선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 멀티미디어 방식과 분석 및 통계 방식 을 통합한 지식기반 회의 시스템 방식으로, 분석 통계적 인 관점에서 출발하여 통계적으로 제시된 데이터를 지능 적으로 분석하고 데이터에 대한 표준을 제시한다. 또한, 실제 회 의 중에 도 실시 간으로 정 리 및 지 식 화가 가능하여 좀 더 효율적인 회의 진행이 가능하게 된다.
- 본 논문에서는 지식기반 회의 관리 시스템 아키텍처 를 제안하면서, 통계적인 문서 분류에 문장의 의미를 파 악할 수 있는 패턴들을 이용한 분류 방법을 접목시킴으 로써 분류의 정확도를 높여서 회의 진행자가 수작업으 로 분류하고 정리하는 부분들을 최대한 자동화하기 위한 방법을 제안하였다.
제안 방법
- 그리고 현재의 자동 요약의 기술적 한계로 인하여 정확한 요약 및 정리를 위해 관리자가 직접 요약 과정에 개 입이 가능한 형태로 구성하여 실용적인 아키텍처를 제안 한다. 그리고 각 회의별로 최적의 회의 온톨로지 모델을 구성하여 효율적인 회의가 진행 될 수 있도록 한다.
- 또한 회의가 진행되면서 미리 정의해 놓은 회의 모델을 이용하여 적합한 단어 나 구문 등에 대해 온톨로지 패 턴 매칭을 통하여 지 능적 인 회의록 구성 이 가능하도록 한다. 그리고 현재의 자동 요약의 기술적 한계로 인하여 정확한 요약 및 정리를 위해 관리자가 직접 요약 과정에 개 입이 가능한 형태로 구성하여 실용적인 아키텍처를 제안 한다. 그리고 각 회의별로 최적의 회의 온톨로지 모델을 구성하여 효율적인 회의가 진행 될 수 있도록 한다.
- 그리고, 첫 번째 시뮬레이션에서는 패턴을 이용할 구 문패턴 방식과 키워드 집합방식을 적용하여 분류율과 정 확도를 구했으며, 특히 키워드 집합을 이용한 방법에 대해서는 집합 내 단어 수에 따른 정확도 변화를 구하였다. 두 번째 시뮬레이션에서는 같은 문서집단을 대상으로 통 계적 방법을 이용한 분류의 정 확도를 구하고, 복합적 인 방법에 의한 분류 실험하여 정확도를 비교하였다.
- 제시하였다. 그에 대한 내용으로 회의 내용을 지 식화 하여 회의 온톨로지에 대한 구축 방법에 대해 제시 하였으며 각각의 회의에 대해 모델 개념을도입하여 회의 의 성격에 적합한 모델을 선택하여 회의가 진행될 수 있도록 하였다.
- 논문에서는 특정한 카테고리로 분류되는 문서들에 공 통적 으로 자주 나타나는 문장 형 태와 키 워 드들을 온톨로 지 패턴으로 만들어 온톨로지 패턴 매칭에 의해 문서 분 류하는 방법을 제시 하고, 통계적 인 문서 분류에 온톨로지 패 턴들을 이용한 분류 방법을 접목시 킴 으로써 분류의 정 확도를 높이는 방법에 대해 제안한다. 또한, 온톨로지 패 턴 매칭의 경우는 빠른 처리 속도를 보장함으로써 실시간 회의 시스템에 적합하다.
- 그리고, 첫 번째 시뮬레이션에서는 패턴을 이용할 구 문패턴 방식과 키워드 집합방식을 적용하여 분류율과 정 확도를 구했으며, 특히 키워드 집합을 이용한 방법에 대해서는 집합 내 단어 수에 따른 정확도 변화를 구하였다. 두 번째 시뮬레이션에서는 같은 문서집단을 대상으로 통 계적 방법을 이용한 분류의 정 확도를 구하고, 복합적 인 방법에 의한 분류 실험하여 정확도를 비교하였다. 본 시 뮬레이션에서 측정한 분류율과 정확도의 정의는 패턴에 의한 분류의 정확도를 Pp„ 분류율을 Cp, 통계적 방법에 의한분류의 정확도를Ps, 분류율을Cs라고 할 때 수식(2) 와 같다.
- 따라서 F-measure를 분류율과 정확도의 중요도에 따라 0 가중치를 선택적으로 조정할 수 있으며 본 논문에서는 月 = 0.1로 하여 회의라는성격상분류율 보다는 정확도에 더 높은 가중치를 두어 적용하였다. 이로써 분류율과 정 확도를 회의 시스템에 적합하도록 함께 분석이 가능하여 정 확도 또는 분류율만을 가지고 분석 하는 것 보다는 객관 적 인 시스템의 성 능 측정 이 가능하다.
- 본 논문에서는 지능적 의사결정지원 시스템을 구체화하여 지식회의관리 시스템으로 구성한다. 또한 이러한 지식 회의 관리 시스템을구현하기 위해 온톨로지, BSC(Balance Score Card), 지식 마이닝(mining)의 개념을 도입하여 지 능화 할 수 있는 방안을 제시 한다.
- 이를 위해 회의 내용과 정보들을 XML(eXtensible Markup Language)로 구조화 한 다음 구 조화된 지식에 대해 온톨로지화 과정을 거쳐 지식화 한다. 또한 회의가 진행되면서 미리 정의해 놓은 회의 모델을 이용하여 적합한 단어 나 구문 등에 대해 온톨로지 패 턴 매칭을 통하여 지 능적 인 회의록 구성 이 가능하도록 한다. 그리고 현재의 자동 요약의 기술적 한계로 인하여 정확한 요약 및 정리를 위해 관리자가 직접 요약 과정에 개 입이 가능한 형태로 구성하여 실용적인 아키텍처를 제안 한다.
- 이때 자동으로 정 리가 안 된 부분은 예외처리기를 통해서 별도 처리를 하 도록 하며 지식 검색기를 통해 지식을 검색할 수 있다. 또한, 별도의 플로우 관리기를 두어 회의진행시에도 관리 될 수 있도록 하였다.
- 본 논문에서는 회의 온톨로지에 초점 을 맞추어 XML, 온톨로지 논리 추론 기 술, 분류 체 계관리 기 술, 지 식 표현 기 술, 색 인 기 술들을 위 주로 하여 온톨로 지를 구축한다. 또한, 회의 정보의 지식화에 초점을 맞추 어서 논제를 지 능적 으로 온톨로지 화 하며, 이렇게 온톨로 지화된 정보를 XML로 구조화하고 모델화 하여 관리할 수 있는 방안을 제시하여 기존 의사결정의 장점을 포용함 과 동시에 좀 더 시각적이면서도 효율적이고 구조적 인 지 식기반 회의관리 시스템을 설계 및 구현한다.
- 모델 뷰어는 본 시스템이 제안하는 중요한 UI(User Interface)중 하나로써, 회의별로 다양한모델 형태가 있을 수 있으며, 이를 그래픽 적으로 표현해 주어 표현의 한계 가 없도록 하였다.
- 지식관리 시스템은지식기반 시스템을 통칭하는 개념으로 본 논문에서 제시하는 지식회의 시스템의 경우는 의사결정지원 시스템에 해당하는 개념이다. 본 논문에서는 지능적 의사결정지원 시스템을 구체화하여 지식회의관리 시스템으로 구성한다. 또한 이러한 지식 회의 관리 시스템을구현하기 위해 온톨로지, BSC(Balance Score Card), 지식 마이닝(mining)의 개념을 도입하여 지 능화 할 수 있는 방안을 제시 한다.
- 온톨로지는 특정 응용영역에 대해 만들어지는데, 그 분야의 기본 개념에 대한 정의와 그들 간의 관계에 대한 명세로 이루어진다. 본 논문에서는 회의 온톨로지에 초점 을 맞추어 XML, 온톨로지 논리 추론 기 술, 분류 체 계관리 기 술, 지 식 표현 기 술, 색 인 기 술들을 위 주로 하여 온톨로 지를 구축한다. 또한, 회의 정보의 지식화에 초점을 맞추 어서 논제를 지 능적 으로 온톨로지 화 하며, 이렇게 온톨로 지화된 정보를 XML로 구조화하고 모델화 하여 관리할 수 있는 방안을 제시하여 기존 의사결정의 장점을 포용함 과 동시에 좀 더 시각적이면서도 효율적이고 구조적 인 지 식기반 회의관리 시스템을 설계 및 구현한다.
- 본 시스템에서는 온톨로지 지식모델을 통하여 좀 더 효율적인 지식기반회의 관리 시스템을구현해 보았으며, 논제에 따른 일반 정보와 지식의 통합 그리고 관점의 표 현을 온톨로지의 표현방법인 개념과 관계로서 구현하였다.
- 이러한지식기반시스템중의 한분야로써 회의 시스템 이 있는데, 본 논문에서는 기존 멀티미디어적 인 측면에서 회의 시스템을구성하는 일반적인접근 방식을탈피하고 회의 내용과 방식에 초점을 맞추어 기존 회의 시스템들을 그대로 흡수 할 수 있는 회의 내용과 진행방식에 대한 아 키텍처를 제안한다. 이를 위해 회의 내용과 정보들을 XML(eXtensible Markup Language)로 구조화 한 다음 구 조화된 지식에 대해 온톨로지화 과정을 거쳐 지식화 한다.
- 이러한지식기반시스템중의 한분야로써 회의 시스템 이 있는데, 본 논문에서는 기존 멀티미디어적 인 측면에서 회의 시스템을구성하는 일반적인접근 방식을탈피하고 회의 내용과 방식에 초점을 맞추어 기존 회의 시스템들을 그대로 흡수 할 수 있는 회의 내용과 진행방식에 대한 아 키텍처를 제안한다. 이를 위해 회의 내용과 정보들을 XML(eXtensible Markup Language)로 구조화 한 다음 구 조화된 지식에 대해 온톨로지화 과정을 거쳐 지식화 한다. 또한 회의가 진행되면서 미리 정의해 놓은 회의 모델을 이용하여 적합한 단어 나 구문 등에 대해 온톨로지 패 턴 매칭을 통하여 지 능적 인 회의록 구성 이 가능하도록 한다.
- 채팅 내용은 채팅 뷰어를 통해 보일 수 있도록 구성하며, 현재 메시지를 입력한 사용자의 메시지가 중앙에 큰 창으로 하여 집 중도를 높이도록 하였다.
- 지식기반 회의관리 시스템에서 서버환경은 펜티엄 Ⅲ 1GHz, 윈도우 2000 서 버 환경 에서 자바를 이용하여 개발 되었다. 클라이언트 환경은 펜티엄 Ⅲ 1GHz, 윈도우2000 워크스테이션에서 Visual C++를 이용한 ActiveX Control 로 시뮬레이션 되었다. 그림 4는 지식기반 회의관리 시스템의 전체 시스템 흐름도를 나타내고 있다.
- 표 3은 통계적 인 방법에 의한 분류(Stat)의 정확도와 통 계적인 방법에 본 논문에서 제시한 패턴에 의한 분류 방법을 접 목시 킨 복합적 인 방법 의 정 확도와 F-measure 값을 나타낸다. 통계적 방식의 경우 단어 빈도에 따라 분류되 도 록 하였으며, 키워드 집합의 경우에는 가장 정확도가 높 았던 키워드를 3개 사용한 경우를 적용하였다. 이 결과를 보면 우선 통계적인 방법의 분류율은 패턴에 의한방식보 다는 높았으며, 본 논문에서 제안하는 방법인 하이브리드 방법을 사용한 경우에서는 패턴에 대한 분류를 적용한 다 음의 통계적 방식의 분류를 적용하는 방식이어서 분류율 면에서는 오히려 다소 떨어지는 면을 보였다.
- 패턴의 표현 및 적용 방법으로는 패턴 매칭에 사용할 문장 형태를 구문 패턴에 의한 방법과 패턴 매칭에 사용 할문장형 태를단어들의 집합으로나타낸키워드집합에 의한 방법을 제안하였으며, 구문 패턴에 의한 방법과 키 워드집합에의한방법을각각통계적인문서분류방법과 접목시켜, 신문에서 표본 추출된 뉴스를 대상으로문서의 자동 분류 시뮬레 이션을 수행하였다.
대상 데이터
- 뉴스를 분석하여 대분류 6개와 소분류 30개를 선정 하였으며, 선정 방식은 경험적으로 선택하였다. 시뮬레이 션에 사용한 구문 패턴은 총 80개였으며, 키워드 집합은 한 단어로 구성된 집합이 78개, 두 단어로 구성된 집합이 92개, 세 단어 이상으로 구성된 집 합이 80개 였다.
- 본논문에서는시뮬레이션을위한문서 집단으로써 한 겨레신문(http://www.hani.co.虹) 웹사이트로부터 수집한 100개의 뉴스 기사를 이용했으며, 뉴스의 경우 일반적인 다른 문서에 비해 정형화되어 있으며 명확한 표현들을 사용하고 있어서 실험 데이터로사용하였다.
- 뉴스를 분석하여 대분류 6개와 소분류 30개를 선정 하였으며, 선정 방식은 경험적으로 선택하였다. 시뮬레이 션에 사용한 구문 패턴은 총 80개였으며, 키워드 집합은 한 단어로 구성된 집합이 78개, 두 단어로 구성된 집합이 92개, 세 단어 이상으로 구성된 집 합이 80개 였다.
데이터처리
- 즉, /3 = 0이면 F-measure 값은 정확도와 동일하고, 0 = 8 이면 F-measure 값은 분류 율과 동일하다. 0 = 1이면 분류율과 정확도에 동일한 가 중치 를 적용하여 F-measure 값을 계 산한다.
이론/모형
- 구문과카테고리의 벡터 표현에서 각 색인어의 가중치 로는 일반적으로 많이 사용되는 역문헌빈도[6, 8]대신 카 테고리의 분리 능력 이 우수한 색 인어 에 높은 가중치를 주는 역카테고리 빈도[9]를 사용하였다.
- 논문에서는 분류하려 는 구문과 분류 대상 범 주들을 온 톨로지 벡터로 구성하고, 두 온톨로지 벡터 사이의 유사한 정도를 비교하여 유사도가 가장 높은 온톨로지 로 구문 을 분류하는 벡 터 유사도 이용 방법[4, 6, 기을 온톨로지 통 계적 인 분류방법에 사용하였다. 온톨로지 벡터로 표현된 구문 P와 카테고리 Cj의 유사도는 수식(1)과 같이 계산된다.
성능/효과
- 표 2는 표본 추출된 뉴스를 대상으로 한 분류 시뮬레 이 션 결과이며 구문패턴에 의한방식과 1, 2, 3개의 키워드 집 합에 따른 분류율, 정 확도, F-measure를 나타내고 있다. 결과를 보면 패턴을 이용한 분류는 두 가지 모두 분류 율이 대략 30~64%인 것으로 보아 낮았으나 정확도는 83%이상으로 대부분 매우 높은 것으로 나타났으며 F-measure 값도 82% 이 상으로 나타났다.
- 그 결과, 문장의 의미를 파악 할 수 있는 패턴에 의한분 류 기법을통계적 기법에 접목시킨경우가통계적인분류 방법 만을 사용한 경우보다 높은 정 확도를 나타내었다.
- 또한, 키워드 집합을 사용한 경우에는 키워드 집합 내 매칭 되는 단어의 수가 많아질수록 분류율은 낮아지지 만 정확도와 F-measure값은 높아짐을 알 수 있다.
- 통계적 방식의 경우 단어 빈도에 따라 분류되 도 록 하였으며, 키워드 집합의 경우에는 가장 정확도가 높 았던 키워드를 3개 사용한 경우를 적용하였다. 이 결과를 보면 우선 통계적인 방법의 분류율은 패턴에 의한방식보 다는 높았으며, 본 논문에서 제안하는 방법인 하이브리드 방법을 사용한 경우에서는 패턴에 대한 분류를 적용한 다 음의 통계적 방식의 분류를 적용하는 방식이어서 분류율 면에서는 오히려 다소 떨어지는 면을 보였다. 그러나 정 확도와 F-measure 값은 향상되는 것을 알 수 있다.
- 일단, 통계적인 분류 방법만을 사용할 경우는 패턴만 을 이용한 결과와 비교하여 정확도와 F-measure값은 약 9~11% 정도 낮은 것을 알 수 있으며, 본 논문에서 제안한 복합적인 방법을 사용했을 경우, 구문 패턴을 이용한 방법은 2.5 ~3.5% 정도 정확도와 F-measure값이 향상되었 고, 키워드 집합을 이용한 방법은 4~5% 정도 정확도와 F-measure값이 향상되었다.
후속연구
- 또한, 마인드 맵 형태의 지식맵을 온톨로지 맵을 회의 에 참석 한 모든 사용자들이 공유할 수 있도록 하여 빠른 공유가 가능하며 추후에 회의내용을 검색할때도온톨 로지 화가 실시 간으로 진 행되어 자기 가 원하는 내용에 대해서 빠른 조회 가 가능하다.
- 향후 과제로는 현재의 텍스트기 반의 데이터가 아닌 멀 티미디어 데이터에 대한온톨로지화도 연구 가능성이 충 분하며 두 개 이상의 패턴이 매칭되어 모호성이 발생한 경우에 어떤카테고리로분류할것인가를결정하는방법 , 수작업으로 해왔던 패턴을 찾아내는 작업을 자동화하는 방법 등에 대한 연구가 필요하다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.