• 인지과학
• /
• 제9권1호
• /
• pp.13-29
• /
• 1998

이 문헌 연구는 정보처리 기제 중 자동적인 처리과정의 원리로 다양한 정서 자극에 대한 반응양식이 과연 설명될 수 있을지를 타진해 보고자 한다. 인지적인 판단이 필요한 통제과정이 전혀 개입되지 않고서도 정서 유발 자극이 Bargh(1989)가 제시한 자동처리의 원리에 따라 암묵적으로 처리될 수 있을 것인가$\ulcorner$ 몇몇 연구들은 정서 유발 자극에 대한 자동적인 처리과정은 의미론적인 처리과정보다 훨씬 우선적이며 즉각적으로 처리된다고 주장한다. 자각이 없는 상태에서도 정서 가를 파악하는 현상은 우리의 정보처리과정 중 의식적이며 인지적인 개입이 필요한 명시적인 지식 체계에 의해서가 아니라 스스로의 자각이 없이도 처리가 이루어지는 암묵적인 지식의 체계에 의해 담당될 것이라 이해할 수 있을 것이다. 이 연구에서는 이러한 암묵적인 기억과정의 원리와 그에 대한 생리학적인 근거도 제시함으로써 정서가 가미된 정보의 처리과정이 어떠한 경로를 통하여 이루어질 지에 대해 요약하여 보았다.

• International Journal of Advanced Culture Technology
• /
• 제5권1호
• /
• pp.83-89
• /
• 2017

In this paper, we propose an extended method of one-hot Long Short-Term Memory (LSTM) and evaluate the performance on spam filtering task. Most of traditional methods proposed for spam filtering task use word occurrences to represent spam or non-spam messages and all syntactic and semantic information are ignored. Major issue appears when both spam and non-spam messages share many common words and noise words. Therefore, it becomes challenging to the system to filter correct labels between spam and non-spam. Unlike previous studies on information filtering task, instead of using only word occurrence and word context as in probabilistic models, we apply a neural network-based approach to train the system filter for a better performance. In addition to one-hot representation, using term weight with attention mechanism allows classifier to focus on potential words which most likely appear in spam and non-spam collection. As a result, we obtained some improvement over the performances of the previous methods. We find out using region embedding and pooling features on the top of LSTM along with attention mechanism allows system to explore a better document representation for filtering task in general.

• 전자통신동향분석
• /
• 제34권4호
• /
• pp.43-54
• /
• 2019

Currently, a majority of artificial intelligence is used to secure big data; however, it is concentrated in a few of major companies. Therefore, automatic data augmentation and efficient learning algorithms for small-scale data will become key elements in future artificial intelligence competitiveness. In addition, it is necessary to develop a technique to learn meanings, correlations, and time-related associations of complex modal knowledge similar to that in humans and expand and transfer semantic prediction/knowledge inference about unknown data. To this end, a neural memory model, which imitates how knowledge in the human brain is processed, needs to be developed to enable knowledge expansion through modality cooperative learning. Moreover, declarative and procedural knowledge in the memory model must also be self-developed through human interaction. In this paper, we reviewed this essential methodology and briefly described achievements that have been made so far.

• Journal of Information Processing Systems
• /
• 제18권5호
• /
• pp.614-627
• /
• 2022

Aspect-based sentiment analysis is to discover the sentiment polarity towards an aspect from user-generated natural language. So far, most of the methods only use the implicit position information of the aspect in the context, instead of directly utilizing the position relationship between the aspect and the sentiment terms. In fact, neighboring words of the aspect terms should be given more attention than other words in the context. This paper studies the influence of different position embedding methods on the sentimental polarities of given aspects, and proposes a position embedding interactive attention network based on a long short-term memory network. Firstly, it uses the position information of the context simultaneously in the input layer and the attention layer. Secondly, it mines the importance of different context words for the aspect with the interactive attention mechanism. Finally, it generates a valid representation of the aspect and the context for sentiment classification. The model which has been posed was evaluated on the datasets of the Semantic Evaluation 2014. Compared with other baseline models, the accuracy of our model increases by about 2% on the restaurant dataset and 1% on the laptop dataset.

• 정보관리학회지
• /
• 제15권3호
• /
• pp.133-150
• /
• 1998

본 연구에서는‘조직지식중심적 지식경영’을 위해 지식창조원리로서 음양이론을 도입하여 영역지식 (陽의 지식)과 업무지식(陰의 지식)이 음양(陰陽)의 순환적 구조로서 상호 작용하여 조직지식으로 창출되는 과정을 저장하여 재활용하기 위한 지식 창조적 조직메모리를 제안하였다. 지식 창조적 조직메모리 구축을 위하여 객체 지향적 방법론을 적용하여 영역지식과 업무지식의 순환적 흐름을 주도하는 3개 지식 컴퍼넌트를 설정하여 조직지식을 설계하였다. 조직지식은 기존의 정보시스템에 포함된 데이터베이스 스키마. 프로세스 모델 또는 지식베이스의 의미네트워크(Semantic Network), 프레임(Frame) 등을 수용하기 위해 (i) 지식객체와 (ⅱ) 객체간의 관계 및 (ⅲ) 관계정도를 정의한 그래프구조로서 설계하였다. 이러한 조직지식의 설계는 지식마이닝 기법인 사례기반추론(Case Based Reasoning)등을 활용한 새로운 조직지식의 생성에 기여할 수 있다.

• 한국콘텐츠학회논문지
• /
• 제15권4호
• /
• pp.545-555
• /
• 2015

한국 대학생들의 외국어 어휘 학습에 미치는 부적 정서(상태-특성 불안, 우울)와 작업기억의 영향을 조사하였다. 또한 이것이 외국어 어휘 학습 콘텐츠 개발에 함의하는 바가 무엇인지를 알아보았다. 이를 위하여 132명에게 상태-특성 불안, 우울, 그리고 네 종류의 작업기억 검사를 실시하였다. 또한 참가자들로 하여금-특정 외국어에 대한 개인 간의 차이를 최소화하고자-처음 보는 스와힐리어 단어를 학습하도록 하였다. 참가자들의 상태-특성 불안과 우울의 평균은 정상 수준이었다. 구조방정식모형에서 부적 정서에서 외국어 학습으로의 직접효과는 없었으며, 부적 정서에서 작업기억으로의 직접효과와 작업기억에서 외국어 학습으로의 직접효과는 유의미하였다. 이는 부적 정서에 의한 작업기억의 손상이 외국어 어휘 학습의 부진으로 이어질 수 있음을 의미하였다. 이를 바탕으로 대학생들을 위한 외국어 어휘 학습 콘텐츠를 개발할 때에, 학습자의 부적인 정서를 고려해야 할 필요성과 작업기억의 부담을 최소화해야 할 필요성을 제기하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제1권1호
• /
• pp.19-30
• /
• 2012

상황인식 서비스라는 개념은 컴퓨팅과 통신을 기반으로 서비스를 제공 받는자의 주변 상황을 컴퓨터가 인식하고 스스로 판단하여 사용자에게 유용한 정보를 제공하는 서비스이다. 그러나 모바일 환경에서 제한된 모바일 기능과 메모리 공간 및 추론 비용 증가로 인해 소규모의 상황인식 처리 능력을 가지는 단점과 추론 엔진의 부분 개발로 인한 상황 정보 추론 방식의 제한적인 형태로 나타나고 있다. 이에 본 논문에서는 특정 플랫폼에 종속되지 않고 다양한 모바일기기에서 상황인식 서비스를 제공받을 수 있도록 PaaS기반의 GAE을 이용한 모바일 클라우드 상황인식 시스템을 제안한다. 제안하는 시스템의 추론 설계 방식은 OWL의 온톨로지와 SWRL 규칙으로 표현되는 시멘틱 추론을 이용한 지식베이스 프레임워크와 규칙 기반의 추론 엔진을 제공하는 Jess를 활용하여 설계한다. 아울러 기존 추론 질의 방식인 시멘틱 검색의 SparQL 질의 추론 방식의 단점을 극복하고자 SWRL형태의 Rule 규칙 정보인 Class, Property, Individual등의 속성값들을 특정 플러그인을 이용하여 Jess 추론 엔진에 연결하도록 설계한다.

• 인지과학
• /
• 제30권1호
• /
• pp.31-50
• /
• 2019

본 연구는 인출 연습 범주 내 비 인출 연습 항목의 지각적, 정서적, 의미적 구별성이 인출 유도 망각(retrieval induced forgetting; RIF)에 미치는 영향을 알아보기 위해 수행되었다. 실험 1은 인출 유도 망각 실험 패러다임에 적합한 범주와 범주 내 항목을 구성하고, 인출 연습 범주 내 비 인출 연습 항목의 지각적 구별성이 인출 유도 망각에 미치는 영향을 알아보기 위해 수행되었다. 6개의 범주와 각 범주 당 6개의 단어들로 이루어진 목록이 사용되었다. 통제조건에서는 지시문을 포함하여 범주명과 범주 내 항목 등 모든 자극이 고딕체의 검은색으로 제시었다. 반면 지각적 구별성 조건에서는 지시문과 범주명, 범주 내 항목의 절반은 검은색 고딕체로 제시되었고, 나머지 범주 내 항목의 절반은 붉은색의 궁서체로 제시되었다. 그 결과 통제집단 뿐만 아니라 지각적 구별성 조건 모두 인출 유도 망각이 관찰되었다. 실험 2는 부적정서의 구별성과 의미적 구별성이 인출 유도 망각에 미치는 영향을 알아보기 위해 수행되었다. 부적정서의 구별성은 범주 내 항목의 절반에 부적 형용사를 덧붙이는 방식으로 조작되었다. 의미적 구별성은 범주 내 항목의 절반에 의미적으로 특이한 형용사를 덧붙이는 방식으로 조작되었다. 중성 조건은 모든 범주 내 항목에 중성적인 형용사를 덧붙이는 방식으로 조작되었다. 그 결과 중성 조건에서는 인출유도망각이 발생된 반면 부적정서 구별성 조건과 의미적 구별성 조건 모두 인출 유도 망각이 발생되지 않았다. 이러한 결과는 구별성이 범주와 범주 내 항목간의 연합관계 안에서 작용될 때만 인출 유도 망각이 발생되지 않을 가능성을 제안한다.

• IEIE Transactions on Smart Processing and Computing
• /
• 제1권3호
• /
• pp.192-200
• /
• 2012

In order for humans and robots to interact in daily life, robots need to understand human speech and link it to their actions. This paper proposes a hierarchical behavior model for robot action control using natural language commands. The model, which consists of episodes, primitive actions and atomic functions, uses a sentential cognitive system that includes multiple modules for perception, action, reasoning and memory. Human speech commands are translated to sentences with a natural language processor that are syntactically parsed. A semantic parsing procedure was applied to human speech by analyzing the verbs and phrases of the sentences and linking them to the cognitive information. The cognitive system performed according to the hierarchical behavior model, which consists of episodes, primitive actions and atomic functions, which are implemented in the system. In the experiments, a possible episode, "Water the pot," was tested and its feasibility was evaluated.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2017년도 제29회 한글 및 한국어 정보처리 학술대회
• /
• pp.159-162
• /
• 2017

Long Short-Term Memory Recurrent Neural Network(LSTM RNN)는 순차 데이터 모델링에 적합한 딥러닝 모델이다. Bidirectional LSTM RNN(BiLSTM RNN)은 RNN의 그래디언트 소멸 문제(vanishing gradient problem)를 해결한 LSTM RNN을 입력 데이터의 양 방향에 적용시킨 것으로 입력 열의 모든 정보를 볼 수 있는 장점이 있어 자연어처리를 비롯한 다양한 분야에서 많이 사용되고 있다. Highway Network는 비선형 변환을 거치지 않은 입력 정보를 히든레이어에서 직접 사용할 수 있게 LSTM 유닛에 게이트를 추가한 딥러닝 모델이다. 본 논문에서는 Highway Network를 한국어 의미역 결정에 적용하여 기존 연구 보다 더 높은 성능을 얻을 수 있음을 보인다.