사소통 태도 향상에 음악치료가 긍정적인 영향을 미칠 수 있음을 나타내며, 말더듬 치료의 음악적 접근에 대한 새로운 가능성을 시사한다.

• 한국음향학회:학술대회논문집
• /
• 한국음향학회 2004년도 춘계학술발표대회 논문집 제23권 1호
• /
• pp.337-340
• /
• 2004

한국어 문-음성 합성 시스템(TTS: Text-To-Speech)은 합성음의 자연스러움을 증가시키기 위해 운율 발생 알고리듬을 만들어 시스템에 적용하고 있다. 운율 법칙은 각국의 언어에 대한 언어학적 정보나 자연음에서 구한 운율에 대한 지식을 기반으로 음성 합성 시스템에 적용하고 있다. 그러나 이렇게 구한 운율 법칙이 자연음에 존재하는 모든 운율 법칙을 포함할 수도 없고, 또 추출한 운율 법칙이 틀린 법칙이라면, 합성음의 자연감이나 이해도는 떨어질 것이므로, TTS의 실용화에 장애가 될 수 있다. 이러한 점을 감안하여 본 논문에서는 자연음에 내재하는 운율을 학습할 수 있는 인공 신경망을 이용한 운율발생 신경망을 제안하였다. 훈련단계에서 인공 신경망의 입력 단에 한국어 문장의 음소 열을 차례로 이동시켜 인가하면 입력 단의 중앙에 해당하는 음소의 운율 정보가 출력되도록 훈련시킬 때, 목표 패턴을 이용한 감독학습을 통해, 자연음에 내재하는 운율을 학습하도록 하였다. 평가 단계에서 문장의 음소 열을 입력하고, 추정율을 측정하여 인공 신경망이 한국어 문장에 내재하는 운율을 학습하여 발생시킬 수 있음을 살펴보았다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2022년도 제34회 한글 및 한국어 정보처리 학술대회
• /
• pp.465-469
• /
• 2022

자동 음성 인식 (Automatic Speech Recognition) 기술이 발달함에 따라 자동 음성 인식 시스템의 성능을 높이기 위한 방법 중 하나로 자동 후처리기 연구(automatic post-processor)가 진행되어 왔다. 후처리기를 훈련시키기 위해서는 오류 유형이 포함되어 있는 병렬 말뭉치가 필요하다. 이를 만드는 간단한 방법 중 하나는 정답 문장에 오류를 삽입하여 오류 문장을 생성하여 pseudo 병렬 말뭉치를 만드는 것이다. 하지만 이는 실제적인 오류가 아닐 가능성이 존재한다. 이를 완화시키기 위하여 Back TranScription (BTS)을 이용하여 후처리기 모델 훈련을 위한 병렬 말뭉치를 생성하는 방법론이 존재한다. 그러나 해당 방법론으로 생성 할 경우 노이즈가 적을 수 있다는 관점이 존재하다. 이에 본 연구에서는 BTS 방법론과 인위적으로 노이즈 강도를 추가한 방법론 간의 성능을 비교한다. 이를 통해 BTS의 정량적 성능이 가장 높은 것을 확인했을 뿐만 아니라 정성적 분석을 통해 BTS 방법론을 활용하였을 때 실제 음성 인식 상황에서 발생할 수 있는 실제적인 오류를 더 많이 포함하여 병렬 말뭉치를 생성할 수 있음을 보여준다.

• 한국컴퓨터정보학회논문지
• /
• 제27권3호
• /
• pp.13-23
• /
• 2022

Prasad et al.는 사전학습(pre-trained)한 신경망 L1 글로다바(Gulordava) 언어모델을 여러 유형의 영어 관계절과 등위절 문장들로 적응 학습(adaptation learning)시켜 문장 간 유사성(sentence similarity)을 평가할 수 있는 통사 프라이밍(syntactic priming)-기반 프로빙 방법((probing method)을 제안했다. 본 논문에서는 한국인 영어학습자가 배우는 영어 자료를 바탕으로 훈련된 L2 LSTM 신경망 언어 모델의 영어 관계절 혹은 등위절 구조의 문장들에 대한 임베딩 표현 방식을 평가하기 위하여 프로빙 방법을 적용한다. 프로빙 실험은 사전 학습한 LSTM 언어 모델을 기반으로 추가로 적응 학습을 시킨 LSTM 언어 모델을 사용하여 문장 임베딩 벡터 표현의 통사적 속성을 추적한다. 이 프로빙 실험을 위한 데이터셋은 문장의 통사 구조를 생성하는 템플릿을 사용하여 자동으로 구축했다. 특히, 프로빙 과제별 문장의 통사적 속성을 분류하기 위해 통사 프라이밍을 이용한 언어 모델의 적응 효과(adaptation effect)를 측정했다. 영어 문장에 대한 언어 모델의 적응 효과와 통사적 속성 관계를 복합적으로 통계분석하기 위해 선형 혼합효과 모형(linear mixed-effects model) 분석을 수행했다. 제안한 L2 LSTM 언어 모델이 베이스라인 L1 글로다바 언어 모델과 비교했을 때, 프로빙 과제별 동일한 양상을 공유함을 확인했다. 또한 L2 LSTM 언어 모델은 다양한 관계절 혹은 등위절이 있는 문장들을 임베딩 표현할 때 관계절 혹은 등위절 세부 유형별로 통사적 속성에 따라 계층 구조로 구분하고 있음을 확인했다.