패턴생성을 통한 인터넷 문서의 한글 - 영문용어 추출

강재호(Jaeho Kang),김종성(Jongsung Kim),류광렬(Kwang Ryel Ryu) 한국정보과학회 2003 한국정보과학회 학술발표논문집 Vol.30 No.2Ⅰ

전문용어의 가짓수가 많고 생성빈도 또한 높은 분야에서 고품질의 정보검색과 기계번역 결과를 얻기 위해서는 상당 분량의 번역용어사전의 확보가 필수적이다. 이러한 분야에서 번역용어사전을 수작업으로 구축하는 것은 큰 부담이 된다. 본 논문에서는 이미 알고 있는 용어(원어)와 번역용어를 말뭉치에서 함께 표기한 부분을 찾아 패턴화하는 작업과, 생성된 패턴으로 추가의 용어-번역용어를 추출하는 작업을 반복하여 수행함으로써 번역용어사전을 자동으로 구축하는 방안을 제안한다. 인터넷 문서를 대상으로 본 제안방법을 적용해 본 결과 상당분량의 유도한 한글-영문용어들을 추출할 수 있었다.

노무현 정부의 지방분권

강재호(Kang Jaeho) 경성대학교 사회과학연구소 2011 社會科學硏究 Vol.27 No.2

노무현 정부는 지방자치단체에 속하는 국가공무원의 정원을 줄이고 국가의 사무권한 일부를 지방자치단체로 이양하며 지방교부세 등 지방자치단체로의 이전재정을 늘이고 제주특별자치도 특례를 신설하는 등 지방분권의 여러 과제를 체계적이고 계획적으로 추진하여 지방자치단체의 입장에서 바라볼 때 국가와 지방자치단체의 관계를 개선하였다. 이러한 단체자치의 강화뿐만 아니라 주민투표, 주민소송, 주민소환의 제도를 도입하고 조례제정ㆍ개폐청구의 요건을 완화함으로써 대의민주주의를 보완하여 주민이 지방자치단체의 정치ㆍ행정과정에 참여하는 주민자치의 제도적인 발판도 크게 확충하였다. 하지만 이러한 소기의 성과에도 불구하고 지방자치의 원리와 병존하기 어렵다는 기관위임사무제도는 정비하지도 폐지하지도 않았으며 어렵게 도입한 주민직접참여제도도 주민직접결정성에 통일성이 없는 등 지방분권의 여러 과제를 남겼다. The Roh Moo-Hyun Administration, which reduced some staff of central government employees who belonged in local governments, transferred some tasks and finances of the central government to local governments, and established the Cheju Special Self-Governing Province endeavored specially in decentralization. The Roh Administration expanded and also strengthened the resident direct participation system of which the resident participates in the political-administrative processes of local governments. But numerous agency-delegation tasks of central government are maintained, and the resident direct participation system of referendum, resident lawsuit, and recall of local officials etc. is almost not applied.

효율적인 병렬정보검색을 위한 색인어 군집화 및 분산저장 기법

강재호(Jaeho Kang),양재완(Jae-Wan Yang),정성원(Sung-Won Jung),류광렬(Kwang Ryel Ryu),권혁철(Hyuk-Chul Kwon),정상화(Sang-Hwa Chung) 한국정보과학회 2003 정보과학회논문지 : 소프트웨어 및 응용 Vol.30 No.1·2

인터넷과 같은 대량의 정보에 대응할 수 있는 고성능 정보검색시스템을 구축하기 위해서는 지금까지 고가의 중대형컴퓨터를 주로 활용하여 왔으나, 최근 가격대 성능비가 높은 PC 클러스터 시스템을 활용하는 방안이 경제적인 대안으로 떠오르고 있다. PC 클러스터 상에서의 병렬정보검색시스템을 효율적으로 운영하기 위해서는 사용자가 입력한 질의를 처리하는데 요구되는 개별 PC의 디스크 I/O 및 검색관련 연산을 모든 PC에 가능한 균등하게 분배할 필요가 있다. 본 논문에서는 같은 질의에 동시에 등장할 가능성이 높은 색인어들끼리 군집화하고 생성된 군집을 활용하여 색인어들을 각 PC에 분배함으로써 보다 높은 수준의 병렬화를 달성할 수 있는 방안을 제시한다. 또한 일부 PC의 결함 또는 유지보수 등의 원인에 의한 서비스 중지상황에도 적극적으로 대처하기 위하여 색인어 역파일을 중복되게 분산저장하는 기법을 제안한다. 대용량 말뭉치를 활용한 실험결과 본 논문에서 제시하는 분산 및 중복저장기법이 충분한 효율성과 실용성이 있음을 확인하였다. The PC cluster architecture is considered as a cost-effective alternative to the existing supercomputers for realizing a high-performance information retrieval (IR) system. To implement an efficient IR system on a PC cluster, it is essential to achieve maximum parallelism by having the data appropriately distributed to the local hard disks of the PCs in such a way that the disk I/O and the subsequent computation are distributed as evenly as possible to all the PCs. If the terms in the inverted index file can be classified to closely related clusters, the parallelism can be maximized by distributing them to the PCs in an interleaved manner. One of the goals of this research is the development of methods for automatically clustering the terms based on the likelihood of the terms´ co-occurrence in the same query. Also, in this paper, we propose a method for duplicate distribution of inverted index records among the PCs to achieve fault-tolerance as well as dynamic load balancing. Experiments with a large corpus revealed the efficiency and effectiveness of our method.

비판의 과학성과 방법의 규범성 : 비판 커뮤니케이션론 소고

강재호(Kang, Jaeho) 사단법인 언론과 사회 2020 언론과 사회 Vol.28 No.3

본 논문의 목적은 한국에서의 비판 커뮤니케이션론의 발달과 전개 과정을 네 가지 이론적 전략-문화 제국주의 비판, 탈서구화, 탈식민화, 토착화-으로 재구성하고 평가하는 것이다. 이를 위해 1980년대 초반에 시작되어 현재까지 진행되고 있는 서울대학교 언론정보학과에서의 비판 커뮤니케이션론 논의를 대상으로 지성사적 분석을 수행한다. 이 분석을 통해 본 논문은 커뮤니케이션학의 분과학문으로서의 지위와 역할이 축소되어 온 비판 커뮤니케이션론이 비판의 과학성과 방법의 규범성을 강화하여 공학적 커뮤니케이션론의 대안으로서 그 현재성을 구축해야 함을 주장한다. The aim of this essay is primarily concerned with an analysis of the transformation of the critical communication studies in Korea with reference to cultural criticism, de-Westernization, de-colonization, and vernacularization. For this purpose, the essay draws a particular focus on the varying debates on the critical communication studies facilitated by the faculty of the Department of Communication of Seoul National University from the early 1980s through the present. In doing so, the essay tries to draw out contemporary relevance of the debates in developing the critical communication studies as an alternative to the predominant engineering-oriented communication studies.

기억기반학습을 이용한 사례기반설계시 참조사례의 인덱싱

강재호(Jaeho Kang),류광렬(Kwang Ryel Ryu),이동곤(Dongkon Lee) 한국정보과학회 1999 정보과학회 컴퓨팅의 실제 논문지 Vol.5 No.1

사례기반추론(Case-Based Reasoning, CBR)은 새로운 문제가 주어질 때 과거의 유사한 문제 해결 사례를 기반으로 그 해법을 적절히 변용함으로써 새로운 문제에 적합한 해결책을 효율적으로 도출하고자 하는 문제 해결 접근 방법이다. 사례기반설계는 사례기반추론을 설계에 응용한 방법으로 유사한 요구조건 하에서 설계된 과거사례를 설계에 참고 및 활용하는 방법으로 선박개념설계 등 여러 분야에서 활용하고 있다. 이러한 사례기반설계기법을 이용하여 효율적으로 고품질의 설계를 도출하기 위해서는 설계하고자 하는 대상의 설계상의 요구조건과 부합되는 사례를 적절히 선정해야 하고, 선정된 사례와 현 설계조건과의 차이점을 명확하게 인지하여 현 상황에 맞게 변용할 수 있어야 한다. 본 논문에서는 과거 사례 선정 기록을 활용하여 그 선정 경향을 기억기반학습기법을 이용하여 학습함으로써 새로운 설계 시 적절한 사례를 선정하는 인덱싱 기법을 제시한다. 사례기반설계의 전형적인 예인 선박개념설계에서 설계 시 참조용도로 사용할 실적선을 선정하는 문제에 적용하여 실험해 본 결과 decision tree나 간단한 휴리스틱을 적용하여 참조 사례를 제시한 방법에 비해 본 논문에서 제시하는 기억기반학습을 적용한 방법이 우수함을 확인하였다. The case-based reasoning (CBR) is an approach for solving a new problem by retrieving past similar cases and adapting their solutions. The case-based design is an application of case-based reasoning to design domains such as a conceptual ship design. There are two important aspects to consider for producing an efficient and high quality design by using case-based design methodology. One is the selection of appropriate cases from the pool of past cases, and the other is the adaptation of the selected cases to make them suitable for new design requirements by recognizing differences of previous and current design environment. This paper presents a method of applying a memory-based learning (MBL) technique to automatic building of an indexing scheme for selecting reference cases by using the history of previous references. Empirical results show that the indexing scheme generated by MBL outperforms those by other learning methods such as the decision tree learning or a simple heuristic in our conceptual ship design domain.

컨테이너 터미널 장치장에서 블록 내 이적을 위한 컨테이너 이동 순서 계획

강재호(Jaeho Kang),오명섭(Myung-Seob Oh),류광렬(Kwang Ryel Ryu),김갑환(Kap Hwan Kim) 한국항해항만학회 2005 한국항해항만학회지 Vol.29 No.1

블록 내 이적이란 컨테이너를 선박에 싣는 적하 작업을 효율적으로 수행하기 위하여 하나의 장치장 블록 여기저기에 흩어져 있는 컨테이너들을 적하 순서에 맞춰 몇 개의 베이로 모으는 작업이다. 이적시 적하 순서를 고려하지 않고 단순히 컨테이너들을 모으기만 하면, 적하 작업 과정에서 보다 일찍 적하될 컨테이너를 반출하기 위하여 상단의 컨테이너들을 임시로 옮겨야 하는 재취급이 빈번히 발생할 수 있다. 이러한 재취급은 적하 작업의 효율을 저해하는 가장 중요한 요소 중의 하나이다. 본 논문에서는 휴리스틱을 이용하여 적하 작업 과정에서 재취급이 발생하지 않게 컨테이너들을 이적할 수 있는 컨테이너 이동 순서를 찾는 방안을 제안한다. 시뮬레이션을 통한 실험 결과 본 제안 방안이 다양한 환경에서 컨테이너 이동 순서를 실시간에 생성할 수 있음을 확인하였다. Intra-block remarshalling is the task of rearranging into some target bays those containers which are scattered around within the block, so that the containers can be loaded onto the ship efficiently. However, if we rearrange the containers without considering the container loading sequence, excessive rehandling work will be required at the time of loading because the containers to be fetched are often stacked under other containers. Therefore, fore, the remarshalling should be done by moving the relevant containers in an appropriate order. This paper presents an efficient heuristic search technique for finding an appropriate container moving order during remarshalling to avoid rehandling at the time of loading. Simulation experiments have shown that the proposed method can generate rehandling-free solutions in real time.

How to optimize wire temperature class in a situation where several temperature conditions are mixed

Jaeho Kang(강재호),Sangjik LEE(이상직) 한국자동차공학회 2022 한국자동차공학회 부문종합 학술대회 Vol.2022 No.6

능동적 학습을 위한 복수 문의예제 선정

강재호(Jaeho Kang),류광렬(Kwang Ryel Ryu) 한국정보과학회 2004 한국정보과학회 학술발표논문집 Vol.31 No.1B

능동적 학습(active learning)은 제한된 시간과 인력으로 가능한 정확도가 높은 분류기(classifier)를 생성하기 위하여, 훈련집합에 추가할 예제 즉 문의예제(query example)의 선정과 확장된 훈련집합으로 다시 학습하는 과정을 반복하여 수행한다. 능동적 학습의 핵심은 사용자에게 카테고리(category) 부여를 요청할 문의예제를 선정하는 과정에 있다. 효과적인 문의예제를 선정하기 위하여 다양한 방안들이 제안되었으나, 이들은 매 문의단계마다 하나의 문의예제를 선정하는 경우에 가장 적합하도록 고안되었다. 능동적 학습이 복수의 예제를 사용자에게 문의할 수 있다면, 사용자는 문의예제들을 서로 비교해가면서 작업할 수 있으므로 카테고리 부여작업을 보다 빠르고 정확할 수 있어 전반적인 학습기산의 단축에 큰 도움이 될 것이다. 하지만, 각 예제의 문의예제로써의 적합 정도를 추정하면 유사한 예제들은 서로 비슷한 수준으로 평가되므로, 기존의 방안들을 복수의 문의예제 선정작업에 그대로 적용할 경우, 유사한 예제들이 문의예제로 동시에 선정되어 능동적 학습의 효율이 저하되는 현상이 나타날 수 있다. 본 논문에서는 특정 예제를 문의예제로 선정하면 이와 일정 수준이상 유사항 예제들은 해당 예제와 함께 문의예제로 선정하지 않음으로써, 이러한 문제점을 극복할 수 있는 방안을 제안한다. 제안한 방안을 문서분류 문제에 적용해 본 결과 기존 문의예제 선정방안으로 복수 문의예제를 선정할 때 발생할 수 있는 문제점을 상당히 완화시킬 있을 뿐 아니라, 복수의 문의예제를 선정하더라도 각 문의단계마다 하나의 예제를 선정하는 경우에 비해 큰 성능의 저하가 없음을 실험적으로 확인하였다.

군집화 기법을 이용한 능동적 학습의 최초학습예제 선정

강재호(Jaeho Kang),류광렬(Kwang Ryel Ryu) 한국정보과학회 2003 한국정보과학회 학술발표논문집 Vol.30 No.2Ⅰ

기계학습의 분류(classification) 기술을 실제 문제에 적용하기 위해서는 카테고리(category)를 부여한 학습예제를 상당수 준비하여야 한다. 예제에 카테고리를 부여(labeling)하는 작업에는 무시할 수 없는 시간과 인력을 필요로 한다. 능동적 학습(active learning)은 동일한 수의 학습예제로 최대한의 성능을 달성하기 위하여 카테고리를 부여할 학습예제를 선별하는 전략이다. 능동적 학습은 현재까지 파악된 정보에 기반하여 분류기(classifier)를 생성하고, 생성된 분류기를 활용하여 카테고리를 부여 받았을 때 가장 이득이 큰 예제들을 선정하여 사용자에게 문의하는 과정을 반복하여 수행한다. 만일 능동적 학습의 첫 학습단계에서 학습에 보다 유용한 예제들을 최초학습예제집합으로 선정한다면 같은 수의 학습예제로 더 나은 성능을 달성할 수 있을 것이다. 본 논문에서는 유사한 예제들은 동일한 카테고리에 속할 가능성이 높다는 일반적인 가정에 기반하여 예제들을 군집화(clustering)한 후, 생성된 각 군집을 대표할 수 있는 예제로 최초학습예제집합으로 구성하는 방안을 제안한다. 제안한 방안을 문서분류 문제를 대상으로 실험해 본 결과 최초학습예제들을 임의로 선정하는 방식보다 정확도가 높은 분류기를 생성할 수 있음을 확인하였다.

능동적 학습을 위한 군집기반 초기훈련집합 선정

강재호(Jaeho Kang),류광렬(Kwang Ryel Ryu),권혁철(Hyuk-Chul Kwon) 한국정보과학회 2004 정보과학회논문지 : 소프트웨어 및 응용 Vol.31 No.7

본 논문에서는 능동적 학습이 보다 적은 수의 훈련예제로도 높은 학습성능을 달성할 수 있도록 군집화기법을 이용하여 초기훈련집합을 선정하는 방안을 제안한다. 본 제안 방안은 유사한 예제들보다는 다양한 예제들로 그리고 특수한 예제들보다는 보편적인 예제들로 구성한 집합이 학습에 유리할 것이라는 가정을 바탕으로, 먼저 k-means 군집화 기법으로 예제들을 군집화한 후, 각 군집을 가장 잘 표현하는 대표예제로 개별 군집의 중심점과 가장 가까운 예제를 선정하여 초기훈련집합을 구성한다. 또한 개별 군집의 중심점을 가상의 예제로 가정하여, 이와 연관된 대표예제의 카테고리를 부여함으로써 추가의 훈련예제로 활용하는 방안을 함께 제안한다. 여러 문서 분류 문제를 대상으로 실험한 결과, 본 제안 방안으로 선정한 초기훈련집합에서 출발한 능동적 학습이 임의로 선정한 초기훈련집합에서 출발한 경우에 비해 보다 적은 수의 훈련예제로도 동등한 성능을 달성할 수 있음을 확인하였다. We propose a method of selecting initial training examples for active learning so that it can reach high accuracy faster with fewer further queries. Our method is based on the assumption that an active learner can reach higher performance when given an initial training set consisting of diverse and typical examples rather than similar and special ones. To obtain a good initial training set, we first cluster examples by using k-means clustering algorithm to find groups of similar examples. Then, a representative example, which is the closest example to the cluster’s centroid, is selected from each cluster. After these representative examples are labeled by querying to the user for their categories, they can be used as initial training examples. We also suggest a method of using the centroids as initial training examples by labeling them with categories of corresponding representative examples. Experiments with various text data sets have shown that the active learner starting from the initial training set selected by our method reaches higher accuracy faster than that starting from randomly generated initial training set.