• 한국정보과학회논문지:소프트웨어및응용
• /
• 제36권9호
• /
• pp.732-748
• /
• 2009

시맨틱 웹 서비스 기술은 상황 인지의 실현을 위한 기반 기술로 다양한 자원들을 동적이고 유연하게 상호 융합하여 새로운 서비스를 생성한다. 유비쿼터스 컴퓨팅 기술이 현실화됨에 따라 웹 서비스를 구현하려는 연구가 활발하지만, 대부분이 웹 서비스 설계자의 최초 명세에 국한된 획일화된 서비스 결과만을 초래한다. 본 논문에서는 사용자 요구와 감지한 상황의 월드 모델을 분석하여 계획 시스템에 목표와 초기 상태로 입력하고 초기 상태로부터 목표를 달성하기 위한 일련의 작업들을 계획하는 동적 서비스 제공을 위한 모델링 방법을 제안한다. 제안한 방법론은 실세계로부터 감지한 월드모델을 OWL 도메인 온톨로지를 이용하여 서술논리 기반 온톨로지 추론을 통해 상황정보(context)를 추론한다. 상황정보는 서비스 도메인을 결정하며, 이에 해당하는 OWL-S 서비스 온톨로지를 계획 시스템에서 탐색할 서비스 명세로 활용한다. 계획 시스템은 초기 상태에서 목표 상태를 만족하는 하나 이상의 서비스를 탐색하고 실행 순서를 계획한다. 이 시스템은 STRIPS 형의 역방향 탐색 시스템으로 OWL-S 서비스를 AI 전통 계획 방법론에 근거하여 합성하여, 방대한 웹 서비스의 탐색 범위를 축소한다. 또한 패턴 매칭에 의해 실행 가능한 서비스를 찾지 못한 경우, DL기반의 시맨틱 매칭을 통해 대안이 되는 서비스를 찾는다. 제안한 방법은 비교연구인 OWLS-XPlan과 동일한 시나리오로 실험하여 기존 연구의 문제점을 해결하고, 동적 서비스 실현을 위한 모델링 방법으로써 가능성을 검증한다.

• 정보처리학회 논문지
• /
• 제13권2호
• /
• pp.48-59
• /
• 2024

하드웨어 자체적으로 가상화를 지원하는 기능들이 추가됨에 따라 다양한 작업 유형을 가진 사용자 어플리케이션들이 가상화 시스템에서 효율적으로 운용되고 있다. 가상화 지원 기능 중 SR-IOV는 PCI 장치에 대한 직접 접근을 통해 하이퍼바이저 또는 운영체제 개입을 최소화하여 시스템 성능을 높이는 기술로 베어-메탈 시스템 대비 비교적 긴 I/O 경로 및 사용자 영역과 커널 영역에 대한 빈번한 컨텍스트 스위칭 등 가상화 계층의 추가로 낮은 네트워크 성능을 가진 가상화 시스템에서 네트워크 I/O 가속화를 실현하게 해준다. 이러한 성능적 이점을 이용하기 위해 가상머신 또는 컨테이너와 같은 인스턴스에 SR-IOV를 접목할 시 최적의 네트워크 I/O 성능을 도출할 수 있는 네트워크 자원 관리 정책이 활발히 연구되고 있다. 본 논문은 I/O 가속화를 실현하는 SR-IOV의 네트워크 성능을 1) 네트워크 지연 시간, 2) 네트워크 처리량, 3) 네트워크 공정성, 4) 성능간섭, 5) 다중 네트워크와 같은 측면으로 세밀한 성능 평가 및 분석을 Virtio와 비교하여 진행한다. 본 논문의 기여점은 다음과 같다. 첫째, 가상화 시스템에서 Virtio와 SR-IOV의 네트워크 I/O 과정을 명확히 설명했으며, 둘째, Virtio와 SR-IOV의 네트워크 성능을 다양한 성능 메트릭을 기반으로 분석하였다. 셋째, 가상머신 밀집도가 높은 환경에서 SR-IOV 네트워크에 대한 시스템 오버헤드 및 이에 대한 최적화 가능성을 실험으로 확인하였다. 본 논문의 실험 결과 및 분석들은 스마트 팩토리, 커넥티드-카, 딥러닝 추론 모델, 크라우드 소싱과 같은 네트워크 집약적인 서비스들을 운용하는 가상화 시스템에 대한 네트워크 자원 관리 정책에 활용될 것으로 기대된다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권11호
• /
• pp.471-480
• /
• 2023

국내 건설수주 규모는 2013년 91.3조원에서 2021년 총 212조원으로 특히 민간부문에서 크게 성장하였다. 국내외 시장 규모가 성장하면서, EPC(Engineering, Procurement, Construction) 프로젝트의 규모와 복잡성이 더욱 증가되고, 이에 프로젝트 관리 및 ITB(Invitation to Bid) 문서의 위험 관리가 중요한 이슈가 되고 있다. EPC 프로젝트 발주 이후 입찰 절차에서 실제 건설 회사에게 부여되는 대응 시간은 한정적일 뿐만 아니라, 인력 및 비용의 문제로 ITB 문서 계약 조항의 모든 리스크를 검토하는데 매우 어려움이 있다. 기존 연구에서는 이와 같은 문제를 해결하고자 EPC 계약 문서의 위험 조항을 범주화하고, 이를 AI 기반으로 탐지하려는 시도가 있었으나, 이는 레이블링 데이터 활용의 한계와 클래스 불균형과 같은 데이터 측면의 문제로 실무에서 활용할 수 있는 수준의 지원 시스템으로 활용하기 어려운 상황이다. 따라서 본 연구는 기존 연구와 같이 위험 조항 자체를 정의하고 분류하는 것이 아니라, FIDIC Yellow 2017(국제 컨설팅엔지니어링 연맹 표준 계약 조건) 기준 계약 조항을 세부적으로 분류할 수 있는 AI 모델을 개발하고자 한다. 프로젝트의 규모, 유형에 따라서 세부적으로 검토해야 하는 계약 조항이 다를 수 있기 때문에 이와 같은 다중 텍스트 분류 기능이 필요하다. 본 연구는 다중 텍스트 분류 모델의 성능 고도화를 위해서 최근 텍스트 데이터의 컨텍스트를 효율적으로 학습할 수 있는 ELECTRA PLM(Pre-trained Language Model)을 사전학습 단계부터 개발하고, 해당 모델의 성능을 검증하기 위해서 총 4단계 실험을 진행했다. 실험 결과, 자체 개발한 ITB-ELECTRA 모델 및 Legal-BERT의 앙상블 버전이 57개 계약 조항 분류에서 가중 평균 F1-Score 기준 76%로 가장 우수한 성능을 달성했다.