• 한국언어정보학회지:언어와정보
• /
• 제2권1호
• /
• pp.1-41
• /
• 1998

Evaluation of multilingual translation fundamentally involves measurement of meaning equivalences between the formally mapped discourses/texts of SL(source language) and TL(target language) both represented by a metalanguage called IL(interlingua). Unlike a usaal uni-directional MT(machine translation) model(e.g.:SL $\rightarrow$ analysis $\rightarrow$ transfer $\rightarrow$ generation $\rightarrow$ TL), a bi-directional(by 'negotiation') model(i.e.: SL $\rightarrow$ IL/S $\leftrightarrow$ IL $\leftrightarrow$ IL/T \leftarrow TL) is proposed here for the purpose of evaluating multilingual, not merely bilingual, translation. The IL, as conceived of in this study, is an English-based predicate logic represented in the framework of MRS(minimal recursion semantics), an MT-oriented off-shoot of HPSG(Head-driven Phrase Structure Grammar). In addition, a list of semantic and pragmatic checkpoints are set up, some being optional depending on the kind and use of the translation, so sa to have the evaluation of translation fine-grained by computing matching or mismatching of such checkpoints.

• 한국컴퓨터정보학회논문지
• /
• 제27권7호
• /
• pp.35-48
• /
• 2022

본 연구에서는 멀티에이전트 환경에서 지식을 표현하고 추론함에 있어서 증명 이론적 방법을 제안한다. 이 방법은 논리적 결과를 기계적 방법으로 결정하므로 초기 인공지능 연구부터 핵심분야로 발전해 왔다. 하지만 임의의 닫힌 문장들의 집합에서 항상 명제가 증명할 수 있지 않기에 논리적 결과가 결정할 수 있어지려면 절 형식의 문장으로 그 표현 범위를 제한한다. 그리고 절 형식의 문장들에서만 적용 가능한, 단순하면서도 강력한 추론 규칙인 비교흡수 원리(Resolution principle)를 적용한다. 또한 증명이론을 메타술어로 표현할 수 있으므로 증명이론의 메타논리로 확장 가능하다. 메타논리가 모델 이론의 인식 논리(epistemic logic)보다 향상된 표현력을 기반으로 실용적인 면과 효율면에서 우월할 수 있다. 이를 입증하기 위해 인식 논리의 의미론과 증명이론의 메타논리 방식으로 각각 Muddy Children 문제에 적용한다. 그 결과 협력적 멀티에이전트 환경에서 메타논리를 사용하여 지식과 공통지식을 표현하고 추론한 방법이 더 효율적임을 증명한다.

• 논리연구
• /
• 제13권2호
• /
• pp.117-134
• /
• 2010

'모호함'의 모호성을 정당화하는 소렌센의 논증은, '모호함'에 대한 직관적 이해를 체계적으로 정당화한다는 측면에서 매우 중요한 의미를 갖는다. 그러나 필자는 이러한 소렌센의 논증이 성립하지 않음을 보이고자 한다. 소렌센의 논증에 대한 가장 일반적인 비판은, 'n-작음'이라는 용어에 기초하는 그의 논증은 '모호함'의 모호함이 아니라 '작음'의 모호함을 입증할 뿐이라는 것이다. 그런데 이러한 비판에 근거한 디즈와 헐의 논의는, 소렌센의 더미를 구성하는 "'n-작음'은 모호하다."의 주어는 언급된 정확한 용어라는 바르찌의 주장에 의해 반박된다. 그러나 필자는 "'n-작음'은 모호하다."의 진리값 결정에 술어 '모호함'이 아무런 역할을 수행하지 못함을 보임으로써 바르찌의 주장을 반박하고, 소렌센의 논증으로부터 정당화되는 것은 '작음'의 모호성뿐임을 보이고자 한다. 물론 필자 역시 '모호함'이 모호하다는 것에는 동의한다. 본 논문을 통해 필자가 주장하는 것은 이러한 '모호함'의 특징에 대한 소렌센의 정당화가 성립하지 않는다는 것뿐이다.

• Asia pacific journal of information systems
• /
• 제7권1호
• /
• pp.85-97
• /
• 1997

This paper is concerned with knowledge representation schemes best suited for human resource management (HRM) problem domains including human resource planing, selection, placement, compensations, performance evaluation, training and labor-management relations. In order to suggest the scheme we consider two research gods. First, we evaluate and prioritize. The knowledge representation techniques of frames rules, semantic nets and predicate logic that hove been recommended to managerial domains. The combined Analytic Hierarchy Process technique is employed to combine individual judgments effectively between two different expert groups. As a result if we are to select a single knowledge representation technique, a frame representation is best for most HRM domains and to combine frames with others is another choice. Second as a strategy for knowledge representation schemes we show some examples for each damn in terms of labeled semantic nets and two types of rules derived from the semantic nets. We propose nine knowledge components as ontologies. The labeled semantic nets con provide some benefits compared with conventional one. More clearly definea node rode information maces it easy to find the ac information. In the rule sets, the variables are the node of the semantic nets. The consistency of rules is validated by the relationship of the knowledge components.

• 지능정보연구
• /
• 제5권2호
• /
• pp.15-27
• /
• 1999

산업계 전반에 걸친 오랜 정보시스템 운용의 결과로 대용량의 데이터들이 축적되고 있다. 이러한 데이터로부터 유용한 지식을 추출하기 위해 여러 가지 데이터마이닝 기법들이 연구되어 왔다. 특히 데이터웨어하우스의 등장은 이러한 데이터마이닝에 있어 필요한 데이터 제공 환경을 주고 있다. 그러나 전문가의 적절한 판단과 해석을 거치지 않은 데이터마이닝의 결과는 당연한 사실이거나, 사실과 다른 가짜이거나 또한 관련성 없는(Trivial, Spurious and Irrelevant) 내용만 무수히 쏟아낼 수 있다. 그러므로 데이터마이닝의 결과가 비록 통계적 유의성을 가진다 하더라고 그 정당성과 유용성에 대한 검증과정과 방법론의 정립이 필요하다. 데이터마이닝의 가장 어려운 점은 귀납적 오류를 없애기 위해 사람이 직접 그 결과를 해석하고 판단하며 아울러 새로운 탐색 방향을 제시해야 한다는 것이다. 본 논문의 목적인 이러한 데이터마이닝에서 추출된 결과를 검증하고 아울러 새로운 지식 탐색 방향을 제시하는 방법론을 정립하는데 있다. 본 논문에서는 데이터마이닝 기법 중 연관규칙탐사(Associations)로 얻어진 결과를 설명가능성 여부의 판단을 통해 검증하는 기법을 제안하였고, 이를 위해 도메인 지식(Domain Knowledge)과 연관규칙탐사를 통해 얻어진 결과를 표현하기 위한 지식표현방법으로 관계형 술어논리(RPL : Relational Predicate Logic)를 개발하였다. 연관규칙탐사로 얻어진 결과를 설명하기 위한 방법으로는 연관규칙탐사로 얻어진 연관규칙에 대한 RPL로 표현된 도메인 지식으로서 설명됨을 보이게 한다. 또한 이러한 설명(Explanation)을 토대로 검증된 지식을 일반화하여 새로운 가설을 연역적으로 생성하고 이를 연관규칙탐사를 통해 검증한 후 새로운 지식을 얻는 설명기반 데이터마이닝 구조(Explanation-based Data Mining Architecture)를 제시하였다.

• 보건교육건강증진학회지
• /
• 제15권1호
• /
• pp.133-149
• /
• 1998

본 연구는 미국에 사는 한국인 이민자들의 암예방과 식품에 대한 지식과 신념에 관하여 알아보는데 그 목적이 있다. 본 연구의 도구로는 미국 국민 건강연구조사 (NHIS)의 설문지를 한국어로 번역하였고, 연구의 대상자는 미국의 시카고에 거주하는 263명의 한국인 이민자들이다. 본 연구의 주된 연구결과는 다음과 같았다. (1) 대부분의 대상자(83.3%)들은 한국음식을 먹고 있다고 답하였다. (2) 대상자들의 47.5%가 영어를 전혀 못 읽거나 거의 못 읽는다고 답하였다. (3) 식생활 변화를 하지 않는 이유에 대해 현재 먹고 있는 음식을 즐기기 때문에 식생활을 바꾸고 싶지 않다는 답이 가장 많았다. (4) 우리가 먹고 마시는 음식과 관계 있는 주요질병에 대해서 25.4%의 응답자만이 암이라고 답하였다 (미국 NHIS 에서는 48%). (5) 응답자의 48.3%만이 섬유소에 대해 들어보았다고 응답하였다. (6) 7.1%의 응답자만이 섬유소가 많은 음식으로 corn flakes와 bran flakes를 고를 수 있었다. 이 결과로 보아 한국인 이민자들이 미국음식에 대해 잘 모르는 것으로 보인다. (7) 약 62%의 응답자들이 암예방에 관한 무료 보건강좌에 참석하고 싶다고 응답하였다. 보건강좌 장소에 대해 "교회'라고 답한 응답자가 가장 많았다. (8) 질병예방에 관한 정보를 어디에서 얻느냐는 질문에 대하여 "신문"이라고 답한 응답자가 가장 많았다. 본 연구에서 얻은 결과를 볼 때 대부분의 응답자들이 미국 정부에서 하고 있는 암예방 교육의 혜택을 받고 있지 않는 것으로 나타났다. 한국인 이민자들의 문화적 배경에 맞는 암교육이 필요하며, 영어를 잘 못하는 이민자들을 위해 한국말로 번역된 보건교육자료를 사용하여야 한다.교육자료를 사용하여야 한다.표현을 위하여 확장된 기본 모델을 중심으로 각 레벨의 구성 요소들의 형식적 의미(formal semantics)와 레벨 내 혹은 레벨 구성요소들간의 관계성(relationship), 그리고 제약조건의 표현과 질의 추론 규칙들을 식별하여 FOPL(First Order Predicate Logic)로 표현한다. 또한, 본 논문은 FOPL로 표현된 predicate들과 규칙들을 구현하기 위하여 Prolog로 변환하기 위한 이론적 방법론을 제시하고 정보자원 관리를 위한 기본 함수들과 스키마 진화(schema evolution)를 위한 방법론을 제안한다. 최저 잔류탁도를 나타내는 최적 응집제 주입량에서의 Zeta potential은 원수탁도가 5NTU일 경우 Alum, PAC 및 PACS 모두 -20mV∼-15mV사이였으며, 원수 탁도가 10NTU인 경우에는 0∼0.5mV 범위에 있는 것으로 나타나 응집제 종류 및 주입량이 상이하더라도 응집효율이 가장 양호한 상태에서의 Zeta potential은 일정한 범위내에 있는 것으로 나타났다.각 각 11.1, 10.2, 12.2 그리고 13.0%의 발달율을 보여 유의적인 차이를 보이지 않았다. 4. 수정 후 114 시간 개별배양된 수정란으로부터 분리된 small과 large의 할구를 공핵체로 사용한 처리구에서 핵이식 수정란의 세포융합율에 있어서 각각 71.0, 71.4, 69.9 및 77.1% 의 융합율올 보여 유의적인 차이를 나타내지 않았으며, 핵이식 수정란의 배반포기배로의 발달율에 있어서도 각각 11.4%, 8.0%, 17.2% 그리고 12.9% 의 발달율을 보여 유의적인 차이를 보이지 않았다. 이상의 결과로 보아 핵이식 수정란을 효율적으로 생산하기 위하여 수핵난자의 세포질에 ionomycin 과 DMAP 의

• 디자인융복합연구
• /
• 제15권6호
• /
• pp.73-92
• /
• 2016

건축물 설계품질 및 생산성을 향상시키기 위한 다양한 BIM기반 실증적 연구 개발이 진행중이며, 인허가단계 전후로 건축법규 자동검토에 관한 연구 및 개발도 그 중 하나이다. 해당 연구 개발의 성과물 중 하나로써, 건축물 설계 적법성 자동검토를 위해 자연어로 기술된 건축법을 컴퓨터에서 실행 가능한 룰셋(KBimCode)으로 변환하는 메커니즘(KBimLogic)이 개발되었다. KBimCode는 표준성 및 중립성을 지향하며, 한국 건축법뿐만 아니라 타 국가의 건축법규나 설계지침서, 제안 요청서 등 다양한 설계 요구사항으로의 확대 적용이 가능하도록 개발되었다. 본 연구는 KBimCode를 타 국가 건축 법규로 확대 적용하여 그 표준성과 중립성 및 응용가능성을 검증하는것을 목적으로 한다. 이를 위하여 중국의 피난방화에 관한 건축법규를 대상으로, KBimCode 생성 메커니즘의 핵심인 논리규칙체계화의 세 가지 구성요소(객체속성, 함수, 문장 내외 관계)에 따라 구체적인 분석을 진행하였다. 그 결과, 다양한 중국 건축법규 문장을 KBimCode로 변환할 수 있었으며, 변환의 과정 중 다음을 도출할 수 있었다: 1) 건물 객체 및 그에 따른 속성에 대한 정의는 각 국가마다 상이하므로, 이를 고려한 객체 정의 및 속성 처리 방법이 필요하며, 2) 일부 문장은 서술부 및 문장 관계를 처리하기 위하여 새로운 함수 및 관계 유형 정의가 필요하며, 이는 KBimCode의 표준화된 함수 및 관계 유형 도출 규칙 안에서 확장 가능하다. 본 연구를 통해 전혀 새로운 대상의 변환과정에서의 문제점 등을 해결하는 과정을 통해 KBimCode의 가능성을 일부 검증하였으며, 다양한 대상 확대를 통해 표준적이고 국제적인 응용이 기대된다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권3호
• /
• pp.141-148
• /
• 2022

최근 들어 강화 학습은 심층 신경망 기술과 결합되어 바둑, 체스와 같은 보드 게임, Atari, StartCraft와 같은 컴퓨터 게임, 로봇 물체 조작 작업 등과 같은 다양한 분야에서 매우 놀라운 성공을 거두었다. 하지만 이러한 심층 강화 학습은 행동, 상태, 정책 등을 모두 벡터 형태로 표현한다. 따라서 기존의 심층 강화 학습은 학습된 정책의 해석 가능성과 일반성에 제한이 있고, 도메인 지식을 학습에 효과적으로 활용하기도 어렵다는 한계성이 있다. 이러한 한계점들을 해결하기 위해 제안된 새로운 관계형 강화 학습 프레임워크인 dNL-RRL은 센서 입력 데이터와 행동 실행 제어는 기존의 심층 강화 학습과 마찬가지로 벡터 표현을 이용하지만, 행동, 상태, 그리고 학습된 정책은 모두 논리 서술자와 규칙들로 나타내는 관계형 표현을 이용한다. 본 논문에서는 dNL-RRL 관계형 강화 학습 프레임워크를 이용하여 제조 환경 내에서 운송용 모바일 로봇을 위한 행동 정책 학습을 수행하는 효과적인 방법을 제시한다. 특히 본 연구에서는 관계형 강화 학습의 효율성을 높이기 위해, 인간 전문가의 사전 도메인 지식을 활용하는 방안들을 제안한다. 여러 가지 실험들을 통해, 본 논문에서 제안하는 도메인 지식을 활용한 관계형 강화 학습 프레임워크의 성능 개선 효과를 입증한다.