• 정보처리학회논문지B
• /
• 제12B권1호
• /
• pp.69-80
• /
• 2005

본 논문에서는 기존 온톨러지를 가공하여 용도에 맞게 변환하는 방안을 모색하였다. 변환방법으로서는 범주정보 단순화와 구체화를 고안하였다. 이 각각은 다시 범주표제와 기저범주를 이용한 방법으로 나누어 생각하였다. 또한 상이한 범주집합들 사이의 관계를 밝히는 방법도 도출하였다. 정립한 변환 방법론을 활용하여, (1) Roget 시소러스로부터 7개의 범주로 구성된 '이야기 분석용 온톨러지'[32]의 원형을 구축하였고, (2) 이미 알려진 22가지 멀티미디어 게임 흡인요소를 바탕으로 세분화된 흡인요소 207가지를 발견할 수 있었으며[35], 그리고 (3) 10개의 심소와 22가지 멀티미디어 게임 흡인요소 사이의 관계를 밝혀낼 수 있었다[36].

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2005년도 한국컴퓨터종합학술대회 논문집 Vol.32 No.1 (B)
• /
• pp.496-498
• /
• 2005

본 논문에서는 미등록 어휘로 인한 구문분석의 실패를 해결하는 방법으로 WordNet의 유의어 정보를 이용하였다. 이 방법을 또한 설화용 온톨러지 OfN의 어휘확장에 적용하였다. 실험을 통하여 구문분석 과정에서 나타나는 미등록 어휘문제의 해결과 문장의 의미분석 과정이 순조롭게 진행될 수 있음을 확인하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 봄 학술발표논문집 Vol.30 No.1 (B)
• /
• pp.377-379
• /
• 2003

본 논문은 문서검 색을 위한 온톨러지(Ontology)의 반자동 구축방안을 제시한다. 이를 위하여 우리는 다른 단어들과 특히 많은 관련이 있는 단어를 허브 단어(hub word)라고 정의하며 경제분야에 특정적인 온톨러지의 구축을 위하여 TREC 문서집합의 Wall Street Journal 문서들을 분석하였다. 문서집합 내의 모든 단어들의 tf, idf 값를 이용하여 허브 단어를 결정짓고 이렇게 선택된 허브 단어들을 중심으로 온톨러지를 구축하였다. 우리는 허브 단어와 다른 단어들간의 관계를 문서로부터 자동으로 추출하고 그 정보를 이용하여 온톨러지를 확장해나간다. 제안된 온톨러지는 전통적인 문서 검색의 인덱스 파일과 같은 역할을 하게 되며, 간단한 역파일(inverted file) 구조보다 더 많은 의미정보(semantic information)를 제공할 수 있다.

• 인지과학
• /
• 제15권3호
• /
• pp.45-55
• /
• 2004

몰입이란 이끌린 무엇인가에 전념한 상태를 의미한다. 컴퓨터 게임에 빠져 있을 때에도 이러한 몰입을 경험할 수 있다. 본 논문에서는 멀티미디어 게임의 흡인요소를 분석하였다. 몰입이론을 기초로 분석한 결과, 인지 및 감성을 고려한 흡인요소에는 22가지가 있었다. 이와 함께 몰입차원, 구현방식, 자극방법의 각도에서 흡인요소들의 상관관계를 분석하였다. 그 결과 새로운 게임을 설계할 때 우선적으로 고려해야 할 흡인요소가 일체감, 자극성, 도박, 현장감, 환상감, 만족감, 성취감 등의 7가지로 밝혀졌다. 한편, 22가지 흡인요소를 기저범주로 두고 참조정보를 이용하여 Roget 시소러스 내에서 가까운 반경 안의 새로운 범주를 탐색하였다. 그 결과, 22가지 게임의 흡인요소를 229가지로 세분화시킬 수 있었다. 이러한 본 논문의 결과를 활용한다면, 몰입력이 한층 강화된 멀티미디어 게임의 제작이 가능할 것이다.

• 정보처리학회논문지B
• /
• 제11B권5호
• /
• pp.563-572
• /
• 2004

문장추상화(Sentence Abstraction)는 문장의 의사전달 기능이 보존된 단순화이다. 이는 문장교열(Sentence Revision)과 개념추상화(Concept Abstraction)를 동시에 가능하게 한다. 문장교열은 사람이 생각한 바와 문장으로 표현된 의미의 차이를 해결하는 방법이다. 개념추상화는 개념들의 공통된 요소로부터 얻은 보편적인 관념을 표현하는 것이다. 문장추상화는 문장의 주요구성성분들을 선별해 내고, 이들의 의미적인 정보를 파악하여 상위개념을 표현함으로써 문장교열과 개념추상화를 가능하게 한다. 본 논문에서는 문장추상화를 위한 구문분석기 LGPI+와, 온톨러지 OfN을 구체화하였다. 문장추상기 SABOT는 LGPI+와 OfN을 활용하며, 구문분석 결과를 처리하여 문장에서 추상화 할 후보난어를 선택한다. 문장추상화를 활용한 원문이해 시스템으로 23개 이야기의 58개 문단에 대해 중요 문장에 대한 문장재현율과 선별된 문장들의 주제관련성을 확인해 보았다. 실험결과, 문장재현율은 54～72%의 범위이었고, 주제관련성은 76～86% 정도의 비율로 나타났다. 이를 유사 시스템과 비교해 보았을 때, 약 10～20% 정도의 성능향상을 보인다. 본 논문에서는 문장추상화를 활용하여 글의 화제문을 효율적으로 선택할 수 있는 문장교열과 원문의 이해심도를 보다 더 깊게 할 수 있는 개념추상화가 가능함을 확인하였다.