• Proceedings of the Korean Information Science Society Conference
• /
• 2007.10c
• /
• pp.301-304
• /
• 2007

Role-Playing Game (RPG)에서는 플레이어가 조종하는 캐릭터 외에도 컴퓨터가 조종하는 Non-Player Character(NPC)가 등장한다. 플레이어는 NPC와 이러한 상호 작용들을 통해 점점 게임의 세계관을 이해하면서 게임에 몰입할 수 있게 된다. 이를 위해서 일반적으로 시나리오나 세계관에 따라 필요한 NPC를 생성, 배치하고 적당한 대사와 퀘스트를 부여한다. 그러나 이러한 구조에서는 NPC는 항상 정해진 정적인 대사만을 할 수 있다. 그 결과, 플레이어들은 NPC와 플레이 시간이 길어질수록 반복되는 대사에 흥미를 잃고 점점 대사를 읽지 않고 진행에 필요한 부분만을 얻어내려 하게 된다. 또한 이러한 구조는 게임 콘텐츠를 추가하고자 할 때, 새로 생성하는 NPC의 대사를 전부 새로 작성해야 하는 단점도 존재한다. 본 논문에서는 이러한 동적인 게임 환경 구축을 위한 방법으로 온톨로지 기반의 대화 생성 시스템을 제안한다. 제안하는 시스템은 플레이어가 NPC와 대화하고 싶은 내용과 관련된 키워드를 제시하면 온톨로지를 이용하여 제시한 키워드와 관련이 있고, 현재 상황과 조건이 맞는 대화나 퀘스트를 제공한다. 그 결과, 유저와의 상호 작용이 중요해지므로 플레이어의 게임 몰입도를 더욱 높일 수 있다. 또한 시스템 구축 과정에서 생성되는 온톨로지를 이용하여 다른 다양한 기능들을 추론할 수 있는 장점이 있다.

• 한국IT서비스학회:학술대회논문집
• /
• 2002.06a
• /
• pp.268-274
• /
• 2002

현재 대부분의 대학 입시정보시스템은 ARS 및 웹기반의 서비스를 병행하여 제공하고 있다. 기존 ARS 기반 시스템의 단점은 전화버튼만으로 입력이 제한된다는 점과 시스템의 구축 및 유지보수가 용이하지 않다는 점이다. 이러한 문제점을 해결하기 위하여 전화버튼뿐만 아니라 음성인식에 의한 입력이 가능한 VoiceXML 음성 애플리케이션을 도입하였다. VoiceXML 및 음성 애플리케이션을 활용하여 입시정보시스템을 설계 및 구현해 본 결과 이러한 문제점들을 상당부분 해결할 수 있었다. 그리고 미리 연관된 키워드를 등록하여 다양한 입력옵션을 제공함으로써 자연어 처리가 좀더 용이해졌다. 이는 XML의 최대장점인 다양한 확장성과 응용성이 향상되는 것이며 사용자에게 기존 시스템보다 훨씬 개선된 사용자 인터페이스를 제공할 수 있게 된 것이다. 또한 기존 웹기반의 서비스에 쉽게 연동이 가능하고 유지보수 또한 기존 시스템보다 쉽게 할 수 있다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.11b
• /
• pp.139-141
• /
• 2005

최근 인터넷의 발달에 따라 XML 문서의 사용과 각종 영상정보의 양이 크게 증가되었다. 이에 따라 XML 문서를 관리하기 위한 XML 데이터베이스의 필요성과 메타데이터 표준화에 대한 중요성이 증가되고 있다. XML 데이터베이스는 XML 문서의 특성을 고려하여 그 특성을 효율적으로 지원할 수 있다. 또한 국내에서는 교육정보분야 메타데이터 표준인 KEM 2.0이 제정 되었고 국외에서는 멀티미디어 데이터에 대한 표준으로 MPEG-7이 제정이 되었다. 이에 따라 본 논문에서는 MPEG-7을 기반으로 KEM 2.0을 이용한 영상정보 XML 스키마를 생성하고 이를 이용한 영상정보 검색시스템을 XML 데이터베이스 기반으로 설계하고자 한다. 본 논문에서 설계하는 XML 데이터베이스 기반의 영상정보 검색시스템은 XML 문서에 대한 빠른 저장과 검색이 가능할 것이다. 또한 검색 기능에 있어서는 키워드 기반의 의미기반 검색과 유사 이미지를 통한 내용기반 검색, 그리고 이를 내용기반과 의미기반을 통합한 검색 기능을 제공할 것이며 XML 문서에 대한 강력한 질의 수단인 XQuery 질의를 포함하게 될 것이다.

• Journal of Intelligence and Information Systems
• /
• v.27 no.1
• /
• pp.103-128
• /
• 2021

Recently, investors' interest and the influence of stock-related information dissemination are being considered as significant factors that explain stock returns and volume. Besides, companies that develop, distribute, or utilize innovative new technologies such as artificial intelligence have a problem that it is difficult to accurately predict a company's future stock returns and volatility due to macro-environment and market uncertainty. Market uncertainty is recognized as an obstacle to the activation and spread of artificial intelligence technology, so research is needed to mitigate this. Hence, the purpose of this study is to propose a machine learning model that predicts the volatility of a company's stock price by using the internet search volume of artificial intelligence-related technology keywords as a measure of the interest of investors. To this end, for predicting the stock market, we using the VAR(Vector Auto Regression) and deep neural network LSTM (Long Short-Term Memory). And the stock price prediction performance using keyword search volume is compared according to the technology's social acceptance stage. In addition, we also conduct the analysis of sub-technology of artificial intelligence technology to examine the change in the search volume of detailed technology keywords according to the technology acceptance stage and the effect of interest in specific technology on the stock market forecast. To this end, in this study, the words artificial intelligence, deep learning, machine learning were selected as keywords. Next, we investigated how many keywords each week appeared in online documents for five years from January 1, 2015, to December 31, 2019. The stock price and transaction volume data of KOSDAQ listed companies were also collected and used for analysis. As a result, we found that the keyword search volume for artificial intelligence technology increased as the social acceptance of artificial intelligence technology increased. In particular, starting from AlphaGo Shock, the keyword search volume for artificial intelligence itself and detailed technologies such as machine learning and deep learning appeared to increase. Also, the keyword search volume for artificial intelligence technology increases as the social acceptance stage progresses. It showed high accuracy, and it was confirmed that the acceptance stages showing the best prediction performance were different for each keyword. As a result of stock price prediction based on keyword search volume for each social acceptance stage of artificial intelligence technologies classified in this study, the awareness stage's prediction accuracy was found to be the highest. The prediction accuracy was different according to the keywords used in the stock price prediction model for each social acceptance stage. Therefore, when constructing a stock price prediction model using technology keywords, it is necessary to consider social acceptance of the technology and sub-technology classification. The results of this study provide the following implications. First, to predict the return on investment for companies based on innovative technology, it is most important to capture the recognition stage in which public interest rapidly increases in social acceptance of the technology. Second, the change in keyword search volume and the accuracy of the prediction model varies according to the social acceptance of technology should be considered in developing a Decision Support System for investment such as the big data-based Robo-advisor recently introduced by the financial sector.

• 한국어정보학회:학술대회논문집
• /
• 2017.10a
• /
• pp.116-121
• /
• 2017

cQA(Community-based Question Answering) 시스템은 온라인 커뮤니티를 통해 사용자들이 질문을 남기고 답변을 작성할 수 있도록 만들어진 시스템이다. 신규 질문이 인입되면, 기존에 축적된 cQA 저장소에서 해당 질문과 가장 유사한 질문을 검색하고, 그 질문에 대한 답변을 신규 질문에 대한 답변으로 대체할 수 있다. 하지만, 키워드 매칭을 사용하는 전통적인 검색 방식으로는 문장에 내재된 의미들을 이용할 수 없다는 한계가 있다. 이를 극복하기 위해서는 의미적으로 동일한 문장들로 학습이 되어야 하지만, 이러한 데이터를 대량으로 확보하기에는 어려움이 있다. 본 논문에서는 질문이 제목과 내용으로 분리되어 있는 대량의 cQA 셋에서, 질문 제목과 내용을 의미 벡터 공간으로 사상하고 두 벡터의 상대적 거리가 가깝게 되도록 학습함으로써 의사(pseudo) 유사 의미의 성질을 내재화 하였다. 또한, 질문 제목과 내용의 의미 벡터 표현(representation)을 위하여, semi-training word embedding과 CNN(Convolutional Neural Network)을 이용한 딥러닝 기법을 제안하였다. 유사 질문 검색 실험 결과, 제안 모델을 이용한 검색이 키워드 매칭 기반 검색보다 좋은 성능을 보였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.07a
• /
• pp.527-528
• /
• 2022

빠르게 변하는 환경에 맞춰 평생 교육이 일반화되고 개인에게 요구되는 학습량은 많아지고 있으며 높아진 학습량에 맞게 학습 시간 단축과 효율적인 학습을 위한 학습 방법을 선택하는 것이 중요해지고 있다. 본 논문에서는 학습 정리를 위해 작성한 문서를 분석하여 해당 문서와 관련된 문서를 제안하고 본 문서와 엮어 학습을 위한 문서 묶음을 만들 수 있는 시스템을 제안한다. 문서의 유사도, 중요도를 구할 수 있는 TF-IDF를 이용하여 문서를 분석해 키워드를 추출한 다음 그와 관련된 문서를 제안하고 문서 묶음을 만들어 조회할 수 있도록 한다. 이 시스템은 학습 정리 시 관련 문서를 함께 볼 수 있도록 하고, 필요하다면 묶음으로 만들어 효과적인 학습을 위한 도구로 이용할 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.466-469
• /
• 2021

최근 자연어 처리에 대한 관심이 증가함에 따라 자연어 처리 기술을 활용한 다양한 추천 시스템이 등장하고 있다. 본 논문에서는 자연어 처리를 이용한 서비스를 개발한다. 본 논문에서 개발한 서비스는 KoNLPy 와 Word2Vec 을 이용하여 크라우드 펀딩 프로젝트 창작자 및 후원자에게 키워드 및 키워드와 유사한 단어가 제목에 포함되는 프로젝트를 추천해준다. 단문 텍스트로서 프로젝트 제목을 사용하여 데이터를 자연어 처리 한 후, 딥러닝 모델에 적용시켜 추출한 데이터를 기반으로 창작자와 후원자에게 추천해주는 방식이다. 따라서 본 서비스는 프로젝트 제목 정보를 통한 추천 시스템의 개발로, 나아가 영화, 도서와 같은 콘텐츠 추천 분야에도 적용할 수 있을 것으로 기대한다.

• Proceedings of the KAIS Fall Conference
• /
• 2006.11a
• /
• pp.239-241
• /
• 2006

비디오 데이터를 효율적으로 처리하기 위해서는 비디오 데이터가 가지고 있는 내용에 대한 정보를 데이터베이스에 저장하고 사용자들의 다양한 질의를 처리할 수 있는 의미기반 검색 기법이 요구된다. 본 논문에서는 사용자의 키워드 학습과 비교 영역 학습을 이용하여 대용량의 비디오 데이터에 대한 사용자의 다양한 의미검색을 지원하는 에이전트 기반에서의 자동화된 비디오 검색 시스템을 제안한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2006.11a
• /
• pp.153-156
• /
• 2006

최근 개인 컴퓨터에 저장되는 다양한 미디어 정보에 대한 검색요구가 크게 대두되면서, 다양한 데스크톱 검색 시스템이 출현하고 있다. 그러나, 기존 데스크톱 검색 시스템은 파일명, 일부 제한된 메타데이터, 콘텐츠들에 대한 키워드 기반의 검색을 수행하기 때문에 사용자의 요구에 부합하는 결과를 정확하게 제시하는 못하는 문제점이 있다. 본 논문에서는 이와 같은 문제점을 해결하기 위해서 시맨틱웹 기술을 활용하여, 온톨로지에 기반한 메타데이터를 정의하고 이를 기반으로 메타데이터간의 의미적 연관성에 기반한 시맨틱 데스크톱 검색/관리 시스템에 대해 기술한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2007.06d
• /
• pp.531-536
• /
• 2007

기존의 웹 검색 시스템은 주어진 키워드들을 모두 포함한 웹 페이지의 도출을 목표로 하기 때문에, 검색어의 popularity가 떨어지는 경우나, 키워드의 한정 정도가 과도하거나 많아지는 경우, 또는 키워드가 길어지는 경우 등에는 검색결과가 크게 줄어드는 결과희소성 문제(scarcity problem)를 겪게 된다. 본 연구에서는 이를 해결하기 위해서 검색결과를 개별 웹페이지 집합이 아닌 관련 웹페이지들간의 링크 구조로 도출해주는 확장된 검색 방법을 제시한다. 확장된 웹 검색은 링크기반 분석을 활용하여 개별 질의들에 대한 검색 결과 페이지들간의 링크 관계를 탐색하고, 도출된 검색 결과의 순위 측정을 통해 이루어진다. 본 연구에서 제안하는 확장된 웹 검색 방법은 결과희소성 문제에 효과적임을 보였다.