• Annual Conference on Human and Language Technology
• /
• 2021.10a
• /
• pp.371-375
• /
• 2021

문서 기반 대화 시스템은 주어진 배경 지식 문서와 이전 대화를 바탕으로 대화에 이어지는 적절한 응답을 생성하는 시스템이다. 문서 기반 대화 시스템은 지식 추출 작업과 응답 생성 작업으로 나뉘며, 두 하위 작업은 서로 긴밀한 관계를 가지고 있다. 즉, 주어진 배경 지식 문서와 관련된 올바른 응답을 생성하기 위해서는 정확한 지식 추출이 필수적이며, 응답 생성에 필요한 지식을 정확히 추출하지 못하는 경우 생성 응답에 배경 지식이 반영되기 힘들다. 따라서, 본 논문에서는 추출된 지식을 확장하는 방법을 통해 생성에 필요한 지식의 재현율을 높이고 이를 활용할 수 있는 임베딩 확장 방법을 제안함으로써 SacreBLEU 기준 3.51의 성능 향상을 보였다.

• 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 Korean Elementary Science Education
• /
• v.23 no.1
• /
• pp.61-73
• /
• 2004

The purpose of this study was to suggest a grounded theory on the process of undergraduate students' generating pattern-knowledge about scientific episodes. The pattern-discovery tasks were administered to seven college students majoring in elementary education. The present study found that college students show five types of procedural knowledge represented in the process of pattern-discovery, such as element, elementary variation, relative prior knowledge, predictive-pattern, and final pattern-knowledge. Furthermore, subjects used seven types of thinking ways, such as recognizing objects, recalling knowledges, searching elementary variation, predictive-pattern discovery, confirming a predictive-pattern, combining patterns, and selecting a pattern. In addition, pattern-discovering process involves a systemic process of element, elementary variation, relative prior knowledge, generating and confirming predictive-pattern, and selecting final pattern-knowledge. The processes were shown the abductive and deductive reasoning as well as inductive reasoning. This study also discussed the implications of these findings for teaching and evaluating in science education.

• Annual Conference on Human and Language Technology
• /
• 2022.10a
• /
• pp.125-130
• /
• 2022

최근 자연어처리 연구로 지식 기반 대화에서 대화 내용에 자유로운 주제와 다양한 지식을 포함하는 연구가 활발히 이루어지고 있다. 지식 기반 대화는 대화 내용이 주어질 때 특정 지식 정보를 포함하여 이어질 응답을 생성한다. 이때 대화에 필요한 지식이 검색 가능하여 선택에 제약이 없는 오픈 도메인(Open-domain) 지식 기반 대화가 가능하도록 한다. 오픈 도메인 지식 기반 대화의 성능 향상을 위해서는 대화에 이어지는 자연스러운 답변을 연속적으로 생성하는 응답 생성 모델의 성능 뿐만 아니라, 내용에 어울리는 응답이 생성될 수 있도록 적합한 지식을 선택하는 지식 검색 모델의 성능 향상도 매우 중요하다. 본 논문에서는 오픈 도메인 지식 기반 한국어 대화에서 지식 검색 성능을 높이기 위해 밀집 벡터 기반 검색 방식과 주제어(Keyword) 기반의 검색 방식을 함께 사용하는 것을 제안하였다. 먼저 밀집 벡터 기반의 검색 모델을 학습하고 학습된 모델로부터 고난도 부정(Hard negative) 지식 후보를 생성하고 주제어 기반 검색 방식으로 고난도 부정 지식 후보를 생성하여 각각 밀집 벡터 기반의 검색 모델을 학습하였다. 성능을 측정하기 위해 전체 지식 중에서 하나의 지식을 검색했을 때 정답 지식인 경우를 계산하였고 고난도 부정 지식 후보로 학습한 주제어 기반 검색 모델의 성능이 6.175%로 가장 높은 것을 확인하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2011.06a
• /
• pp.247-250
• /
• 2011

본 연구는 단일 문서로부터 문서가 내포하고 있는 지식정보를 지식구조 혹은 인지스키마로 불리는 형태로 자동 생성하는 기법을 제안한다. 제안된 기법을 이용하여 자동 생성된 지식구조는 실제 문서 학습자의 학습 전, 후의 지식구조, 문서의 해당 지식을 명확히 알고 있는 도메인 전문가의 지식구조와의 유사도 측정을 통해 검증하였다. 자동 생성된 지식구조는 학습자의 학습 후 지식구조, 전문가 지식구조와 상당한 유사성을 보이며, 문서의 지식 정보를 인지적인 관점에서 정교하게 표현 하고 있음을 확인하였다. 이는 기존의 단어 기반의 정보 기술들에서 더욱 고차원적인 지식 정보를 활용한 지식구조 기반 정보 기술의 연구 가능성을 제시한다.

• Proceedings of the KAIS Fall Conference
• /
• 2005.05a
• /
• pp.105-107
• /
• 2005

이 논문은 지식정보 자원 통합 및 상호운용성 제공을 위한 국가 수준의 지식정보자원의 자동 생성 및 유통 시스템의 주요한 특징을 기술한다. 국가 지식정보 관리시스템들은 지식 유형과 지식관리 역할을 수행하는 종합정보센터에 따라 생성 자원 유형 및 유통 메커니즘이 상이하며, 다양하게 분류된다. 이러한 상호운용의 문제점을 해결하기 위해서는 시스템간의 표준화된 지식정보 공유 기능 제공을 위한 국가 지식 정보자동 생성 및 유통 표준 모델의 설계가 요구된다. 이를 위해 설계된 모델은 분산 아키텍처 모델, 프로세스 모델 및 서비스 운영 모델로 구성되며, 국가 지식정보 공유를 위한 생성 및 유통 시스템의 개선, 신규 시스템의 설계 및 개발을 위한 참조모델로서 활용할 수 있다.

• 한국IT서비스학회:학술대회논문집
• /
• 2003.05a
• /
• pp.428-435
• /
• 2003

Post-Genome 시대의 Biotechnology(BT) 산업에 세계적으로 관심과 투자가 증가하고 있다. BT 산업은 기술 및 지식 집약적 특성상 R&D 활동이 중요하기에 BT 연구실의 실험 생산성 증가에 대한 연구가 필요하다. 이와 관련하여 연구실 지식경영과 지식경영시스템활용에 관한 연구가 활발히 진행되고 있다. 하지만 그 초점이 연구 지식들의 조직화, 체계화 및 검색기능 등의 원활한 지식 공급 시스템 구축에 있기에 효율적이고 효과적인 지식 생성 방안을 제시해 주지 못하고 있다. 이에 본 연구는 실험실 내 데이터 처리 및 통합 관리 역할을 해온 LIMS(Laboratory Information Management System)를 활용하여 실험 데이터들로부터 실험 디자인을 위한 효율적이고 효과적인 형식지(Explicit Knowledge)의 생성을 목적으로 하는 지식 생성 툴(Knowledge Creation Tool)을 설계하였다. 또한 상기 모델을 적용하여 실제 어떠한 형태로 지식이 생성되는지 A대학교 B유전자 연구실의 실험 데이터로 실증 분석해 보았다.

• Proceedings of the Korea Database Society Conference
• /
• 1999.06a
• /
• pp.75-84
• /
• 1999

본 논문에서는 지식에 대한 개념을 정의하기 보다 지식의 life-cycle을 통한 지식의 생성과 소멸을 모델화함으로 지식을 설명하려 한다. 본 논문은 노나카의 지식 창조 모델을 기반으로 하고 기존의 KMS들을 분석하여 일반적인 지식 life-cycle 모델을 도출하였으며, 기존 모델의 문제점을 보완하여 새로운 지식 life-cycle 모델을 만들었다. 이 모델과 앞으로의 지식관리 시스템 발전 방향을 고려하여 지식 관리 시스템 아키텍쳐를 제시하였다. 본 논문에서는 이 아키텍쳐를 근거로 지식 관리 시스템을 구현하기 위한 6개의 컴포넌트를 도출하였다 6개의 컴포넌트는 지식 생성, 지식 분배, 지식 측정, 지식연결, 지식 검색, 지식 저장이다. 이 컴포넌트들로 지식 관리 시스템의 prototype을 구현해 본 결과 지식life-cycle을 단계적, 부분적으로 지원하지만 부족한 부분이 있는 것을 발견하였다. 향후에는 지식 생성과 지식 연결 컴포넌트를 강화하여 전체적인 지식 life-cycle을 지원할 예정이다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 1999.03a
• /
• pp.75-84
• /
• 1999

본 논문에서는 지식에 대한 개념을 정의하기 보다 지식의 life-cycle을 통한 지식의 생성과 소멸을 모델화함으로 시식을 설명하려 한다. 본 논문은 노나카의 지식 창조 모델을 기반으로 하고 기존의 KMS들을 분석하여 일반적인 지식 life-cycle 모델을 도출하였으며, 기존 모델의 문제점을 보완하여 새로운 지식 life-cycle 모델을 만들었다. 이 모델과 앞으로의 지식관리 시스템 발전 방향을 고려하여 지식 관리 시스템 아키텍쳐를 제시하였다. 본 논문에서는 이 아키텍쳐를 근거로 지식 관리 시스템을 구현하기 위한 6개의 컴포넌트를 도출하였다. 6개의 컴포넌트는 지식 생성, 지식 분배, 지식 측정, 지식 연결, 지식 검색, 지식 저장이다. 이 컴포넌트들로 지식 관리 시스템의 prototype을 구현해 본 결과 지식 life-cycle을 단계적, 부분적으로 지원하지만 부족한 부분이 있는 것을 발견하였다. 향후에는 지식 생성과 지식 연결 컴포넌트를 강화하여 전체적인 지식 life-cycle을 지원할 예정이다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 1999.10a
• /
• pp.131-137
• /
• 1999

전문가시스템 개발에 있어서 지식획득 병목현상(knowledge acquisition bottleneck)은 해결해야 할 큰 걸림돌중 하나이다. 지식획득을 위한 여러 과정을 단순화하고 자동화함으로 지식공학자의 작업을 최소화하면서 전문지식을 쉽고 빠르게 획득할 수 있도록 지식획득시스템을 설계·구현한다면 전문가시스템의 대중화는 지금보다 쉽게 이루어질 것이다. 본 연구는 지식 획득시스템 설계와 구현을 위한 연구의 일환으로 기계학습의 한 방법인 PIPPER(Repeated Incremental Pruning to Produce Error Reduction)를 이용하여 규칙을 생성하고 생성된 규칙을 JESS(Justification based Expert System Shell)에서 처리하도록 하였다. 규칙을 생성하기 위한 데이터는 Bohanec이 1997년도에 만든 자동차 평가 데이터베이스(Car Evaluation Database)를 사용하여 실험하였으며, 1700여 개의 레코드에서 약 40개의 규칙이 생성되었고, 생성된 규칙은 지식베이스의 정당성을 위반하지 않으면서 실행되었다.