• Spatial Information Research
• /
• 제5권2호
• /
• pp.147-160
• /
• 1997

지리정보시스템의 이론적 틀로 인식되고 있는 지도대수(Map Algebra)는 공간자료의 처리단위인 지도레이어를 피연산자로, 여러 처리소프트웨어를 연산자로 모델링하는 대수체계이다. 본 논문에서는 지도대수와 관련된 대표적 선행연구를 검토하여 그 제한점을 밝혀내어 보완하였다. 첫째 지도 레이어를 함수로 모형화하여 함수 프로그래밍의 메타 함수기능의 적용을 가능하도록 하였다. 이것은 지도대수언어에 메타연산자를 포함시켜 지리정보시스템의 사용자언어에 필요한 프로그래밍 기능을 제공하게된다 . 둘째 기존 지도대수언의 어의적.문법적 한계를 분석하고 이를 확장하여 지도 데이터 모델과 지도대수언어를 정형화한 후 지도대수 처리기으 원형을 설계하고 구현하였다. 지도대수언어 구문해석기는 기존의 지리정보시스템이 갖고 있는 이질적인 고유 명령어를 공통언어로 재구성하는 역할을 수행한다. 본 연구를 통해 구현된 맵시(MspSee)는 웹에 기반한 지도대수 처리기로써 본 논문에서 제시된 다양한 지도대수의 개념을 검증할 수 있었다. 지도대수언어를 통한 지리정보시스템의 사용자 인터페이스는 제트워크상에 분산되어 있는 지리정보와 그 처리모듈을 웹 클라이언트라는 간단하지만 강력한 인터페이스로 접근을 가?케 함으로써 인터넷 지리정보시스템의 중요 하부구조로 자리잡을 것으로 전망된다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.253-266
• /
• 2018

본 연구는 질의 응답(QA) 시스템에서 사용하는 개체명 인식(NER)의 성능을 향상시키기 위하여 시퀀스 태깅 방법론을 적용한 새로운 방법론을 제안한다. 사용자의 질의를 입력 받아 데이터베이스에 저장된 정답을 추출하기 위해서는 사람의 언어를 컴퓨터가 알아들을 수 있도록 구조화 질의어(SQL)와 같은 데이터베이스의 언어로 전환하는 과정이 필요한데, 개체명 인식은 사용자의 질의에서 데이터베이스에 포함된 클래스나 데이터 명을 식별하는 과정이다. 기존의 데이터베이스에서 질의에 포함된 단어를 검색하여 개체명을 인식하는 방식은 동음이의어와 문장성분 구를 문맥을 고려하여 식별하지 못한다. 다수의 검색 결과가 존재하면 그들 모두를 결과로 반환하기 때문에 질의에 대한 해석이 여러 가지가 나올 수 있고, 계산을 위한 시간복잡도가 커진다. 본 연구에서는 이러한 단점을 극복하기 위해 신경망 기반의 방법론을 사용하여 질의가 가지는 문맥적 의미를 반영함으로써 이러한 문제를 해결하고자 했고 신경망 기반의 방법론의 문제점인 학습되지 않은 단어에 대해서도 문맥을 통해 식별을 하고자 하였다. Sequence Tagging 분야에서 최신 기술인 Bidirectional LSTM-CRF 모델을 도입함으로써 신경망 모델이 가진 단점을 해결하였고, 학습되지 않은 단어에 대해서는 온톨로지 기반 특성치를 활용하여 문맥을 반영한 추론을 사용하였다. 음악 도메인의 온톨로지(Ontology) 지식베이스를 대상으로 실험을 진행하고 그 성능을 평가하였다. 본 연구에서 제안한 방법론인 L-Bidirectional LSTM-CRF의 성능을 정확하게 평가하기 위하여 학습에 포함된 단어들뿐만 아니라 학습에 포함되지 않은 단어들도 포함한 질의를 평가에 사용하였다. 그 결과 L-Bidirectional LSTM-CRF 모형을 재학습 시키지 않아도 학습에 포함되지 않은 단어를 포함한 질의에 대한 개체명 인식이 가능함을 확인하였고, 전체적으로 개체명 인식의 성능이 향상됨을 확인할 수 있었다.