• Proceedings of the Korean Information Science Society Conference
• /
• 2006.10b
• /
• pp.11-15
• /
• 2006

본 논문은, 긍정적 가중치와 부정적 가중치를 통해 표현되는 규칙에 기반을 둔 품사 태깅 모델과, 형태 소 unigram 정보와 어절 내의 카테고리 패턴에 기반하여 어절 확률을 추정하는 품사 태깅 모델의 장점을 취하고 단점을 보완할 수 있는 혼합 품사 태깅 모델을 제안한다. 이 혼합 모델은 먼저, 규칙에 기반한 품사 태깅을 적용한 후, 규칙이 해결하지 못한 결과에 대해서 통계적인 기법을 사용하여 품사 태깅을 한다. 본 연구는 어절 내 카테고리 패턴정보에 따른 파라미터 set과 형태소 unigram만을 이용해 어절 확률을 계산해 내므로 다른 통계기반 접근방법에서와는 달리 작은 크기의 통계사전만을 필요로 하며, 카테고리 패턴 정보를 사용함으로써 통계기반 접근 방법의 가장 큰 문제점인 data sparseness 문제 또한 줄일 수 있다는 이점이 있다. 특히, 본 논문에서 사용할 통계 모델은 어절 확률에 기반을 두고 있기 때문에 한국어의 특성을 잘 반영할 수 있다. 본 논문에서 제안한 혼합 모델은 규칙이 적용된 후에도 후보열이 둘 이상 남아 오류로 반환되었던 어절 중 24%를 개선한다.

• Journal of the Computational Structural Engineering Institute of Korea
• /
• v.13 no.1
• /
• pp.115-127
• /
• 2000

The purpose of this study is to propose the Design Object Model for implementation of an integrated structural design system for building structures. This study outlines the step-by-step development methodologies of the Design Object Model, which covers classification and modeling of the building design information. The Design Object Model has been efficiently developed through the proposed development methodologies. As a result, the Design Object Model has been proved to be efficient in design information management by representing the information from planning perspective, in recognition of structural member in space by the topology design object, and in representation of analysis s design information.

• Annual Conference on Human and Language Technology
• /
• 2019.10a
• /
• pp.301-306
• /
• 2019

문서 생성 요약은 최근 딥러닝을 이용한 end-to-end 시스템을 통해 유망한 결과들을 보여주고 있어 연구가 활발히 진행되고 있는 자연어 처리 분야 중 하나이다. 하지만 문서 생성 요약 모델을 구성하기 위해서는 대량의 본문과 요약문 쌍의 데이터 셋이 필요한데, 이를 구축하기가 쉽지 않다. 따라서 본 논문에서는 정교한 뉴스 기사 요약 데이터 셋을 기계적으로 구축하는 방법을 제안한다. 또한 딥러닝 기반의 생성 요약은 입력 문서와 다른 정보를 생성하거나, 또는 같은 단어를 반복하여 생성하는 문제점들이 존재한다. 이를 해결하기 위해 요약문을 생성할 때 입력 문서의 내용을 인용하는 복사-메커니즘과, 추론 단계에서 단어 반복을 직접적으로 제어하는 페널티를 사용하면 상대적으로 안정적인 문장이 생성될 수 있다. 그리고 Transformer 모델은 순환 신경망 모델보다 요약문 생성 과정에서 시퀀스 길이가 긴 본문의 정보를 적절히 인코딩하여 줄 수 있는 모델이다. 따라서 본 논문에서는 복사-메커니즘과 추론 단계의 페널티를 이용한 Copy-Transformer 모델을 한국어 문서 생성 요약 데이터에 적용하였다. 네이버 지식iN 질문 요약 데이터 셋과 뉴스 기사 요약 데이터 셋 상에서 실험한 결과, 제안한 모델을 이용한 생성 요약이 비교 모델들 대비 가장 좋은 성능을 보이고 양질의 요약을 생성하는 것을 확인하였다.

• Proceedings of the Korea Database Society Conference
• /
• 1999.10a
• /
• pp.183-189
• /
• 1999

오늘의 기업에게 정보기술이란 필수요소이다. 정보기술을 효과적으로 활용하기 위해서는 IT 인프라가 체계적으로 구축되어 있어야 한다. 해당 조직에 적합한 정보기술 기반구조를 설계하고 이의 도입을 위한 구체적인 계획을 수립하기 위해서는 체계적이고 효과적인 정보계획 수립(Information System Planning: ISP)이 필요하다. 그러나 정보계획수립 프로젝트의 상당수가 실패로 그치고 있다. 특히 정보기술의 지속적인 변화 때문에 수립한 정보기술 기반구조 계획안이 실제 구현되지 못하고 계획으로만 남는 경향이 있다. 이러한 ISP의 어려움을 해결하기 위해서는 정보기술 참조모델(reference model)을 적극적으로 활용할 필요가 있다. 즉, 조직의 정보시스템에 공통적으로 적용할 수 있는 IT 인프라나 표준 아키텍쳐를 바탕으로 정보계획수립을 수행해 나가는 방식이 필요하다. 이와 같은 참조모델 기반의 정보계획 수립은 새로운 아키텍쳐를 추출하고 표준화를 이룸으로써 프로젝트의 생산성을 높일 수 있다는 장점을 가지고 있다. 기존의 ISP 연구는 ISP의 필요성, 과정, 성공요인 등에 국한되어 왔으며, 방법론에 대한 연구는 미비한 편이다. 최근들어 ISP의 체계적인 분류나 참조모델 기반 계획수립의 필요성이 제기되었다. 그러나 아직까지 이와같은 접근에서 참조 모델을 어떻게 구축하고 활용해 나갈 것인가에 대한 연구는 부족한 실정이다. 따라서 본 논문에서는 참조모델을 구축하기 위한 다양한 접근방법과 각각의 특징을 제시한다. 나아가서 해당 조직의 상황이나 요구수준에 따라 적합한 접근방법을 선택할 수 있게 해주는 방안을 제시한다.타냈으며, 평가결과에 대해 여러 가지 방법으로 분석하였다. 첫째, 동종제품간 평가분석을 통하여 각각의 제품을 비교하였으며, 둘째 소프트웨어 종류별 평가로 제품을 응용소프트웨어, 응용개발도구, 시스템 소프트웨어로 분류하여 평균값으로 비교하였다. 셋째, 국내외 제품별 평가분석으로 전체 제품을 국내제품과 국외제품으로 분류하여 비교하였으며, 마지막으로 총괄분석을 통해 가중치를 적용하여 전 제품의 점수를 비교하였다. 여기에서는 각 제품의 평균점수에 대한 차이를 95%의 유의수준으로 T-Test를 실시하였다.uted to the society, and what the socioeconomic impacts are resulted from the program. It would be useful for the means of (ⅰ) fulfillment of public accountability to legitimate the program and to reveal the expenditure of pubic fund, and (ⅱ) managemental and strategical learning to give information necessary to improve the making. program and policy decision making, The objectives of the study are to develop the methodology of modeling the socioeconomic evaluation, and build up the practical socioeconomic evaluation mod

• Journal of the Korean Society for Library and Information Science
• /
• v.56 no.3
• /
• pp.241-264
• /
• 2022

Bibliographic metadata can help researchers effectively utilize essential publications that they need and grasp academic trends of their own fields. With the manual creation of the metadata costly and time-consuming. it is nontrivial to effectively automatize the metadata construction using rule-based methods due to the immoderate variety of the article forms and styles according to publishers and academic societies. Therefore, this study proposes a two-step extraction process based on rules and deep neural networks for generating bibliographic metadata of scientific articlles to overcome the difficulties above. The extraction target areas in articles were identified by using a deep neural network-based model, and then the details in the areas were analyzed and sub-divided into relevant metadata elements. IThe proposed model also includes a model for generating reference summary information, which is able to separate the end of the text and the starting point of a reference, and to extract individual references by essential rule set, and to identify all the bibliographic items in each reference by a deep neural network. In addition, in order to confirm the possibility of a model that generates the bibliographic information of academic papers without pre- and post-processing, we conducted an in-depth comparative experiment with various settings and configurations. As a result of the experiment, the method proposed in this paper showed higher performance.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06b
• /
• pp.336-338
• /
• 2012

본 연구에서는 고차 데이터 분류를 위해 순차적 베이지만 샘플링 기반의 진화연산 기법을 이용한 하이퍼네트워크 모델의 학습 알고리즘을 제시한다. 제시하는 방법에서는 모델의 조건부 확률의 사후(posterior) 분포를 최대화하도록 학습이 진행된다. 이를 위해 사전(prior) 분포를 문제와 관련된 사전지식(prior knowledge) 및 모델 복잡도(model complexity)로 정의하고, 측정된 모델의 분류성능을 우도(likelihood)로 사 용하며, 측정된 사전분포와 우도를 이용하여 모델의 적합도(fitness)를 정의한다. 이를 통해 하이퍼네트워크 모델은 고차원 데이터를 효율적으로 학습 가능할 뿐이 아니라 모델의 학습시간 및 분류성능이 개선될 수 있다. 또한 학습 시에 파라미터로 주어지던 하이퍼에지의 구성 및 모델의 크기가 학습과정 중에 적응적으로 결정될 수 있다. 제안하는 학습방법의 검증을 위해 본 논문에서는 약 25,000개의 유전자 발현정보 데이터셋에 대한 분류문제에 모델을 적용한다. 실험 결과를 통해 제시하는 방법이 기존 하이퍼네트워크 학습 방법 뿐 아니라 다른 모델들에 비해 우수한 분류 성능을 보여주는 것을 확인할 수 있다. 또한 다양한 실험을 통해 사전분포로 사용된 사전지식이 모델 학습에 끼치는 영향을 분석한다.

• Proceedings of the Korea Society of Design Studies Conference
• /
• 2000.11a
• /
• pp.74-75
• /
• 2000

아파트 모델하우스가 전하는 정보의 내용은 소비자의 욕구와 선호도에 맞춰 소비자를 충족시킬 수 있어야 한다. 현재의 모델하우스는 그러한 측면에서 현실의 제약성 때문에 변화하는 소비자 선호양상에 대응하지 못하고 있다. 이러한 한계를 극복할 수 있는 가능성으로 web 모델하우스의 새로운 정보전달방법을 통한 내용의 다양화를 들 수 있다. (중략)

• Journal of KIISE:Computer Systems and Theory
• /
• v.32 no.4
• /
• pp.168-176
• /
• 2005

We propose a method for 3-dimensionally reconstructing an object using a line that includes the midpoint information from a single image. A pre-defined polygon is used as the primitive and the recovery is processed from a single image. The 3D reconstruction is processed by mapping the correspondence point of the primitive model onto the photo. In the recent work, the reconstructions of camera parameters or error minimizing methods through iterations were used for model-based 3D reconstruction. However, we proposed a method for the 3D reconstruction of primitive that consists of the segments and the center points of the segments for the reconstruction process. This method enables the reconstruction of the primitive model to be processed using only the focal length of various camera parameters during the segment reconstruction process.

• The Journal of The Korea Institute of Intelligent Transport Systems
• /
• v.22 no.6
• /
• pp.1-16
• /
• 2023

Accurate traffic information prediction is considered to be one of the most important aspects of intelligent transport systems(ITS), as it can be used to guide users of transportation facilities to avoid congested routes. Various deep learning models have been developed for accurate traffic prediction. Recently, ensemble techniques have been utilized to combine the strengths and weaknesses of various models in various ways to improve prediction accuracy and stability. Therefore, in this study, we developed and evaluated a traffic information prediction model using various deep learning models, and evaluated the performance of the developed deep learning models as a stacking ensemble. The individual models showed error rates within 10% for traffic volume prediction and 3% for speed prediction. The ensemble model showed higher accuracy compared to other models when no cross-validation was performed, and when cross-validation was performed, it showed a uniform error rate in long-term forecasting.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.562-565
• /
• 2021

스타일 변환 모델은 이미지 전체나 이미지 내에서 사용자가 지정한 영역을 대상으로 스타일을 변환시킨다. 이런 방식은 이미지 내의 다수의 객체에 대해 스타일 변환을 시행할 때 일일이 영역을 지정해 줘야 한다는 불편함과 결과물의 전체 해상도가 떨어진다는 한계를 가지고 있다. 본 논문에서는 이런 한계들을 극복하기 위해 객체탐지 모델과 스타일변환 모델을 연동한 객체스타일변환모델을 제안하고 모델 간 연동방법에 대해 자세히 서술한다. 객체탐지모델인 Mask R-CNN 을 통해 필요한 객체를 탐지하고 탐지한 객체의 특징맵들을 스타일변환 모델인 zi2zi 의 입력 값으로 전달하여 이미지 내의 필요한 객체들만 스타일변환이 이루어지도록 모델이 동작한다. 이러한 모델은 기존에 있는 두 모델을 재사용함으로써 모델을 처음부터 새로 설계할 필요가 없다는 장점이 있으며, 공개된 다양한 모델들을 서로 융합하여 사용할 수 있는 방법을 제시하는데 도움을 줄 것이다.