• 제목/요약/키워드: 코아넷

검색결과 4건 처리시간 0.017초

WordNet을 매개로 한 CoreNet-SUMO의 매핑 (Mapping between CoreNet and SUMO through WordNet)

  • 강신재;강인수;남세진;최기선
    • 한국지능시스템학회논문지
    • /
    • 제21권2호
    • /
    • pp.276-282
    • /
    • 2011
  • CoreNet은 한-중-일 다국어 텍스트의 분석, 언어 간 변환을 포함한 자연어처리에 유용한 자원이다. CoreNet의 보다 광범위한 분야 및 응용에의 활용을 장려하고 다국어 어휘의미망으로서의 국제적 위상을 제고하기 위해 SUMO에 연결하는 작업을 하였다. CoreNet과 SUMO를 매핑하기 위해 간접 매핑과 직접 매핑 방법을 모두 사용하였는데, CoreNet-KorLex-PWN-SUMO에 이르는 간접 매핑 작업을 통하여 한국어 중심의 CoreNet과 영어로 기술된 SUMO의 언어 간 변환의 어려움을 완화하고 CoreNet 개념에 대응하는 SUMO 클래스의 재현율을 극대화하였다.

식생매트가 국화 'Ford'의 발근 및 생육에 미치는 영향 (Effects of Different Mat-Types on the Rooting and Growth in Dendranthema grandiflorum 'Ford')

  • 남유경;이진희;정기령
    • 생물환경조절학회지
    • /
    • 제20권4호
    • /
    • pp.341-345
    • /
    • 2011
  • 이 연구는 화단용 국화의 식재 효율성을 높이기 위한 목적으로 기존에 개발된 식생매트에 삽수를 이용하여 최적의 매트조건을 구명하고자 수행하였다. 8가지 처리 조건의 매트에 Dendranthema grandiflorum 'Ford'를 삽목하고 난 후 50일 후 생육을 조사한 결과, 매트 내 뿌리 분포는 10mm 두께의 중간에 배양토를 삽입한 coir net(C 처리)에서 가장 좋았고, 초장과 지상부 생체중도 각각 29cm, 5.6g으로 동일 조건에서 가장 높은 값을 나타냈다. 뿌리가 형성된 매트를 포장에 정식 40일 후 초장은 12mm 두께의 중간에 배양토를 삽입한 Jute net가 가장 좋았으나, 지상부 생체중은 C 처리와 차이가 없었다. 매트 내 뿌리 형성과 정식 후 삽수 길이별 생육은 길이 5cm인 삽수가 3과 8cm인 것 보다 좋은 결과를 나타냈다.

머신러닝 기반 안드로이드 모바일 악성 앱의 최적 특징점 선정 및 모델링 방안 제안 (Modeling and Selecting Optimal Features for Machine Learning Based Detections of Android Malwares)

  • 이계웅;오승택;윤영
    • 정보처리학회논문지:소프트웨어 및 데이터공학
    • /
    • 제8권11호
    • /
    • pp.427-432
    • /
    • 2019
  • 모바일 운영체제 중 안드로이드의 점유율이 높아지면서 모바일 악성코드 위협은 대부분 안드로이드에서 발생하고 있다. 그러나 정상앱이나 악성앱이 진화하면서 권한 등의 단일 특징점으로 악성여부를 연구하는 방법은 유효성 문제가 발생하여 다양한 특징점 추출 및 기계학습을 통해 이를 극복하고자 한다. 본 논문에서는 APK 파일에서 구동에 필요한 다섯 종류의 특징점들을 안드로가드라는 정적분석 툴을 사용하여 학습데이터의 특성을 추출한다. 또한 추출된 중요 특징점을 기반으로 모델링을 하는 세 가지 방법을 제시한다. 첫 번째 방법은 보안 전문가에 의해 엄선된 132가지의 특징점 조합을 바탕으로 모델링하는 것이다. 두 번째는 학습 데이터 7,000개의 앱에서 발생 빈도수가 높은 상위 99%인 8,004가지의 특징점들 중 랜덤포레스트 분류기를 이용하여 특성중요도가 가장 높은 300가지를 선정 후 모델링 하는 방법이다. 마지막 방법은 300가지의 특징점을 학습한 다수의 모델을 통합하여 하나의 가중치 투표 모델을 구성하는 방법이다. 추가적으로 오탐률 및 미탐률을 개선하기 위해 권한 정보를 모두 제외하여 특징점을 재구성하고 위와 같은 환경으로 모델링하였다. 최종적으로 가중치 투표 모델인 앙상블 알고리즘 모델을 사용하여 97.8%로 정확도가 개선되었고 오탐률은 1.9%로 성능이 개선된 것이 확인되었다.