• Annual Conference on Human and Language Technology
• /
• 2021.10a
• /
• pp.199-202
• /
• 2021

의미역 결정은 입력된 문장 내 어절간의 의미 관계를 예측하기 위한 자연어처리 태스크이며, 핵심 서술어에 따라 상이한 의미역 집합들이 존재한다. 기존의 연구는 문장 내의 서술어의 개수만큼 입력 문장을 확장해 순차 태깅 문제로 접근한다. 본 연구에서는 확장된 입력 문장에 대해 구문 분석을 수행 후 추출된 문장 구조 정보를 의미역 결정 모델의 자질로 사용한다. 이를 위해 기존에 학습된 구문 분석 모델의 파라미터를 전이하여 논항의 위치를 예측한 후 파이프라인을 통해 의미역 결정 모델을 학습시킨다. ALBERT 사전학습 모델을 통해 입력 토큰의 표현을 얻은 후, 논항의 위치에 대응되는 표현을 따로 추상화하기 위한 계층형 트랜스포머 인코더 레이어 구조를 추가했다. 실험결과 Korean Propbank 데이터에 대해 F1 85.59의 성능을 보였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.07a
• /
• pp.557-558
• /
• 2022

본 논문에서는 인공신경망을 통해 화면에 투영된 거품입자를 효율적으로 생성할 수 있는 기법에 대해 소개한다. 유체 시뮬레이션 기반으로 바다거품을 계산하기 위해서는 유체역학과 수치해석학에 대한 이해가 필요하며, 유속의 유기물, 풍속 등 다양한 물리적 요소를 고려해야하기 때문에 복잡하고 계산양이 커진다. 오일러리안(Eulerian)접근법에서는 격자의 해상도가 커지게 되고, 라그랑지안(Lagrangian)접근법에서는 입자의 개수가 많아지기 때문에 이 문제를 다루기 쉽지 않은 문제이다. 이러한 문제를 완화하기 위해 본 논문에서는 인공신경망을 이용한 분류 모델 학습을 통해 3차원 유체 시뮬레이션으로부터 투영된 2차원 스크린 이미지로부터 거품이 생성될 위치를 예측한다. 결과적으로 물의 스크린에 투영된 물 입자의 깊이와 가속도로부터 거품의 생성 위치를 예측함으로서 복잡한 수치해석학 없이 학습을 통해 효율적으로 거품을 표현하는 결과를 보여준다.

• Annual Conference on Human and Language Technology
• /
• 2023.10a
• /
• pp.622-626
• /
• 2023

중첩 개체명 인식(Nested Named Entity Recognition)은 하나의 개체명 표현 안에 다른 개체명 표현이 들어 있는 중첩 구조의 개체명을 인식하는 작업으로, 중첩 개체명 인식을 위한 학습데이터 구축 작업은 일반 개체명 인식 학습데이터 구축보다 어렵다는 문제가 있다. 본 논문에서는 이러한 문제를 해결하기 위해 Few-shot Learning 환경에 강건한 중첩 개체명 인식 모델을 제안한다. 이를 위해, 기존의 Biaffine 중첩 개체명 인식 모델의 출력 레이어를 라벨 의미 정보를 활용하도록 변경하여 학습데이터가 적은 환경에서 중첩 개체명 인식의 성능을 향상시키도록 하였다. 실험 결과 GENIA 중첩 개체명 인식 데이터의 5-shot, 10-shot, 20-shot 환경에서 기존의 Biaffine 모델보다 평균 10%p이상의 높은 F1-measure 성능을 보였다.

• 한국정보교육학회:학술대회논문집
• /
• 2010.01a
• /
• pp.171-174
• /
• 2010

디지털 강국을 선도하기 위해서는 초등학교에서부터 정보통신 관련 교육적 경험을 제공하는 것이 필요시 된다. 본 연구에서는 초등학생의 인지발달 수준에 부합하고 전기, 전자 통신 학습에 효과적인 교구인 디키를 교과통합 및 재량활동에 적용하고 학습자의 반응을 분석하여 교육적 효과를 살펴보았다. 학습초기에 생소한 부품들로 학습곤란을 경험하였지만 교육이 진행될수록 기존의 습득한 지식과 기능을 바탕으로 지식을 재구조하여 창의적 표현 및 문제해결활동에 활용하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.04b
• /
• pp.265-267
• /
• 2000

본 논문에서는 텍스트 문서의 주제어를 추출하고 문서를 주제별로 분류하기 위해 확률적 그래프 모델을 사용하는 방법을 제안하였다. 텍스트 문서 데이터를 문서와 단어의 쌍으로(dyadic)표현하여 확률적 생성 모델을 학습하였다. 확률적 그래프 모델의 학습에는 정의된 likelihood를 최대화하기 위한 EM(Expected Maximization)알고리즘을 사용하였다. TREC-8 AdHoc 텍스트 에이터에 대하여 학습된 확률 그래프 모델의 성능을 실험적으로 평가하였다. 이로부터 찾아 낸 문서에 대한 주제어가 사람이 제시한 주제어와 유사한 지와, 사람이 각 주제에 대해 분류한 문서가 이 확률모델로부터의 분류와 유사한 지를 실험적으로 검토하였다.

• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 2003.11a
• /
• pp.441-445
• /
• 2003

사이버 교육은 시간과 공간의 제약을 벗어나 각종 멀티미디어 자원을 이용함으로써 기존 교육 방식을 보조하거나 대체하게 되었다. 온라인 학습자들을 평가하고 교육과정을 개선할 수 있는 평가 시스템에 대한 연구는 다양한 교육 컨텐츠에 비하여 부족한 편이다. 본 논문에서는 JSP 와 JDBC 기술을 이용하여 문제 은행 시스템을 설계하였다. 기존의 학습 평가 시스템과는 달리, 데이터 표현을 위하여 XML 언어를 사용하였으며, 객관식 문제의 난이도 조절을 위한 피드백 및 단답형 주관식 문제에 대한 채점방식에 대한 고려를 평가 시스템 설계에 포함하였다. 문제은행은 문항의 형태, 내용, 난이도 등을 포함한 문항의 특성과 관련된 정보들을 체계적으로 저장하여, 보다 정확한 학습 평가 시스템이 되도록 설계하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10a
• /
• pp.574-576
• /
• 2003

인터넷과 멀티미디어의 눈부신 발전은 교육현장에서도 다양한 교육매체로 활용되어 수업을 돕고 있다. 이러한 교육매체들은 학습자의 생각으로만 이해할 수 있는 것들을 시각적으로 표현하여 보다 직관적이고 구체적으로 이해시킬 수 있다. 이에 본 논문에서는 플래시 액션스크립트를 사용하여 버블, 삽입, 쉘, 퀵, 힙 알고리즘의 수행과정을 그래픽 애니메이션으로 구현함으로 시각적 효과를 통해 다양한 정렬과정을 스스로 학습할 수 있는 학습 시스템을 구현하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2000.04a
• /
• pp.1062-1066
• /
• 2000

최근 인터넷 사용자의 급속한 증가와 함께 정보 표현 방식도 실세계와 유사한 3차원 공간으로 바뀌고 있다. 본 논문에서는 기존에 개발된 수화 편집기와 수화학습 시스템에서의 수화 동작의 편집 및 수화 학습의 효율을 높이기 위하여 frame 단위의 동작처리를 action 단위로 바꾸어 처리하도록 개선하였다. 개선된 수화 편집기와 수화학습 시스템은 VRML 뷰어와 애플릿간의 자료 이동이 줄어들어 처리 속도의 향상을 가져왔고 자연스러운 수화 동작 구현이 가능하게 되었다.

• Annual Conference on Human and Language Technology
• /
• 2021.10a
• /
• pp.518-523
• /
• 2021

챗봇과 같은 대화형 에이전트 사용이 증가하면서 채팅에서의 혐오 표현 사용도 더불어 증가하고 있다. 혐오 표현을 자동으로 탐지하려는 노력은 다양하게 시도되어 왔으나, 챗봇 데이터를 대상으로 한 혐오 표현 탐지 연구는 여전히 부족한 실정이다. 이 연구는 혐오 표현을 포함한 챗봇-사용자 대화 데이터 35만 개에 한국어 말뭉치로 학습된 KoELETRA 기반 혐오 탐지 모델을 적용하여, 챗봇-사람 데이터셋에서의 혐오 표현 탐지의 성능과 한계점을 검토하였다. KoELECTRA 혐오 표현 분류 모델은 챗봇 데이터셋에 대해 가중 평균 F1-score 0.66의 성능을 보였으며, 오탈자에 대한 취약성, 맥락 미반영으로 인한 편향 강화, 가용한 데이터의 정확도 문제가 주요한 한계로 포착되었다. 이 연구에서는 실험 결과에 기반해 성능 향상을 위한 방향성을 제시한다.

• Journal of Korea Multimedia Society
• /
• v.2 no.4
• /
• pp.468-475
• /
• 1999

Learning algorithm of SRNN doesn't use analytic maximum epoch, so that its performance is inefficient and its cost is high. In this paper, with the proper maximum epoch, we improve teaming efficiency. We first describe cost function of maximum epoch and computation time theoretically Then, using it, we propose that maximum epoch must be between 400 and 500. Estimated maximum epoch is verified by experiment.