http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
송현제(Hyun-Je Song),노태길(Tae-Gil Noh),박성배(Seong-Bae Park),박세영(Se-Young Park) 한국정보과학회 2009 정보과학회 컴퓨팅의 실제 논문지 Vol.15 No.12
질의 처리는 사용자가 입력한 질의를 분석하여 시스템이 이해할 수 있는 질의로 변환하는 작업으로, 온톨로지 및 시맨틱 웹 검색을 위한 질의 처리가 최근 주목을 받고 있다. 시맨틱 웹에서 사용하는 형식 질의 언어는 찾는 대상을 정확히 표현할 수 있지만, 키워드 기반과 달리 온톨로지의 구조 파악이 선행되어야 한다. 본 논문에서는 일반 사용자에게 익숙한 키워드로 작성된 질의문을 시맨틱 웹 환경에서 적합한 형식 질의문으로 변환하기 위한 키워드 기반 질의 변환 시스템을 제안한다. 제안한 방법은 온톨로지 구조 지식을 활용하여 개별 키워드가 어떤 제약 조건 또는 제약 대상과 결합하는지를 명시함으로써, 질의 키워드로부터 등가의 조건에 해당하는 형식 질의문을 생성할 수 있다. This paper proposes a keyword-based query translation system for the semantic web. With the relationship between keywords and ontology structure information, the system converts keyword based queries into queries written by formal query language which is appropriate for the semantic web. As a result, casual web users could not only express queries easily but also obtain the better result.
모빌리티와 소셜 미디어 텍스트에서 사용자 프로파일 식별
송현제(Hyun-Je Song),박성배(Seong-Bae Park),이상조(Sang-Jo Lee) 한국정보과학회 2013 정보과학회 컴퓨팅의 실제 논문지 Vol.19 No.7
본 논문에서는 모빌리티 정보와 소셜 네트워크 서비스에 작성한 텍스트로부터 사용자의 프로파일을 식별한다. 모빌리티 기반 프로파일 식별에서는 거점 방문 횟수 뿐만 아니라 시간 정보가 반영된 자질들로 모빌리티 정보를 표현하고 모빌리티의 유사성에 기반하여 프로파일을 식별한다. 텍스트 기반 프로파일 식별 모델에서는 사용자가 작성한 텍스트 전체를 하나의 학습 단위로 처리하는 다중 인스턴스 학습을 사용하여 프로파일을 식별한다. 하나의 프로파일로 식별하기 위해 서로 다른 특징을 가진 개별 모델들의 프로파일을 선형 모델로 결합한다. 실험을 통해 본 논문에서 제안한 방법들이 비교모델들에 비해 프로파일을 식별함에 유의미함을 보인다. This paper focuses on user profiles identification from mobility behaviors and social media texts. We regard the user profiles identification as a classification problem, that user information is classified to predefined profile labels. The mobility model identifies user profiles from mobility behaviors by measuring the similarity of mobility patterns. In this model, the mobility patterns are represented as several proposed features in order to reflect the mobility behavior. The social media text model adopts a multi-instance learning to predict user profile from social media texts. Multi-instance learning regards a set of texts by a user as a bag and learns user profiles identification with such bag. Finally, we present a combined model to incorporate the advantage of both models. Our experiments on 3 attributes in gender, age and marital status show that the proposed method achieves higher performance than mobility model and social media text model respectively.
다중 인스턴스 학습 기반 소셜 미디어 사용자 프로파일 식별
송현제(Hyun-Je Song),김아영(A-Yeong Kim),박성배(Seong-Bae Park) 한국정보과학회 2013 정보과학회논문지 : 소프트웨어 및 응용 Vol.40 No.4
본 논문에서는 소셜 네트워크 서비스에서 작성된 텍스트들로부터 사용자 프로파일을 식별하는 문제를 다룬다. 기존 연구에서는 텍스트 개별을 프로파일의 식별 단위로 간주한다. 각 텍스트마다 프로파일을 식별한 후, 식별된 결과들을 합쳐 최종적으로 프로파일을 식별한다. 하지만 소셜 네트워크 서비스 특성상 사용자가 작성한 텍스트 중에는 프로파일을 식별하는 데에 영향을 끼치지 않는 텍스트들이 다수 존재하며, 기존 연구들은 이들을 단순히 학습 및 테스트에 사용함으로 인해 프로파일 식별 성능이 저하되는 문제점이 있다. 본 논문에서는 다중 인스턴스 학습을 기반으로 사용자 프로파일을 식별한다. 제안한 방법은 사용자가 작성한 텍스트 전체, 즉 텍스트 집합을 프로파일의 식별 단위로 간주한다. 다중 인스턴스 학습 알고리즘을 통해 프로파일 식별에 영향을 끼치지 않는 텍스트들이 자동으로 배제되므로 기존 연구에서 발생하는 성능 하락을 최소화할 수 있다. 총 5가지 속성(성별, 나이, 연애 유무, 종교, 정치적 성향)에 대한 실험을 통해 제안한 방법이 텍스트 개별을 프로파일의 식별 단위로 삼는 기존 연구보다 더 좋은 성능을 보인다. This paper considers a user profile identification from social media text. Previous studies are based on the single-instance learning, that is, they regard a text as a instance which is a unit of user profile identification. Given a set of texts, user profile is identified by merging the results of texts. However, they are apt to achieve the low performance because some texts which are irrelevant to user profile affect the negative impact on the training and test. In order to solve this problem, the proposed method adopts a multi-instance learning which regards a set of texts as a unit of identification. With the multi-instance learning algorithm the proposed method automatically excludes some irrelevant texts. Our experiments on 5 attributes in gender, age, marital status, religion and political orientation show that the proposed method results in higher performance than the single-instance learning method.