• KIPS Transactions on Software and Data Engineering
• /
• v.5 no.11
• /
• pp.549-554
• /
• 2016

ConceptNet is a common sense knowledge base which is formed in a semantic graph whose nodes represent concepts and edges show relationships between concepts. As it is difficult to make knowledge base integrity, a knowledge base often suffers from incompleteness problem. Therefore the quality of reasoning performed over such knowledge bases is sometimes unreliable. This work presents neural tensor networks which can alleviate the problem of knowledge bases incompleteness by reasoning new assertions and adding them into ConceptNet. The neural tensor networks are trained with a collection of assertions extracted from ConceptNet. The input of the networks is two concepts, and the output is the confidence score, telling how possible the connection between two concepts is under a specified relationship. The neural tensor networks can expand the usefulness of ConceptNet by increasing the degree of nodes. The accuracy of the neural tensor networks is 87.7% on testing data set. Also the neural tensor networks can predict a new assertion which does not exist in ConceptNet with an accuracy 85.01%.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.10b
• /
• pp.244-249
• /
• 2006

모바일 기기에서 수집된 데이터를 바탕으로 사용자의 기억을 되살리거나 사용자 맞춤형 서비스를 제공하기 위해서는 사용자가 하루 동안 수행한 수많은 행동이나 겪은 사건들을 기록할 필요가 있다. 그러나 사용자의 하루 동안 발생한 모든 일을 보여주기 보다는 사용자에게 있어서 중요한 일만 보여주는 것이 사용자의 행동을 분석하고 사용자에게 맞는 서비스를 제공하는 데 더 도움이 될 것이다. 이전의 연구에서는 키그래프를 이용하여 사용자의 하루를 요약하려고 시도하였으나 사용자로부터 얻은 데이터에 직접 키그래프를 적용한 결과로 얻은 데이터는 사람이 직관적으로 그 중요성을 이해하기 힘들었다. 이를 해결하기 위해 보다 상위 수준의 정보에 키그래프를 적용하였다. 본 논문에서는 스마트 폰에서 수집된 GPS 위치 정보를 장소정보로 변경하여 컨셉넷에 입력하고 관련된 개념을 추출한다. 컨셉넷(ConceptNet)은 수많은 어휘들의 연관관계를 의미망 형태로 표현한 것으로 사람이 일상생활에서 이용하는 상식을 포함하고 있다. 컨셉넷에서 추출된 개념들로 문서를 생성하고 생성된 문서에 키그래프 알고리즘을 적용하여 사용자가 수행한 행동에 관련된 개념 중 핵심적인 개념을 추출한다. 이렇게 추출된 개념들은 사용자가 하루 동안 수행한 행동이나 경험을 요약할 수 있는 정보가 된다. 3명의 사용자로부터 수집한 데이터로 제안한 방법의 성능을 평가해 본 결과, 직관적으로 중요한 경험에 관계된 개념을 얻을 수 있었다.

• Journal of Internet Computing and Services
• /
• v.21 no.1
• /
• pp.79-85
• /
• 2020

Today, to block spam texts on smartphone, a simple string comparison between text messages and spam keywords or a blocking spam phone numbers is used. As results, spam text is sent in a gradually hanged way to prevent if from being automatically blocked. In particular, for words included in spam keywords, spam texts are sent to abnormal words using special characters, Chinese characters, and whitespace to prevent them from being detected by simple string match. There is a limit that traditional spam filtering methods can't block these spam texts well. Therefore, new technologies are needed to respond to changing spam text messages. In this paper, we propose a knowledge graph-based new words detection mechanism that can detect new words frequently used in spam texts and respond to changing spam texts. Also, we show experimental results of the performance when detected Korean new words are applied to the Naive Bayes algorithm.