• 한국콘텐츠학회논문지
• /
• 제11권3호
• /
• pp.73-83
• /
• 2011

질의 응답 시스템은 사용자의 질의에 대해 다른 사용자의 응답을 저장하고 보여 주는 시스템이다. 사용자의 질의를 만족시키는 응답을 정확히 검색하고자 노력하는 많은 연구들이 있었지만 이에는 근본적인 한계가 있었다. 따라서 질의 응답 시스템에서는 보조적인 방법으로 사용자의 질의를 만족시킬 가능성이 높은 다른 질의를 추천하는 방법이 사용되고 있다. 이전 연구에서 내용적으로 포함하는 정도가 큰 질의들을 하위 질의로서 추천하는 내용 기반 추천 방법으로서 퍼지 관계 곱 연산자(fuzzy relational product operator)를 사용하는 방법이 제안되었고, 기본적인 함의 연산자로서 Kleene-Dienes 연산자가 사용되었다. 하지만 Kleene-Dienes 연산자는 설명의 의미적 포함관계를 고려한 방법이 아니기 때문에 질의응답의 의미적 포함 정도를 계산하기에 적합하지 않다. 본 논문에서는 두 질의에 대한 설명의 의미적 포함관계를 고려한 새로운 함의 연산자를 제안한다. 새로운 연산자는 어떤 질의 및 응답 들이 다른 질의와 그 응답들에 의미적으로 포함되는 정도를 계산하도록 설계되었다. 실험을 통하여 새로운 함의 연산자를 적용한 퍼지 관계곱 연산자를 사용하면 사용자가 원하는 지식을 추천할 가능성이 높아짐을 보였다.

• 한국정보통신학회논문지
• /
• 제16권3호
• /
• pp.424-431
• /
• 2012

정보 검색 시 검색엔진은 사용자에게 웹페이지 순위와 웹페이지의 요약정보를 제공한다. 이중 웹 페이지를 대표 할 수 있는 요약된 정보를 스니핏(snippet)이라한다. 스니핏은 사용자의 웹페이지 방문에 큰 영향을 준다. 정확한 방문 페이지의 정보를 모르고 단지 스니핏 만을 이용할 때에 가끔 사용자의 의도와는 다른 잘못된 웹 페이지를 방문할 수 있다. 이것은 검색엔진에서 지원하는 스니핏에 사용자의 의도를 정확하게 반영하는 것이 어렵기 때문이다. 본 논문은 이러한 문제를 해결하기 위해 연관 피드백과 퍼지 함의 연산자를 이용한 새로운 스니핏 추출 방법을 제안한다. 제안방법은 연관 피드백을 이용하여 사용자의 질의를 확장하고, 확장된 질의와 웹 페이지 사이에 퍼지 함의 연산자를 이용하여 질의와 확장된 질의의 포함관계가 반영된 스니핏을 추출함으로써 사용자의 의도를 스니핏에 더 잘 반영할 수 있다. 실험결과에서 제안방법이 다른 방법보다 스니핏 추출에 더 좋은 성능을 보인다.

• Kyungpook Mathematical Journal
• /
• 제53권3호
• /
• pp.435-457
• /
• 2013

Using the Lukasiewicz 3-valued implication operator, the notion of an (${\alpha},{\beta}$)-intuitionistic fuzzy left (right) $h$-ideal of a hemiring is introduced, where ${\alpha},{\beta}{\in}\{{\in},q,{\in}{\wedge}q,{\in}{\vee}q\}$. We define intuitionistic fuzzy left (right) $h$-ideal with thresholds ($s,t$) of a hemiring R and investigate their various properties. We characterize intuitionistic fuzzy left (right) $h$-ideal with thresholds ($s,t$) and (${\alpha},{\beta}$)-intuitionistic fuzzy left (right) $h$-ideal of a hemiring R by its level sets. We establish that an intuitionistic fuzzy set A of a hemiring R is a (${\in},{\in}$) (or (${\in},{\in}{\vee}q$) or (${\in}{\wedge}q,{\in}$)-intuitionistic fuzzy left (right) $h$-ideal of R if and only if A is an intuitionistic fuzzy left (right) $h$-ideal with thresholds (0, 1) (or (0, 0.5) or (0.5, 1)) of R respectively. It is also shown that A is a (${\in},{\in}$) (or (${\in},{\in}{\vee}q$) or (${\in}{\wedge}q,{\in}$))-intuitionistic fuzzy left (right) $h$-ideal if and only if for any $p{\in}$ (0, 1] (or $p{\in}$ (0, 0.5] or $p{\in}$ (0.5, 1] ), $A_p$ is a fuzzy left (right) $h$-ideal. Finally, we prove that an intuitionistic fuzzy set A of a hemiring R is an intuitionistic fuzzy left (right) $h$-ideal with thresholds ($s,t$) of R if and only if for any $p{\in}(s,t]$, the cut set $A_p$ is a fuzzy left (right) $h$-ideal of R.

• 한국지능시스템학회논문지
• /
• 제13권2호
• /
• pp.222-230
• /
• 2003

의료 시스템이 개발되면 시스템이 사용하는 knowledge source의 신뢰도가 시스템의 수행능력에 큰 영향을 미치게 되므로, knowledge source의 신뢰도를 검증해야한다. 본 논문은 의료 시스템 CLINAID의 knowledge source의 신뢰성 조사에 대한 연구의 방법과 결과를 발표하였다. 그 방법으로는 CLINAID에 사용된 Cardiovascular body system 데이터에 fuzzy relational method를 적용하여 구조적 분석을 통해 만들어진 인공의 syndrome을 knowledge base에 저장되어있는 의료 전문가의 syndrome과 비교하였다. 7 가지 fuzzy implication operator를 사용하여 거의 비슷한 결과들을 산출해 냈으며, 그 결과들이 전문가가 제공한 syndrome과 거의 일치하였다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2000년도 제15차 학술회의논문집
• /
• pp.449-449
• /
• 2000

Many researchers have studied architectures for non-Neumann's computers because of escaping its bottleneck. To avoid the bottleneck, a neuron-based computer has been developed. The computer has only neurons and their connections, which are constructed of the learning. But still it has information processing facilities, and at the same time, it is like as a simplified brain to make inference; it is called "neuron-computer". No instructions are considered in any neural network usually; however, to complete complex processing on restricted computing resources, the processing must be reduced to primitive actions. Therefore, we introduce the instructions to the neuron-computer, in which the most important function is implications. There is an implication represented by binary-operators, but general implications for multi-value or fuzzy logics can't be done. Therefore, we need to use Lukasiewicz' operator at least. We investigated a neuron-computer having instructions for general implications. If we use the computer, the effective inferences base on multi-value logic is executed rapidly in a small logical unit.