• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04c
• /
• pp.289-291
• /
• 2003

3차원 형상 모델의 비교 연구는 의학, 분자 생물학, 컴퓨터 그래픽스 등의 분야에서 다루게 되는 기본적인 문제들 중의 하나이다. 본 논문에서는 3차원 형상 모델간의 유사성을 측정하기 위한 방법을 제안한다. 본 시스템은 삼각형 메쉬 모델을 유사성 평가에 사용한다. 유사성 비교를 위해 실루엣 영상을 이용하고, 유사 점도의 계산을 위한 측도(metric)로는 부피(Volume), 곡률(Curvature), 직선거리(Euclidean Distance)를 사용한다. 또한 다양한 방식에 의해 획득된 형상 모델의 비교를 위하여 먼저 포즈 정규화(Pose Normalization)를 한 후 유사성 평가 작업을 수행한다. 본 논문에서 제시한 3차원 형상 비교 시스템은 형상 비교대상들에 대한 전체 변형 및 부분 변형, 그리고 회전등에 강인함을 보였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10b
• /
• pp.688-690
• /
• 2003

본 논문에서는 다해상도 2차원 실루엣 영상들을 이용하여 3차원 모델간의 형상 유사성을 비교하기 위한 방법을 제안한다. 제안 시스템은 포즈 정규화 모듈, 유사성 계산 모듈, 3차원 시각화 모듈로 구성된다. 형상 비교를 위해서 먼저, 3차원 인체 장기 모델을 입력으로 받아서 정규화를 수행하고, 다해상도 깊이맵을 획득한다. 이어서 유사성 비교를 위해 실루엣 영상을 추출한 후, 유사도 측정을 위해 시그니쳐를 측도로 사용한다. 최종적으로 계산된 결과들은 3차원 글리프 및 컬러 코딩을 이용하여 시각화된다. 본 논문에서 제시한 3차원 형상 비교 시스템은 전처리 단계에서의 정규화 수행을 통하여 스케일 및 회전 변환에 불변하는 특성을 보인다. 그리고 다양한 레벨의 깊이맵을 형상 비교에 사용하여 다해상도 기반의 유사성 평가를 지원하며, 평가 계산 속도와 정확성간의 유연성을 제공한다. 또한 3차원 히스토그램. 3차윈 글리프. 컬러 코딩 시각화 기법들과 2차원 실루엣 피킹 인터페이스를 통하여 인체 장기 모델간의 정량적 형상 차이를 사용자가 직관적으로 평가할 수 있도록 한다. 본 시스템은 차후 데이터베이스를 이용한 원격 진료 시스템에서의 질병 진단, 추적 관찰. 치료계획 등에 활용될 수 있을 것이다.

• 한국HCI학회:학술대회논문집
• /
• 2009.02a
• /
• pp.669-672
• /
• 2009

The techniques extract shape descriptors from 3D models and use these descriptors for indices for comparing shape similarities. Most similarity search techniques focus on comparisons of each individual 3D model from databases. However, our similarity search technique can compare not only each individual 3D model, but also partial shape similarities. The partial shape matching technique extends the user's query request by finding similar parts of 3D models and finding 3D models which contain similar parts. We have implemented an experimental partial shape-matching search system for 3D pagoda models, and preliminary experiments show that the system successfully retrieves similar 3D model parts efficiently.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.06c
• /
• pp.58-60
• /
• 2006

근래에 XML 문서가 인터넷에서 정보 교환의 방법으로 표준화됨에 따라, 많은 양의 데이터가 XML 문서 포맷으로 저장되고 있다. XML 문서의 유사성 연구는 크게 edit-distance를 이용하는 방법, 문서의 그래프 모델을 이용하는 방법, 문서의 매트릭스 모델을 이용하는 방법 등이 있다. 최근에는 문서를 encoding 하고 푸리에 변환을 이용하는 방법이 보고되었다. 본 논문에서는 XML 문서를 함수로 변환하여 모델링하여 문서의 구조적 유사성을 비교하는 방법을 제안한다. 제안된 방법을 사용하여 XML 문서를 함수로 모델링하였으며 XML 문서 간의 유사성을 비교해 보았다.

• 한국어정보학회:학술대회논문집
• /
• 2016.10a
• /
• pp.340-341
• /
• 2016

개체명 인식은 질의 응답, 정보 검색, 기계 번역 등 다양한 분야에서 유용하게 사용되고 있는 기술이다. 개체명 인식의 경우 인식의 대상인 개체명이 대부분 새롭게 등장하거나 기존에 존재하는 단어와 중의적 의미를 갖는 고유한 단어라는 문제점이 있다. 본 논문에서는 한국어 개체명 인식에서 미등록어 및 중의성 문제를 해결하기 위한 딥 러닝 모델을 제안한다. 제안하는 모델은 형태소 및 자음/모음을 이용하여 새롭게 등장하는 단어에 대한 기존 단어와의 형태적 유사성을 고려한다. 또한 임베딩 및 양방향 LSTM-RNNs-CRF 모델을 이용하여, 각 입력 값의 문맥에 따른 의미적 유사성, 문법적 유사성을 고려한다. 제안하는 딥 러닝 모델을 사용하여, F1 점수 85.71의 결과를 얻었다.

• Annual Conference on Human and Language Technology
• /
• 2016.10a
• /
• pp.340-341
• /
• 2016

개체명 인식은 질의 응답, 정보 검색, 기계 번역 등 다양한 분야에서 유용하게 사용되고 있는 기술이다. 개체명 인식의 경우 인식의 대상인 개체명이 대부분 새롭게 등장하거나 기존에 존재하는 단어와 중의적 의미를 갖는 고유한 단어라는 문제점이 있다. 본 논문에서는 한국어 개체명 인식에서 미등록어 및 중의성 문제를 해결하기 위한 딥 러닝 모델을 제안한다. 제안하는 모델은 형태소 및 자음/모음을 이용하여 새롭게 등장하는 단어에 대한 기존 단어와의 형태적 유사성을 고려한다. 또한 임베딩 및 양방향 LSTM-RNNs-CRF 모델을 이용하여, 각 입력 값의 문맥에 따른 의미적 유사성, 문법적 유사성을 고려한다. 제안하는 딥 러닝 모델을 사용하여, F1 점수 85.71의 결과를 얻었다.

• Journal of Digital Contents Society
• /
• v.5 no.1
• /
• pp.7-11
• /
• 2004

There are many problems that must solve to construct next generation high-speed communication network. Among these, item that must consider basically is characteristics analysis of traffic that nows to network Traffic characteristics of many Internet services that is offered present have shown that network traffic exhibits at a wide range of scals-self-similarity. Self-similarity is expressed by long term dependency, this is contradictory concept with Poisson model that have relativity short term dependency. Therefore, first of all, for design and dimensioning of next generation communication network, traffic model that are reflected burstiness and self-similarity is required. Here self-similarity can be characterized by Hurst parameter. In this paper, the calculation equation is derived considering queueing delay and self-similarity of data traffic art compared with simulation results.

• The KIPS Transactions:PartA
• /
• v.10A no.4
• /
• pp.357-368
• /
• 2003

Evaluation of shape similarity for 3D models is essential in many areas - medicine, mechanical engineering, molecular biology, etc. Moreover, as 3D models are commonly used on the Web, many researches have been made on the classification and retrieval of 3D models. In this paper, we describe methods for 3D shape representation and major concepts of similarity evaluation, and analyze the key features of recent researches for shape comparison after classifying them into four categories including multi-resolution, topology, 2D image, and statistics based methods. In addition, we evaluated the performance of the reviewed methods by the selected criteria such as uniqueness, robustness, invariance, multi-resolution, efficiency, and comparison scope. Multi-resolution based methods have resulted in decreased computation time for comparison and increased preprocessing time. The methods using geometric and topological information were able to compare more various types of models and were robust to partial shape comparison. 2D image based methods incurred overheads in time and space complexity. Statistics based methods allowed for shape comparison without pose-normalization and showed robustness against affine transformations and noise.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2019.05a
• /
• pp.263-266
• /
• 2019

단어 임베딩 모델 중 현재 널리 사용되는 word2vec 모델은 언어의 의미론적 유사성을 잘 반영한다고 알려져 있다. 본 논문은 word2vec 모델로 학습된 단어 벡터가 실제로 의미론적 유사성을 얼마나 잘 반영하는지 확인하는 것을 목표로 한다. 즉, 유사한 범주의 단어들이 벡터 공간상에 가까이 임베딩되는지 그리고 서로 구별되는 범주의 단어들이 뚜렷이 구분되어 임베딩되는지를 확인하는 것이다. 간단한 군집화 알고리즘을 통한 검증의 결과, 상식적인 언어 지식과 달리 특정 범주의 단어들은 임베딩된 벡터 공간에서 뚜렷이 구분되지 않음을 확인했다. 결론적으로, 단어 벡터들의 유사도가 항상 해당 단어들의 의미론적 유사도를 의미하지는 않는다. Word2vec 모델의 결과를 응용하는 향후 연구에서는 이런 한계점에 고려가 요청된다.

• Annual Conference on Human and Language Technology
• /
• 2018.10a
• /
• pp.347-351
• /
• 2018

이 논문은 대화 시스템에서 질의를 이해하기 위해 딥 러닝 모델을 통해 추출된 자동 추출 자질을 이용하여 문장의 유사성을 분석하는 방법에 대해 기술한다. 문장 간 유사성을 분석하기 위한 자동 추출 자질로써, 문장 내 표현 순차적 정보를 반영하기 위한 RNN을 이용하여 생성한 문장 벡터와, 어순에 관계 없이 언어 모델을 학습하기 위한 CNN을 이용하여 생성한 문장 벡터를 사용한다. 이렇게 자동으로 추출된 문장 임베딩 자질은 금융서비스 대화에서 입력 문장을 분류하거나 문장 간 유사성을 분석하는데 이용된다. 유사성 분석 결과는 질의 문장과 관련된 FAQ 문장을 찾거나 답변 지식을 찾는데 활용된다.