http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
잠정적 부적합 문서와 어휘 근접도를 반영한 어휘 그래프 기반 질의 확장
조승현,이경순,Jo, Seung-Hyeon,Lee, Kyung-Soon 한국정보처리학회 2012 정보처리학회논문지B Vol.19 No.3
본 논문에서는 정보검색 성능 향상을 위해 잠정적 적합 문서 및 부적합 문서와 어휘 그래프를 이용한 질의 확장 방법을 제안한다. 언어모델에 의한 초기 검색 결과 상위 문서들은 질의 어휘 조합과 근접도를 기반으로 핵심 질의를 포함하는 문서들로 구성된 핵심 질의 클러스터와 핵심 질의를 포함하지 않는 문서들로 구성된 비핵심 질의 클러스터로 분류된다. 이때, 핵심 질의 클러스터는 잠정적 적합 문서 집합으로, 비핵심 질의 클러스터는 잠정적 부적합 문서 집합으로 본다. 각 클러스터는 어휘들과 질의 어휘와의 가까운 정도에 따라 어휘 그래프로 표현된다. 각 어휘에 대한 중요도는 핵심 질의 클러스터 그래프에서의 어휘 가중치에서 비핵심 질의 클러스터 그래프에서의 어휘의 가중치를 빼서 계산한다. 이는 부적합 문서에서 높은 가중치를 갖는 어휘는 확장 질의에서 제외시키는 역할을 한다. 중요도가 높은 어휘 순으로 확장할 질의를 선택한다. 웹 문서 테스트컬렉션인 TREC WT10g에서의 실험 결과에서 제안 방법이 언어모델(LM)에 비해 평균 정확률의 평균(MAP)에서 9.4% 성능 향상을 보였다. In this paper, we propose a query expansion method based on word graphs using pseudo-relevant and pseudo non-relevant documents to achieve performance improvement in information retrieval. The initially retrieved documents are classified into a core cluster when a document includes core query terms extracted by query term combinations and the degree of query term proximity. Otherwise, documents are classified into a non-core cluster. The documents that belong to a core query cluster can be seen as pseudo-relevant documents, and the documents that belong to a non-core cluster can be seen as pseudo non-relevant documents. Each cluster is represented as a graph which has nodes and edges. Each node represents a term and each edge represents proximity between the term and a query term. The term weight is calculated by subtracting the term weight in the non-core cluster graph from the term weight in the core cluster graph. It means that a term with a high weight in a non-core cluster graph should not be considered as an expanded term. Expansion terms are selected according to the term weights. Experimental results on TREC WT10g test collection show that the proposed method achieves 9.4% improvement over the language model in mean average precision.
조승현 ( Seung-hyeon Jo ),이경순 ( Kyung-soon Lee ) 한국정보처리학회 2022 정보처리학회논문지. 소프트웨어 및 데이터 공학 Vol.11 No.1
본 논문에서는 임상 의사 결정 지원을 위하여 의학 지식을 통해 임상 관계를 추출하고 딥러닝 모델을 이용하여 질병을 예측하는 방법을 제안한다. 의학 사전인 UMLS(Unified Medical Language System)와 암 관련 의학 지식에 포함된 임상 용어를 5가지로 분류한다. 분류된 임상 용어들을 사용하여 위키피디아 의학 문서를 추출한다. 추출한 위키피디아 의학 문서와 추출한 임상 용어를 매칭하여 임상 관계를 구축한다. 구축한 임상 관계를 이용하여 딥러닝 학습을 진행한 후 질의에서 표현된 의학 용어를 바탕으로 질의와 연관된 질병을 예측한다. 이후, 예측한 질병과 관계가 있는 의학 용어를 확장 질의로 선택한 뒤 질의를 확장한다. 제안 방법의 유효성을 검증하기 위해 TREC Clinical Decision Support(CDS), TREC Precision Medicine(PM) 테스트 컬렉션에 대해 비교 평가한다. In this paper, we propose a method of constructing clinical knowledge with clinical concept relations and predicting diseases based on a deep learning model to support clinical decision-making. Clinical terms in UMLS(Unified Medical Language System) and cancer-related medical knowledge are classified into five categories. Medical related documents in Wikipedia are extracted using the classified clinical terms. Clinical concept relations are established by matching the extracted medical related documents with the extracted clinical terms. After deep learning using clinical knowledge, a disease is predicted based on medical terms expressed in a query. Thereafter, medical terms related to the predicted disease are selected as an extended query for clinical document retrieval. To validate our method, we have experimented on TREC Clinical Decision Support (CDS) and TREC Precision Medicine (PM) test collections.
들깻잎 중 Fluazinam과 Picoxystrobin의 잔류변화 및 섭취율
조승현 ( Seung Hyeon Jo ),강현우 ( Hyeon Woo Kang ),신현우 ( Hyeon Woo Shin ),이정우 ( Jeong Woo Lee ),노현호 ( Hyun Ho Noh ),김태화 ( Tae Hwa Kim ),김장억 ( Jang Eok Kim ),김진숙 ( Jin Sook Kim ),권찬혁 ( Chan Hyeok Kwon ),경기성 한국환경농학회 2019 한국환경농학회 학술대회집 Vol.2019 No.-
들깻잎 중 fluazinam(50%, WP)과 picoxystrobin(25%, WG)의 경시적 잔류특성을 구명하고 섭취율을 산출하기 위해 시험농약을 모두 2,000배 희석한 후 7일 간격 3회 살포하였으며, 시료는 최종 약제살포 후 0, 1, 3, 5, 7 및 10일차에 시료를 채취하여 분석하였다. 들깻잎 중 fluazinam과 picoxystrobin의 검출한계는 모두 0.01 mg/kg이었으며, LOQ의 10배, 50배 수준에서 수행한 회수율은 각각 83.9-88.9%와 88.6-97.9%이었다. 들깻잎 중 fluazinam과 picoxystrobin의 잔류량은 각각 10.13-27.51 mg/kg과 4.13-14.85 mg/kg으로 시간이 경과함에 따라 잔류량이 낮아졌으며, 평균 잔류량을 이용하여 산출한 fluazinam과 picoxystrobin의 생물학적 반감기는 각각 8.2일과 6.0일이었다. 최대 잔류량을 바탕으로 산출한 일일섭취허용량 대비 일일섭취추정량인 %일일섭취허용량은 두 시험농약 모두 6% 미만이었다.
Picarbutrazox, Pyribencarb, Valifenalate의 작물 중 잔류 특성
조승현 ( Seung Hyeon Jo ),강현우 ( Hyeon Woo Kang ),신현우 ( Hyeon Woo Shin ),김동주 ( Dong Ju Kim ),이다영 ( Da Yeong Lee ),김태화 ( Tae Hwa Kim ),김장억 ( Jang Eok Kim ),경기성 ( Kee Sung Kyung ) 한국환경농학회 2019 한국환경농학회 학술대회집 Vol.2019 No.-
소면적 재배 작물에 대한 농약의 그룹잔류허용기준을 설정하기 위하여 대표작물인 엇갈이배추, 시금치, 미나리, 쪽파, 들깻잎 중 picarbutrazox, pyribencarb, valifenalate의 잔류 시험을 수행하였다. 시험 농약인 picarbutrazox(SC, 10%), pyribencarb(WG, 40%), valifenalate(SC, 12%)는 각각 2,000배, 3,000배, 1,000배 희석하여 엇갈이배추, 시금치, 미나리, 쪽파의 경우는 수확전 약제살포일을 달리한 4처리구에 7일간격 3회 살포하여 수확 예정일에 일시 수확하였으며, 들깻잎의 경우 7일 간격 3회살포 후 0, 1, 3, 5, 7, 10일차에 시료를 채취하여 분석하였다. 시험 작물 중 picarbutrazox, pyribencarb 및 valifenalate의 정량한계는 모두 0.01 mg/kg이었으며, 회수율은 모두 71.8-115.6%이었다. Picarbutrazox, pyribencarb 및 valifenalate의 작물별 최대잔류량은 각각 1.74-7.98, 3.56-14.41, 3.59-13.10 mg/kg으로 모두 쪽파에서 잔류량이 가장 낮았으며, 들깻잎에서 잔류량이 가장 높았는데 이는 작물의 형태학적 특성의 차이 때문인 것으로 판단되었다.
조승현 ( Seung Hyeon Jo ),강현우 ( Hyeon Woo Kang ),신현우 ( Hyeon Woo Shin ),김동주 ( Dong Ju Kim ),이다영 ( Da Yeong Lee ),김정아 ( Jeong Ah Kim ),김서홍 ( Seo Hong Kim ),임무혁 ( Moo-hyeog Im ),경기성 ( Kee Sung Kyung ) 한국환경농학회 2019 한국환경농학회 학술대회집 Vol.2019 No.-
벼 도정 정도 및 쌀의 가공품별 농약의 실제 섭취율을 산출하기 위하여 cGAP및 TMDI를 고려하여 벼 재배과정에서 사용하는 buprofezin, flubendiamide, tebufenozide, etofenprox을 시험농약으로 선정하고 주산지 3개 지역에서 안전사용기준에 따라 시험농약을 살포하고 수확한 후 왕겨, 쌀겨, 현미, 백미, 현미밥, 백미밥, 떡으로 가공하고 각 가공품 중 잔류량을 GC-MS/MS 또는 LC MS/MS로 분석하여 가공단계별 가공계수를 산출할 예정이다. 또한 개발된 분석법은 신뢰도를 높이기 위하여 codex 기준에 따라 외부 실험실 검증을 수행할 예정이다. 이 연구의 결과를 이용하여 잔류농약의 정확한 섭취량을 산출함으로써 도정 정도 및 쌀 가공품 중 잔류농약의 과학적인 위해성 평가에 기여할 것으로 판단된다.
엇갈이배추와 쪽파 중 Fluazinam의 잔류특성 및 섭취율 산출
조승현 ( Seung Hyeon Jo ),강현우 ( Hyeon Woo Kang ),신현우 ( Hyeon Woo Shin ),이정우 ( Jeong Woo Lee ),노현호 ( Hyun Ho Noh ),김태화 ( Tae Hwa Kim ),김장억 ( Jang Eok Kim ),김진숙 ( Jin Sook Kim ),권찬혁 ( Chan Hyeok Kwon ),경기성 한국환경농학회 2019 한국환경농학회 학술대회집 Vol.2019 No.-
이 연구는 엇갈이배추와 쪽파 중 fluazinam의 잔류특성 및 섭취율을 산출하기 위해 수행하였다. 시험농약(50%, WP)을 2,000배 희석한 후 수확전 살포일을 달리하여 7일 간격 3회 살포하였으며, 시료는 최종약제살포 후 일시 수확하였다. 엇갈이배추와 쪽파 중 fluazinam은 LC-MS/MS를 이용하여 분석 하였으며, 검출한계는 모두 0.01 mg/kg이었다. 엇갈이배추와 쪽파 중 fluazinam의 회수율은 각각 76.7-85.6%와 75.7-90.3%이었다. 엇갈이배추와 쪽파중 fluazinam의 잔류량은 각각 0.33-7.87 mg/kg과 0.45-3.90 mg/kg으로 두 작물 모두 약제살포일이 수확일에 가까운 처리구 일수록 잔류량이 높았다. 엇갈이배추 중 잔류량이 쪽파보다 높았는데 이는 작물의 형태학적 특성에 의한 것으로 판단되었다. 엇갈이배추와 쪽파 중 fluazinam의 최대 잔류량을 이용하여 %ADI를 산출한 결과는 모두 9.0% 미만이었다.
엇갈이 배추와 쪽파 중 Cyflufenamid의 잔류특성 및 농약 섭취율 산출
조승현 ( Seung Hyeon Jo ),박효경 ( Hyo Kyoung Park ),진미지 ( Me Jee Jin ),이정우 ( Jeong Woo Lee ),임준범 ( Jun Beom Lim ),신현길 ( Hyun Gil Shin ),노현호 ( Hyun Ho Noh ),이재윤 ( Jae Yun Lee ),김진숙 ( Jin Sook Kim ),권찬혁 ( Ch 한국환경농학회 2018 한국환경농학회 학술대회집 Vol.2018 No.-
엇갈이 배추와 쪽파 중 cyflufenamid의 잔류 특성을 구명하기 위하여 포장 시험을 수행하였다. 시험 농약(15% SC)은 2,000배 희석한 후 약제 살포일을 달리하여 7일 간격 3회 살포하였으며, 시료는 최종 약제 살포 후 일시 수확하였다. 엇갈이 배추와 쪽파 중 cyflufenamid는 GC-ECD를 이용하여 분석하였으며, 검출한계는 각각 0.001, 0.002 mg/kg이었다. 엇갈이 배추와 쪽파 중cyflufenamid의 회수율은 각각 76.8-99.0, 92.3-102.0%이었다. 엇갈이 배추와 쪽파 중 cyflufenamid의 잔류량은 각각 0.142-0.743, 0.025-0.638 mg/kg으로 쪽파의 잔류량이 엇갈이 배추의 잔류량보다 낮았는데 이는 작물의 형태학적 특성에 의한 것으로 판단되었다. 엇갈이 배추와 쪽파 중cyflufenamid의 최대 잔류량을 이용하여 %ADI를 산출한 결과 각각 1.93, 0.28%이었다.