초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

현재 기록관리 분야는 전자기록의 환경변화를 넘어서 대량으로 생산·관리되는 기록정보의 검토와 효율적 처리방안에 대해 고민하고 있다. 기록 생산방식의 다양화와 관리방식의 시스템화로 기록의 생산, 관리, 보존 영역의 경계는 모호해졌다. 전자기록의 특성으로 기록정보에 대한 관리와 보존은 기존 시스템의 수동적 관리방식으로는 한계를 지니고 있다. 기록정보가 다양한 데이터로 관리되고 있지만 데이터의 내용을 기반으로 하는 기술적인 접근이 부족한 실정이다. 이에 의사결정을 지원하는 도구로 활용되고 있는 기계학습 기술을 이용해 개선방안을 찾고자 하였다. 기존에 데이터의 특징을 수동적으로 찾는 방식이 아닌 ...

현재 기록관리 분야는 전자기록의 환경변화를 넘어서 대량으로 생산·관리되는 기록정보의 검토와 효율적 처리방안에 대해 고민하고 있다. 기록 생산방식의 다양화와 관리방식의 시스템화로 기록의 생산, 관리, 보존 영역의 경계는 모호해졌다. 전자기록의 특성으로 기록정보에 대한 관리와 보존은 기존 시스템의 수동적 관리방식으로는 한계를 지니고 있다. 기록정보가 다양한 데이터로 관리되고 있지만 데이터의 내용을 기반으로 하는 기술적인 접근이 부족한 실정이다. 이에 의사결정을 지원하는 도구로 활용되고 있는 기계학습 기술을 이용해 개선방안을 찾고자 하였다. 기존에 데이터의 특징을 수동적으로 찾는 방식이 아닌 심층신경망 알고리즘을 통해 스스로 특징을 찾을 수 있는 접근법을 이용하였다.
본 논문은 대량의 기록정보를 수집-분류-기술-보존-서비스하는 과정에 인공지능의 핵심인 기계학습 기술을 이용해 기록관리자와 사용자의 의사결정 지원방안을 마련하였다. 특히 기계학습 알고리즘 중 하나인 심층신경망(Deep Neural Network, DNN)을 현재 기록관리 실무영역에 적용할 수 있는 방안을 제시했다. 기록학과 공학의 융합적 측면에서 실무적인 접근법을 찾기 위해 기술적 연구와 실무적 적용을 병행했다.
최근 다양한 분야에서 사용되고 있는 심층신경망의 특성을 살펴보고 아카이브 과정에 적용하기 위한 의사결정 지원 업무를 도출해 내었다. 이러한 의사결정이 필요한 아카이브 업무영역에 심층신경망 알고리즘을 이용해 의사결정 지원 기능을 적용하는 것이다. 심층신경망 기반의 의사결정 지원은 수많은 기록정보를 제한된 인원과 자원으로 해결하기 위한 보조적 수단으로 이용될 수 있다.
먼저, 지능형 아카이브 시스템과 자동화 시스템의 기능적 특징을 살펴보고 본 연구에서 제안하는 지능형 아카이브 시스템을 위한 요소기술을 정의하였다. 정의된 기계학습 요소기술은 의사결정 지원이 요구되는 대상 업무의 특성을 반영하는 알고리즘을 적용하도록 하였다.
다음으로 기능적 요소를 연결하여 아카이브 영역에서 의사결정을 지원하기 위한 지능형 아카이브 시스템 구축 방안을 제시했다. 생산, 관리, 보존을 위한 시스템을 아카이브 영역으로 포괄하고 각 단계별 업무에 적용되는 기계학습 기술을 구분했다. 또한 아카이브 시스템 영역과 지능형 영역을 구분함으로써 모듈화를 통한 확장성을 담보하도록 구성했다.
마지막으로 본 논문은 인공지능의 기록관리 적용에 대한 개념적 구상에서 벗어나 실험을 통해서 기록관리 실무에서 적용하는 방안을 제안했다. 여러 분야에서 적용되고 있는 인공지능 기반 의사결정 지원 도구는 각 도메인의 특징과 목적을 우선적으로 반영할 수 있어야 한다. 즉, 단순한 딥러닝 알고리즘을 적용하는 것이 유효한 의사결정을 지원하지는 않는다는 것이다. 아카이브 영역의 이해와 어떠한 기록정보를 이용하는 것이 유효한 학습모델을 생성하고 의사결정을 지원할 수 있는가를 실무적으로 접근했다. 이를 위해서 의사결정 지원 업무에 대응하는 기계학습 알고리즘을 구분하고 기록정보의 대상을 텍스트와 이미지로 구분하였다. 적용되는 기계학습 알고리즘은 합성곱신경망(Convolutional Neural Network, CNN)을 기반으로 심층신경망으로 구성했다. 의사결정의 지원은 전처리, 학습데이터 구성, 학습모델생성, 학습모델검증, 의사결정 테스트의 순으로 진행하였고 결과를 살펴보았다. 국내 공공기관의 기록정보를 통해 학습모델을 생성하고 기록 텍스트와 기록 이미지를 실험데이터로 유효한 의사결정을 지원하는 기능을 구현하였다.
점차적으로 증가하는 디지털 형태의 기록정보는 제한된 인원과 자원으로 이를 검토하고 관리하는 것이 어려울 것이다. 본 논문에서는 이러한 실무적인 문제를 해결하기 위해 대량의 기록정보에서 아카이브 업무를 지원하는 심층신경망 기반의 의사결정 지원 방안을 제안했다. 지능형 아카이브 시스템의 기능은 인간의 의사결정을 지원하기 위한 보조적 수단이다. 이러한 보조적인 도구가 다양한 기록정보의 패턴을 분석하고 유효한 예측을 통해서 아카이브 담당자의 업무를 경감시킬 수 있는데 도움이 되었으면 한다.

Abstract ▼ AI-Helper

Currently, key questions in the record management area have moved over from the environmental changes in electronic records to reviewing and effective processing of recorded information that are produced and managed in large quantity. The diversity in the production of records and the systemization ...

Currently, key questions in the record management area have moved over from the environmental changes in electronic records to reviewing and effective processing of recorded information that are produced and managed in large quantity. The diversity in the production of records and the systemization of management methods have led to making vague boundaries among the production, management and preservation of records. Due to the characteristics of electronic records, manual control of the management and preservation of record information in the existing system is limited. While record information is managed as diverse types of data, technical approaches based on the content of data are lacking. Therefore, this study aimed to explore solutions to improve technical approaches by using machine learning techniques that are being utilized as tools for supporting decision making processes. In this regard, the study used an approach, not based on the existing manual searching of the characteristics of data, but on having the system identify its own attributes through a deep neural network algorithm.
This article proposed a decision-making support plan for record managers and users by using machine learning techniques, the core of artificial intelligence, in the process of collecting, categorizing, describing, preserving, and servicing large amount of records information. Particularly, it suggested the Deep Neural Network(DNN) algorithm, one of the machine learning algorithms, as the method that could be implemented in the current records management practice. To define a practical approach in the fusion between the archival studies and engineering, the study conducted both the technical research and practical implementation.
The study reviewed the characteristics of DNN, which is widely used in various fields, and identified decision-making support tasks which were to be implemented in the archival process. In more detail, it aimed to apply the decision-making support function to the archival process where such decision-making tasks are required by using the DNN algorithm. The DNN-based decision-making support can be used as a supplementary means to solve the process of records information in large quantity with limited manpower and resources.
First, the study reviewed functional attributes of the intelligent archive system and automation system and defined element technologies for the intelligent archive system proposed in this study. The defined machine learning element technology allowed for considering the characteristics of target tasks required for the decision-making support and implementing the algorithm.
Next, the study proposed a plan for establishing the intelligent archive system to support the decision-making process in the archival field by connecting functional elements. Particularly, it included within the archival field the system for production, management and preservation and identified machine learning technologies applied to the tasks at each stage. Furthermore, it separated the intelligence-type area from the archive system area so as to guarantee the expandability through modularization.
Finally, this article proposed a method to apply artificial intelligence to the practical tasks of records management not from a conceptual approach, but from experiments. The AI-based decision-making support tools that are applied to many different areas should consider as a priority the characteristics and objectives of each domain. In other words, simply applying a deep learning algorithm would not necessarily support an effective decision-making process. Thus, the study made a practical approach by asking how much understanding of the archive area and what type of records information needs to be used for creating an effective learning model and supporting the decision-making process. Toward this end, the study categorized the machine learning algorithms that correspond to the decision-making support tasks and divided the target records data into texts and images. The applied machine learning algorithm consisted of a DNN based on the Convolutional Neural Network (CNN). The process of the decision-making support ran in the order of the pre-process, construction of learning data, the creation of the learning model, the verification of the learning model, and the decision-making test, and the results were reviewed. The learning model was created based on the records information from Korean public agencies, and the functions that support effective decision-making processes were realized from the records texts and records images as experimental data.
It would be difficult to review and manage ever-growing records information in digital format with limited manpower and resources. To solve this practical problem, this article proposed a DNN-based decision-making support plan that would support archival tasks for large amount of records information. The functions of the intelligent archival system are supplementary means to support the users’ decision-making process. It is hoped that such supplementary tools will help analyse the patterns of various records information and alleviate the workload of the archive manager through effective estimation.

주제어