디지털 라이브러리[ 검색결과 ]
질의 중심 다중 문서 요약을 통한 오픈 도메인 질의응답 시스템의 설명 가능한 근거 문장 생성
http://doi.org/10.5626/JOK.2024.51.11.1020
오픈도메인 질의응답 시스템은 주어진 질의에 답변하기 위해 필요한 기반으로 언어모델에 내재된 지식만으로 충족되지 않는 외부 지식을 필요로 하며 최근 거대 언어모델에서 발생하는 환각 문제를 해결하기 위해 중요하게 연구되고 있는 기술이다. 본 논문에서는 QSG(Query-attentive Semantic Graph)의 구조 정보를 활용하여 멀리 떨어져 있는 문서 간의 정보를 질의 중심으로 요약, 이를 다중 문서 기반 질의 응답 시스템의 근거 문장으로 활용하는 모델을 제안한다. 질의 기반으로 요약 생성된 근거 문장은 기존의 추출 형식의 근거 문장을 사용하는 것보다 응답 생성 성능을 향상시킬 수 있었고 더 좋은 설명 가능성을 보여주었다.
프라이버시 보장형 연관성 분석을 위한 동형암호 기반 지지도 계산
http://doi.org/10.5626/JOK.2024.51.3.203
동형암호는 암호문에 대해 복호화 과정 없이 연산을 수행할 수 있는 암호 기술로 머신 러닝, 클라우드 서비스 등에서 사용자의 프라이버시 침해 문제를 해결할 수 있는 암호 기술로 주목받고 있다. 대표적인 동형암호 scheme으로는 실수 및 복소수 연산 기반의 근사 동형암호인 CKKS scheme이 있다. 본 논문은 CKKS scheme을 이용하여 연관성 분석의 평가지표 중 지지도(support)를 효율적으로 계산하는 방법을 제안하며, 행렬 곱셈 연산을 활용하여 복수의 itemset들에 대한 지지도 계산을 병럴적으로 수행하는 방법을 제안한다. 또한, HEaaN 라이브러리를 이용하여 제안한 지지도 계산 방법의 구현 및 평가를 진행한다. 평가 결과에 따르면 제안 방법에 의해 계산된 지지도 값은 암호화 없이 평문 상태에서 계산된 지지도 값과 거의 일치하여, 제안 방법이 사용자 데이터에 대한 프라이버시를 보호하면서도 지지도 값을 효과적으로 계산함을 확인할 수 있었다.
질의응답에 대한 지식베이스 기반 근거 문장 생성 모델
http://doi.org/10.5626/JOK.2023.50.11.940
본 연구에서는 지식베이스로부터 질의에 대한 근거 문장을 생성하여 응답 추론 과정에 정보를 추가하고, 사람이 읽기 쉬운 형태의 근거 문장을 제공하고자 한다. 이를 위해 HotpotQA 데이터 내 근거 문서에 대한 디비피디아와 위키데이터 두 개의 지식베이스를 직접 수집하고, 수집된 트리플을 기반으로 근거 문장 생성 모델을 학습한다. 답변 생성 모델은 생성된 근거 문장과 질문을 입력으로 학습한다. 지식베이스를 기반으로 생성된 근거 문장은 디비피디아와 위키데이터에 관계없이 모두 응답 생성에 대해 긍정적인 추가 정보를 제공하여 응답 생성 성능을 향상시킬 수 있었고, 사람이 이해할 수 있는 문장을 생성할 수 있었다.
딥러닝 기반 재난 상황인지 및 대응지원 모델
http://doi.org/10.5626/JOK.2023.50.8.712
본 논문은 국민의 생명과 재산에 직접적인 관련성이 높은 119 신고 접수업무를 수행하는 상황실 접수자의 재난 상황인지 및 대응지원업무를 위한 의사결정 지원모델에 대한 연구내용이다. 긴급신고에 대해 신속 정확하며 효과적인 초동대처가 이루어지기 위해서는 신고접수 초기부터 접수된 상황에 따라 체계적인 대응은 필수적이다. 하지만, 다양한 신고내용 및 수시로 변화하는 현장 상황을 접수자 개인 역량에 따라 의사결정을 수행하는 것은 한계 사항이 존재한다. 따라서, 본 논문은 119 상황관리 표준매뉴얼에 기반하여 신고접수 업무에 적용할 수 있는 딥러닝 기반 재난상황인지 모델과 대응지원 모델을 제안한다. 마지막으로 실험을 통해 제안한 방법의 유효성을 확인하였다.
운영체제 지원 기반의 GlibC Memory Allocator에 대한 Use-After-Free 공격 방지 기법
http://doi.org/10.5626/JOK.2023.50.7.541
Use-After-Free는 많은 소프트웨어 취약성의 원인이 되는 메모리 안전 문제로 많은 대응 기법들이 연구되어 있다. 이런 기법들 중 하나는 힙 청크에 대한 허상 포인터가 없을 때까지 힙 청크 해제를 지연시켜 위험하지 않은 청크만 재사용되도록 하는 것으로, 기존 연구인 MarkUs는 이 기법이 많은 벤치마크에서 상대적으로 낮은 오버헤드로 구현될 수 있음을 보여줬다. 우리는 더 나아가 운영체제 커널 수준 지원에 의해 뒷받침되는 Use-After-Free 방지를 위한 지연된 해제 기법인 MarKern을 제시한다. MarKern은 MarkUs와 같은 기존 Mark-and-Sweep 방식이 사용자 수준에서만 구현되어 발생하는 한계점들을 찾아 커널 수준 지원을 통해 해결한다. 또한 기존 기법과 달리 glibc(GNU C Library) Allocator를 대상으로 개발되었다. 실험 결과, SPEC CPU 2017에서 glibc malloc으로 실행되는 프로그램들에 대해 평균 실행 시간(기하 평균) 기준 18.50%의 오버헤드를 가짐을 확인할 수 있었다.
재난 상황 가변성 분석을 통한 상황관리 의사결정 지원 시스템
http://doi.org/10.5626/JOK.2022.49.9.755
재난의 발생 빈도가 늘고 피해 규모가 커짐에 따라 신속하고 정확한 상황관리의 중요성이 높아지고 있다. 상황관리 의사결정을 지원하기 위한 기존 방법은 제한적인 상황에서 특정 상황관리 업무에만 적용될 수 있어서 재난 상황에 따른 맞춤형 의사결정을 지원하기 어려운 한계가 있다. 이를 해결하기 위해 이 논문에서는 재난 상황 특성을 고려한 가변성 기반의 상황관리 의사결정 지원 방법을 제안한다. 제안 방법은 소프트웨어 제품라인 공학 개념을 기반으로 재난 상황의 가변성을 고려하여 핵심 정보를 설정가능하도록 구축하고, 재난 상황에 따라 핵심 정보로부터 상황관리 정보를 설정하여 제공하는 방식을 사용한다. 제안 방법은 재난 상황에 따른 상황관리 업무 프로세스를 기반으로 단계별로 체계적인 의사결정을 지원하여 업무의 효율성을 높일 수 있고, 의사결정 자동화를 지원하여 의사결정의 신속·정확성을 높일 수 있다. 서로 다른 재난 상황에 대한 상황관리 시나리오에 대해 방법을 적용하여 실행가능성을 검증하였다.
품질속성의 트레이드오프 분석을 통한 아키텍처 패턴 추천 방법
아키텍처는 시스템의 품질 속성과 요구사항 그리고 비즈니스 목적 달성을 위해 이루어지는 중요한 설계 결정들의 집합으로 현재 소프트웨어 공학 프로세스에서 필수적으로 다루어지는 과정 중 하나이다. 최근 소프트웨어가 사용되는 컨텍스트와 개발 환경이 크게 변화하면서 복잡한 요구사항을 다루고 시스템의 품질 속성을 달성하는 것이 더욱 중요해지고 있다. 하지만 아키텍처 설계가 많은 부분에 있어 아키텍트의 직관에 의존하고 있으며 재사용 가능한 아키텍처 패턴을 설계에 적용할 때 패턴 스키마가 통일되지 않고 사용자 관점에서 표현되어지지 않아 비교 분석에 어려움을 겪고 있다. 본 논문은 아키텍처 패턴을 사용자 관점에서 재해석하여 품질 속성 요구사항과의 간격을 줄여주는 새로운 스키마를 제안한다. 또한 스키마로 재구성한 패턴 모델을 이용해 아키텍처 설계의 가장 중요한 요인인 품질속성이 설계 결정에 어떤 영향을 주는지 트레이드 오프를 고려한 패턴 추천 방법을 제안 한다.
분류 우선순위 적용과 후보정 규칙을 이용한 효과적인 한국어 화행 분류
화행이란 발화 속에 포함되어 있는 화자에 의해 의도된 언어적 행위이다. 대화 시스템에서 입력된 발화에 적합한 화행을 분류하는 것은 중요하다. 기존의 화행분류에 관한 연구는 규칙기반과 기계학습기반의 방법을 많이 사용한다. 본 논문에서는 대표적인 기계학습 방법인 지지벡터기계(SVM)와 변환기반 학습(TBL)을 조합한 화행 분류 방법을 제안한다. 이를 위해, 화행별 학습 발화의 수에 기반하여 분류 우선순위를 조정함으로써 지지벡터기계의 분류 편향 문제를 해결하였고, 오답일 확률이 높은 분류 결과에 대해서 변환 기반 학습을 통해 생성된 보정 규칙을 적용함으로써 화행분류 성능을 개선하는 방법을 제안한다. 본 논문에서 화행별 학습 발화 수의 차이를 고려한 분류 우선순위 변화와 후보정 규칙을 이용한 화행분류 방법을 실험을 통해 평가하였으며, 이는 학습 발화 수가 낮은 화행의 우선순위를 고려하지 않은 기존의 화행 분류보다 성능이 향상되었다.
인지적 색 차이 기반의 이미지 품질 평가 기법 및 왜곡 종류에 따른 평가 시스템 제안
현재까지 인간 시각 체계를 정확하게 반영하기 위한 이미지 평가 기법에 대한 연구가 많이 이루어져 오고 있다. SSIM은 인간의 시각 체계가 이미지의 구조적 정보에 예민하다는 점을 이용하여 구조적 정보를 이용하여 이미지를 평가하는 대표적인 인간 시각 체계를 만족시키는 평가 기법이다. 하지만 SSIM은 이미지의 색 차이를 반영하지 못하는 문제가 있다. 이러한 문제를 해결하기 위해, HSI 색 공간을 활용한 SHSIM 기법이 제안되었으나 두 컬러 이미지 간 인지적 색 차이를 충분히 반영하지는 못하고 있다. 본 논문에서는 CIE Lab 색 공간을 도입하여 대응 되는 픽셀들의 인지적 색 차이를 계산하여 이미지 평가에 활용하는 방법을 제안한다. 그리고 연구를 더 확장하여, SVM 분류기를 활용하여 왜곡 종류에 따라 최적의 평가 수식을 적용하는 최적화 시스템을 제안한다. 제안하는 기법을 평가하기 위해, 이미지 평가분야에서 가장 많이 알려진 LIVE 데이터베이스를 사용하였으며 네 종류의 평가 기준들을 이용하였다. 실험 결과에서는 제안하는 기법이 다른 기법들보다 인간 시각 체계와 더 상관성이 높다는 것을 보여준다.
스마트 환경에서 행위 인식을 위한 센서 선정 기법
스마트 폰의 출현에 이어 최근 웨어러블 기기와 IoT 개념의 등장으로 언제 어디서든 여러 다양한 객체들 간의 상호작용이 가능하게 되었다. 그 중 홈 네트워크를 이용한 스마트 홈 서비스를 위해서는 수많은 센서들이 필요하다. 이러한 스마트 환경에서의 센서 데이터를 이용하여 거주자의 행위를 인식하는 연구가 활발히 진행되고 있다. 각종 센서 데이터 마이닝 기법을 통한 행위 인식 및 패턴 분석을 위해 많은 센서가 사용되지만, IoT 스마트 홈 서비스를 위해 수많은 센서들이 설치되어야 한다면 비용의 문제와 에너지 소모의 문제를 야기할 것이다. 본 논문에서는 스마트 환경에서 주성분 분석과 클러스터링 기법을 활용하여 적은 수의 센서를 선정하는 방식을 제안하며, 이에 따른 거주자 행위 인식률의 개선 효과를 보인다.
