• 국제학술발표논문집
• /
• The 10th International Conference on Construction Engineering and Project Management
• /
• pp.566-569
• /
• 2024

Clashes between architectural, structural, and mechanical, electrical, and plumbing (MEP) systems are unavoidable as each discipline typically develops its own BIM models prior to federation. Commercial model checkers identify these clashes but do not classify them with respect to their severity, requiring every clash to be evaluated manually by the parties involved. Moreover, the assessment of their severity can be subjective and open to misinterpretations. To address these inefficiencies, an ontological approach was employed exclusively for clashes between multi-disciplinary BIM models. For a given clash, the ontology linked two elements, and encompassed their relevant geometric data and topology, which were retrieved using Navisworks and Python mesh packages. The clashes, distinguished as hard and soft, used separate approaches to classify their severity. Hard clashes employed machine learning algorithms to infer their severity based on geometric and project type features. Soft clashes used SPARQL-based rules which have predefined conditions for distinguishing clash severity based on semantic, geometric, and topological features. The ontology was implemented using RDF/OWL standards and programmed in Navisworks as an add-in module. Validation performed on an actual BIM model with 18,887 number of clashes showed that the ontology enabled highly accurate clash severity detection for both hard and soft clashes.

• 한국산학기술학회논문지
• /
• 제12권11호
• /
• pp.4869-4874
• /
• 2011

본 논문에서는 위치 기반 서비스로서의 U-Learning에 적용할 수 있는 구성 및 온톨리지 이론을 정의하였다. 또한 본 논문에서는 위치 기반 서비스로서의 U-Learning에 대한 확실한 비전을 제공하고자 하였다. 상황 인식을 적용한 전형적인 U-Learning을 소개하였으며, 핵심 아이디어 및 기술적 개념을 포함한 학습 환경 구조도 소개하였다. 고급 정보통신 기술의 원리를 적용하여, 위치 기반 서비스로서의 U-Learning을 위한 인공지능 기반 상황 인식 개념도 정리하였다. 본 논문에서 언급하는 위치 기반 서스비로서의 U-Learning 및 하위 개념들은 새로운 패러다임을 제공할 것이며, 학습 환경 구조에 포함된 하위 요소들도 모두 제안하였다.

• 컴퓨터교육학회논문지
• /
• 제14권1호
• /
• pp.159-168
• /
• 2011

본 연구에서는 온톨로지기반의 정보검색 모델이 프로젝트를 수행하기 위해 필요한 정보를 학생들이 검색하는데 미치는 효과를 분석하였다. 본 연구의 분석 결과는 온톨로지 기반의 검색에 의해 검색된 관련 정보의 양이 기존의 검색에 의한 것보다 더 많음을 볼 수 있었다. 뿐만 아니라, 온톨로지 기반의 검색에 의해 찾아진 북마크 정보의 관련성 비율이 기존의 검색 방법에 비해 높음을 알 수 있었다. 학생들의 인터뷰 결과에 의하면 온톨로지 기반의 검색 모델은 프로젝트 수행을 위한 자료를 검색하는 데 매우 유용했으며, 이에 따라 그들이 프로젝트를 보다 쉽게 수행할 수 있도록 도움이 되었음을 알 수 있었다. 또한, 온톨로지기반 검색 모델에서 제공하는 학습 개념들간의 관련성 정보는 검색뿐만 아니라 한 학습 주제에 관련된 학습 개념들을 이해하는데도 도움을 주었음을 알 수 있었다.

• 디지털콘텐츠학회 논문지
• /
• 제11권4호
• /
• pp.487-494
• /
• 2010

최근 교육에서 대두 되고 있는 중요한 문제는 학습자 중심의 맞춤형 교육이 이루어져야 한다는 것이다. 이러한 요구를 만족 시킬 수 있는 방법 중 하나는 학습자의 역량을 고려하여 학습을 진행하는 것이다. 이를 위해서는 학습자가 가진 역량에 따라 학습자의 목표를 이루기에 부족하다고 판단된 역량을 효율적으로 개발할 수 있는 콘텐츠를 추천하는 방법이 필수적이다. 우리는 임의의 학습자에 대한 역량 정보와 목표를 LIP 또는 ePortfolio 형식을 통해 제공하는 학습자 정보 시스템이 존재한다고 가정한다. 본 논문은 많은 교육 콘텐츠들이 존재할 때 위 역량 평가 시스템으로부터 얻어진 학습자의 역량 및 목표와 역량 맵을 확장한 역량 온톨로지를 활용하여 각 학습자에 가장 적합한 콘텐츠를 추천하는 시스템을 제안한다. 이 시스템은 역량 온톨로지와 도메인 온톨로지를 활용하여 역량 맵과 역량 정의가 지속적으로 변하더라도 유연하게 이에 대처할 수 있다.

• 한국정보시스템학회지:정보시스템연구
• /
• 제30권1호
• /
• pp.65-84
• /
• 2021

Purpose Based on the development of artificial intelligence and big data technologies, the RegTech has been emerged to reduce regulatory costs and to enable efficient supervision by regulatory bodies. The word RegTech is a combination of regulation and technology, which means using the technological methods to facilitate the implementation of regulations and to make efficient surveillance and supervision of regulations. The purpose of this study is to describe the recent adoption of RegTech and to provide basic examples of applying RegTech to capital market regulations. Design/methodology/approach English-based ontology and deep learning technologies are quite developed in practice, and it will not be difficult to expand it to European or Latin American languages that are grammatically similar to English. However, it is not easy to use it in most Asian languages such as Korean, which have different grammatical rules. In addition, in the early stages of adoption, companies, financial institutions and regulators will not be familiar with this machine-based reporting system. There is a need to establish an ecosystem which facilitates the adoption of RegTech by consulting and supporting the stakeholders. In this paper, we provide a simple example that shows a procedure of applying RegTech to recognize and interpret Korean language-based capital market regulations. Specifically, we present the process of converting sentences in regulations into a meta-language through the morpheme analyses. We next conduct deep learning analyses to determine whether a regulatory sentence exists in each regulatory paragraph. Findings This study illustrates the applicability of RegTech-based ontology and deep learning technologies in Korean-based capital market regulations.

• 한국정보통신학회논문지
• /
• 제24권5호
• /
• pp.600-608
• /
• 2020

머신러닝은 학습 데이터로부터 목적함수를 구성하고, 테스트 데이터를 통해 목적함수의 확인함으로써 발생하는 데이터에 대한 예측을 수행한다. 머신러닝에서 입력데이터는 전처리 과정을 통해 정규화 과정을 거친다. 이런 정규화는 입력데이터의 평균과 표준편차를 이용하여 표준화하거나, 수치 데이터가 아닌 nominal value는 one-hot 코드 형태로 변환하는 방식을 이용한다. 그러나 이 전처리 과정만으로 문제를 해결할 수 없다. 이러한 이유로 본 논문에서 입력데이터의 정규화를 위해 온톨로지를 이용하는 방법을 제안한다. 이를 위한 테스트 데이터는 모바일 기기로부터 수집된 와이파이 장치의 RSSI값을 이용하고, 수집된 데이터의 노이즈와 이질적 문제는 온톨로지를 이용하여 정제하는 방법을 제시한다.

• 국제학술발표논문집
• /
• The 10th International Conference on Construction Engineering and Project Management
• /
• pp.1238-1245
• /
• 2024

The construction industry faces the challenge of providing effective, engaging, and rule-specific safety learning. Traditional methodologies exhibit limited adaptability to technological advancement and struggle to deliver optimal learning experiences. Recently, there has been widespread adoption of information retrieval and ontology-based chatbots, as well as content delivery methods, for safety learning and education. However, existing information and content retrieval methods often struggle with accessing and presenting relevant safety learning materials efficiently. Additionally, the rigid and complex structures of ontology-based approaches pose obstacles in accommodating dynamic content and scaling for large datasets. They require more computational resources for ontology management. To address these limitations, this paper introduces iSafe Chatbot, a novel framework for construction safety learning. Leveraging Natural Language Processing (NLP) and Large Language Model (LLM), iSafe Chatbot aids safety learning by dynamically retrieving and interpreting relevant Occupational Safety and Health Administration (OSHA) rules from the comprehensive safety regulation database. When a user submits a query, iSafe Chatbot identifies relevant regulations and employs LLM techniques to provide clear explanations with practical examples. Furthermore, based on the user's query and context, iSafe Chatbot recommends training video content from video database, enhancing comprehension and engagement. Through advanced NLP, LLM, and video content delivery, iSafe Chatbot promises to revolutionize safety learning in construction, providing an effective, engaging, and rule-specific experience. Preliminary tests have demonstrated the potential of the iSafe Chatbot. This framework addresses challenges in accessing safety materials and aims to enhance knowledge and adherence to safety protocols within the industry.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제8권4호
• /
• pp.254-259
• /
• 2008

Uncertainty of result of context awareness always exists in any context-awareness computing. This falling-off in accuracy of context awareness result is mostly caused by the imperfectness and incompleteness of sensed data, because of this reasons, we must improve the accuracy of context awareness. In this article, we propose a novel approach to model the uncertain context by using ontology and context reasoning method based on Bayesian Network. Our context aware processing is divided into two parts; context modeling and context reasoning. The context modeling is based on ontology for facilitating knowledge reuse and sharing. The ontology facilitates the share and reuse of information over similar domains of not only the logical knowledge but also the uncertain knowledge. Also the ontology can be used to structure learning for Bayesian network. The context reasoning is based on Bayesian Networks for probabilistic inference to solve the uncertain reasoning in context-aware processing problem in a flexible and adaptive situation.

• 한국비블리아학회지
• /
• 제19권1호
• /
• pp.19-36
• /
• 2008

온톨로지는 기 구축된 지식체계나 개념에 대한 기술요소들을 통합하여 새로운 지식 체계를 제시할 수 있다는 장점이 있다. 이러한 장점을 바탕으로, 본 연구에서는 교육 분야의 상황과 관련된 객체들-인적자원, 기관, 교육자원 등-을 고려한 온톨로지를 구축하고자 하였다. 즉 현재 사용되고 있는 교육 분야의 지식체계나 메타데이터, 온톨로지를 통합하여 새로운 교육 온톨로지를 개발하고자 하였다. 학교도서관과 MLA를 연계한 교수-학습 활동을 교육 온톨로지라는 하나의 프레임워크로 제시하였으며, 그에 대한 특성은 다음과 같다. 첫째, 기존 교육관련 메타데이터 및 온톨로지를 활용하였으며, 둘째, 교육 온톨로지 개념을 먼저 제시하고 그에 맞는 교육 분야 클래스와 속성을 정의하였다. 셋째, 기존의 클래스와 속성을 연결하기 위한 새로운 요소들을 추가하였다.

• 한국컴퓨터정보학회논문지
• /
• 제16권2호
• /
• pp.83-91
• /
• 2011

이러닝 시스템에서 난이도를 이용한 학습추천 시스템 설계에 관한 연구가 활발히 진행 중이다. 난이도는 학습자의 수준에 맞는 후행학습을 추천하는데 매우 중요한 요소임에도 불구하고 현행 난이도 기반 학습 추천시스템은 각 학습 콘텐츠의 제작자가 주관적으로 정한 난이도를 적용함으로써 정확한 후행 학습 콘텐츠를 추천하기가 어렵다. 본 논문에서는 객관적인 난이도 지표를 제공하기 위하여 온톨로지에 기반한 새로운 학습콘텐츠 난이도 계산 방법을 제안한다. 기존 온톨로지나 지식맵을 이용한 난이도 계산 방법들은 선행학습과 후행학습 또는 주제간의 선후 관계를 표현하고 이를 이용하여 난이도를 계산하였으나, 이 방법들도 콘텐츠 작성자의 주관적인 판단에 의해 후행학습이 결정된다는 문제점이있다. 본 논문에서는 이를 해결하기 위하여 콘텐츠를 구성하는 단어들의 상하위 관계 및 심화도를 나타내는 온톨로지를 이용하여 단어들 간 온토로지의 경로상의 거리로 난이도를 계산한다. 이를 통하여 학습자에게 보다 객관적인 난이도 정보를 제공하고 학습자 수준에 가장 적합한 후행학습 콘텐츠를 추천할 수 있다.