RISS 학술연구정보서비스

검색
다국어 입력

http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.

변환된 중국어를 복사하여 사용하시면 됩니다.

예시)
  • 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
  • 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
닫기
    인기검색어 순위 펼치기

    RISS 인기검색어

      검색결과 좁혀 보기

      선택해제
      • 좁혀본 항목 보기순서

        • 원문유무
        • 원문제공처
        • 등재정보
        • 학술지명
          펼치기
        • 주제분류
        • 발행연도
          펼치기
        • 작성언어
        • 저자
          펼치기

      오늘 본 자료

      • 오늘 본 자료가 없습니다.
      더보기
      • 무료
      • 기관 내 무료
      • 유료
      • 지식전이와 지식방해 기법을 이용한 효율적 연역 추론

        최중민(Joongmin Choi) 한국정보과학회 1996 정보과학회논문지(B) Vol.23 No.11

        일반적 지식 (general knowledge)은 다양한 영역 (domain)에 폭넓게 적용될 수 있지만 특정 도메인에 적용될 때는 속도가 느리다. 이에 비해 특정 지식(specific knowledge)은 지정된 도메인에 빠르게 적용될 수 있지만 다른 도메인에 확장 적용되지 못한다. 이러한 특성을 바탕으로 본 논문에서는 추론 중에 일반적 지식으로부터 특정 지식을 자동적으로 생성해 내는 지식 전이 (knowledge migration) 기법을 제시한다. 이 기법은 nested 규칙 표현에 의존하는데 이 표현에는 규칙을 만드는 개발자가 가장 효용성이 높다고 판단하는 규칙의 특성화에 관한 정보가 들어 있다. 이 기법에 의해 생성된 특정 지식과 일반적 지식이 공존한다면 두 지식을 모두 이용하려고 하거나 일반적 지식을 먼저 적용시킬 수 있으므로 시스템의 성능이 떨어질 수 있다. 하지만 일반적 지식이 느리다고 해서 제거한다면 다른 도메인에 관한 문제를 풀 수 있는 융통성이 없어진다. 본 논문에서는 다양한 도메인에 적용되는 융통성을 유지하면서 특정 도메인에는 특정 지식만을 적용하여 추론의 속도를 높일 수 있도록 하기 위한 지식 방해 (knowledge shadowing) 기법도 제시한다. 지식 방해는 특정 도메인상에서 일반적 지식은 추론에서 제외시키고 특정 지식만을 적용시킴으로써 효율 향상을 도모한다. 지식 전이와 지식 방해 기법을 함께 적용시킴으로써 연역 추론 시스템이 경험을 쌓고 이를 유용하게 이용할 수 있는 근간을 제공한다. 이 기법들은 의미망 (semantic network)에 기반한 추론 시스템에서 구현되었으며 그 장점을 보여주기 위한 시험 결과가 제시되었다. General knowledge is widely applicable, but relatively slow to apply to any particular situation. Specific knowledge can be used rapidly where it applies, but is only narrowly applicable. We present an automatic scheme to migrate general knowledge to specific knowledge during reasoning. This scheme relies on a nested rule representation which retains the rule builder's intentions about which of the possible specializations of the rule will be most useful. If both general and specific knowledge are available and applicable, a system may be slowed down by trying to use the general knowledge as well as, or instead of, the specific knowledge. However, if general knowledge is purged from the system after migration, the system will lose the flexibility of being able to handle different situations. To retain the flexibility without paying the price in speed, a shadowing scheme is presented that prevents general knowledge from being used when specific knowledge migrated from it is available and applicable. The combination of knowledge migration and knowledge shadowing allows a deductive reasoning system to learn from and exploit previous experience. An implementation of these schemes in a network-based reasoning system is discussed, and test results are shown to demonstrate the benefits of these ideas.

      • 에이전트 개념을 도입한 일정 자동 관리 시스템

        최중민(Joongmin Choi),박상규(SangKyu Park) 한국정보과학회 1994 한국정보과학회 학술발표논문집 Vol.21 No.2A

        본 논문은 에이전트의 개념을 도입하여 사용자의 개인일정이나 여러 그룹원에 공통되는 그룹 일정, 그리고 전자우편을 효율적으로 처리하는 자동관리시스템에 대해서 기술한다. 이 시스템은 크게 일정관리 도우미시스템 (Schedule Agent) 과 전자우편 도우미시스템 (Mail Agent) 으로 구성되어 있다. 일정관리 도우미 시스템은 자연어형태의 입력에 의한 일정조회기능, 그룹일정 자동설정기능, 특정시간 자동작업수행 기능들을 제공한다. 전자우편 도우미시스템은 전자우편의 송수신기능과 아울러 새로운 전자우편의 도착감지기능, 그리고 발신인이나 제목, 또는 날짜등의 조건에 따라 특정한 작업을 자동적으로 수행시켜주는 기능들을 제공한다. 특히 일정관리 도우미시스템과 전자우편 도우미시스템을 연계하여 급한 전자우편이 도착하였을때 사용자의 현재위치를 파악하여 도착된 전자우편의 내용을 전화나 기타 메시지 전송 방법 등으로 전달시켜주는 기능을 구현하여 컴퓨터 비서로서의 역할을 담당하도록 하였다.

      • 온톨로지 계층관계를 이용한 서비스 발견 알고리즘

        최원종(Wonjong Choi),양재영(Jaeyoung Yang),최중민(Joongmin Choi),조현규(Hyeonkyu Cho),조현성(Hyeonsung Cho),김경일(Kyungll Kim) 한국정보과학회 2003 한국정보과학회 학술발표논문집 Vol.30 No.2Ⅰ

        인터넷망의 지속적인 발달과 더불어 웹서비스가 차지하는 비중은 매우 커지고 있다. 이와 관련해 서비스 발견을 위한 다양한 노력들이 진행되었으며, 그 중에서도 DAML-S문서로 기술된 매치메이커에서 제시한 알고리즘은 서비스 발견자와 서비스 제공자사이의 서비스 발견에 대한 유사도 측정의 한 방법을 제시하고 있다. 하지만 온톨로지상의 관계표현에 있어 네 가지 규칙만을 적용하여 정밀한 유사도측정이 불가능하다는 단점이 있다. 따라서 본 논문에서는 기존의 알고리즘의 개선을 위해 두 가지 유사도 측정함수 1) 계층구조함수 2) 계층계수함수를 정의하고, 이에 기반한 새로운 서비스 발견 알고리즘을 제시하고자 한다.

      • 웹 정보추출의 성능향상을 위한 사용자 관심 부분 추출기의 구현

        최철희(Cheolhee Choi),홍광희(Kwanghee Hong),최중민(Joongmin Choi) 한국정보과학회 2005 한국정보과학회 학술발표논문집 Vol.32 No.2

        인터넷이 발전할수록 정보의 양이 늘어나게 되어 방대한 양의 데이터 속에서 적합한 정보를 추출하는 방법이 필요하다. 그리고 같은 데이터라 하더라도 유용한 정보라고 판단하는 것은 개인의 관심도에 따라 다르다. 따라서 우리는 사용자 관심 정보 추출이라는 목표 아래에서 개인간의 차이에도 명확히 정보를 추출할 수 있는 방법의 필요성을 인지하여 정보추출의 사전 단계에서 사용자가 원하는 정보가 있는 블록을 식별하는 방법에 대해서 연구하였다. 사용자가 선호하는 정보가 들어있는 블록들에 대해서만 정보 추출 기법을 적용하면 정확성과 속도면에서 좋은 결과를 얻을 수 있을 것으로 예상된다. 또한 XML-QL[7]형식의 질의를 통해 사용자의 요구 변화에 유연하게 대처하는 방법을 제안한다.

      • KCI등재

        전자 도서관 도메인에서 의미적 관계를 이용한 개인화된 논문 추천 시스템

        최호연(Hoyeon Choi),신동욱(Dongwook Shin),최중민(Joongmin Choi),김정선(Jungsun Kim) 한국정보과학회 2013 정보과학회논문지 : 소프트웨어 및 응용 Vol.40 No.3

        오늘날 연구자는 전자 도서관을 통해 많은 논문에 쉽고 빠르게 접근할 수 있으나 동시에 정보 과잉으로 인해 자신이 원하는 적절한 논문을 찾기 위해 많은 시간과 노력을 소비해야 한다. 이러한 문제를 개선하기 위해 연구자의 선호 분야를 반영해 연구자에게 적절한 논문을 추천해주는 개인화된 논문 추천 시스템이 제안되었다. 개인화된 논문 추천 시스템은 텍스트 기반 추천방식에 적합한 콘텐츠 기반 필터링을 사용해 많이 연구되었으나 과거 제안된 연구는 단어의 구문론적 관계만 고려하고 의미론적 관계는 고려하지 않은 한계가 있다. 이를 개선하기 위해 본 논문은 콘텐츠 기반 필터링에 잠재적 의미 관계를 적용한 PARuS(Personalized Academic Paper Recommender using Semantic Relation in Digital Library Domain)를 제안한다. PARuS는 연구자의 논문 리스트를 이용해 연구자 선호 특징 정보를 구축하고 구축된 연구자 선호 특징 정보와 추천할 후보 논문 간 구문론적 관계와 잠재적 의미 관계를 함께 고려해 연구자에게 논문을 추천한다. 본 논문은 구문론적 관계만 고려한 이전 연구와의 비교평가를 통해 PARuS의 효율성을 평가하였고, 그 결과 PARuS가 더 높은 성능을 보임을 확인하였다. Today, researchers can access many different academic papers easily and quickly through digital libraries but at the same time, researchers spend more time and effort to find relevant academic papers that they want. To alleviate these problems, personalized academic paper recommenders, which recommend relevant academic papers to researchers considering researcher’s interests have been proposed. Personalized academic paper recommenders using the content based filtering method have been actively studied because they properly recommend relevant text documents to users. However, those recommenders using the content based filtering method only consider the syntactic relation and exclude the semantic relation. To resolve this problem, we propose PARuS(Personalized Academic Paper Recommender using Semantic Relation in Digital Library Domain), which is a personalized academic paper recommender using the content based filtering method reflecting the latent semantic relations. PARuS constructs the researcher’s preference feature information based on researcher"s publication list, and then PARuS recommends relevant academic papers reflecting the syntactic relation and the latent semantic relation between researcher’s preference feature information and candidate academic papers. In this paper, we evaluate the performance of PARuS and shows its improved effectiveness over previous method.

      연관 검색어 추천

      이 검색어로 많이 본 자료

      활용도 높은 자료

      해외이동버튼