• 디지털산업정보학회논문지
• /
• 제16권3호
• /
• pp.1-11
• /
• 2020

In this paper, we describe about the user terminal tagging-based embarkation/disembarkation management system and embarkation/disembarkation management method using this system. The system authenticates the validity of the user and on whether to board on the ship by tagging the user's terminal which the boarding reservation was made by using the management terminal provided in the ship. The system identifies on whether the user disembark in the ship by tagging the user's terminal. In the event of ship accident, it is easy to figure out the user and manage the non-contact boarding and disembarking. Therefore, we design the embarkation/disembarkation management system based on user's terminal tagging on the terminal provided in the ship and embarkation/disembarkation management method using this system. User terminal tagging can solve the problem of manpower required for the management of embarkation and disembarkation, the problem of requiring time to confirm the match between the reservation and the passenger, and the problem of increase of the possibility on the spread of infectious diseases due to face-to-face contact.

• 한국문헌정보학회지
• /
• 제45권1호
• /
• pp.189-210
• /
• 2011

본 연구는 실제 폭소노미를 사용하는 참여자의 태깅 경험, 태깅과 폭소노미에 대한 인식을 파악하며, 폭소노미에 따른 웹 분류의 의미에 대해 탐구하고자 한다. 세 개의 폭소노미 시스템 Connotea, CiteULike, Delicious의 12명 참여자와 함께 정성적 연구의 틀 내에서 웹 설문, 인터뷰, 일기연구를 수행하였다. 참여자들의 태깅 행위를 이루는 기본구성요소를 파악하고, 태깅활동에 참여하게 되는 동기와 그 태깅동기들이 참여자들이 사용하는 태그에 어떻게 반영되는지를 조사하였다. 또한 정보탐색(information foraging) 이론을 적용하여 참여자들이 태깅을 통해 참여하는 사회성과 상호작용성에 대한 경험과 인식을 분석하고, 정보냄새로서의 태그에 대하여 논의하였다. 이용자 참여를 기반으로 하는 본 연구의 실증적 연구결과들은 폭소노미를 활용한 웹 정보서비스를 다양한 각도에서 이해하는데 도움을 주고, 웹 정보자원의 분류와 조직에 있어서 폭소노미의 유용화를 연구하는 개념적 틀을 제시함으로써 폭소노미 현상의 연구 향상에 기여할 수 있을 것으로 기대한다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 1998년도 추계종합학술대회 논문집
• /
• pp.527-530
• /
• 1998

In this paper, a transformation-based English part of speech tagging system is designed and implemented. The tagging system tags raw corpus at first and the transformation rule correct the errors. Apart from traditional rule based tagging system, this system makes rules automatically. Using 60,000 words of corpus as a training corpus, the transformation rules are generated automatically by iterative training. The idea how to calculate positive effect of transformation and select transformation rules is proposed to generate more effective and correct transformations. In this paper, part of the Brown corpus and English text is used for experimental data. And the performance of transformation based tagging system is demonstrated by the calculation of accuracy.

• 화약ㆍ발파
• /
• 제37권3호
• /
• pp.34-42
• /
• 2019

여러 가지 Type의 다양한 작업방식으로 사용이 가능한 전자뇌관 시스템이 개발되어 실용화되었다. 새롭게 개발된 HEBS (Hanwha Electronic Blasting System) II 장비는 Scanning, Logging 및 Tagging의 3가지 모드에서 작업이 가능하도록 기능 구현이 되어있으며, 현장 여건에 적합한 기능을 선택하면 된다. 금번 시험발파에서는 기존 비전기뇌관 사용 시와 비교하여 발파진동, 파쇄입도, Digging time 개선사항과 전자뇌관의 대표적인 작업방법인 Scanning 모드, Logging 모드, Tagging 모드의 작업 효율성을 동일현장에서 비교하였다. 발파진동은 약 45%, 파쇄입도는 약 31%가 감소하였으며, Digging time도 약 13%가 감소되는 것으로 나타났다. 이 결과는 새로운 시스템이 현장의 작업조건 하에서도 Scanning 모드와 Logging 모드, Tagging모드를 불문하고 공히 우수한 작업 효율성을 지니고 있음을 말해준다.

• 한국지능시스템학회논문지
• /
• 제18권2호
• /
• pp.157-162
• /
• 2008

본 논문은 대중에 의해 자유롭게 생성된 분류 체계인 폭소노미, 즉 대규모의 태깅 데이터로부터 태깅 온톨로지를 학습하는 방법을 제시하고 있다. 기존 소셜웹 시스템간에는 태깅의 의미에 대해 공통의 합의가 이루어지지 않았기 때문에, 시스템마다 태깅 정보를 표현하기 위해 내부적으로 다른 방법을 쓰고 있으며, 따라서 소프트웨어 에이전트를 이용하여 시스템간의 정보처리를 자동으로 할 수가 없다. 이를 해결하는 방법으로 폭소노미를 위한 태깅 온톨로지가 필요하다. 태깅의 본질적인 속성을 분석하여 태깅 온톨로지를 정의하고, 태깅 데이터의 기계 학습을 통하여 유사 태그와 사용자 그룹 정보를 획득한 후, 태깅 온톨로지를 학습한다. 이의 활용 방안으로 학습된 태깅 온톨로지를 이용하여 모델링한 추천 시스템도 제안한다.

• 한국멀티미디어학회논문지
• /
• 제15권2호
• /
• pp.281-289
• /
• 2012

본 연구의 목적은 사용자 생산 정보와 소셜 태깅을 이용하여 보다 편리한 버스 정보 안내 시스템을 개발하는 것이다. 본 연구에서는 이를 위해 위치 인식과 태깅 기술을 이용한 모바일 버스 안내 시스템을 스마트폰을 기반으로 하여 개발하였다. 이 시스템은 사용자들에게 현재 위치를 기반으로 하여 주변 정류장 및 버스 정보를 안내한다. 또한 사용자가 해당 정류장에 관련 정보를 태그로 등록할 수 있으며, 등록된 정보를 활용한 간단한 키워드 검색으로 해당 목적지에 대한 버스 및 노선 정보를 검색할 수 있다.

• 정보처리학회논문지B
• /
• 제19B권1호
• /
• pp.63-76
• /
• 2012

본 논문에서는 통계기반의 복합명사 분해 방법과 어휘의미망(U-WIN)과 사전 뜻풀이에서 추출한 의미관계 정보를 이용하는 한국어 복합명사 의미 태깅 시스템을 제안한다. 본 시스템은 크게 복합명사 분해, 의미제약, 그리고 의미 태깅의 세 가지 부분으로 이루어진다. 분해과정은 세종말뭉치에서 추출한 위치별명사 빈도를 사용하여 최적의 구성 명사 분해 후보를 선정하고 의미제약을 위한 구성 명사 재분해와 외래어 복원의 과정을 수행한다. 의미범위 제약과정은 유사도 비교의 계산량을 줄이고 정확도를 높이기 위해 원어 정보와 Naive Bayes Classifier를 이용해 가능한 경우 구성 명사의 의미를 선 제약한다. 의미 분석 및 태깅 과정에서는 bigram 구성 명사의 각 의미 유사도를 구하고 하나의 체인을 만들어가며 태깅을 수행한다. 본 시스템의 성능 평가를 위해 표준국어대사전에서 추출한 3음절 이상의 40,717개의 복합명사를 대상으로 의미 태깅된 테스트 셋을 구축하였다. 이를 이용한 실험에서 99.26%의 분해 정확도를 보였으며, 95.38%의 의미 분석 정확도를 보였다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제16권10호
• /
• pp.1010-1014
• /
• 2010

잡지기사 관련 상품 연계 추천 서비스는 온라인 상에서 잡지 가사의 컨텍스트를 반영하여 상품을 추천하는 서비스이다. 현재 이러한 서비스는 잡지기사와 상품에 부여되어 있는 태그 간의 유사성을 기준으로 한 추천 기술에 의존하고 있으나, 태그 부여 비용과 추천의 정확도가 높지 않은 단점이 있다. 본 논문에서는 잡지 기사 컨텍스트 관련 상품연계 추천 기술의 한 요소로서 상품이미지 정보로부터 상품의 종류를 자동으로 분류하고 이를 상품의 태그로 활용하는 방법을 제안한다. 이미지에서 추출한 시각단어(visual word)와 상품 종류 간의 고차 연관관계를 하이퍼네트워크 기법을 통해 학습하고, 학습된 하이퍼네트워크를 이용하여 상품 이미지에 한 개 이상의 태그를 자동으로 부여한다. 실제 온라인 쇼핑몰에서 사용되는 10 가지 종류의 상품 1,251개의 이미지 데이터를 기반으로, 하이퍼네트워크 이용한 상품이미지 자동 태깅 기법이 다른 기계학습 방법과 비교하여 경쟁력 있는 성능을 보여줌과 동시에, 복수개의 태그 부여를 통해 상품 이미지 태깅의 정확성이 향상됨을 보인다.

• 한국산업정보학회논문지
• /
• 제13권5호
• /
• pp.133-141
• /
• 2008

소셜웹은 정보를 공유하고 사용자간 연결 정도를 높이기 위해 현재의 웹을 소셜 플랫폼으로 변화시키고 있다. 본 논문은 여러 소셜웹 사이트에 산재되어 있는 소셜 데이터를 중재하고 연결하는 방법을 제공하기 위해 딜리셔스, 플리커, 유튜브와 같은 대표적인 소셜 태깅 사이트의 태깅 데이터를 분석한다. 그 결과로 서로 다른 태깅 데이터를 통합하고 서로 다른 소셜 메타데이터를 연결하기 위한 태그 온톨로지를 제안한다. 또한 태깅 데이터의 기계 학습을 통하여 유사 태그 그룹과 사용자 그룹 정보를 획득한 후 태그 온톨로지를 학습한다. 이의 활용 방안으로는 학습된 태그 온톨로지를 이용하여 모델링한 추천 시스템도 제안한다.

• Journal of Multimedia Information System
• /
• 제5권3호
• /
• pp.147-154
• /
• 2018

Natural language processing (NLP) is an emerging research area in which we study how machines can be used to perceive and alter the text written in natural languages. We can perform different tasks on natural languages by analyzing them through various annotational tasks like parsing, chunking, part-of-speech tagging and lexical analysis etc. These annotational tasks depend on morphological structure of a particular natural language. The focus of this work is part-of-speech tagging (POS tagging) on Hindi language. Part-of-speech tagging also known as grammatical tagging is a process of assigning different grammatical categories to each word of a given text. These grammatical categories can be noun, verb, time, date, number etc. Hindi is the most widely used and official language of India. It is also among the top five most spoken languages of the world. For English and other languages, a diverse range of POS taggers are available, but these POS taggers can not be applied on the Hindi language as Hindi is one of the most morphologically rich language. Furthermore there is a significant difference between the morphological structures of these languages. Thus in this work, a POS tagger system is presented for the Hindi language. For Hindi POS tagging a hybrid approach is presented in this paper which combines "Probability-based and Rule-based" approaches. For known word tagging a Unigram model of probability class is used, whereas for tagging unknown words various lexical and contextual features are used. Various finite state machine automata are constructed for demonstrating different rules and then regular expressions are used to implement these rules. A tagset is also prepared for this task, which contains 29 standard part-of-speech tags. The tagset also includes two unique tags, i.e., date tag and time tag. These date and time tags support all possible formats. Regular expressions are used to implement all pattern based tags like time, date, number and special symbols. The aim of the presented approach is to increase the correctness of an automatic Hindi POS tagging while bounding the requirement of a large human-made corpus. This hybrid approach uses a probability-based model to increase automatic tagging and a rule-based model to bound the requirement of an already trained corpus. This approach is based on very small labeled training set (around 9,000 words) and yields 96.54% of best precision and 95.08% of average precision. The approach also yields best accuracy of 91.39% and an average accuracy of 88.15%.