http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
동적 물질세계를 위해 전역적 참조 프레임을 사용한 정성적 공간 표현 및 추론법 QSR-14
박규동(Gyudong Park),변영태(Young-tae Byun) 한국인지과학회 2011 인지과학 Vol.22 No.1
사람이 공간에 대한 표현이나 추론을 기술할 때, 정량적 정보 표현과 관련 추론이 어렵거나 불가능 할 때 정성적 표현과 추론을 사용할 수 있다. 2차원 공간에 대한 많이 알려진 정성적 방법 중에 RCC(Region Connection Calculus)-8이 있다. 지역(region)을 공간에 대한 온톨로지 기본 개체로 하는 RCC-8은 위상학적 의미에서 두 개의 지역에 관해 connection 기반의 논리식 및 개념적 이웃과 변환을 나타낸 것으로 각 지역의 이동이나 크기 변화를 전제로 하고 있다. 그러나 현실 세계의 공간 표현과 추론에는 몇 가지 측면들이 더 고려되어야 한다. 본 논문에서는 중력장내에서 일어나는 물리적 화학적 작용에 의해 변화하는 동적인 물질세계의 정성적 공간 표현을 위해 RCC-8의 수정 확장된 방법을 제안한다. 2D의 정성적 공간 표현 및 추론에서 전역적 참조 프레임(global reference frame)의 필요성을 기술하고, 전역적 참조 프레임을 사용하여 동적 물질세계의 물리적 화학적 변화를 표현하고 추론하기 위한 QSR-14을 기술한다. QSR-14는 RCC-8에서 불가능한 상황을 표현할 수 있어 실제 세계의 정성적 공간 표현 및 변화에 더 적합하다고 판단된다. 몇 개의 예제를 통해 정성적 표현과 추론에 대한 QSR-14의 유용성을 보인다. When quantitative representation and reasoning about space is difficult or impossible in a real world, we can use qualitative representation and reasoning. RCC-8 is a well-known qualitative method for 2D space. RCC-8, in which a basic ontological primitive entity for space is a region, shows the connection-based logics and the conceptual neighbors and transitions of topological status between two regions. The transitions happen by changing position or size of regions. However, more aspects have to be considered for representing and reasoning of the world. We propose a modified and extended method QSR-14 for qualitative spatial representation and reasoning of a dynamic physical 2D world in the gravitation field. We mention the need of a global reference frame and describe QSR-14 in detail for representing and reasoning of physical and chemical changes of a real world using the global reference frame. We believe QSR-14 is appropriate for the qualitative spatial representation and reasoning of a dynamic physical world. The usefulness of QSR-14 is shown with several examples.
자기 지도 학습 기반의 언어 모델을 활용한 다출처 정보 통합 프레임워크
김한민 ( Hanmin Kim ),이정빈 ( Jeongbin Lee ),박규동 ( Gyudong Park ),손미애 ( Mye Sohn ) 한국인터넷정보학회 2021 인터넷정보학회논문지 Vol.22 No.6
인공지능(Artificial Intelligence) 기술을 활용하여 인공지능 기반의 전쟁 (AI-enabled warfare)가 미래전의 핵심이 될 것으로 예상한다. 자연어 처리 기술은 이러한 AI 기술의 핵심 기술로 지휘관 및 참모들이 자연어로 작성된 보고서, 정보 및 첩보를 일일이 열어 확인하는 부담을 줄이는데 획기적으로 기여할 수 있다. 본 논문에서는 지휘관 및 참모의 정보 처리 부담을 줄이고 신속한 지휘결심을 지원하기 위해 언어 모델 기반의 다출처 정보 통합 (Language model-based Multi-source Information Integration, LAMII) 프레임워크를 제안한다. 제안된 LAMII 프레임워크는 자기지도 학습법을 활용한 언어 모델에 기반한 표현학습과 오토인코더를 활용한 문서 통합의 핵심 단계로 구성되어 있다. 첫 번째 단계에서는, 자기지도 학습 기법을 활용하여 구조적으로 이질적인 두 문장간의 유사 관계를 식별할 수 있는 표현학습을 수행한다. 두 번째 단계에서는, 앞서 학습된 모델을 활용하여 다출처로부터 비슷한 내용 혹은 토픽을 함양하는 문서들을 발견하고 이들을 통합한다. 이 때, 중복되는 문장을 제거하기 위해 오토인코더를 활용하여 문장의 중복성을 측정한다. 본 논문의 우수성을 입증하기 위해, 우리는 언어모델들과 이의 성능을 평가할 때 활용되는 대표적인 벤치마크 셋들을 함께 활용하여 이질적인 문장간의 유사 관계를 예측의 비교 실험하였다. 실험 결과, 제안된 LAMII 프레임워크가 다른 언어 모델에 비하여 이질적인 문장 구조간의 유사 관계를 효과적으로 예측할 수 있음을 입증하였다. Based on Artificial Intelligence technology, AI-enabled warfare is expected to become the main issue in the future warfare. Natural language processing technology is a core technology of AI technology, and it can significantly contribute to reducing the information burden of underrstanidng reports, information objects and intelligences written in natural language by commanders and staff. In this paper, we propose a Language model-based Multi-source Information Integration (LAMII) framework to reduce the information overload of commanders and support rapid decision-making. The proposed LAMII framework consists of the key steps of representation learning based on language models in self-supervsied way and document integration using autoencoders. In the first step, representation learning that can identify the similar relationship between two heterogeneous sentences is performed using the self-supervised learning technique. In the second step, using the learned model, documents that implies similar contents or topics from multiple sources are found and integrated. At this time, the autoencoder is used to measure the information redundancy of the sentences in order to remove the duplicate sentences. In order to prove the superiority of this paper, we conducted comparison experiments using the language models and the benchmark sets used to evaluate their performance. As a result of the experiment, it was demonstrated that the proposed LAMII framework can effectively predict the similar relationship between heterogeneous sentence compared to other language models.
군 통신환경을 효과적으로 활용하는 하이브리드 메시징 시스템 구조와 XML Element 기반의 필터링 기법
배민호(Minho Bae),민경준(Kyoungjun Min),박규동(Gyudong Park),전호철(Hocheol Jeon),오상윤(Sangyoon Oh) 한국정보과학회 2019 정보과학회논문지 Vol.46 No.10
전술 환경에서 자주 발생하는 통신 대역폭 제한을 극복하기 위해서는 메시징 미들웨어 구조와 함께 새로운 메시지 포멧 및 메시지 유통 기법 등 통합적 관점에서의 문제 해결 방안이 필요하다. 본 논문에서는 출판-구독 기반의 전술 네트워킹 미들웨어에서 전술 통신 환경이 가지는 제한적 특성으로 인해 발생하는 문제를 극복하기 위해, 출판-구독의 구현 아키텍처로서 P2P와 브로커를 결합한 하이브리드 메시징 시스템 구조를 제안하고, 또한 유통되는 정보를 통제-조절하기 위한 방안으로 XML Element 기반 새로운 필터링 기법을 제안한다. 본 제안의 타당성을 검증하기 위해 오픈소스 시스템들을 기반으로 하이브리드 메시징 시스템의 프로토타이핑과 성능실험을 진행하였으며, 테스트 데이터에 대해 기존 XML 대비 평균적으로 34% 정도 감소된 메시지 사이즈와 EXI 대비 평균적으로 7.1배 정도 빨라진 인코딩 프로세싱 시간 및 최대 21.7배의 빨라진 메시지 필터링 속도를 확인하였다. To overcome limited network bandwidth conditions which occur frequently in tactical networking environments, an integrated solution that includes architecture, a message format, and a messaging scheme is needed. In this paper, we propose a publish-subscribe based hybrid messaging system architecture and a novel messaging model with an XML element level filtering scheme and data representation to overcome limited networking conditions in tactical environments. Herein, we present the prototype messaging system based on our proposed hybrid architecture. Evaluations of our proposed scheme were conducted to prove its effectiveness. The empirical experimental results showed that our scheme enhanced the message size performance by an average of 34% compared to conventional XML and message encoding performance was also enhanced an average of 7.1 times compared to EXI. The prototype system achieved a 21.7-fold maximum improvement in filtering performance processing time.