http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
객체 지향 데이타 모델에서의 불완전 정보의 표현 및 질의 처리
오염덕(RyumDuck Oh),김경창(Kyung Chang Kim),임해철(HaeChull Lim) 한국정보과학회 1993 정보과학회논문지 Vol.20 No.3
기존의 관계형 데이타 모델에서 제안되었던 많은 불완전 정보에 대한 연구를 토대로 객체 지향 데이타 모델에서의 불완전 정보의 표현과 이를 활용하기 위한 규칙을 확장하였다. 불완전 정보의 유형으로는 불확정 정보, 수치 구간 정보로 구분하였으며, 불완전 정보의 정도를 나타내기 위하여 신뢰도의 정의 및 표현 형태(내부 클래스 구조)에 대해서 정의하였다. 기본 데이타 모델로서 객체 지향 데이타 모델인 OSAM*을 이용하였는데, 이는 OSAM*가 객체 지향 데이타 모델 성향을 만족하는 동시에 풍부한 의미적 표현 구조를 제공하기 때문이다. 또한 질의는 OSAM*에서 제공하고 있는 질의어인 OQL를 확장한 질의 모델을 정의하여 사용하였다. 불완전 정보를 처리하기 위해서는 현실 세계에서 이루어지는 추론 작업과 유사한 과정이 요구되는데, 본 논문에서는 OSAM*에서 제공하는 다양한 의미론적 연관 관계에 대해 퍼지 이론에 기반을 둔 규칙을 적용함으로써, 결과 값에 대한 신뢰도를 추출하고자 한다. In this paper, based on the concepts applied to existing relational data model, we expand those concepts to represent incomplete information in object-oriented database and introduce rules to be applied. We deal with only indefinite information and numerical interval of various of incomplete information. In addition, to represent the degree of incompleteness, we suggest a representation type (internal class) and a certainty factor. We use OSAM* as basic data model because it has properties of fundamental object-oriented data model and structure of diverse semantic representation. Also, we used query model which is an extension of the query language OQL provided by OSAM*. Hence, we expect information processing to be more closely related to the real world. To process incomplete information, deductive works as processed in real world is required. In this paper, we solve this issus using rules based on fuzzy theory and various semantic association provided by OSAM*
효율적인 학습 모델을 지원하는 웹 페이지 학습 기억 플랫폼 구현
김성준(Seongjun Kim),오염덕(Ryumduck Oh) 한국컴퓨터정보학회 2021 한국컴퓨터정보학회 학술발표논문집 Vol.29 No.1
본 논문에서는 영어 교육에 대한 사회적인 인식은 중요해지면서 다양한 방식의 영어공부와 학습모델들을 분석하고 오랫동안 가억이 가능한 학습시스템을 검토하였다. 그러나 영어의 기초가 되는 영어 단어의 공부법이 논리적인 근거 없이 강사의 인지도와 명성에 현혹되어 강사가 추천해 주는 공부 방법에 따라 잘못된 학습하는 경우가 대부분이다. 또한 사람마다 자기에게 맞는 학습법은 분명 존재할 것이다. 하지만 그 방법 외에 효과적인 다른 방법 또한 찾아 볼 수 있다. 헤르만 에빙하우스는 사람의 망각 연구한 결과 망각의 주기를 수치로 나타내었고, 라이트너는 플래시 카드를 박스에 넣어 복습을 반복하는 아날로그 장치를 만들어 복습의 효과를 연구하였다. 본 논문에서는 헤르만 에빙하우스의 망각 곡선 이론을 통해 효율적인 영어 단어 학습방법을 논리적으로 증명하고, 웹사이트를 사용한 라이트너 박스와 망각 곡선의 이론을 적용하여 망각의 주기에 따른 복습의 효과를 적용하여 결과적으로 사용자에게 접근성이 좋은 학습형 플랫폼을 제공하여 시간 대비 학습률이 좋은 시스템을 개발하고자 하였다.