• Proceedings of the Korean System Dynamics Society
• /
• 2000.02a
• /
• pp.39-60
• /
• 2000

시스템 다이내믹스 모델링은 시스템의 인과 구조를 파악하기 위한 인과지도 분석과 인과 구조를 시뮬레이션하기 위한 저량/유량 모텔링으로 이분화 된다고 할 수 있다. 일반적으로 시스템 다이내믹스 모델링에서 인과지도는 저량/유량 모델링의 기반이 되어 왔다. 그러나 인과지도가 지나치게 추상화되어 있는 경우, 인과지도로부터 저량/유량 모델을 구축하는 것은 상당히 어려운 작업이었다. 특히 정책결정자의 주관을 표현한 인지지도를 저량/유량 모델로 전환하는 데에는 연구자의 주관이 첨가됨으로써 인지지도의 특성을 상실시킬 위험이 있었다. 본 논문에서는 인지지도 또는 추상적인 인과지도를 저량/유량 모델로 전환시키는 방법으로써 NUMBER(Normalized Unit Modelling By Elementary Relationships)에 관하여 논의하고자 한다. 본 논문에서 제안된 NUMBER 방법을 활용하여 김대중 대통령의 금융위기 극복 정책에 관한 인지지도를 저량/유량 모델로 전환하여 시뮬레이션 하여 봄으로써, 연구자의 주관을 최소화하면서 정책결정자의 인지지도나 추상적인 인과지도를 간편하게 저량/유량 모델로 전환시켜 그 동태적 행태를 분석할 수 있다는 점을 제안하고자 한다.

• Annual Conference on Human and Language Technology
• /
• 2018.10a
• /
• pp.61-66
• /
• 2018

인과관계 추출이란 어떠한 문장에서 인과관계가 존재하는지, 인과관계가 존재한다면 원인과 결과의 위치까지 분석하는 것을 말한다. 하지만 인과관계 관련 연구는 그 수가 적기 때문에 말뭉치의 수 또한 적으며, 기존의 말뭉치가 존재하더라도 인과관계의 특성상 새로운 도메인에 적용할 때마다 데이터를 다시 구축해야 하는 문제가 있다. 따라서 본 논문에서는 도메인 특화에 따른 데이터 구축비용 문제를 최소화하면서 새로운 도메인에서 인과관계 모델을 잘 구축할 수 있는 통계 기반 모델을 이용한 인과관계 데이터 확장 방법과 도메인에 특화되지 않은 일반적인 언어자질과 인과관계에 특화된 자질을 심층 학습 기반 모델에 적용함으로써 성능 향상을 보인다.

• Journal of Families and Better Life
• /
• v.12 no.2
• /
• pp.118-128
• /
• 1994

본 연구의 목적은 알콜중독가정에서 성장한 성인자녀들의 적응도에 영향을 미치는 요인들간의 인과관계를 설명해줄 수 있는 이론적 인과관계모델을 개발하고 그 모델의 적합 성(fit of the model)에 대해 연구되었다 본 연구의 이론적 인과관계모델은 가족 체계이론 대응이론 사회지원이론, 그리고 사회학습이론에 기초를 두고 개발되었다. 본 연구자에 의해 개발된 이론적 인과관계모델은 표보의 특성을 좀 더 적절하게 설명할 수 있고 모델의 적합 성을 증진시키기 위해 수정된 인과관계모델을 바탕으로 연구되었다. 본 연구의 결과를 요약 하면 다음과 같다. 1) 사회적지원의 이용성을 인식하는 성인 자녀들의 경우 정서적으로 불 안정한 상태를 초래했으며 ;2) 사회적지원은 삶에 대한 적응도에 긍정적인 영향을 미쳤고; 3) 정서적으로 안정된 성인자녀들의 경우 글의 삶에 좀 더나은 적응도를 나타내는데 영향을 미쳤다 본 연구에서는 또한 사회적지원과 성인자녀들의 정서적 상태간의 부정적 인관관계에 대해 논의 되었으며 본 연구의 결과를 바탕으로 상담현장에서의 실제 활용에 대해서도 논의 되었다.

• Annual Conference on Human and Language Technology
• /
• 2003.10d
• /
• pp.163-169
• /
• 2003

현재의 질의응답 시스템은 TREC(Text Retrieval Conference) 질의집합에 대해 최대 80% 정도의 응답 성공률을 보이고 있다. 하지만 질의 유형에 다라 성능의 많은 차이가 있으며, 인과관계에 대한 질의에 대해서는 매우 낮은 응답 성공률을 보이고 있다. 본 연구는 인접한 두 문장 혹은 두 문장 혹은 두 명사구 사이에 존재하는 인과관계를 추출하고자 한다. 기존의 명사구 간 인과관계 추출 연구에서는 인과관계 단서구문과 두 명사구의 의미를 주요한 정보로 사용하였으나, 사전 미등록어가 사용되었을 때 올바른 선택을 하기 어려웠다. 또한, 학습 코퍼스에 대한 인과관계 부착과정이 선행되어야 하며, 다량의 학습자료를 사용하기가 어려웠다. 본 연구에서는 인과관계 명사구 쌍에서 추출된 어휘 쌍을 기존의 단서구문과 같이 사용하는 방법을 제안한다. 인과관계 분류를 위해 나이브 베이즈 분류기를 사용하였으며, 비지도식 학습과정을 사용하였다. 제안된 분류 모델은 기존의 분류 모델과 달리 사전 미등록어에 의한 성능 저하가 없으며, 학습 코퍼스의 인과관계 분류 작업이 선행될 필요 없다. 문장 내 명사구간의 인과관계 추출 실험 결과 79.07%의 정확도를 얻었다. 이러한 결과는 단서구문과 명사구 의미를 이용한 방법에 비해 6.32% 향상된 결과이며, 지도식 학습방식을 통해 얻은 방법과 유사한 결과이다. 또한 제안된 학습 및 분류 모델은 문장간의 인과관계 추출에도 적용가능하며, 한국어에서 인접한 두 문장간의 인과관계 추출 실험에서 74.68%의 정확도를 보였다.

• Korean Journal of Logic
• /
• v.8 no.1
• /
• pp.47-67
• /
• 2005

Bayesian networks have been used in studying and simulating causal inferences by using the probability function distributed over the variables consisting of inquiry space. The focus of the debates concerning Bayesian networks is the causal Markov condition that constrains the probabilistic independence between all the variables which are not in the causal relations. Cartwright, a strong critic about the Bayesian network theory, argues that the causal Markov condition cannot hold in indeterministic systems, so it cannot be a valid principle for causal inferences. The purpose of the paper is to explore whether her argument on the causal Markov condition is valid. Mainly, I shall argue that it is possible for upholders of the causal Markov condition to respond properly the criticism of Cartwright through the continuous causal model that permits the infinite sequence of causal events.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2005.11a
• /
• pp.497-499
• /
• 2005

정성적 추론은 자연 세계에 대한 정성적, 직관적인 지식을 밝혀내어 코드화하는 목표를 갖고 연구되어왔다. 정성적 추론은 전자, 기계 등의 도메인에서 성공적으로 사용되어 그 실효성을 입증할 수 있었으나, 대부분의 추론은 시뮬레이션에 집중되어 왔다. 본 연구에서는 주어진 상황에서 변화가 발생했을 때, 이 변화가 어떻게 영향을 미치며 파급되는지를 예측할 수 있는 정성적 비교분석 기법을 소개하고지 한다. 주어진 상황에 대한 인과모델이 정성적 분야 모델로부터 형성되고 여기에 비교분석 추론 기법을 적용하여 변화의 연쇄적인 인과 관계를 추적하게 된다. 이러한 기법은 변화의 예측 뿐 아니라, 이런 변화를 이끌어낸 인과 관계를 설명하는 기능을 제공하게 되어, 디자인, 진단, 지능형 교육 시스템, 환경 영향평가 등에 이용되리라 기대된다.

• Korean Journal of Culture and Social Issue
• /
• v.16 no.4
• /
• pp.447-468
• /
• 2010

The purpose of this study was to attain a clearer understanding of the reciprocal effects of deviant self-concept and delinquent behaviors by applying a latent state-trait autoregressive modeling approach. Although traditional autoregressive cross-lagged (ARCL) modeling has been widely applied to test the longitudinal reciprocal relationship between the two constructs, it could produce misspecified findings if there were trait-like processes involved in this relationship. The latent state-trait autoregressive(LST-AR) modeling was applied to control trait effects of deviant self-concept and to examine the reciprocal causal relations between the two constructs. Data were taken from a sample of 3,449 eighth graders who were followed annually for 5 years from the Korea Youth Panel Study. The combining LST-AR model with ARCL model substantiated the reciprocal effects of deviant self-concept and delinquent behaviors, even after the stable trait component of deviant self-concept was taken into account. The present findings shed lights on the reciprocal effects of behaviors (i.e., delinquency) and self concepts (i.e., deviant self-concept). Not only did behaviors change corresponding self-concept, but the ways adolescents perceived themselves influenced their behaviors.

• Journal of KIISE:Software and Applications
• /
• v.35 no.5
• /
• pp.335-346
• /
• 2008

Causal relations in ontology should be defined based on the inference types necessary to solve problems specific to application as well as domain. In this paper, we present a model to define and extract causal relations for application ontology for Question-Answering (QA) on fault-diagnosis of electronic devices. Causal categories are defined by analyzing generic patterns of QA application; the relations between concepts in the corpus belonging to the causal categories are defined as causal relations. Instances of casual relations are extracted using lexical patterns in the concept definitions of domain, and extended incrementally with information from thesaurus. On the evaluation by domain specialists, our model shows precision of 92.3% in classification of relations and precision of 80.7% in identifying causal relations at the extraction phase.

• Journal of the Korea Society for Simulation
• /
• v.2 no.1
• /
• pp.23-30
• /
• 1993

본 연구에서는 시뮬레이션을 통한 지식의 자동 획득(Simulation-Based Automatic Knowledge Acquistion) 가능성을 제시한다. 이을 위한 작업 단계는 다음과 같다. 첫째, 지식 제공자에 의한 대상(domain) 관련 초기 인과 관계 정보 입력 단계, 둘째 경험 베이스 탐색에 의한 확장된 정보 생성 단계, 세 번째로 생성되어진 정보를 사용하여 대상 반영 모델을 구축하는 단계, 네 번째로 구축된 모델을 시뮬레이션하고 수행 결과의 분석을 통해 새로운 지식을 획득하는 단계로 구성된다. 제안된 지식 획득 방법은 ,대상에 관계된 개념과 개념들의 인과 관계를 바탕으로 모델을 자동 생성하여 이를 지식 획득 표현틀로 이용하는 유연한 구조를 사용하였고, 또한 생성된 모델의 시뮬레이션 결과를 분석함에 의해 새로운 지식을 획득함으로써 획득된 지식이 동적 세계를 잘 반영할 있도록 하였다.

• Journal of Global Scholars of Marketing Science
• /
• v.17 no.3
• /
• pp.133-151
• /
• 2007

The purpose of this article is to examine the effects of item parceling on the consistency of significance testing of the causal parameters with regard to the relationship between the relevant constructs, as well as the effects of the item parceling on the goodness-of-fit indices of LISREL's general models. Most of the researchers' major purpose of using structural equation modeling (SEM) is to test their research hypotheses associated with the causal parameters. Therefore, we investigated three general models of LISREL, rather than the frequently used confirmatory factor analytic (CFA) models by many other researchers. The results of the study showed that there was a high level of consistency in the calculated test statics of causal parameters between the item-parceled solutions and the item-level solutions, and that the item-parceled solutions had better goodness-of-fit indices, such as GFI, AGFI, CFI, and NFI, than the solutions at the item level. However, in terms of RMSEA, there was no such tendency.