• 생태와환경
• /
• 제51권2호
• /
• pp.168-173
• /
• 2018

멸종위기야생생물 (II급)임과 동시에 천연기념물(제453호)로 지정되어 있는 남생이(Mauremys reevesii)는 서식지파괴, 환경오염, 불법 포획 등의 원인으로 매우 빠르게 감소하고 있는 토종 파충류이다. 하지만 적은 개체수와 개체확보의 어려움, 연구의 부족은 남생이의 효과적인 관리를 저해하는 요소가 된다. 본 연구에서는 국립공원연구원에서 관리중인 남생이 유체 7개체를 대상으로 개별 먹이 급여가 개체에 미치는 영향을 파악하였다. 연구 결과, 개별 사육 및 먹이 급여는 각 개체의 특성을 고려한 먹이 급여를 가능하게 하였다. 또한 모든 개체의 체중과 등껍질 길이에서 뚜렷한 성장과 발달이 나타났으며, 이는 연구 전 통합사육에서 나타났던 개체 간에 크기 차이를 줄이는데 영향을 주었다. 게다가 동면기인 겨울철 인위적인 사육은 개체들의 성장, 행동, 외부형태에서의 가시적인 문제를 일으키지 않았다. 이러한 개별 사육은 남생이 유체들의 효과적인 성장과 발달을 유도할 수 있으며, 야생으로 방생할 때 생존율을 높이는 방안이 될 것이다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2019년도 제31회 한글 및 한국어 정보처리 학술대회
• /
• pp.190-194
• /
• 2019

개체명 인식이란 주어진 문서에서 개체명의 범위를 찾고 개체명을 분류하는 것이다. 최근 많은 연구는 신경망 모델을 이용하며 하나 이상의 단어로 구성된 개체명을 BIO 표기법으로 표현한다. BIO 표기법은 개체명이 시작되는 단어의 표지에 B(Beginning)-를 붙이고, 개체명에 포함된 그 외의 단어의 표지에는 I(Inside)-를 붙이며, 개체명과 개체명 사이의 모든 단어의 표지를 O로 간주하는 방법이다. BIO 표기법으로 표현된 말뭉치는 O 표지가 90% 이상을 차지하므로 O 표지에 대한 혼잡도가 높아지는 문제와 불균형 학습 문제가 발생된다. 본 논문에서는 BIO 표기법 대신에 BIT 표기법을 제안한다. BIT 표기법이란 BIO 표기법에서 O 표지를 T(Tag) 표지로 변환하는 방법이며 본 논문에서 T 표지는 품사 표지를 나타낸다. 실험을 통해서 BIT 표기법이 거의 모든 경우에 성능이 향상됨을 확인할 수 있었다.

• 생명과학회지
• /
• 제27권12호
• /
• pp.1515-1522
• /
• 2017

대부분의 사람은 오래 살기를 원한다. 고대 중국과 한국의 신화에 동방삭이라는 인물이 일만 팔천 년을 살았다고 전해진다. 현실 세계에서는 WHO의 보고에 따르면 사람의 평균수명이 1960년대에 50세에서 2016년에는 75-85세로 25~35세가 늘었다. 두 마리의 실험 동물을 외과적 수술을 통해 병렬로 결합하여 두 동물의 순환계(혈액)이 서로 연결되게 하는 개체병렬결합(parabiosis) 실험모델이 1860년도에 개발된 이래 이 방법은 in vivo에서 한 개체가 다른 개체에게 어떤 영향을 미칠 수 있는가에 대한 연구를 위한 강력한 실험 모델이 되어 왔다. 여러 가지 실험조건의 연구 중에서도 개체병렬결합모델은 노화의 진행을 역행하는 현상을 조사하는 연구에서 필수적인 모델이 되고 있다. 본 총설에서는 개체병렬결합모델의 탄생과 이로 인한 중요한 발견을 시간대에 따라 소개하며, 아직은 확정적이지는 않지만 젊은 쥐와 늙은 쥐의 순환계를 연결시킨 이 모델을 사용하여 노화의 진행을 역행시킬 수 있는 "젊음의 인자"인 growth differentiation factor 11 (GDF11)을 발견한 연구 결과에 대해 서술하고자 한다. 지금까지 밝혀지고 있는 여러 조건에서의 연구결과가 증명하였듯이 개체병렬결합모델은 향후 다양한 생리적 현상을 규명하는데 더욱 중요한 실험모델이 될 것으로 예상된다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2018년도 제30회 한글 및 한국어 정보처리 학술대회
• /
• pp.172-175
• /
• 2018

환자의 병력을 서술하는 임상문서에서 임상 개체명들은 그들 사이에 개체명이 아닌 단어들이 위치하기 때문에 거리상으로 서로 떨어져 있고, 임상 개체명인식에 많이 사용되는 조건부무작위장(conditional random fields; CRF) 모델은 Markov 속성을 따르기 때문에 서로 떨어져 있는 개체명 라벨 간의 전이 정보는 모델의 계산에서 무시된다. 본 논문에서는 라벨링 모델에 서로 떨어진 개체명 간 전이 관계를 표현하기 위하여 CRF 모델의 구조를 변경하는 방법론을 소개한다. 제안된 CRF 모델 디자인에서는 모델의 계산효율성을 빠르게 유지하기 위하여 Markov 속성을 유지하는 1차 모델 구조를 유지한다. 모델은 선행하는 개체명의 라벨 정보를 후행하는 개체명 엔터티에게 전달하기 위하여 선행 개체명의 라벨을 뒤 따르는 비개체명 라벨에 전이시키고 이를 통해 후행하는 개체명은 선행하는 개체명의 라벨 정보를 알 수 있게 된다. 라벨의 고차 전이 정보를 전달함에도 모델의 구조는 1차 전이 구조를 유지함으로 n차 구조의 모델보다 빠른 계산 속도를 유지할 수 있게 된다. 모델의 성능 평가를 위하여 서울대학교병원 류머티즘내과에서 퇴원한 환자들의 퇴원요약지에 병력과 관련된 엔터티가 태깅된 평가 데이터와 i2b2 2012/VA 임상자연어처리 shared task의 임상 개체명 추출 데이터를 사용하였고 기본 CRF 모델들(1차, 2차)과 비교하였다. 피처 조합에 따라 모델들을 평가한 결과 제안한 모델이 거의 모든 경우에서 기본 모델들에 비하여 F1-score의 성능을 향상시킴을 관찰할 수 있었다.

• 한국문헌정보학회지
• /
• 제51권4호
• /
• pp.227-248
• /
• 2017

본 논문에서는 급격히 증가하는 생의학 분야 비정형 텍스트에서 핵심적 내용을 추출할 수 있는 기계학습 기반 정보 추출시스템을 구축하기 위한 언어자원 수집 및 통합적 구조화 방안을 제안한다. 제안된 방법은 정보 추출 시스템을 크게 개체명 인식과 개체명 간 관계 추출 시스템으로 구분하고, 각각의 시스템에 적합한 학습데이터를 구성하기 위해 생의학 분야 개체명 사전과 학습 집합을 수집한다. 그리고 수집된 해당 자원들의 특성을 분석하여 개체 구별을 위해 필수적으로 포함시켜야 할 항목들을 도출하고 이를 통해 시스템 학습과정에서 사용될 학습 데이터를 구성하기 위한 항목을 선정한다. 이와 같이 선정된 학습데이터의 구성 내용에 따라 수집된 자원들을 가공하여 학습 데이터를 구축한다. 본 연구에서는 생의학 분야의 하위 분야인 유전자, 단백질, 질병, 약물 4개 분야에 대한 개체명 사전과 학습 집합을 수집하여 각각을 학습 데이터로 구축하였으며, 개체명 사전을 통해 구축된 개체명 인식용 학습 데이터를 대상으로 개체명 수용 범위를 측정하기 위한 검증 과정을 수행하였다.

• 한국산림과학회지
• /
• 제108권1호
• /
• pp.1-9
• /
• 2019

본 연구는 국립환경과학원에서 실시한 국가 장기 생태 연구를 위해 구축된 한라산 영실 구상나무림 1 ha ($100m{\times}100m$)를 대상으로 흉고직경급 분포, 수간건강상태, 중요치, 종다양도 분석을 통해 6년간(2011~2017)의 임분 구조 및 동태를 비교하기 위하여 실시하였다. 흉고직경급 분포에서 구상나무는 20-25 cm 직경급을 제외하고 모든 직경급에서 개체수의 감소가 나타났으며, 총 개체수의 변화도 780개체에서 655개체로 감소하였다. 수간건강상태에서 구상나무의 곧게 서서 생육하는 개체(AS)의 비율이 652개체(66.1 %)에서 546개체(60.2 %)로 감소한 반면에 곧게 서서 고사한 개체(DS)의 비율은 106개체(10.7 %)에서 126개체(13.9 %)로, 쓰러져 고사한 개체(DF)의 비율은 16개체(1.6 %)에서 47개체(5.2 %)로 각각 증가하였다. 구상나무의 중요치는 2011년 45.9 %에서 2017년 43.5 %로 감소한 것으로 나타났다. 종다양도의 경우, 2011년 0.513에서 2017년 0.519로 증가한 것으로 나타났다. 2011년에서 2017년까지 6년간의 변화를 살펴보았을 때, 한라산 영실지역에서 구상나무의 세력 약화는 흉고직경급 분포, 수간건강상태, 중요치 등 많은 측면에서 뒷받침 되고 있으며, 앞으로 생태계 변화에 의한 영향을 구명하기 위한 장기적인 모니터링 및 연구가 필요할 것으로 사료되었다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2009년도 제21회 한글 및 한국어 정보처리 학술대회
• /
• pp.101-105
• /
• 2009

본 논문은 공통적으로 이용할 수 있는 웹 환경에서의 한국어 정보로 획득할 수 있는 정보의 양이 영어권 정보의 양보다 상대적으로 적다는 것을 토대로, 웹정보 이용의 불균형을 해소하고자 하는 목적으로부터 출발하였다. 최근에는 지식 정보의 세계화, 국제화에 따라 동일한 정보를 각국 언어로 제공하고자하는 연구가 꾸준히 증가하고 있다. 온라인 백과사전인 위키피디아 역시 현재 다국어로 제공이 되고 있지만 한국어로 작성된 문서는 영어로 작성된 문서의 5% 미만인 것으로 조사되었다. 본 논문에서는 위키피디아 내에서 제공하는 다국어간의 링크 정보와 인포박스 데이터를 활용하여 위키피디아 문서 내에서 개체명을 인식하고, 자동으로 개체명의 영-한 대역어 쌍을 추출하는 것을 목표로 한다. 개체명은 일반 사전에 등재 되지 않은 경우가 많기 때문에, 기계번역에서 사전 데이터 등을 활용하여 개체명을 처리하는 것은 쉽지 않으며 일반적으로 음차표기 방식을 함께 사용하여 해결하고 있다. 본 논문을 통해 위키피디아 데이터를 활용해 만들어진 영-한 개체명 대역어 사전을 구축하기 위해 사용된 기술은 추후 위키피디아 문서를 기계번역하는데 있어 동일한 방법으로 사용이 가능하며, 구축된 사전 데이터는 추후 영-한 자동 음차표기 연구의 사전 데이터로도 활용이 가능하다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2017년도 제29회 한글 및 한국어 정보처리 학술대회
• /
• pp.321-323
• /
• 2017

개체명 인식은 문서 내에서 고유한 의미를 갖는 인명, 기관명, 지명, 시간, 날짜 등을 추출하여 그 종류를 결정하는것을 의미한다. Bidirectional LSTM CRFs 모델은 연속성을 갖는 데이터에 가장 적합한 RNN기반의 심층 학습모델로서 개체명 인식 연구에 가장 우수한 성능을 보여준다. 본 논문에서는 한국어 개체명 인식을 위하여 Bidirectional LSTM CRFs 모델을 사용하고, 입력 자질로 단어뿐만 아니라 품사 임베딩 모델과, 개체명 사전을 활용하여 입력 자질을 구성한다. 또한 입력 자질에 대한 벡터의 크기를 최적화 하여 기본 모델보다 성능이 향상되었음을 증명하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 봄 학술발표논문집 Vol.30 No.1 (B)
• /
• pp.519-521
• /
• 2003

개체명 인식은 효과적인 정보추출 시스템을 구축하기 위해 반드시 선행되어야 하는 작업이다. 지금까지의 개체명 인식에 관한 연구는 인명이나 조직, 장소와 같은 일반적인 개체명 인식 작업이 대부분이었다. 그러나, 효과적인 정보추출을 위해서는 이런 일반적인 개체명들을 더욱 세분화할 필요가 있다. 본 논문에서는 SVM기반 기계학습법과 기구축된 사전과의 편집거리 비교법을 이용하여 개체명을 세분화하는 방법을 제시한다. 실험은 개체명과 세분화된 범주가 부착된 공연 관련 문서 100개 중 80개는 학습집합, 20개는 실험집합으로 사용하였고 성능 평가 척도는 정확도(accuracy)를 이용해 개별적으로 평가하였다. 실험 결과 기계학습법과 사전을 이용한 방법을 결합한 모델이 가장 좋은 성능(정확도 72.91%)을 보였다.

• 한국어정보학회:학술대회논문집
• /
• 한국어정보학회 2017년도 제29회 한글및한국어정보처리학술대회
• /
• pp.321-323
• /
• 2017

개체명 인식은 문서 내에서 고유한 의미를 갖는 인명, 기관명, 지명, 시간, 날짜 등을 추출하여 그 종류를 결정하는 것을 의미한다. Bidirectional LSTM CRFs 모델은 연속성을 갖는 데이터에 가장 적합한 RNN기반의 심층 학습모델로서 개체명 인식 연구에 가장 우수한 성능을 보여준다. 본 논문에서는 한국어 개체명 인식을 위하여 Bidirectional LSTM CRFs 모델을 사용하고, 입력 자질로 단어뿐만 아니라 품사 임베딩 모델과, 개체명 사전을 활용하여 입력 자질을 구성한다. 또한 입력 자질에 대한 벡터의 크기를 최적화 하여 기본 모델보다 성능이 향상되었음을 증명하였다.