• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2002년도 가을 학술발표논문집 Vol.29 No.2 (2)
• /
• pp.310-312
• /
• 2002

본 논문에서는 E-mail을 적용한 지능형 E-mail 지식관리시스템을 제안하고자 한다. E-mail은 사용자에게 익숙하고, 정형화된 정보로 표현이 쉽고, 이미 많이 구축되어 있는 시스템이다. 이러한 E-mail의 정보를 활용하여 사용자에 따라 지식을 평가하고, 지식그룹 생성이 가능한 지식 관리 시스템을 설계한다. 이를 위해서 클러스터링을 이용해 지식간의 유사 정도에 따라 유사한 지식을 그룹화 시키는 지식그룹(Knowledge Group) 생성 알고리즘을 제안하고 사용자의 선호도(preference)를 반영하기 위해 사용자 프로파일(User Profile)을 설계하고, 사용자의 선호도에 적합한 지식을 검색하는고리즘을 제안한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2000년도 추계학술발표논문집 (상)
• /
• pp.395-398
• /
• 2000

정보 인프라를 기반으로 지식경영의 패러다임이 전개되고 있는 시점에서 지식의 생성 및 활용에 많은 연구가 진행되어지고 있다. 그러나 지식 창출 및 활용에 대한 뚜렷한 방법론 및 효율적인 지식관리모델의 부재로 개발된 지식관리시스템이 해당 지식의 적극적인 생성 및 활용을 유도할 수 없었다. 이에 따라 본 연구에서는 인터넷 기술을 활용하여 연구분야의 연구지식관리시스템 개발의 효과적인 방법론을 제시하고 제시된 방법에 따른 시스템 개발과 2년 간의 시범운영을 통해 문제점을 발견하고 그 해결 방안을 제시하였다.

• 한국경영과학회지
• /
• 제14권2호
• /
• pp.27-42
• /
• 1989

REA 모델은 EA 모델의 구성요소인 측면을 역할측면, 연산측면, A-PART-OF 측면, IS-A 측면, 속송측면 등의 5개 측면으로 분류한 모델이다. EATPS 는 사용자 인터페이스모듈, 지식생성 모듈, 인스턴스 관리 모듈, 스키마 구조관리 모듈, 무걸성검사 모듈등의 5개 모듈로 구성된 지능적 지식표현 시스템의 REA 모델에 의해 대화식 (interactive) 으로 생성하고 관리한다. 본눈문에서는 EATPS 의 구성과 기능, 지식 정의언어인 EAKDL 의 구조및 대화식 형성, 지식생성 모듈의 구성과 기넝, 클래스 생성 모듈의 기능과 알고리즘, 그리고 상속추론메카니즘을 도입한 생성모듈의 기능 및 알고리즘을 제시하였다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2023년도 제35회 한글 및 한국어 정보처리 학술대회
• /
• pp.409-414
• /
• 2023

최근 지식 기반 대화 생성에 많은 연구자가 초점을 맞추고 있다. 특히, 특정 도메인에서의 작업 지향형 대화 시스템을 구축하는 것은 다양한 도전 과제가 있으며, 이 중 하나는 거대 언어 모델이 입력과 관련된 지식을 활용하여 응답을 생성하는 데 있다. 하지만 현재 거대 언어 모델은 작업 지향형 대화에서 단순히 정보를 열거하는 방식으로 응답을 생성하는 경향이 있다. 이 논문에서는 전문 지식과 대화 정책 예측 모델을 결합한 프롬프트를 제시하고 작업 지향형 대화에서 사용자의 최근 입력에 대한 정보 제공 및 일상 대화를 지원하는 가능성을 탐구한다. 이러한 새로운 접근법은 모델 파인튜닝에 비해 비용 측면에서 효율적이며, 향후 대화 생성 분야에서 발전 가능성을 제시한다.

• 한국시뮬레이션학회:학술대회논문집
• /
• 한국시뮬레이션학회 1997년도 춘계 학술대회 발표집
• /
• pp.18-22
• /
• 1997

FMS를 포함한 다양한 형태의 생산 시스템에 있어서 일정계획문제는, 고가의 생산 설비를 효율적으로 운영한다는 의미에서 점점 더 중요해지고 있다. 일정 계획문제를 해결하 기 위하여 많은 방법들이 제시되었고 지금 현재도 다양한 방법들이 시도되고 있다. 이런 많 은 방법중에서 최적해를 구하는 수리계획법이 가장 우수한 대안을 제시하는 것으로 알려져 있지만, 최적해를 구하는 데 상당히 많은 시간이 필요한 것으로 알려져 있다. 다음으로 우 선 순위 규칙을 제공하는 방법은 짧은 시간을 이용하여 어느 정도 효율적인 일정계획을 제 시하지만, 생산 시스템의 구성과 상황에 따라서 가장 적합한 우선 순위 규칙이 변한다고 알 려져 있다. 이런 상황에 대응하여 시스템의 구성과 상황에 가장 적합한 규칙을 제안하는 전 문가시스템들이 연구되고 있다. 본 연구는 일정계획을 실시간에 수립하는 스케쥴러를 위한 지식을 획득하는 Intelligent Simulator 개발에 관한 연구이다. 일정계획을 위한 인공지능형 스케쥴러를 구축하는데 있어서 가장 큰 난관은 지식을 어떻게 획득할 것인가 하는 점이다. 이런 지식획득의 방법으로 주로 사용되는 벙법은 인간 전문가의 지식을 추출하는 방법이 있 다. 그러나 인간 전문가가 없거나 인간전문가의 지식으로는 부족한 경우에는 기계학습을 통 하여 지식을 추출한다. 기계학습을 위하여는 반드시 많은 case들을 통하여 지식을 획득하 게 되는 데 이런 case의 축적을 위하여는 실제의 시스템을 운영해본다는 것은 많은 비용을 필요로 한다. 이때 필요한 경험의 생성을 위하여 시뮬레이션은 그 중요한 효용성이 있어서 많은 연구자들이 사용하였다. 그러나 경험을 다 생성한 후 그 경험으로부터 지식을 획득하 다보니 서로 다른 방법의 사용에 의하여 동일한 경험으로부터 서로 다른 지식이 생성되는 가능성이 있다. 본 논문은 시뮬레이션이 계속 수행되는 상황하에서 일정계획에 관련된 지식 을 획득하여 축적할 수 있는 Intelligent Simulator의 개발에 관한 연구이다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2018년도 추계학술발표대회
• /
• pp.896-899
• /
• 2018

고령사회에 대응하기 위한 휴먼케어 서비스 로봇은 다양한 동적 환경에서 사용자에게 최적의 서비스를 제공하기 위해 서비스 선택 엔진을 요구한다. 서비스 선택 엔진은 로봇이 수집한 각종 원시 데이터를 활용하여 계층적으로 상위 수준의 정보로 가공하고 최종 단계에서는 휴먼케어 전문가가 설계한 규칙에 의해 사용자에게 제공할 서비스를 선택한다. 본 논문에서는 휴먼케어 서비스 로봇을 위해 기계학습 기반의 지식 생성과 규칙 기반의 지식 생성을 함께 활용하여 하이브리드 형태로 계층적 지식을 생성하고, 생성된 지식을 바탕으로 서비스를 선택하는 메커니즘을 제공할 수 있는 서비스를 선택 엔진 내용을 설명한다.

• 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.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2022년도 제34회 한글 및 한국어 정보처리 학술대회
• /
• pp.219-224
• /
• 2022

최근 딥러닝이 상식 정보를 추론하지 못하거나, 해석 불가능하다는 한계점을 보완하기 위해 지식 그래프를 기반으로 자연어 텍스트를 생성하는 연구가 중요하게 수행되고 있다. 그러나 이를 위해서 대량의 지식 그래프와 이에 대응되는 문장쌍이 요구되는데, 이를 구축하는 데는 시간과 비용이 많이 소요되는 한계점이 존재한다. 또한 하나의 그래프에 다수의 문장을 생성할 수 있기에 구축자 별로 품질 차이가 발생하게 되고, 데이터 균등성에 문제가 발생하게 된다. 이에 본 논문은 공개된 지식 그래프인 디비피디아를 활용하여 전문가의 도움 없이 자동으로 데이터를 쉽고 빠르게 구축하는 방법론을 제안한다. 이를 기반으로 KoBART와 mBART, mT5와 같은 한국어를 포함한 대용량 언어모델을 활용하여 문장 생성 실험을 진행하였다. 실험 결과 mBART를 활용하여 미세 조정 학습을 진행한 모델이 좋은 성능을 보였고, 자연스러운 문장을 생성하는데 효과적임을 확인하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 봄 학술발표논문집 Vol.28 No.1 (B)
• /
• pp.373-375
• /
• 2001

국내에서는 한국어 생성에 있어서 기계 번역에 기반한 자연스러운 한국어 문장(sentence)의 생성에 관한 연구가 주로 이루어졌었다. 반면에 다양한 지식원으로부터 여러 문장이 긴밀히 결합되어 하나의 텍스트를 생성하는 텍스트 생성에 관한 연구는 거의 이루어지지 않았었다. 문장 단위의 기계 번역에서의 한국어 생성과는 또 다른 다양한 논점을 가지고있는 텍스트 생성에 관해, 본 논문에서는 테이터베이스를 지식원으로 하여 하나의 일관된 정보를 전달하는 단락 단위의 자연스러운 한국어 텍스트를 생성하는 시스템을 제안한다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2018년도 제30회 한글 및 한국어 정보처리 학술대회
• /
• pp.425-429
• /
• 2018

지식 그래프는 많은 수의 개채와 이들 사이의 관계를 저장하고 있기 때문에 많은 연구에서 중요한 자원으로 활용된다. 최근에는 챗봇과 질의응답과 같은 연구에서 자연어 생성을 위한 연구에 활용되고 있다. 특히 자연어 생성에서 최근 발전 된 심층 신경망이 사용되고 있는데, 이러한 방식은 모델 학습을 위한 많은 양의 데이터가 필요하다. 즉, 심층신경망을 기반으로 지식 그래프에서 문장을 생성하기 위해서는 많은 트리플과 문장 쌍 데이터가 필요하지만 학습을 위해 사용하기엔 데이터가 부족하다는 문제가 있다. 따라서 본 논문에서는 데이터 부족 문제를 해결하기 위해 핵심어 시퀀스를 추출하여 학습하는 방법을 제안하고, 학습된 모델을 통해 트리플을 입력으로 하여 자연어 문장을 생성한다. 부족한 트리플과 문장 쌍 데이터를 대체하기 위해 핵심어 시퀀스를 추출하는 모듈을 사용해 핵심어 시퀀스와 문장 쌍 데이터를 생성하였고, 순환 신경망 기반의 인코더 - 디코더 모델을 사용해 자연어 문장을 생성하였다. 실험 결과, 핵심어 시퀀스와 문장 쌍 데이터를 이용해 학습된 모델을 이용해 트리플에서 자연어 문장 생성이 원활히 가능하며, 부족한 트리플과 문장 쌍 데이터를 대체하는데 효과적임을 밝혔다.