• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 1992년도 제4회 한글 및 한국어정보처리 학술대회
• /
• pp.629-636
• /
• 1992

컴퓨터의 언어이해 가능성을 반박하는 주된 근거는 형식적 기호들을 처리하는 프로그램이 의미론을 다룰 수 없다는 것이다. 그러나 인과적 계산이론에 따르면 컴퓨터 프로그램이 순전히 구문론적인 것은 아니고 컴퓨터 내부의 기호적 표상의 처리과정에서 의미론적인 지시와 해석이 일어난다고 할 수 있다.

• 대한수학교육학회지:학교수학
• /
• 제5권1호
• /
• pp.59-76
• /
• 2003

학교수학에서 학생들이 수학을 학습하고 문제해결을 하는 데에는 기호가 중요한 역할을 한다. 본 연구는 기호학의 분야인 구문론, 의미론, 화용론의 관점에서 수학 7-가 문자와 식 영역의 교과서 내용을 분석하고, 교수학적으로 대수 기호가 도입되고 전개하는 과정을 살펴보았다. 또한 기호학 관점에서 교과서의 대수 기호를 분류하고 문제 구성 분포에 대해서도 조사하였다. 그 결과 교과서의 대수 개념 설명과 문제들은 주로 구문론과 의미론의 관점이 많았으며, 화용론적 관점의 언급은 거의 없었다. 마지막으로, 대수 기호에 의한 학습을 통해 학생들의 문제해결을 예측하기 위하여 회귀 분석을 실시한 결과, 구문론과 화용론의 점수가 대수적 문제해결 점수의 예측 변수였다.

• 인터넷정보학회논문지
• /
• 제20권3호
• /
• pp.33-41
• /
• 2019

본 논문에서는 실내 공간 이미지의 의미론적 영상 분할을 위해 배경과 물체로 재설계된 클래스를 학습하는 방법을 제안한다. 의미론적 영상 분할은 이미지의 벽이나 침대 등 의미를 갖는 부분들을 픽셀 단위로 나누는 기술이다. 기존 의미론적 영상 분할에 대한 연구들은 신경망을 통해 이미지의 다양한 객체 클래스들을 학습하는 방법들을 제시해왔고, 긴 학습 시간에 비해 정확도가 부족하다는 문제가 지적되었다. 그러나 물체와 배경을 분리하는 문제에서는, 다양한 객체 클래스를 학습할 필요가 없다. 따라서 우리는 이 문제에 집중해, 클래스를 단순화 후에 학습하는 방법을 제안한다. 학습 방법의 실험 결과로 기존 방법들보다 정확도가 약 5~12% 정도 높았다. 그리고 같은 환경에서 클래스를 달리 구성했을 때 학습 시간이 약 14 ~ 60분 정도 단축됐으며, 이에 따라 물체와 배경을 분리하는 문제에 대해 제안하는 방법이 효율적임을 보인다.

• 인지과학
• /
• 제2권1호
• /
• pp.73-86
• /
• 1990

본 연구는 한국어의 양화사 유동현상을 일반범주문법의 관점에서 통사론 적, 의미론적으로 분석한다.' 학생들이 넷이 술을 마셨다'와 같은 문장에서 나타나느 유동양상화는 통사론적으로 동사구 수식어(VP/VP)로 파악하고, 의 미론적으로는 명사화된 속성이 관여하는 것으로 분석한다. 이밖에도, 관련된 형태인 '넷'(NP/NP),'넷을'(TV/TV)등도 엄밀한 통사론적, 의미론적 분석을 시도한다. 성공적인 분석의 걸과는 한국어 처리 인접성 조건을 준수하는 범주문법의 사용가능성을 시사해 준다.

• 스마트미디어저널
• /
• 제13권2호
• /
• pp.52-61
• /
• 2024

조선소에서는 사외 적치장의 관리를 위해 일정 주기로 Unmanned Aerial Vehicle (UAV)을 이용해 항공영상을 획득하고, 이를 사람이 판독하여 적치장 현황을 파악한다. 이러한 방법은 넓은 면적의 사외 적치장 현황을 파악하는 데 상당한 시간과 인력을 요구한다. 본 논문에서는 이러한 문제점을 해결하고 정확한 사외 적치장 현황을 파악하기 위해 사전 학습된 의미론적 분할 기반 모델(Foundation Model)을 활용한 자동 관리 기술을 제안한다. 또한, 조선소 사외 적치장의 경우 관련 부품이나 장비를 포함한 공개 데이터셋이 충분하지 않기 때문에, 의미론적 분할 기반 모델에 필요한 객체 프롬프트(Prompt)를 생성하기 위한 소규모 사외 적치장 객체 데이터셋을 직접 구축하였다. 이를 이용해 객체 검출기를 소규모 데이터셋에 추가 학습하여 초기 객체 후보를 추출하고, 의미론적 분할 기반 모델인 Segment Anything Model (SAM)의 프롬프트로 활용해 정확한 의미론적 분할 결과를 얻는다. 더 나아가, 지속적인 적치장 데이터셋 수집을 위해 SAM을 활용한 훈련 데이터 생성 파이프라인을 제안한다. 본 연구에서 제안한 방법은 기존의 의미론적 분할 방법과 비교하여 평균적 4.00%p, SegFormer에 비해 5.08%p 높은 성능을 달성하였다.

• 정보처리학회논문지D
• /
• 제13D권2호
• /
• pp.147-156
• /
• 2006

이벤트 로깅은 시스템 및 네트워크 관리에 있어 그 역할이 증대되고 있으며, syslog는 해당 분야에 있어 사실상의 표준으로 사용되고 있다. 그러나 대부분의 로그 분석은 반구조적 특징을 보이는 로그 형식으로 인하여 빈번히 출현하는 패턴에만 집중하고 있다. XML은 syslog 데이터를 구조화하는 데 있어 유용한 방식을 제공하고 정보 탐색을 용이하게 해 준다. 하지만 이전의 XML 형식들 및 어플리케이션들은 로그 데이터를 위한 순위 기반 검색이나 유사도 측정 등과 같은 의미론적 접근에 적합하지 않다. 본 논문에서는 XML 기반의 순위 키워드 검색 기법을 기초로, 새로운 로그 데이터 모델링을 통해 syslog 데이터를 위한 XML 트리 구조를 제안한다. 그리고 기존의 XML 구조보다 의미론적 검색에 적합함을 보인다.

• 인터넷정보학회논문지
• /
• 제5권2호
• /
• pp.97-105
• /
• 2004

에이전트가 지각이나 행위의 표상을 이해할 수 없는 이유는 의미론적 자질을 문자열로 변환하는 구문론적 표상방식에 의해서 일어난다. 자율적으로 학습하는 인지 에이전트를 구현하기위해 코헨은 에이전트가 sensor와 effector를 사용하여 주위환경과 물리적으로 직접적인 상호작용을 통하여 물리적 스키마의 의미 표상을 학습하는 의미론적 방법을 제안하였다. 본 논문에서는 부정(negation)은 그러한 물리적 스키마를 인식하게 하는 메타 스키마임을 제안한다. 최근에 Graphplan은 계획 시스템의 성능을 향상하기 위하여 inconsistency를 이용하는 제어규칙을 사용하지만, 구문론적으로 접근하여서 부정의 의미 개념을 이해하지 못하고 중복표현의 문제를 야기한다. IPP는 부정 함수인 not을 도입하여 중복문제를 해결하지만 여전히 구문론적으로 접근하며 또한 시간과 공간에서 비효율적이다. 본 논문에서는 의미론적인 접근법을 도입하여 부정을 위해서 반대 개념이라는 긍정 아톰(atom)을 사용하는 것이 지능 에이전트를 구현의 효율적 기법이라고 제안하고, 이 가설을 지지하는 실험적 결과를 제시한다.

• 한국전자통신학회논문지
• /
• 제12권3호
• /
• pp.451-456
• /
• 2017

컴퓨터비전에서 가장 기본적이고, 복잡한 문제를 수반하는 의미론적 분할(Semantic segmentation)은 이미지의 각 픽셀을 특정 객체로 분류하며, 레이블(label)을 지정하는 작업을 수행한다. 기존에 연구되어온 확률적 그래프 모델인 MRF와 CRF는 픽셀 수준의 라벨링 작업의 정확도를 높이는 효과적인 방법으로 연구되어왔다. 본 논문에서는 최근 각광받고 있는 딥러닝의 한 부류인 CNN과 확률 모델인 CRF를 결합한 형태의 의미론적 분할 방법을 제안하였다. 학습과 성능 검증을 위하여 Pascal VOC 2012 이미지 데이터베이스를 사용하였고, 학습에 사용되지 않은 임의의 이미지를 이용하여 테스트를 진행 하였다. 연구의 결과로서 기존 의미론적 분할 알고리즘보다 더욱 뛰어난 분할 성능을 보여주었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2000년도 봄 학술발표논문집 Vol.27 No.1 (A)
• /
• pp.451-453
• /
• 2000

메시지 순서도(Message Sequence Chart,MSC)는 ITU-T에서 국제적인 표준으로 제안되어 주로 전기 통신 교환 시스템과 같은 실시간 시스템을 위한 통신 행위에 대한 개괄적인 표현 방법으로서 널리 사용되어지고 있으며 요구 명세, 인터페이스 명세, 시뮬레이션 및 검정을 위해 사용되어지고 있다. MSC의 장점이라면 표현된 시스템의 행위를 직관적으로 이해할 수 있게 해주는 그래픽 표현을 제공하는 것이다. 의미론 입장에서 보면 MSC는 폴세스 대수 ACP의 변형인 PA$\varepsilon$에 의해 의미를 부여받고 있긴 하지만 이해하기가 난해한 것이 사실이다. 본 논문에서는 MSC의 동작적 의미를 분석하며 ACSR로 변환하여 그 의미를 보다 쉽게 파악하는 방법론에 대해 다룬다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2019년도 춘계학술발표대회
• /
• 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.