http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
수정된 Active Learning을 이용한 고정키어구 추출
이현우(Hyun-Woo Lee),은지현(Ji-Hyun Eun),장두성(Du-Seong Jang),차정원(Jeong-Won Cha) 한국정보과학회 2008 한국정보과학회 학술발표논문집 Vol.35 No.1
본 연구에서는 Active Learning의 학습과정을 변형하여 학습노력을 줄이고 성능향상을 이루는 방법에 대해서 기술한다. Active Learning을 사용하는 이유는 학습 코퍼스의 량을 줄이면서도 우수한 성능을 얻기 위해서이다. 우리는 학습량을 줄이기 위해서 다양성과 대표성이 높은 학습 데이터를 추가한다. 높은 다양성을 얻기 위해서 기 학습된 코퍼스와 가장 관련이 없는 데이터를 추가하고 높은 대표성을 얻기 위해 예제 군집화를 통해 대표적인 예제를 추가할 수 있도록 하였다. 제안된 방법의 효용성을 검사하기 위해서 고정키어구 추출 문제에 적용하였다. 실험결과를 보면 지도학습을 이용한 실험결과보다 우수하였으며, 학습량을 83%정도 줄일 수 있었다.
다중 목적 영역별 부분관측 마르코프 의사결정을 활용한 통계적 대화 추론 정책
성주원(Joo Won Sung),은지현(Ji-Hyun Eun),김현정(Hyunjeong Kim),장두성(Du-Seong Chang) 한국정보과학회 2009 한국정보과학회 학술발표논문집 Vol.36 No.1
다중 목적을 지원해야 하는 실 세계의 복잡한 문제들은 현실적으로 다루기 어려운 규모의 문제에 직면하게 된다. 본 연구에서는 다중 목적의 대규모 영역에서 오류에 강인한 대화시스템을 구현하기 위한 2단계의 추론 방식을 제안한다. 발화된 슬롯의 추이와 히스토리 등 복합적인 요소에 의존적인 목적 영역을 CRF로 모델링하고, 영역 내에서의 세부 목표 값을 POMDP로 모델링하여 추론함으로써 오류에 강인한 정책을 도출하였으며, 이를 모바일 철도 예약 서비스에 적용하여 그 성능을 측정하였다.