2012년 구미 불산누출 사고 이후 화학물질 관련 법률이 신설·강화 되었다. 화학물질 관련 소관 부처는 환경부를 비롯하여 8개 부처이고, 화학물질 관련 법률은 화학물질관리법 등을 비롯하여 27개 법률에 의해 규제되고 있다. 소방청 조사 결과에 따르면 기업의 화학물질안전관리 위반 건수가 화관법 제정 전인 ‘15년 대비 ’17년에는 무려 1,200%가 증가하였다. 최근 생활법률의 질의응답 서비스인 버비, 한국전자통신연구원의 엑소브레인(Exobrain), 의료기관의 ...
2012년 구미 불산누출 사고 이후 화학물질 관련 법률이 신설·강화 되었다. 화학물질 관련 소관 부처는 환경부를 비롯하여 8개 부처이고, 화학물질 관련 법률은 화학물질관리법 등을 비롯하여 27개 법률에 의해 규제되고 있다. 소방청 조사 결과에 따르면 기업의 화학물질안전관리 위반 건수가 화관법 제정 전인 ‘15년 대비 ’17년에는 무려 1,200%가 증가하였다. 최근 생활법률의 질의응답 서비스인 버비, 한국전자통신연구원의 엑소브레인(Exobrain), 의료기관의 챗봇(Chatbot), 비정형 빅데이터 재난안전 정보패턴 분석 등 다양한 지능형 서비스들이 연구되고 있다. 또한 딥러닝(Deep Learning) 등 인공지능기술의 발전으로 비전문가도 전문가와 같이 정보 서비스를 이용하는 추세이다. 과거 대부분의 정보는 키워드를 이용해 데이터베이스로부터 검색하는 방식이나, 법률 전문용어를 잘 모르는 일반인에게 원하는 정보를 제공하는 데는 한계가 있다. 따라서 본 연구는 자연어처리와 온톨로지, 시맨틱 웹 기술을 활용하여 지식기반의 데이터 모델을 제시하고, 향후 인공지능기술에 활용하여 추론이 가능하도록 하는 학습데이터 구축 방법론을 제시하는데 연구 목적이 있다. 본 논문은 자연어처리 분야에서 화학물질관련 법령정보 질의응답의 지능형 서비스를 제공하기 위해 지식베이스 구조와 학습데이터 구조에 대해서 연구하였다. 질의응답에 필요한 인공지능알고리즘 연구는 본 논문에서 제외하였다. 인공지능 질의응답의 지능형 서비스 제공을 위하여 학습에 필요한 ①학습데이터 셋을 어떻게 구축해야 하고, ②화학물질의 물질안전보건자료(MSDS)와 ③화학물질관리법, 화평법, 산업안전보건법 등 화학물질관련 법령정보에 대해 온톨로지 구축 방법론을 제시하였다. 특히 지식기반 데이터 모델은 화학물질관련 법령의 함축적 표현방법의 구조화, 법률의 개체명/형태소 분석, 학습데이터 구조의 Intent와 Slot구성, 온톨로지의 클래스/속성/개체명의 분류방법, 스파클(SPARQL)언어 구성방법을 제시하였다. 또한 학습데이터 구축은 순환신경망(RNN)의 장기단기메모리모델(LSTM), Key-Value Memory Network모델 등 다양한 인공지능 알고리즘을 이용하여 질의응답 서비스를 구축하고자 할 때 가장 기초가 되는 학습데이터 구축과 전문지식구조 구축 방법을 제시하였다. 본 연구는 온톨로지(Ontology) 구축을 통해 추론이 필요한 100개의 질문에 대해 검증을 실시하였다. 연구결과 SPARQL언어를 통해 100개의 질문에 대해 답변이 가능함을 확인하였다. 향후 LSTM모델을 통해 질의 응답하는 서비스의 경우 필요한 데이터는 적어도 수십만 개 이상의 데이터 셋이 필요하다. 빅데이터가 구축되고 LSTM 등 인공지능기술을 활용한 질의응답 서비스가 제공된다면 전문지식이 없는 일반인에게도 화학물질관련 지식을 제공할 수 있을 것으로 기대된다. 또한 학습데이터 구조도 함께 제시되어 향후 지능형 추론 기술개발에 활용할 수 있을 것으로 기대되며, 다른 법률에도 확대 적용이 가능할 것으로 예상된다.
2012년 구미 불산누출 사고 이후 화학물질 관련 법률이 신설·강화 되었다. 화학물질 관련 소관 부처는 환경부를 비롯하여 8개 부처이고, 화학물질 관련 법률은 화학물질관리법 등을 비롯하여 27개 법률에 의해 규제되고 있다. 소방청 조사 결과에 따르면 기업의 화학물질안전관리 위반 건수가 화관법 제정 전인 ‘15년 대비 ’17년에는 무려 1,200%가 증가하였다. 최근 생활법률의 질의응답 서비스인 버비, 한국전자통신연구원의 엑소브레인(Exobrain), 의료기관의 챗봇(Chatbot), 비정형 빅데이터 재난안전 정보패턴 분석 등 다양한 지능형 서비스들이 연구되고 있다. 또한 딥러닝(Deep Learning) 등 인공지능기술의 발전으로 비전문가도 전문가와 같이 정보 서비스를 이용하는 추세이다. 과거 대부분의 정보는 키워드를 이용해 데이터베이스로부터 검색하는 방식이나, 법률 전문용어를 잘 모르는 일반인에게 원하는 정보를 제공하는 데는 한계가 있다. 따라서 본 연구는 자연어처리와 온톨로지, 시맨틱 웹 기술을 활용하여 지식기반의 데이터 모델을 제시하고, 향후 인공지능기술에 활용하여 추론이 가능하도록 하는 학습데이터 구축 방법론을 제시하는데 연구 목적이 있다. 본 논문은 자연어처리 분야에서 화학물질관련 법령정보 질의응답의 지능형 서비스를 제공하기 위해 지식베이스 구조와 학습데이터 구조에 대해서 연구하였다. 질의응답에 필요한 인공지능 알고리즘 연구는 본 논문에서 제외하였다. 인공지능 질의응답의 지능형 서비스 제공을 위하여 학습에 필요한 ①학습데이터 셋을 어떻게 구축해야 하고, ②화학물질의 물질안전보건자료(MSDS)와 ③화학물질관리법, 화평법, 산업안전보건법 등 화학물질관련 법령정보에 대해 온톨로지 구축 방법론을 제시하였다. 특히 지식기반 데이터 모델은 화학물질관련 법령의 함축적 표현방법의 구조화, 법률의 개체명/형태소 분석, 학습데이터 구조의 Intent와 Slot구성, 온톨로지의 클래스/속성/개체명의 분류방법, 스파클(SPARQL)언어 구성방법을 제시하였다. 또한 학습데이터 구축은 순환신경망(RNN)의 장기단기메모리모델(LSTM), Key-Value Memory Network모델 등 다양한 인공지능 알고리즘을 이용하여 질의응답 서비스를 구축하고자 할 때 가장 기초가 되는 학습데이터 구축과 전문지식구조 구축 방법을 제시하였다. 본 연구는 온톨로지(Ontology) 구축을 통해 추론이 필요한 100개의 질문에 대해 검증을 실시하였다. 연구결과 SPARQL언어를 통해 100개의 질문에 대해 답변이 가능함을 확인하였다. 향후 LSTM모델을 통해 질의 응답하는 서비스의 경우 필요한 데이터는 적어도 수십만 개 이상의 데이터 셋이 필요하다. 빅데이터가 구축되고 LSTM 등 인공지능기술을 활용한 질의응답 서비스가 제공된다면 전문지식이 없는 일반인에게도 화학물질관련 지식을 제공할 수 있을 것으로 기대된다. 또한 학습데이터 구조도 함께 제시되어 향후 지능형 추론 기술개발에 활용할 수 있을 것으로 기대되며, 다른 법률에도 확대 적용이 가능할 것으로 예상된다.
After the Gumi hydrogen fluoride leak accident in 2012, laws related to chemical substances were newly established and strengthened. The Ministry of Environment and other ministries are responsible for chemical substances, and the chemical laws are regulated by 27 laws including the Chemical Sub...
After the Gumi hydrogen fluoride leak accident in 2012, laws related to chemical substances were newly established and strengthened. The Ministry of Environment and other ministries are responsible for chemical substances, and the chemical laws are regulated by 27 laws including the Chemical Substances Control Act. According to the results of the investigation by the Fire Department, the number of violations of chemical safety management by enterprises increased by 1,200% compared to the 15th year before the law was enacted. A variety of intelligent services such as Burby, a question and answer service of the recent living law, Exobrain of Korea Electronics and Telecommunications Research Institute, Chatbot of a medical institution, and an analysis of unstructured big data disaster safety information pattern are being studied. In addition, development of artificial intelligence technology such as Deep Learning is a tendency for non-experts to use information services like experts. Most of the information in the past is retrieved from the database using keywords, but there is a limit to providing information to the general public who is not familiar with the legal terminology. Therefore, this study aims to present a knowledge - based data model using natural language processing, ontology, and semantic web technology, and to suggest a learning data construction methodology that makes it possible to use in artificial intelligence technology for future inference. In this paper, we have studied knowledge base structure and learning data structure to provide intelligent service of Q & A information query in natural language processing. The artificial intelligence algorithms required for query response are excluded from this paper. In order to provide intelligent service of intelligent question and answer, we need to construct ① learning data set which is necessary for learning, ② material safety data sheet (MSDS) of chemical substance and ③ chemical substance management such as chemical management law, peace process law, Ontology construction methodology is presented for legal information. In particular, the knowledge-based data model is composed of the structure of the implication of the chemical-related laws, the object name / morpheme analysis of the law, the intent and slot composition of the learning data structure, the classification method of the class / attribute / object name of the ontology, And suggested a method of construction. In addition, learning data construction is the most basic learning data construction and professional development when we want to construct question-answering service using various artificial intelligence algorithms such as long-term short-term memory model (LSTM) and key-value memory network model of circular neural network And how to construct knowledge structures. In this study, 100 questions that require reasoning through ontology construction were tested. The study confirmed that 100 questions can be answered through the SPARQL language. In the case of a service that queries through the LSTM model in the future, the required data requires at least several hundred thousand data sets. If big data is established and a question and answer service using artificial intelligence technology such as LSTM is provided, it is expected that it will be possible to provide knowledge about chemical substances to the general public without expert knowledge. In addition, the learning data structure is presented, and it is expected that it can be utilized in the future development of intelligent reasoning technology, and it is expected to be extended to other laws.
After the Gumi hydrogen fluoride leak accident in 2012, laws related to chemical substances were newly established and strengthened. The Ministry of Environment and other ministries are responsible for chemical substances, and the chemical laws are regulated by 27 laws including the Chemical Substances Control Act. According to the results of the investigation by the Fire Department, the number of violations of chemical safety management by enterprises increased by 1,200% compared to the 15th year before the law was enacted. A variety of intelligent services such as Burby, a question and answer service of the recent living law, Exobrain of Korea Electronics and Telecommunications Research Institute, Chatbot of a medical institution, and an analysis of unstructured big data disaster safety information pattern are being studied. In addition, development of artificial intelligence technology such as Deep Learning is a tendency for non-experts to use information services like experts. Most of the information in the past is retrieved from the database using keywords, but there is a limit to providing information to the general public who is not familiar with the legal terminology. Therefore, this study aims to present a knowledge - based data model using natural language processing, ontology, and semantic web technology, and to suggest a learning data construction methodology that makes it possible to use in artificial intelligence technology for future inference. In this paper, we have studied knowledge base structure and learning data structure to provide intelligent service of Q & A information query in natural language processing. The artificial intelligence algorithms required for query response are excluded from this paper. In order to provide intelligent service of intelligent question and answer, we need to construct ① learning data set which is necessary for learning, ② material safety data sheet (MSDS) of chemical substance and ③ chemical substance management such as chemical management law, peace process law, Ontology construction methodology is presented for legal information. In particular, the knowledge-based data model is composed of the structure of the implication of the chemical-related laws, the object name / morpheme analysis of the law, the intent and slot composition of the learning data structure, the classification method of the class / attribute / object name of the ontology, And suggested a method of construction. In addition, learning data construction is the most basic learning data construction and professional development when we want to construct question-answering service using various artificial intelligence algorithms such as long-term short-term memory model (LSTM) and key-value memory network model of circular neural network And how to construct knowledge structures. In this study, 100 questions that require reasoning through ontology construction were tested. The study confirmed that 100 questions can be answered through the SPARQL language. In the case of a service that queries through the LSTM model in the future, the required data requires at least several hundred thousand data sets. If big data is established and a question and answer service using artificial intelligence technology such as LSTM is provided, it is expected that it will be possible to provide knowledge about chemical substances to the general public without expert knowledge. In addition, the learning data structure is presented, and it is expected that it can be utilized in the future development of intelligent reasoning technology, and it is expected to be extended to other laws.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.