http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
교과 연계 진로 탐색을 위한 인공지능 기반 고교 선택교과 및 대학 학과 추천 시스템
백진헌 ( Jinheon Baek ),김하연 ( Hayeon Kim ),권기원 ( Kiwon Kwon ) 한국정보처리학회 2021 정보처리학회논문지. 소프트웨어 및 데이터 공학 Vol.10 No.1
4차 산업 혁명 시대의 도래에 따라 직업 환경의 변화가 가속화되고 있으며, 이와 함께 교육의 패러다임이 자유학기제와 고교학점제에 바탕을 둔 진로교육을 중심으로 변화하고 있다. 하지만, 학생들의 자율적인 진로 탐색을 지향하는 자유학기제 및 고교학점제의 정책적 목표와 달리, 진로교육 콘텐츠의 개발과 이용에 있어 교사 및 학생들의 한계가 존재하고, 이를 뒷받침할 에듀테크 기술 연구 역시 상대적으로 부족한 실정이다. 따라서 본 연구는, 교육 현장에서의 진로교육 실태를 바탕으로, 에듀테크 기술이 교과연계 진로교육과 관련해 갖춰야 할 요구조건을 세 가지로 정의하였다. 다음으로 데이터 기반 인공지능 기술을 통해, 진로탐색용 탐구주제와 고교 과목, 그리고 대학에서 수학 가능한 전공을 아우를 수 있는 데이터 시스템 및 인공지능 추천 모델을 제안하였다. 마지막으로 실험을 통해, 셋 인코딩-디코딩 기반 인공지능 추천 모델이 진로교육 콘텐츠 추천에서 만족할 만한 성능을 보이는 것을 확인하였고, 교육 현장에서의 실제 적용 결과 또한 만족스럽다는 것을 확인하였다. Recent advances in the 4th Industrial Revolution have accelerated the change of the working environment, such that the paradigm of education has been shifted in accordance with career education including the free semester system and the high school credit system. While the purpose of those systems is students’ self-motivated career exploration, educational limitations for teachers and students exist due to the rapid change of the information on education. Also, education technology research to tackle these limitations is relatively insufficient. To this end, this study first defines three requirements that education technologies for the career education system should consider. Then, through data-driven artificial intelligence technology, this study proposes a data system and an artificial intelligence recommendation model that incorporates the topics for career exploration, courses, and majors in one scheme. Finally, this study demonstrates that the set-based artificial intelligence model shows satisfactory performances on recommending career education contents such as courses and majors, and further confirms that the actual application of this system in the educational field is acceptable.
음식의 재료들을 고밀도 벡터 공간상 화학적 조합으로 임베딩하기 위한 방법론
박동현(Donghyeon Park),박용규(Yonggyu Park),장부루(Buru Chang),백진헌(Jinheon Baek),강재우(Jaewoo Kang) 한국정보과학회 2019 정보과학회 컴퓨팅의 실제 논문지 Vol.25 No.1
약 본 논문은 음식의 재료들을 컴퓨터가 이해할 수 있는 벡터로 표현하는 것을 목표로 한다. 식품공학자들이 재료를 화학 분자의 조합으로 규명해 놓은 데이터에 기반을 두어, 최신 기술인 임베딩 방식을 이용해 음식의 재료들을 고밀도 벡터 공간에 화학적인 조합으로 표현하는 시도를 처음으로 도입하는 것이 본 논문의 주 내용이다. 음식 재료의 화학적 조합의 임베딩은 단순히 텍스트들의 동시 출현 빈도를 이용한 연관성이 아닌 재료를 실제 구성하는 화학 분자들의 조합으로 표현되기 때문에, 사람이 인지하지 못하는 재료의 특징을 파악하고, 조화에 맞는 재료를 추천하는 등의 태스크에 활용가능하다. 본 연구에서는 음식 재료를 Doc2vec 방식으로 벡터화한 결과를 카테고리별로 시각화하여 벡터의 성능을 정성적으로 평가한다. The purpose of this study is to represent food ingredients, in vectors that computers can understand. Based on data relative to food-chemical engineers defining ingredients with a combination of chemical compounds, the main contribution of this study is that it is the first to introduce and represent food ingredients, with a combination of chemical compounds in dense vector space. Since embeddings of food ingredients are represented by actual chemical compounds, they can detect chemical characteristics of ingredients that humans may not. So, embeddings can be used to recommend ingredients that go well with other ingredients. For experimental purpose, we visualize embedded vectors by their food category and evaluate performance of vectors qualitatively.