• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2000.04a
• /
• pp.227-234
• /
• 2000

지금까지 수행된 대부분의 유가예측은 주고 계량 데이터를 기반으로 하는 여러 가지 계량 모델을 구성하여 수행되었으며, 그 결과 산유국 동향과 같은 국제 유가시장의 불확실성을 제대로 반영하지 못했다. 따라서, 본 논문에서는 이러한 문제점을 해결하기 위하여 계량경제학적인 접근방법과 전문가시스템을 통합한 유가예측 시스템을 설계 및 구현하였다. 즉, 계량 데이터를 기초로 유가예측 모델을 구성하고, 산유국동향과 같은 비계량적인 요인이 유가에 미치는 영향에 대한 실무자의 경험적인 지식은 지식베이스로 구축함으로써, 유가예측과 관련된 다양한 요인들을 폭넓게 고려할 수 있는 통합된 시스템을 개발하였다. 유가예측 모델로는 대표 유종의 유가 및 수급 전망을 위한 동적 선형연립 모델과 유종간 유가의 균형차액을 예측하기 위한 Fully Modified 공적분 회귀분석 모델을 구성하였으며, 유가예측 모델에서 반영하기 어려운 산유국 동향이나 OPEC정책, 선물시장 동향 등은 실무자의 경험적인 지식을 바탕으로 시스템 예측변수로 설정하여 유가예측에 반영할 수 있도록 지식베이스를 구축하였다. 또한, 본 시스템에서는 유가예측 이외에 석유 수급을 전망하고, 유가 및 수급과 관련된 다양한 정보를 제공하고 관리하는 기능을 제공하고 있다.

• Proceedings of the KIEE Conference
• /
• 2006.07d
• /
• pp.2095-2096
• /
• 2006

본 논문에서는 복잡하고 비선형적인 시스템에 대하여 구체적이고 체계적인 방법에 의한 퍼지 모델을 동정하기 위해 유전자알고리즘을 이용하여 전반부 및 후반부의 구조와 파라미터 동정하기 위한 유전론적 접근을 소개한다. 정보 입자 기반 퍼지 모델의 구조를 동정하기 위하여 유전자 알고리즘을 이용하여 입력 변수의 수, 선택될 입력 변수, 멤버쉽함수의 수, 그리고 후반부 형태를 결정하고, 파라미터를 동정하기 위하여 전반부 멤버쉽 파라미터를 동조하여 최적의 퍼지 모델을 설계한다. 또한 구조 동정 및 파라미터 동정에 있어서 개별적인 방법과 동시적인 방법으로 접근하여 정보 입자 기반 퍼지 모델의 최적 동정을 도모한다. 마지막으로 제안된 퍼지 모델은 표준 모델로서 널리 사용되는 수치적인 예를 통하여 평가한다.

• Annual Conference on Human and Language Technology
• /
• 2012.10a
• /
• pp.157-159
• /
• 2012

화자의 의도를 결정하는 문제는 대화 시스템에서 핵심적인 부분이다. 기존의 연구에서는 모델의 간소화를 위해 화자의 의도를 화행과 개념이라는 두 요소로 분리하여 분석하였다. 하지만 두 요소는 서로 밀접하게 관련되어 있기 때문에 모델의 간소화는 의도 분석 성능 저하의 원인이 되었다. 이런 문제점을 해결하기 위해 본 논문에서는 화자 의도 분류를 위한 재학습 방법을 제안한다. 제안된 방법은 화자의 의도를 분석하기 위해 화행 분류 모델과 개념열 분석 모델로 분리하여 분석한다. 학습 단계에서 화행 분류 모델은 개념열 분류 결과를 입력으로 사용하고 개념열 역시 마찬가지로 적용하였다. 목적 지항 대화를 대상으로 한 실험에서 제안된 시스템은 화자 의도 분류에서 최대엔트로피 모델과 지지 벡터 기계의 성능을 효과적으로 향상시켰다.

• Annual Conference on Human and Language Technology
• /
• 2018.10a
• /
• pp.430-433
• /
• 2018

딥러닝 모델의 성능 향상을 위해 적은 데이터를 증가시킬 수 있는 연구들이 필요하다. 이미지의 경우 회전, 이동, 반전등의 연산으로 쉽게 데이터를 증가시킬 수 있지만 자연어는 그렇지 않다. 그러나 최근 딥러닝 생성 모델의 발전으로 기존 자연어 데이터를 생성 모델을 통해 양을 늘려 실험하는 연구들이 많이 시도되었다. 본 논문에서는 문장 데이터 생성을 위한 VAE, 문장 분류를 위한 CNN이 결합된 모델을 한국어 영화평 데이터에 적용하여 기존 모델보다 0.146% 높은 86.736%의 정확도를 기록하였다.

• Journal of KIISE:Software and Applications
• /
• v.26 no.4
• /
• pp.473-486
• /
• 1999

본 논문에서는 복합개체 계층구조의 재구성을 지원하는 객체지향 데이터베이스 스키마 버전모델을 제안한다. 이 모델은 풍부한 기본 스키마(Rich Base Schema)개념에 기반한 스키마 버전 모델 RIBS를 확장한다. RiBS 모델에서 각 스키마 버전은 하나의 기본 스키마에 대한 갱신가능한 클래스 계층구조 뷰이고 , 이 기본 스키마는 모든 스키마버전들에서 필요로 하는 스키마 정보를 갖고 있다. 본 논문에서는 스키마 버전의 복합객체 계층구조의 재구성을 위한 스키마 진화연산들을 도입하고, 이 연산들의 의미를 설명한다. 그리고 이 연산들을 통해 재구성된 복합개체 계층구조에서 대한 질의의 처리 방안을 다룬다. 또 한, 둘 이상의 스키마 버전 통합시 발생하는 복합객체 재구성 연산들에 의한 충돌현상을 설명하고 해결책을 제시한다. 본 논문의 독창성은 1) 복합객체 계층구조의 재구성을 위한 연산들을 최초로 도입한 점과 2) 확장된 RiBS 모델이 객체지향 데이터베이스의 데이터독립성(data independence)을 제공한다는 점이다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2005.04a
• /
• pp.344-348
• /
• 2005

이 논문에서는 개체에 대한 신뢰도를 계산하기 위해 여러 가지의 평가기준을 이용하고, 또한 다른 개체들로부터의 추천정보를 이용하는 신뢰모델에 대해서 제안한다. 제안한 모델에서는 개체의 신뢰도를 개체가 주어진 상황에서 만족스러운 결과를 낼 기대값으로 정의한다. 다른 개체와 상호작용이 일어날 때마다 각 평가기준에 따른 평가결과가 얻어진다고 전제하는 상황에서 적용되는 신뢰 모델이다. 제안된 모델에서는 신뢰정보가 요구될 때 우선 결과확률 분포(outcome probability distribution)와 개체의 평가결과에 대한 선호도를 고려하여 각 평가기준에 대한 만족정도를 계산한다. 이렇게 계산된 만족정도 값들은 각 평가기준의 중요도를 반영하여 하나의 신뢰값으로 결합된다. 이때 추천 정보도 신뢰값에 함께 결합되는 모델이다.

• Annual Conference on Human and Language Technology
• /
• 2022.10a
• /
• pp.447-451
• /
• 2022

본 논문에서는 사용자가 대화 텍스트 방식의 입력을 주었을 때 이를 키워드 중심으로 변환하여 이미지를 생성해내는 방식을 제안한다. 대화 텍스트란 채팅 등에서 주로 사용하는 형식의 구어체를 말하며 이러한 텍스트 형식은 텍스트 기반 이미지 생성 모델이 적절한 아웃풋 이미지를 생성하기 어렵게 만든다. 이를 해결하기 위해 대화 텍스트를 키워드 중심 텍스트로 바꾸어 텍스트 기반 이미지 생성 모델의 입력으로 변환하는 과정이 이미지 생성의 질을 높이는 좋은 방안이 될 수 있는데 이러한 태스크에 적합한 학습 데이터는 충분하지 않다. 본 논문에서는 이러한 문제를 다루기 위한 하나의 방안으로 사전학습된 초대형 언어모델인 KoGPT 모델을 활용하며, 퓨샷 러닝을 통해 적은 양의 직접 제작한 데이터만을 학습시켜 대화 텍스트 기반의 이미지 생성을 구현하는 방법을 제안한다.

• Annual Conference on Human and Language Technology
• /
• 2022.10a
• /
• pp.198-204
• /
• 2022

대화 요약은 다중 발화자와 발화문으로 이루어진 멀티턴 형식의 문서에 대해 핵심내용을 추출하거나 생성하는 태스크이다. 대화 요약 모델은 추천, 대화 시스템 등에 콘텐츠, 서비스 기록에 대한 분석을 제공하는 데 유용하다. 하지만 모델 구축에 필요한 한국어 대화 요약 데이터셋에 대한 연구는 부족한 실정이다. 본 논문에서는 생성 기반 대화 요약을 위한 데이터셋을 제안한다. 이를 위해 국내 방송사의 대용량 콘텐츠로 부터 원천 데이터를 수집하고, 주석자가 수작업으로 레이블링 하였다. 구축된 데이터셋 규모는 6개 카테고리에 대해 약 100K이며, 요약문은 단문장, 세문장, 2할문장으로 구분되어 레이블링 되었다. 또한 본 논문에서는 데이터의 특성을 내재화하고 통제할 수 있도록 대화 요약 레이블링 가이드를 제안한다. 이를 기준으로 모델 적합성 검증에 사용될 디코딩 모델 구조를 선정한다. 실험을 통해 구축된 데이터의 몇가지 특성을 조명하고, 후속 연구를 위한 벤치마크 성능을 제시한다. 데이터와 모델은 aihub.or.kr에 배포 되었다.

• Annual Conference on Human and Language Technology
• /
• 2020.10a
• /
• pp.455-458
• /
• 2020

문서 요약은 입력 문서의 핵심 내용을 파악하여 짧고 간결한 문장으로 나타내는 과정이다. 최근에는 문서 요약을 위해 사전 학습된 언어 모델을 이용하는 방식이 여럿 제안되고 있지만, 이러한 언어 모델들은 문서 요약의 특성을 고려하지 않고 설계된 입력 노이즈 방식을 사용하는 한계점이 있다. 본 논문에서는 한국어 문서 추상 요약에 사전 학습 언어 모델인 BART를 도입하고, 입력 문서에 무작위 문장을 삽입하는 노이징 방식을 추가하여 문서 추상 요약 모델의 언어 이해 능력을 향상시키는 방법론을 제안한다. 실험 결과, BART를 도입한 문서 요약 모델의 결과는 다른 요약 모델들의 결과에 비해 전반적으로 품질 향상을 보였으며, BART와 함께 무작위 문장을 삽입하는 노이징 방법은 적은 비율로 삽입하는 경우 추가적인 성능 향상을 보였다.

• Annual Conference on Human and Language Technology
• /
• 2021.10a
• /
• pp.558-563
• /
• 2021

알츠하이머병 치매와 조현병 진단을 위한 2단계 분류 모델을 제안한다. 정상군과 환자군의 발화에 나타난 페어 언어 모델 간의 Perplexity 차이에 기반한 분류와 기존 단일 BERT 모델의 미세조정(fine-tuning)을 이용한 분류의 통합을 시도하였다. Perplexity 기반의 분류 성능이 알츠하이머병, 조현병 모두 우수한 결과를 보임을 확인 하였고, 조현병 분류 모델의 성능이 소폭 증가하였다. 향후 설명 가능한 인공지능 기법을 적용에 따른 성능 향상을 기대할 수 있었다.