• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2019년도 제59차 동계학술대회논문집 27권1호
• /
• pp.283-284
• /
• 2019

규칙 기반의 챗봇(Chatbot)은 개발자가 미리 지정한 키워드와 패턴을 통해 사용자의 의도(Intent)를 파악하기 때문에, 챗봇을 응용한 어플리케이션에서는 제한적인 활용도를 보인다. 본 논문에서는 위 문제를 해결하기 위해, 프레임워크 기반의 한글 자연어 처리 챗봇 성능 향상을 위한 점진 학습(Incremental Learning)을 제안한다. DialogFlow는 규칙 기반의 챗봇 프레임워크로서, 사용자 질의 패턴에 대한 사전 학습이 치명적이다. 제안하는 점진 학습 기법은 사용자 질의가 미리 학습되어 있지 않은 경우에도, 유사도 기반으로 질의의 의도를 결정할 수 있다. 이때 entity 조합과 기존에 학습된 질의들과의 유사도를 통해 의도를 결정하여, 프레임워크를 점진적으로 학습한다. 이를 적용하여 연세대학교 정보들을 제공하는 챗봇을 개발하고, 실험을 통해 제안된 점진 학습 기법은 기존 시스템보다 다양한 종류의 질의 처리가 가능하고, 더욱 빠른 응답 속도를 나타내는 것을 확인하였다. 또한 사용자가 증가함에 따라 점진 학습을 통해 성능이 더욱 증가하는 자가 학습 모형으로서의 우수함을 확인하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제35권7호
• /
• pp.405-416
• /
• 2008

본 연구는 기반 통합 검색의 한계를 극복하고자, 인스턴스를 등록하고 관리하는 URI 서버를 이용하여 개체 페이지를 구성하는 방식의 통합 검색 방안을 제안한다. 키워드로 구성된 사용자 질의어와 매칭된 URI 서버 내의 인스턴스를 분석하여 최적 개체를 선정하고 단위 서비스들을 동시에 호출하는 방식으로 개체 페이지를 구성한다. 또한, 논문으로부터 자동 추출된 주제 정보를 대상으로 추론을 수행함으로써 인물, 기관, 위치 등에 대해서도 주제 중심의 심층적 정보 제공이 가능하다. 해외에서 실 서비스되고 있는 Citeseer, Google Scholar와의 통합 검색 결과 비교 실험과 사용성 평가를 통해 본 연구의 효용성을 실증한다.

• 정보과학회지
• /
• 제10권5호
• /
• pp.32-41
• /
• 1992

멀티미디어 데이터베이스에서는 영상(image), 음향(sound) 등과 같은 멀티미디어 데이터의 복잡한 구조로 인해 데이터 조작이 기존의 데이터베이스에서 처럼 단순하지 않다. 데이터베이스로부터 멀티미디어 데이터를 검색하는 데 있어서 중요한 것은 사용자의 질의와 멀티미디어 데이터의 내용(content)를 매칭하는 것이다. 일반적인 해결책은 키워드를 사용하거나 멀티미디어 데이터의 내용과 사용자 질의를 묘사하고 있는 텍스트 묘사(text description)를 사용하는 것이다. 이 때의 주된 문제점은 사용자나, 다른 시점의 같은 사용자가 동일한 개체(entity)를 다르게 서술하여 멀티미디어 데이터 내용의 묘사 (description) 와 사용자 질의의 묘사가 정확하게 매치되지 못한 데 있다. 그러므로 멀티미디어 데이터를 검색하는 동안에, 저장된 멀티미디어 데이터와 사용자 질의의 묘사들간에 근사(approximate) 매치가 통상 요구된다. 본 논문에서는 객체지향 및 자연어 인식 기법을 통하여 근사매치에 지능적(intelligent) 으로 접근하는 방법을 제안한다.