• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2000년도 봄 학술발표논문집 Vol.27 No.1 (B)
• /
• pp.274-276
• /
• 2000

본 연구에서는 기존의 데이터 웨어하우징 기술과 웹 기반 기술을 통합한 웹 웨어하우징 기법에 다중 에이전트 패러다임을 적용하여 다중 에이전트 기반 웹 웨어하우징 시스템을 설계, 구현하였다. 시스템은 정보 검색 에이전트, 정보 통합 에이전트, 웹하우스 구축 에이전트로 구성된다. 정보 검색 에이전트는 여러 종류의 웹 자원을 수집한다. 정보 통합 에이전트는 정보 검색 에이전트에 의해 수집된 이형질적인 데이터를 일정한 형식으로 변환한다. 웹하우스 에이전트는 생성된 데이터를 사용하여 웹하우스를 구축하고 관리한다. 웹 데이터를 통합하기 위해 새로운 데이터 모델을 제안하였다. 의미를 갖는 지능적 객체를 생성하기 위해 여러 종류의 추론 에이전트들이 추론작업을 수행하고, 이들은 블랙보드 시스템을 통하여 작업을 통합한다. 본 시스템은 의미 정보 데이터를 사용하므로 웹 정보의 의미적 검색과 정보추출이 가능하다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제36권5호
• /
• pp.411-419
• /
• 2009

현재 온톨로지의 논리적 오류와 개념들 간의 포함 관계를 탐지하는 추론 엔진들이 소개되고 있다. 대부분의 서술 논리 기반 온톨로지 추론 엔진은 태블로 알고리즘을 기반으로 구축되었다. 그러나 태블로 알고리즘 기반의 온톨로지 추론은 인스턴스 추론에 있어서 한계를 보인다. 이에 본 논문에서는 Medusa 시스템을 제안한다. Medusa는 서술 논리로 표현된 온톨로지의 정형화된 의미를 기반으로 시맨틱 웹 규칙 언어(SWRL)를 지원하는 확장된 서술 논리 추론 엔진이다. 대부분의 서술 논리 기반 추론 엔진은 효과적으로 온톨로지 스키마 모델을 추론하지만 인스턴스(Assertional Knowledge) 정보를 추론하기 위한 규칙 기반 추론 기능을 제공하지는 않는다. 이러한 문제를 해결하기 위해서 Medusa는 서술 논리의 추론 방식과 규칙 기반 추론 방식을 동시에 사용한다. 본 논문에서 설명하는 Medusa의 프로토타입은 $Prot{\acute{e}}g{\acute{e}}$ API[1]를 사용하여 시맨틱 웹 규칙 언어 추론 엔진과 서술 논리 추론 엔진간의 상호작용을 제어한다.

• 한국과학교육학회지
• /
• 제38권5호
• /
• pp.635-647
• /
• 2018

동기기반추론은 원하는 특정한 결과나 목표를 성취하고자 하는 동기에 영향을 받아 이루어지는 편향된 추론을 의미한다. 이 연구에서는 과학적 사고 발달을 저해하는 동기기반추론 대한 이론적 연구를 시도하고, 실제 국내 과학기술 분야의 학문후속세대들이 경험한 동기 기반추론의 실제적 맥락에 대하여 탐색하였다. 구체적으로 이를 위해 문헌연구에서는 동기기반추론의 심리학적 특성과 과학적 사고에 미치는 부정적 영향에 대해 살펴보았다. 또한 국내 과학기술 분야 대학원생 8인과 신진 연구원 1인과의 심층 면담을 토대로 실제 과학기술 분야에서 나타나는 동기기반추론의 의미와 맥락을 파악하고자 했다. 문헌 분석 결과 동기기반추론은 개인적 수준에서 과학적 사고의 핵심인 이론과 자료의 적절한 조정 과정을 방해하며 과학적 지식 구성의 고착을 가져올 수 있으며, 사회문화적 수준에서 특정 사회문화적 신념이나 목적에 의해 과학이 이용되는 기작으로서 작용할 수 있다는 점에서 합리적이고 객관적인 과학적 사고를 기반으로 한 과학기술의 발전을 저해할 수 있음을 살펴보았다. 또한 실제 국내의 과학기술 분야의 학문후속세대들이 경험했던 동기기반추론 사례를 살펴본 결과, 기존의 신념 보호, 성급한 결론 추구, 사회문화적 신념 보호, 집단의 의사결정을 합리화를 통해 동기기반추론이 나타나고 있음을 확인할 수 있었다. 이러한 과학기술 학문후속세대들의 동기기반추론은 이들이 보다 이론과 증거의 적절한 조정을 통해 타당한 과학기술 지식을 구성하는데 있어 걸림돌이 될 수 있음을 살펴보았다. 이러한 결과를 바탕으로 이 연구에서는 과학적 사고 교육에 대해 논의하였다.

• 지능정보연구
• /
• 제1권1호
• /
• pp.1-22
• /
• 1995

본 연구에서 퍼지인식도(Fuzzy Cognitive Map) 개념을 기초로 하여 (1) 특정 문제영역에 대한 전문가의 인과관계 지식(causal knowledge)을 추출하는 알고리즘을 제시하고, (2) 이 알고리즘에 기초하여 작성된 해당 문제영역에 대한 여러 전문가들의 인과관계 지식을 계층별로 분해하여, (3) 해당 계층간의 양방향 추론이 가능한 추론메카니즘을 제시하고자 한다. 특정 문제영역에 있어서의 인과관계 지식이란 해당 문제를 구성하는 여러 개념간에 존재하는 인과관계를 표현한 지식을 의미한다. 이러한 인과관계 지식은 기존의 IF-THEN 형태의 규칙과는 달리 행렬형태로 표현되기 때문에 수학적인 연산이 가능하다. 특정 문제영역에 대한 전문가의 인과관계 지식을 추출하는 알고리즘은 집합연산에 의거하여 개발되었으며, 특히 상반된 의견을 보이는 전문가들의 의견을 통합하여 하나의 통합된 인과관계 지식베이스를 구축하는데 유용하다. 그러나, 주어진 문제가 복잡하여 다양한 개념들이 수반되면, 자연히 인과관계 지식베이스의 규모도 커지게 되므로 이를 다루는데 비효율성이 개재되기 마련이다. 따라서 이러한 비효율성을 해소하기 위하여 주어진 문제를 여러계측(Hierarchy)으로 분해하여, 해당 계층별로 인과관계 지식베이스를 구축하고 각 계층별 인과관계 지식베이스를 연결하여 추론하는 메카니즘을 개발하면 효과적인 추론이 가능하다. 이러한 계층별 분해는 행렬의 분해와 같은 개념으로도 이해될 수 있다는 특징이 있어 그 연산이 간단명료하다는 장점이 있다. 이와같이 분해된 인과관계 지식베이스는 계층간의 추론메카니즘을 통하여 서로 연결된다. 이를 위하여 본 연구에서는 상향 또는 하향방식이 추론이 가능한 양방향 추론방식을 제시하여 주식시장에서의 투자분석 문제에 적용하여 그 효율성을 검증하였다.

• 한국전자거래학회지
• /
• 제13권3호
• /
• pp.85-101
• /
• 2008

온톨로지를 이용한 시맨틱 웹은 의미 기반의 표현 수단으로써 기존의 웹이 갖는 한계점을 극복할 수 있는 차세대 웹의 표준으로 인식되고 있다. 시맨틱 웹에 표현된 정보를 최대로 활용하기 위해서는 온톨로지에 대한 질의 검색 및 추론 기능이 필요한데, 대부분의 시맨틱 웹 도구들은 RDF 메타데이터 구조에 따른 Triple 기반의 저장 구조를 이용함으로 인해 온톨로지 추론을 위한 의미 단위의 복합 질의를 효율적으로 지원하지 못하고 있다. 본 연구에서는 기술 논리(DL)에 기반하여 온톨로지 데이터 구조와 일치하는 저장 구조를 설계하고, 이를 이용하여 시맨틱 웹 온톨로지에 대한 질의 검색 도구를 개발함으로써 온톨로지 추론을 위한 효율적인 복합 질의 검색을 지원할 수 있는 개선 방법을 제시하고자 한다. 그리고 제안된 방법을 구현한 시스템인 SMART-DLTriple을 기존의 시스템과 비교하여 그 성과를 평가하였다. 개선된 온톨로지 질의 검색 방법은 온톨로지 추론의 성능 향상에 기여하여 실용적인 온톨로지 추론 시스템의 개발에 도움을 줄 것이다.

• 논리연구
• /
• 제5권1호
• /
• pp.1-26
• /
• 2001

컴퓨터라는 새로운 매체의 도입의 이점이 컴퓨터 매체의 제반 특성들을 잘 활용함으로써 학생들의 호기심을 유발하고 학생들의 학습 효과를 높일 수 있다는 데에만 국한되는 것은 아니다. 새로운 컴퓨터 매체의 도입은 논리학의 여러 중심 개념들 자체에 대한 이해의 심도를 증진시킴으로써 논리학을 새로운 영역으로 확대시켜 주기도 한다. 그 새로운 영역은 그림과 같은 비언어적 표상을 핵심적으로 포함한 추론, 즉 문자와 그림을 동시에 포함하는 이질적인 추론(heterogeneous reasoning)을 허용하는 영역이다. 논리학은, 정보가 어떻게 표상되든 상관없이, 정보 추출의 타당한 형태들에 관한 연구이다. 전통적으로 논리학자들은 정보 추출의 타당한 형태들의 매우 작은 부분(즉, 언어적 표상)에만 초점을 맞추었다. 그러나 컴퓨터 매체의 활용과 더불어 이제 논리학은 시각적 표상을 포함하여 다양한 표상들을 어떻게 사람들이 사용하는지 파악해야 한다. 이러한 과업의 성취를 위해, 구문론, 의미론, 논리적 귀결, 증명, 반례 등의 전통적 개념을 이러한 새로운 형태의 표상들을 수용할 수 있는 방식으로 확장하고 풍부하게 만들어야 한다. 그림 표상과 문자 표상을 함께 사용하는 추론 체계인 Hyperproof에 대한 연구는 이러한 확장된 논리 이론을 형성하는 데 기여한다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2020년도 제32회 한글 및 한국어 정보처리 학술대회
• /
• pp.237-240
• /
• 2020

사전학습 언어모델은 다양한 자연어처리 작업에서 높은 성능을 보였다. 하지만, 사전학습 언어모델은 문장 내 문맥 정보만을 학습하기 때문에 단어간 의미관계 정보를 추론하는데는 한계가 있다. 최근에는, 사전학습 언어모델이 어느수준으로 단어간 의미관계를 이해하고 있는지 다양한 Probing Test를 진행하고 있다. 이러한 Test는 언어모델의 강점과 약점을 분석하는데 효율적이며, 한층 더 인간의 언어를 정확하게 이해하기 위한 모델을 구축하는데 새로운 방향을 제시한다. 본 논문에서는 대표적인 사전 학습기반 언어모델인 BERT(Bidirectional Encoder Representations from Transformers)의 단어간 의미관계 이해도를 평가하는 3가지 작업을 진행한다. 첫 번째로 단어 간의 상위어, 하위어 관계를 나타내는 IsA 관계를 분석한다. 두번째는 '자동차'와 '변속'과 같은 관계를 나타내는 PartOf 관계를 분석한다. 마지막으로 '새'와 '날개'와 같은 관계를 나타내는 HasA 관계를 분석한다. 결과적으로, BERT_base 모델에 대해서는 추론 결과 대부분에서 낮은 성능을 보이지만, BERT_large 모델에서는 BERT_base보다 높은 성능을 보였다.

• 정보관리학회지
• /
• 제25권4호
• /
• pp.43-66
• /
• 2008

시맨틱 웹 기술의 제안과 더불어 다양한 분야에 온톨로지의 특징을 적용한 기술 개발 연구가 많이 진행되고 있다. 인간이 소유한 개념을 가장 적절하게 표현하기 위해 현재에도 OWL, RDF와 같은 온톨로지 언어의 표현력을 확장시키기 위해 N-ary 관계나 모델-이론 의미론과 같은 개발이 진행되고있다. 본 연구는 한국어에 있어 문장이 내포하는 의미를 정확하게 결정하기 위해 문장의 구조에 따라 달라지는 단어의 의미를 연관할 수 있도록 N-ary 관계와 디자인 기반이 적용된 온톨로지의 지식 표현 방법을 연구하였다. 특히 다양한 지식 영역을 포함하는 다의어(polysemy)와 동의어(synonym)의 특징을 갖는 단어에 있어 각 지식 영역으로 분류되어 각 지식 영역에 있는 유사한 의미를 가진 단어로 확장되어 유사한 의미를 가진 단어가 포함된 문장의 경우 까지도 확장할 수 있는 표현 방법을 연구하였다. 연구의 검증을 위해 사용자가 입력한 병증 문장을 제안된 방법에 따라 구축된 온톨로지내 지식 관계와 의미 결정을 위한 추론 표현 방법을 이용하여 병증의 의미를 결정하고 그에 따른 진단을 제공하는 실험 시스템을 구현하였고, 한국어가 갖고 있는 문장의 유의성, 모호성, 복합성 의 특징을 보유한 증상문들의 실험 결과 의미 결정과 유사 의미 확장에 있어 우수한 성능을 보여주었다.

• 인터넷정보학회논문지
• /
• 제12권5호
• /
• pp.113-125
• /
• 2011

정보의 출처와 형식이 다양해지고 정보의 양 또한 많아짐에 따라 소셜 웹에서의 맞춤형 지식 생성은 더욱 어려워지고 있다. RSS(Really Simple Syndication)가 정보 수집 방법의 개선에 일조했으나, 웹에 산재된 정보를 찾아 필요한 정보들만으로 구성된 맞춤형 지식을 생성하는 것은 여전히 사용자들의 몫으로 남아 있다. 본 논문에서는 맞춤형 지식 생성의 용이성을 제고하기 위해 상황 기반 유사도를 이용한 맞춤형 지식생성 프레임워크를 제안하였다. 본 프레임워크는 기본적으로 사례 기반추론의 절차를 따르지만, 기존 사례 기반의 유사도 계산 방식이 문법적 추론에 기반했던 것과 달리, 온톨로지를 활용한 의미적 유사도를 이용한 사례 기반 추론을 활용한다. 또한 사용자 요구를 만족하는 유사사례의 보정을 위해 온톨로지를 활용한 정보 집적도 기반의 유사도 방법론을 제안하였다. 본 프레임워크에서는 첫째 비구조적인 웹 정보를 사례 형태의 구조적 정보로 변환하고, 둘째 사용자의 요구에 적합한 의미론적 유사사례를 찾은 후 셋째, 선택된 유사사례의 정보 집적도를 고려한 보정을 통해 맞춤형 지식을 생성하는 과정을 거친다. 본 논문에서는 유사도 계산에 일반적으로 활용되는 여러 방법론들과 비교를 통하여 제안한 온톨로지 기반 의미적 유사도 계산 방법론의 타당성을 입증하였다.

• 한국정보처리학회논문지
• /
• 제5권1호
• /
• pp.103-110
• /
• 1998

기존의 규칙베이스 추론(Rule-Based REasoning : RBR)과 사례베이스 추론 (Case-Base : CB)가 통합되어 추론되고 있지만, 많은 수의 규칙(Rule)과 사례(Case)에 의해 추론 시간이 많이 걸리는 단점이 있다. 본 논문에서는 이런 단점을 해결하기 위하여, 다중 의미 또는 불확실한 지식을 쉽게 표현할 수 있는 라프집합 (Rough Set)을 이용하여 RB와 CB를 간략화한 새로운 추론 방법을 제안한다. 라프집합의 식별(classification)과 근사(aprroximation)개념을 이용하여, RB와 CB를 통치 클래스(equivalence class)로 분류하여 각각을 각략화하고, 간략화된 RB와 CB를 이용하여 통합 추론하여, 상호 보완적인 역할에 의해 결정 해를 얻고자 하는 것이다.