디지털 라이브러리[ 검색결과 ]
객체-관계 변환 방법론을 위한 이진 결정 다이어그램 기반의 모델링 규칙
소프트웨어 개발자들은 시스템의 설계를 위해 UML의 클래스 다이어그램과 같은 객체 모델을 이용한다. 객체-관계 변환 방법론은 객체 모델에 표현된 관계성들을 관계형 데이터베이스 테이블로 변환하는 방법론으로, 설계된 시스템의 구현을 위해 적용된다. 기존 객체-관계 변환 방법론의 연구들은 하나의 관계성을 표현하기 위해 여러 변환 기법들을 제안하였다. 하지만 각 변환 기법의 사용기준들이 존재하지 않아 구현에 적용하기 어려운 문제점이 있다. 따라서 이 논문은 각 관계별로 이진 결정 다이어그램 기반의 모델링 규칙을 제안한다. 이를 위해 변환 기법들을 구분하는 조건들을 정의하고, 질의 수행시간을 측정함으로 검증이 요구되는 모델링 규칙들을 평가한다. 평가 후, 이 논문은 명제 논리로 표현된 최종 모델링 규칙을 재정의하고, 사례 연구를 통하여 제안된 모델링 규칙이 설계된 시스템을 구현하는데 유용함을 보인다.
혼합 공간 추론 알고리즘의 설계 및 구현
미국의 Jeopardy! 퀴즈쇼와 같은 DeepQA 환경에서 인간을 대신해 컴퓨터가 효과적으로 답하기 위해서는, 광범위한 지식 베이스와 빠른 시공간 추론 능력이 요구된다. 본 논문에서는 방향 및 위상 관계 추론을 위한 효율적인 공간 추론 방법 중 하나로, 혼합 공간 추론 알고리즘을 제안한다. 본 알고리즘은 전향 추론과 후향 추론을 결합한 혼합 추론 방식을 취함으로써, 불필요한 추론 계산을 줄여 질의 처리 속도도 향상될 뿐 아니라 공간 지식 베이스의 변화에 효과적인 대처가 가능하도록 설계하였다. 본 연구에서는 이 알고리즘을 기반으로 구현한 혼합 공간 추론기와 샘플 공간 지식베이스를 이용하여 성능 분석 실험들을 수행하였고, 이를 통해 본 논문에서 제안한 혼합 공간 추론 알고리즘의 높은 성능을 확인할 수 있었다.
말뭉치와 형태소 분석기를 활용한 한국어 자동 띄어쓰기
본 논문에서는 띄어쓰기가 전혀 되어 있지 않은 문자열을 입력 받아 말뭉치에서 추출한 어절정보를 이용하여 자동 띄어쓰기를 해 주는 방법론을 제안한다. 형태소 분석기도 사용되나 오류 수정이라는 제한적인 용도로만 사용된다. 성능 평가를 위해 1,000만 어절 규모의 세종 말뭉치에서 순수 한글 585만 어절을 발췌하여 10 개의 세트로 나누고 10 배수 교차 검증을 실시한 결과 98.06%의 음절 정확도와 94.15%의 어절 재현율을 얻었다. 또한, 개인용 컴퓨터에서 초당 25만 어절, 1.8 MB의 문서를 처리할 수 있을 정도로 빠르다. 제안된 방법의 정확도나 재현율은 어절 사전의 크기에 영향을 받기 때문에 보다 큰 말뭉치로 어절 사전을 구축하면 성능이 더욱 향상될 것으로 기대된다.
한국어 형태소 분석을 위한 음절 단위 확률 모델
본 논문에서는 음절 단위의 한국어 형태소 분석 방법에 적용할 수 있는 세 가지 확률 모델을 제안하고, 품사 태깅 말뭉치를 이용하여 각 확률 모델의 성능을 평가한다. 성능 평가를 위해 1,000만 어절규모의 세종 말뭉치를 10 개의 세트로 나누고 10 배수 교차 검증 결과 98.4%의 정답 제시율을 얻을 수 있었다. 제안된 확률 모델은 각 음절에 대하여 품사 태그를 먼저 부착한 후 원형 복원 및 형태소 생성을 하기 때문에 원형 복원을 먼저 하는 기존 확률 모델에 비하여 탐색 공간이 크게 줄어들어 형태소 분석 과정이 훨씬 간결하고 효율적이어서 분석 속도가 기존의 초당 수 백 어절에서 14만 7천 어절로 약 174배 가량 향상시킬 수 있었다.
