• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2019년도 제31회 한글 및 한국어 정보처리 학술대회
• /
• pp.460-464
• /
• 2019

번역 품질 예측은 기계번역 시스템이 생성한 번역문의 품질을 정답 번역문을 참고하지 않고 예측하는 과정으로, 번역문의 사후 교정을 위한 번역 오류 검출의 역할을 담당하는 중요한 연구이다. 본 논문은 문장 수준의 번역 품질 예측 문제를 HTER 구간의 분류 문제로 간주하여, 번역 품질 말뭉치의 HTER 분포 불균형으로 인한 성능 제약을 완화하기 위해 인조 사후 교정 말뭉치를 이용하는 방법을 제안하였다. 결과적으로 HTER 분포를 균등하게 조정한 학습 말뭉치가 그렇지 않은 쪽에 비해 번역 품질 예측에 더 효과적인 것을 보였다.

• 한국콘텐츠학회논문지
• /
• 제10권6호
• /
• pp.134-143
• /
• 2010

본 논문에서는 위험도라는 품질 인자를 예로 들어 메트릭 기반 소프트웨어 품질 예측 모델들을 네가지 타입으로 분류하는 프레임워크를 제안한다. 모델들은 다음과 같은 두가지 기준에 의해 분류된다: 모델 입력 메트릭 형태, 과거 프로젝트 데이터의 필요 유무. 분류된 타입들은 각각의 특성을 가지며 새롭게 정의된 몇가지 기준들에 의해 타 타입들과 장단점이 비교되었다. 이러한 정성적인 평가를 거쳐 품질 예측 모델을 이용하고자하는 개발 집단은 어떤 품질 예측 모델이 자신들에게 적합한지를 판단할 수 있게 된다. 또한 각 타입에 속하는 위험도 예측 모델들을 구현해 예측 성능을 측정한 선행 연구 데이터를 분석하여 예측 성능에 못지않게 모델이 속한 타입의 특성이 모델 선정의 중요한 관건이 됨을 보였다.

• 소프트웨어공학소사이어티 논문지
• /
• 제14권1호
• /
• pp.50-58
• /
• 2001

소프트웨어의 품질은 개발이 완료된 후 운영과정에서 발생되는 고장(Failure)의 정도에 따라 결정되고, 고장(Failure)은 소프트웨어에 남아있던 오류(Defects)가 실행 중(Activate)되어 나타나는 현상이다. 따라서 소프트웨어의 품질을 효과적으로 높이기 위해서는 다음 사항을 고려해야 한다. 첫째, 오류가 만들어지면 가능한 한 빨리 찾아서 없애야 한다는 점이다. 다음 단계로 전이될 경우, 오류를 정정하는 비용이 크게 증가되기 때문이다. 둘째, 오류가 균등 분포하기 보다 특정 부분에 몰리는 경향이 있으므로, 문제 부품을 예측하여 집중 관리를 해야 한다. 본 논문에서는 이들을 고려하여 효과적인 오류 검출 방법인 인스펙션을 기반으로 여러 오류 검출 방법간의 비교 우위를 분석하고, 모든 모듈을 예측하는 품질 예측 모델을 제시하였다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2021년도 제33회 한글 및 한국어 정보처리 학술대회
• /
• pp.9-15
• /
• 2021

기계번역 품질 예측 (Quality Estimation, QE)은 정답 문장에 대한 참조없이 소스 문장과 기계번역 결과를 통해 기계번역 결과에 대한 품질을 수준별 주석으로 나타내주는 태스크이며, 다양한 활용도가 있다는 점에서 꾸준히 연구가 수행되고 있다. 그러나 QE 모델 학습을 위한 데이터 구성 시 기계번역 결과에 대해 번역 전문가가 교정한 문장이 필요한데, 이를 제작하는 과정에서 상당한 인건비와 시간 비용이 발생하는 한계가 있다. 본 논문에서는 번역 전문가 없이 병렬 또는 단일 말뭉치와 기계번역기만을 활용하여 자동화된 방식으로 한국어-영어 합성 QE 데이터를 구축하며, 최초로 단어 수준의 한국어-영어 기계번역 결과 품질 예측 모델을 제작하였다. QE 모델 제작 시에는 Cross-lingual language model (XLM), XLM-RoBERTa (XLM-R), multilingual BART (mBART)와 같은 다언어모델들을 활용하여 비교 실험을 수행했다. 또한 기계번역 결과에 대한 품질 예측의 객관성을 검증하고자 구글, 아마존, 마이크로소프트, 시스트란의 번역기를 활용하여 모델 평가를 진행했다. 실험 결과 XLM-R을 활용하여 미세조정학습한 QE 모델이 가장 좋은 성능을 보였으며, 품질 예측의 객관성을 확보함으로써 QE의 다양한 장점들을 한국어-영어 기계번역에서도 활용할 수 있도록 했다.

• 정보과학회 논문지
• /
• 제44권8호
• /
• pp.832-841
• /
• 2017

버그리포트는 소프트웨어의 유지보수 단계에서 발생한 결함 정보를 담고 있는 문서로서 개발자가 해당 결함을 수정하기 위해 필수적인 정보이다. 이 때 개발자가 버그리포트를 해결하기 위해 결함을 추적하는 시간을 단축시키기 위한 정보검색기반 결함위치식별 기술들이 제안되었다. 그러나 정보검색에 유용하지 못한 내용들로 작성된 낮은 품질의 버그리포트가 등록 될 경우 결함위치식별 성능이 크게 저하된다. 본 논문에서는 낮은 품질의 버그리포트를 선별하기 위한 품질 예측 방법을 제안한다. 이 과정에서 버그리포트의 쿼리로써의 품질 요소를 정의하고, 기계학습을 사용하여 품질을 예측한다. 제안 방법을 오픈 소스 프로젝트에 적용하여 기존 품질 예측 기술 대비 평균 6.62% 더 정확하게 예측하였다. 또한 기존 결함위치식별 기술에 제안 예측 기술과 자동 쿼리 재구성 기술을 함께 적용한 경우 결함위치식별 정확도를 1.3% 향상시켜, 제안 품질 예측 기술이 정보검색기반 결함위치식별 기술의 성능 향상을 도울 수 있음을 확인하였다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제16권2호
• /
• pp.242-246
• /
• 2010

본 논문에서는 사용자 인증시스템에서 인식결과에 대한 예측이 가능한 품질평가모델을 설계하고 분석한다. 제안하는 품질평가기법은 다중고유얼굴 정보에 T-검정과 같은 소표본 분석법을 적용하여 CIMR(Confidence Interval Matching Ratio)이라는 품질 값이 결과로 나타나도록 설계하였으며, 이 CIMR 기반의 품질평가기법을 이용하여 서로 다른 바이오정보간의 차별성이 잘 나타나는지 향후 보편화될 멀티바이오정보 환경을 고려하여 실험하였다. 또한 획득한 바이오정보의 인증결과에 대한 예측가능성 실험은 T-검정기반의 CIMR에 내포되어있는 평균 $\bar{X}$ 와 분산 $s^2$을 이용하였으며, 사용자인증 결과에 대한 예측은 최대 88%정도의 정확도를 보인다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2010년도 하계학술대회
• /
• pp.384-387
• /
• 2010

지상파 방송이 아날로그에서 디지털 방송으로 전환됨에 따라 아날로그 TV 방송신호와 디지털 TV(DTV) 방송신호간의 생성과 복조방식이 상이함에 따라 전파환경에 의한 방송품질의 변화가 예상된다. 따라서 DTV 방송신호의 수신을 위한 전파 음영지역 해소가 품질 확보에 필수적인 관심사로 대두되고 있으며, 이에 대한 대책으로 타당성 및 신뢰성 있는 전계강도 예측 방법에 근거하여 적정지역의 송신소 및 중계기 설치가 전파 품질 개선에 크게 기여할 것으로 여겨진다. 본 논문에서는 국제적으로 30 MHz ~ 3000 MHz 대역 지상파 방송서비스의 전파특성 예측에 활발히 이용되는 ITU-R 권고 P.1546 전파모델을 이용하여 점-대-지역 전계강도 예측을 위한 계산 방법을 제시하고, 수치 계산 결과를 비교 및 분석한다. 제시된 방법은 DTV 수신지역의 전계강도 예측을 통한 신호의 품질 분석은 물론, 양호한 전파환경 구축에 필요한 중계기 위치설정, 인접대역에 의한 간섭 및 양립성 분석 등에 직접 활용이 가능하다.

• 한국시뮬레이션학회논문지
• /
• 제30권2호
• /
• pp.41-48
• /
• 2021

농촌 인구의 감소와 고령화가 지속되면서 농업 생상성 향상의 중요성이 높아지고 있는 가운데, 농작물 품질에 대한 조기 예측은 농업 생산성 및 수익성 향상에 중요한 역할을 할 수 있다. 최근 CNN 기반의 딥러닝 기술 및 전이 학습을 활용하여 농작물의 질병을 분류하거나 수확량을 예측하는 연구가 활발하게 진행되고 있지만, 수확 후 농작물의 품질을 식재단계에서 조기에 예측하는 연구는 찾아보기 힘들다. 본 연구에서는 건강 기능성 식품으로 주목받고 있는 새싹삼을 대상으로, 수확 후 새싹삼의 품질을 식재단계에서 조기에 예측하는 모델을 제안한다. 이를 위하여 묘삼의 이미지를 촬영한 후 수경재배를 통해 새싹삼을 재배하였고, 수확 후 새싹삼의 품질을 분류하여 실험 데이터를 수집하였다. 다수의 CNN 기반의 사전 학습된 모델을 활용하여 새싹삼 조기 품질 예측 모델을 구축하고, 수집된 데이터를 이용하여 각 모델의 학습 및 예측 성능을 비교 분석하였다. 분석 결과 모든 예측 모델에서 80% 이상의 예측 정확도를 보였으며, 특히 ResNet152V2 기반의 예측 모델에서 가장 높은 정확도를 보였다. 본 연구를 통해 인력에 의존하던 기존의 묘삼 선별 작업을 자동화하여 새싹삼의 품질을 높이고 생산량을 증대시켜 농가의 수익창출에 기여할 수 있을 것으로 기대된다.

• 한국우주과학회:학술대회논문집(한국우주과학회보)
• /
• 한국우주과학회 2004년도 한국우주과학회보 제13권1호
• /
• pp.82-82
• /
• 2004

인공위성의 다양한 활용분야 중 중요하며 일반적으로 많이 이용되는 것이 영상의 획득이다. 그러나 위성에서 획득된 영상은 예상치 못한 상황과 시스템의 성능에 의해 그 품질의 현격한 차이가 발생한다 그래서 고품질의 위성영상을 획득하기 위해서는 시스템에 대한 분석이 요구되며 그 분석을 기반으로 한 모델링으로 향후 설계될 위성영상의 품질을 예측 할 수 있게 된다. 향후 개발될 고해상도 위성영상의 품질 분석을 위해서는 현재 운용중인 위성의 특성분석을 기초로 모델링하여 사전에 위성영상 품질 예측을 수행할 수 있도록 해야 한다. (중략)

• 한국경영과학회:학술대회논문집
• /
• 한국경영과학회 1998년도 추계학술대회 논문집
• /
• pp.385-388
• /
• 1998

급격한 경영환경의 변화로 인하여 고객만족을 최우선시하게 됨에 따라, 고객의 다양한 품질 요구를 신속 정확히 만족시키는 것이 주요 경영과제가 되었다. 이러한 상황에 대처 가능한 품질관리가 이루어지기 위해서는 품질기준에 대한 객관적 검증 및 지속적인 보완이 필요하며, 품질설계에 관련된 지식들을 체계적으로 수집하여 공유할 수 있는 체제가 갖추어져야 한다. 이와 같은 목적을 달성하기 위해 인공지능 기법들을 이용한 지능형 품질시스템(Intelligent Quality System, IQS)이 많은 관심을 모으고 있다. 본 연구에서는 일관 제철소의 품질관리를 위해 개발된 IQS중 품질설계 시뮬레이션 지원시스템(Quality Design Simulation Support System, QDSim)에 대해 설명한다. QDSim은 신경망을 기반으로 설계 구현되었는데, 품질설계 시뮬레이션을 지원하기 위해 크게 두가지 기능을 수행한다. 첫째 기능은 주어진 원재료의 구성비와 조업조건에 의해 생산될 제품의 최종 품질특성을 예측하는 것이며, 두 번째는 품질예측치가 고객의 요구 품질, 즉 목표품질을 만족시키는 입력 조건을 찾아가는 것이다. 본 연구에서는 QDSim의 이론적 근거 및 구현내용을 설명한 후, IQS내의 타 시스템과의 관계를 설명한다.