• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2008년도 학술대회 1부
• /
• pp.760-765
• /
• 2008

본 논문의 목적은 기존의 단순한 표현 방법을 가지고 있는 뮤지션 정보검색 시스템에서 지식을 표현하는 방법 중 토픽맵을 사용하여, 모든 정보를 하나의 토픽으로 처리하였고, 각각의 토픽들에 대해서 연관관계를 정의하여 정보와 정보를 연결 할 수 있는 흐름을 구성하였다. 그리고 모든 토픽들에 대해서 OpenAPI를 이용하여 추가적인 어커런스 정보를 얻을 수 있도록 하였다. 또한 직관적인 표현을 위해 텍스트가 아닌 그래픽적인 UI로 표현했으며, 크로스 브라우징을 위해 순수 JavaScript를 이용하였다. 그로 인해 토픽맵 표현법인 XTM을 사용하지 않고 보다 간편하게 데이터를 표현 할 수 있는 JSON을 사용하였다. 구축결과 기존 뮤지션 검색시스템에서보다 한 화면에 다양하고 새로운 정보(관련된 뮤지션)를 얻을 수 있는 범위도 넓어졌고 직관적으로 저리할 수 있는 UI도 만들 수 있었다. 추후 음악에 대한 데이터를 강화하여 음악으로 뮤지션을 검색할 수 있는 방안도 가능할 것이다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제3권7호
• /
• pp.285-292
• /
• 2014

개체명 인식은 정보검색 시스템, 질의응답 시스템, 기계번역 시스템 등의 성능을 향상시키기 위하여 사용된다. 개체명 인식은 일반적으로 PLOs(인명, 지명, 기관명)을 대상으로 하며, 주로 미등록어와 고유명사로 이루어져 있기 때문에 고유명사나 미등록어는 중요한 개체명 후보로 쓰일 수 있다. 하지만 도서명, 영화명, 음악명, TV프로그램명과 같은 제목 개체명은 PLO와는 달리 단어부터 문장까지 매우 다양한 형태를 지니고 있어서 개체명 인식이 쉽지 않다. 본 논문에서는 뉴스 기사문을 이용하여 제목 개체명을 빠르게 인식하고 자동으로 사전을 구축하는 방법을 제안한다. 먼저 특수기호로 묶인 어절을 추출하고, 주변 문맥 단어 및 단어 거리를 이용하여 SVM으로 제목 후보들을 추출하였다. 이렇게 추출된 제목 후보들은 상호 정보량을 가중치로 SVM을 이용해 제목 유형을 분류하였다.

• 한국통신학회논문지
• /
• 제32권10C호
• /
• pp.965-974
• /
• 2007

본 논문에서는 내용 기반 음악 범주 분류 시스템에서 다중 범주를 위한 특징벡터 선택 알고리즘을 제안한다. 제안된 특징벡터 선택 알고리즘은 분리 성능을 측정할 때 가우시안 혼합 모델(Gaussian Mixture Model: GMM)을 기반으로 GMM separation score을 측정함으로써 확률분포 및 분리 성능 추정의 정확도를 높였고, sequential forward selection 방법을 개선하여 이전까지 선택된 특징벡터들이 분리를 잘 하지 못하는 범주들을 기준으로 다음 특징벡터를 선택하는 알고리즘을 제안하여 다중 범주 분류의 성능을 높였다. 제안된 알고리즘의 성능 검증을 위해 음색, 리듬, 피치 등 오디오 신호의 특징을 나타내는 다양한 파라미터를 오디오 신호로부터 추출하여 제안된 특징벡터 선택 알고리즘과 기존의 알고리즘으로 특징벡터를 선택한 후 GMM classifier와 k-NN classifier를 이용하여 분류 성능을 평가하였다. 제안된 특징벡터 선택 알고리즘은 기존 알고리즘에 비하여 3%에서 8% 정도의 분류 성능이 향상된 것을 확인할 수 있었고 특히 낮은 차원의 특징벡터의 분류 실험에서는 분류 정확도 측면에서 5%에서 10% 향상된 좋은 성능을 보였다.