• 정보처리학회논문지B
• /
• 제14B권4호
• /
• pp.281-286
• /
• 2007

본 논문에서는 사용자의 요구에 따른 맞춤형 서비스 제공이 가능한 지능형 상황 인식 미들웨어 모델을 제안하기 위한 선행 연구로서 상황 인식 미들웨어 기술을 분석하였다. 제안된 지능형 상황 인식 미들웨어 모델은 온톨로지를 기반으로 여러 종류의 context 정보들을 효과적으로 관리 하고, 분석 및 학습하여 사용자의 요구사항을 주어진 상황에 최적으로 만족시킬 수 있는 지능형 서비스 제공이 가능하여 사용자들의 삶의 질을 향상 시킬 것으로 기대된다. 또한 사용자의 요구 사항을 능동적으로 반영하고 사용자에게 유연한 서비스론 제공하기 위해서 다양하고 동적인 상황의 변화를 인식하고 이에 적응할 수 있는 퍼지 추론 기반 서비스 적응 위한 지능형 상황 인식 미들웨어 모델을 연구하고, 이에 대한 실험 결과를 제시한다. 우선적으로 지능형 상황 인식 미들웨어의 요구사항을 파악하였고 이를 통해 보다 높은 차원의 상황 인식을 위해 추론되는 과정을 보았다. 추론 방법은 퍼지 이론을 이용하였으며 서비스 과정을 통해 모델을 구축하는 모습을 보였다. 또한 제시한 퍼지 추론을 스마트 자키에 적용하여 온도의 변화에 따른 퍼지 값을 추론한 후 최적의 상태 값을 제시하여, 온도와 같은 상황의 변화에 따른 스마트 자키의 적응성을 보여주었다.

• 디지털융복합연구
• /
• 제11권7호
• /
• pp.185-192
• /
• 2013

본 연구는 산업현장에서 작업자의 숙련도에 맞추어 학습이 가능한 3D 가시화기술과 이를 바탕으로 하여 자동차 엔진을 구성하고 있는 각각의 부품들 사이의 관계를 설정하고 태스크 온톨로지를 이용하여 자동차 부품을 추천하는 방법을 제안한다. 복합지식을 네트워크 형태의 의미화된 링크와 노드로 구조화하고 3차원 형태로 보여줄 수 있도록 SOM을 이용한 가시화방법을 제안하였다. 또한, is-a Relationship 기반 hierarchical Taxonomy를 이용하여 자동차 엔진을 구성하고 있는 각각의 부품들 사이의 관계를 설정하고, 가중치를 이용한 추천이 이루어 질 수 있도록 하였다. 3D 공간상에 복합지식을 배치하고 사용자에게 제공함으로써 보다 실감적이고 직관적인 네비게이션의 기회를 제공하고, 임의의 자동차 부품을 선택했을 때 해당 부품과 밀접한 관계를 가진 부품을 추천하여 특별한 전문 지식 없이도 손쉽게 자동차 부품의 조립 및 쓰임새와 중요성을 알 수 있게 해준다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제2권5호
• /
• pp.359-368
• /
• 2013

매쉬업은 공개된 Open API를 이용하여 두 가지 이상의 서로 다른 자원을 섞어서 완전히 새로운 서비스를 만드는 웹 애플리케이션이다. 지난 몇 년간 매쉬업에 대한 관심도가 매우 높아 졌지만 수많은 API들을 매쉬업 속으로 결합할 때 여러 가지 이슈들이 존재한다. 특히, 조합 가능한 API들이 매쉬업 개발자에 의해 수동으로 통합될 때 이는 더욱 심각해진다. 본 논문에서는 Open API 자동 조합을 위한 하나의 새로운 알고리즘을 제안한다. 제안된 알고리즘은 오퍼레이션 연결 그래프 구축 및 조합 후보군 탐색으로 구성되어 있다. 우리는 Open API 입출력 사이의 시맨틱 유사도를 기반으로 오퍼레이션 연결 그래프를 구축하고, 원하는 목표를 만족하는 출력을 산출할 수 있는 사이클 없는 방향성 그래프(DAG)를 생성한다. 또한, DAG들을 효율적으로 생성하기 위해 조합에 도움이 되지 않은 API들은 사전에 신속히 필터링되는 전략을 수립한다. 본 논문에서 제안된 알고리즘은 ProgrammableWeb.com 사이트로부터 REST와 SOAP API 집합을 다운로드 받아 실험 분석을 수행하였다.

• 디지털콘텐츠학회 논문지
• /
• 제9권4호
• /
• pp.759-769
• /
• 2008

개방-API, 매쉬업, 신디케이션 등 웹 2.0의 참여 공유 개방을 촉진시키는 융합기술이 교육 분야에도 변화를 주고 있는데, 교육 분야에서의 융합은 '교육 2.0'으로의 진화를 뜻하며 이러한 웹 2.0의 사조가 반영된 기술 환경에서의 새로운 교육을 '교육 2.0'이라고 지칭한다. 교육 환경은 학습자, 교육자 그리고 교육기관 간의 긴밀한 소셜 네트워크의 공간이다. 온톨로지 언어로 개발된 디지털 관계망 기술은 개인화된 교육 서비스와 맥락을 이해한 시맨틱한 교육을 가능하게 한다. 특히 아마존의 평판 시스템, 위키피디아의 집단지성에 의한 여과시스템 등은 학습자가 교육의 주체로서 참여의 역할을 넓히고 쌍방향적인 대등한 커뮤니케이션을 가능하게 한다. 우리나라의 경우 웹 2.0 사상을 반영한 '교육 2.0' 서비스는 현재 운영되지 않고 있는데, 이는 단순한 시스템 최신화의 수준이 아니라 교육하는 방법과 기술에 대한 다양한 함의를 가지기 때문이다. 따라서 '교육 2.0' 서비스가 실현되기 위하여 아직 적극적으로 검토되지 않은 '교육 2.0'의 개념을 융합 기술의 문맥으로 분석할 필요가 있다. 웹 2.0 기술과 교육 콘텐츠가 융합하기 위해 콘텐츠간의 연결에 있어서 새로운 네트워크 아키텍처를 소개하고 이의 활용과 분석을 하였다. 본 연구는 '교육 2.0'을 실현하기 위하여 융합 기술을 활용한 네트워크 아키텍처와 '교육 2.0' 서비스를 고찰하고 분석함으로써 향후 '교육 2.0' 플랫폼 구축에 선행 연구로 활용될 것으로 전망한다.

• 한국비블리아학회지
• /
• 제21권3호
• /
• pp.151-163
• /
• 2010

이 논문에서는 기존 정보검색모델에서의 문제점을 살펴보고 그 대안을 제시하고 있다. 정보환경의 변화에 따라 '개념'중심의 새로운 정보조직인 온톨로지와 소셜태깅은 탐험적 발견행위를 가능하게 해줄 수 있다. 이들을 통해 어느 한 이용자의 머릿속에 있는 생각을 인터넷상의 수많은 사람의 머릿속에 있는 생각을 연결해주고 있다. 이러한 상호작용을 통한 연결고리를 통해서 이젠 이용자들이 탐험적으로, 적극적으로 정보를 찾아 나서고 있다. 이에 본 연구의 목적은 질적인 연구방법론으로 온톨로지와 소셜태깅에서 제공되는 수많은 탐색촉진제의 존재를 밝힌 후, 하나의 탐험적 발견행위 모델을 만들어내는 것이다. 그 결과는 먼저 3개의 상위그룹이 형성되었다. 첫째, 브라우징 및 모니터링으로 어떤 대상을 인지 및 집중하는 단계, 둘째, 의미부여로 적극적인 참여 및 공유하는 단계이며 셋째는 더 적극적으로 생각을 확장시켜나가면서 스스로 사회적 학습을 하는 단계였다. 제일 첫 그룹에는 정보요구인지, 소셜공간에서 도움 필요성인지, 도움을 받을 수 있는 자료 발견, 일단 멈춤, 그 대상에 집중등의 단계가 있었다. 두 번째 그룹에는 적극적 의미형성, 소셜 북마킹 및 태깅, 소셜 네트워크에서 나눔, 처음 정보요구를 더 구체화하는 단계가 있었다. 세 번째는, 발견적인 소셜학습, 우연한 정보 발견, 창조적 생각을 유발, 문제 해결 능력향상 등의 총 13단계를 발견하게 되었다. 이 모델은 이용자들이 탐험적 발견행위를 할 수 있는 능력을 향상하게 시키는 정보시스템 디자인에 공헌할 수 있을 것이다.

• 지능정보연구
• /
• 제24권4호
• /
• pp.111-136
• /
• 2018

지식베이스를 구축하는 작업은 도메인 전문가가 온톨로지 스키마를 이해한 뒤, 직접 지식을 정제하는 수작업이 요구되는 만큼 비용이 많이 드는 활동이다. 이에, 도메인 전문가 없이 다양한 웹 환경으로부터 질의에 대한 답변 정보를 추출하기 위한 자동화된 시스템의 연구개발의 필요성이 제기되고 있다. 기존의 정보 추출 관련 연구들은 웹에 존재하는 다양한 형태의 문서 중 학습데이터와 상이한 형태의 문서에서는 정보를 효과적으로 추출하기 어렵다는 한계점이 존재한다. 또한, 기계 독해와 관련된 연구들은 문서에 정답이 있는 경우를 가정하고 질의에 대한 답변정보를 추출하는 경우로서, 문서의 정답포함 여부를 보장할 수 없는 실제 웹의 비정형 문서로부터의 정보추출에서는 낮은 성능을 보인다는 한계점이 존재한다. 본 연구에서는 지식베이스 확장을 위하여 웹에 존재하는 멀티소스 비정형 문서로부터 질의에 대한 정보를 추출하기 위한 시스템의 개발 방법론을 제안하고자 한다. 본 연구에서 제안한 방법론은 "주어(Subject)-서술어(Predicate)"로 구분된 질의에 대하여 위키피디아, 네이버 백과사전, 네이버 뉴스 3개 웹 소스로부터 수집된 비정형 문서로부터 관련 정보를 추출하며, 제안된 방법론을 적용한 시스템의 성능평가를 위하여, Wu and Weld(2007)의 모델을 베이스라인 모델로 선정하여 성능을 비교분석 하였다. 연구결과 제안된 모델이 베이스라인 모델에 비해, 위키피디아, 네이버 백과사전, 네이버 뉴스 등 다양한 형태의 문서에서 정보를 효과적으로 추출하는 강건한 모델임을 입증하였다. 본 연구의 결과는 현업 지식베이스 관리자에게 지식베이스 확장을 위한 웹에서 질의에 대한 답변정보를 추출하기 위한 시스템 개발의 지침서로서 실무적인 시사점을 제공함과 동시에, 추후 다양한 형태의 질의응답 시스템 및 정보추출 연구로의 확장에 기여할 수 있을 것으로 기대한다.