[논문]심한 소음환경에서 언어장애인 음성 인식률 향상을 위한 단어선정 방법 및 장치 개선에 관한 연구

양기웅; 이형근

doi:10.6109/jkiice.2019.23.5.555

[국내논문] 심한 소음환경에서 언어장애인 음성 인식률 향상을 위한 단어선정 방법 및 장치 개선에 관한 연구
A Study on Word Selection Method and Device Improvement for Improving Speech Recognition Rate of Speech-Language-impaired in Severe Noise Environment 원문보기

한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.23 no.5, 2019년, pp.555 - 567

양기웅 (Department of Computer Engineering, Kwangwoon University) , 이형근 (Department of Computer Engineering, Kwangwoon University)

초록
AI-Helper

언어장애인, 언어 사용이 불편한 분들의 경우 조금의 잡음 환경에도 음성인식률이 저하되어 사회 생활시 어려움을 겪게 된다. 언어 사용 시 불편함을 장치로 개선시킴과 동시에, 언어 장애인의 발음 특성을 고려하여 단어 선정 시 자체 개선한 단어 선정 방법을 사용하여 280개 단어를 선정하였다. 실험에 사용된 MEMS 개발 장치는 재질, 유도선 종류, 길이, 방향을 고려하여 제작되었으며 잘못된 발음으로 인한 음성과 심한 소음에서 음성 인식률 향상을 위하여 개발된 MEMS 장치와 개발된 단어 선정 방법을 사용하여 개선시켰다. 개선 방법으론 새로운 단어 선정 방법과 mems 장치를 개선하여 진행하였으며 결과를 포함하였다.

Abstract ▼ AI-Helper

Speech recognition rate is lowered even in a noisy environment, and it is difficult for a person with a speech disability or an inconvenient language to use it in a social life. In addition to improving the inconvenience of using the language, 280 words were selected using the word selection method which was improved when the word was selected considering the pronunciation characteristics of the language impaired. The MEMS development device used in the experiment was made considering material, lead wire type, length and direction. We improved the speech recognition rate by using the developed word selection method and the MEMS device developed to improve the speech recognition rate due to incorrect pronunciation and severe noise. The new method of selecting words and the mems device were improved and the results were included.

Keyword

표/그림 (39)

그림 Fig. 1 Consonant and vowel position structure
표 Table. 1 Types and symptoms of language disorders
그림 Fig. 2 Configuration step-by-step process
그림 Fig. 3 Improved Variation observation method
그림 Fig. 4 Improved word application example
그림 Fig. 5 Step-specific process diagram
표 Table. 2 Decomposition/synthesis process (example)
표 Table. 3 Supposed Recognition experiment word
그림 Fig. 6 Improved MEMS device 1
그림 Fig. 7 Improved MEMS device 2
그림 Fig. 8 Experiment environment
표 Table. 4 Word recognition number (consonant)
표 Table. 5 Word recognition number (vowel)
표 Table. 6 Recognition word(non-metal + empty place + (×1) + vertical)
표 Table. 7 Recognition word(non-metal + empty place + (×1) + horizontal)
표 Table. 8 Recognition word(non-metal + empty place + (×3) + vertical)
표 Table. 9 Recognition word(non-metal + empty place + (×3) + horizontal)
표 Table. 10 Recognition word(non-metal + string place + (×1) + vertical)
표 Table. 11 Recognition word(non-metal + string place + (×1) + horizontal)
표 Table. 12 Recognition word(non-metal + string place + (×3) + vertical)
표 Table. 13 Recognition word(non-metal + string place + (×3) + horizontal)
표 Table. 14 Recognition word(metal + (×1) + vertical)
표 Table. 15 Recognition word(metal + (×1) + horizontal)
표 Table. 16 Recognition word(metal + (×3) + vertical)
그림 Fig. 9 Unmodified Waveform
그림 Fig. 10 Transformation Waveform(metal+(×1) + vertical)
그림 Fig. 11 Transformation Waveform(metal + (×1) + horizontal)
표 Table. 17 Recognition word(metal + (×3) + horizontal)
표 Table. 18 Unmodified
그림 Fig. 12 Transformation Waveform(metal+(×3) + vertical)
그림 Fig. 13 Transformation Waveform(metal + (×3) + horizontal)
그림 Fig. 14 Transformation Waveform(non-metal + stringplace + (×1) + vertical)
그림 Fig. 15 Transformation Waveform(non-metal + stringplace + (×1) + horizontal)
그림 Fig. 16 Transformation Waveform(non-metal + stringplace + (×3) + vertical)
그림 Fig. 17 Transformation Waveform(non-metal + stringplace + (×3) + horizontal)
그림 Fig. 18 Transformation Waveform(non-metal + empty place+ (×1) + vertical)
그림 Fig. 19 Transformation Waveform(on-metal + empty place+ (×1) + horizontal)
그림 Fig. 20 Transformation Waveform(non-metal + emptyplace + (×3) + vertical)
그림 Fig. 21 Transformation Waveform(non-metal + empty place + (×3) + horizontal)

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

우리가 잡음 같은 원치 않는 소리나, 잡음 속에 섞인 특수한 음을 원할 때 s/w적으로는 한계가 있을 수밖에 없으며 이런 한계를 유도선 같은 h/w적인 특성으로 개선코자 하였다. 음파가 장애물과 충돌할 경우 반사, 굴절, 간섭, 회절이 발생하게 된다.
본 연구는 언어 장애인, 발음이 부정확한 분들의 핸드폰 통화를 원활하게 인식[5]되도록 하기 위하여 단어선정 방법, MEMS 장치 개선(재질(금속, 비금속), 유도선 종류(empty공간, string공간), 길이(×1, ×3), 방향(횡, 종))등을 고려하여 음성 인식률 변화와 파형을 중심으로 연구하였다.

제안 방법

최초 입력된 data에 문제가 있을 경우 기계 및 음운처리 특성에 반영되어 인식률 하락에 결정적인 영향을 미칠 수밖에 없다. 이를 개선코자 처음 입력 장치부터 개발된 mems 장비를 사용하여 주변 noise 입력 최소화, 음성 오류 입력 최소화, 오류 발음을 발음 교정으로 정상 발음으로 인식되도록 노력하였다.
이러한 과정을 고려하여 표 3과 같이 단어를 선정하였으며 선정된 단어를 중증 언어 장애인(9명)과 경증 언어장애인(1) 명을 통해 발음토록 하여 결과가 우수한 경증 언어 장애인 data로 각종 실험(재질 특성에 따른 금속과 비금속, 유도선 종류 (empty 공간, string 공간), 길이 ( ×3, ×1), 방향(횡, 종))을 수행하였다.
S/W적 방법에선 발음된 음성데이타로 각종 실험을 하기 위하여 단어의 변환 과정, 발성 관련된 장애 특성을 고려하여 단어를 선정하는 방법을 제안한다. 단어의 변환 과정을 알기 위하여 변화를 살피는 방법으로 그림 3로 개선하였으며, 개선된 방법을 음성 특성에 맞게 그림 4, 단계별 적용 과정을 그림 5로 표기하였다.
단어의 변환 과정을 알기 위하여 변화를 살피는 방법으로 그림 3로 개선하였으며, 개선된 방법을 음성 특성에 맞게 그림 4, 단계별 적용 과정을 그림 5로 표기하였다. 또한 적용된 음성의 단계별 변화 정도를 파악하기 위하여 표 2로 표기 하였으며, 장애 특성이 반영된 음성데이타와 기준 레퍼런스를 비교하여 분해와 합성을 통하여 단어가 변화되어 지는 과정을 예시로써 표기하였다. 이러한 과정을 고려하여 표 3과 같이 단어를 선정하였으며 선정된 단어를 중증 언어 장애인(9명)과 경증 언어장애인(1) 명을 통해 발음토록 하여 결과가 우수한 경증 언어 장애인 data로 각종 실험(재질 특성에 따른 금속과 비금속, 유도선 종류 (empty 공간, string 공간), 길이 ( ×3, ×1), 방향(횡, 종))을 수행하였다.
제안된 알고리듬에선 음성이 입력될 경우 그림 5, 표 2와 같이 분해 및 합성 변환 과정을 참조하여 단어를 음운으로, 음운을 자음과 모음으로 분해하여 장애 특성이 감안된 기존 reference와 임계치 범위 안에 있는 자료를 매칭 시켜 합성해 나간다.
길이에 따라 ×1, ×3 두 가지 종류로 구성하였으며 소리 유도선에 반공간과 empty 공간내 string이 삽입되어진 두 가지 경우로 나누어 실험을 하였습니다.
m4a로 저장하였으며 저장된 자료를 30초 단위로 분해 *.wav 파일로 재 저장하여 주파수 실험을 하였다. 인식률 실험은 핸드폰 특성에 맞추고자 30초 단위로 분해 후 *.
인식률 실험은 핸드폰 특성에 맞추고자 30초 단위로 분해 후 *.m4a로 재 저장한 자료와 최초 저장된 자료를 2개다 인식 실험을 하여 최종 인식된 자료로 인식 단어와 인식률을 설정하였다. 실험자는 언어 장애인 10명(중증 장애인 9명, 경증 장애인 1명)이나 상대적 실험 결과가 좋은 경증 장애인 자료를 사용하였으며 실험 시간은 280개 평균 5분 30초 걸렸다.
실험 환경은 심한 소음이 발생되는 에어컨 실외기가 있는 야외에서 엔진 잡음이 심한 경유차 환경에서 그림 8과 같이 핸드폰 실험을 하였다. 변형전 장치 사용, 변형 후 장치 사용으로 나누어 실험 하였으며 변형 후 장치는 소리 유도선의 종류에 따라 비금속 재질, 금속 재질로 구성 하였다. 길이에 따라 ×1, ×3 두 가지 종류로 구성하였으며 소리 유도선에 반공간과 empty 공간내 string이 삽입되어진 두 가지 경우로 나누어 실험을 하였습니다.
언어 장애인의 특성을 고려하여 생략, 대치, 왜곡, 첨가 등이 반영된 유사한 언어도 인식이 된 것으로 간주하였으며 변형전과 변형후로 나누어 비교 하였다. 비금속 재질 유도선 은 표 6부터 표 13까지 대부분 인식 성능 률이 우수함을 알 수 있으며, 특히 empty공간 유도선 표 8는 자음 계열 단어 ㄱ, ㄴ, ㅁ, ㅂ, ㅅ, ㅇ, ㅈ과 모음 계열 단어 - , ㅣ, ㅔ, ㅚ, ㅟ 에서 우수한 성질을 보이고 있음을 알 수 있다.
파형을 중심으로 변형전(1개)과 변형후(12개)를 표시 하였으며, 변형후는 금속(유도선, 길이(×1, ×3), 방향(횡, 종))과 비금속(유도선(empty 공간, string 삽입 공간), 길이(×1, ×3), 방향(횡, 종))으로 구분하였다.

대상 데이터

실험에 사용한 단어는 자음과 모음의 특성, 언어 장애의 특징을 고려하여 280개를 표 3와 같이 선정하였다
실험 채널수는 1(mono), 샘플링 44,100HZ, 핸드폰을 통한 최초 저장이 확장자 *.m4a로 저장하였으며 저장된 자료를 30초 단위로 분해 *.
m4a로 재 저장한 자료와 최초 저장된 자료를 2개다 인식 실험을 하여 최종 인식된 자료로 인식 단어와 인식률을 설정하였다. 실험자는 언어 장애인 10명(중증 장애인 9명, 경증 장애인 1명)이나 상대적 실험 결과가 좋은 경증 장애인 자료를 사용하였으며 실험 시간은 280개 평균 5분 30초 걸렸다. 실험 환경은 심한 소음이 발생되는 에어컨 실외기가 있는 야외에서 엔진 잡음이 심한 경유차 환경에서 그림 8과 같이 핸드폰 실험을 하였다.
실험자는 언어 장애인 10명(중증 장애인 9명, 경증 장애인 1명)이나 상대적 실험 결과가 좋은 경증 장애인 자료를 사용하였으며 실험 시간은 280개 평균 5분 30초 걸렸다. 실험 환경은 심한 소음이 발생되는 에어컨 실외기가 있는 야외에서 엔진 잡음이 심한 경유차 환경에서 그림 8과 같이 핸드폰 실험을 하였다. 변형전 장치 사용, 변형 후 장치 사용으로 나누어 실험 하였으며 변형 후 장치는 소리 유도선의 종류에 따라 비금속 재질, 금속 재질로 구성 하였다.
실험에 사용한 단어는 언어 장애가 반영된 자음과 모음의 특성을 고려하여 280개를 선정하였으며, 선정된 자료는 주변 잡음 환경과 언어 장애자의 특성으로 인한 변화를 파악할 수 있도록 새롭게 도입된 방법을 사용하였다. 자음 계열 표 4, 모음 계열 표 5로 구분하여 통계를 작성하였으며 표 4, 표 5에 표기된 a와 b는 종방향, 횡방 향을 나타낸다.

성능/효과

방향과 길이에 따라서는 비금속, empty공간, 종방향, ×1 길이에서 ㅅ, o 단어 계열이 우수하며, 비금속, 선공간, 횡방향, ×3 길이에서는 ㅐ 단어 발음 계열, 금속, 종방향, ×1 길이에서 ㅌ 단어계열 인식 성능이 우수함을 알 수 있다.
언어 장애인의 특성을 고려하여 생략, 대치, 왜곡, 첨가 등이 반영된 유사한 언어도 인식이 된 것으로 간주하였으며 변형전과 변형후로 나누어 비교 하였다. 비금속 재질 유도선 은 표 6부터 표 13까지 대부분 인식 성능 률이 우수함을 알 수 있으며, 특히 empty공간 유도선 표 8는 자음 계열 단어 ㄱ, ㄴ, ㅁ, ㅂ, ㅅ, ㅇ, ㅈ과 모음 계열 단어 - , ㅣ, ㅔ, ㅚ, ㅟ 에서 우수한 성질을 보이고 있음을 알 수 있다. 금속 재질 유도선은 표 14부터 표 17까지 자음 계열 단어 ㅌ, ㅍ, ㅎ과 모음계열 ㅗ에서 우수한 성능을 발휘함을 알 수 있다.
비금속 재질 유도선 은 표 6부터 표 13까지 대부분 인식 성능 률이 우수함을 알 수 있으며, 특히 empty공간 유도선 표 8는 자음 계열 단어 ㄱ, ㄴ, ㅁ, ㅂ, ㅅ, ㅇ, ㅈ과 모음 계열 단어 - , ㅣ, ㅔ, ㅚ, ㅟ 에서 우수한 성질을 보이고 있음을 알 수 있다. 금속 재질 유도선은 표 14부터 표 17까지 자음 계열 단어 ㅌ, ㅍ, ㅎ과 모음계열 ㅗ에서 우수한 성능을 발휘함을 알 수 있다. 방향과 길이에 따라서는 비금속, empty공간, 종방향, ×1 길이에서 ㅅ, o 단어 계열이 우수하며, 비금속, 선공간, 횡방향, ×3 길이에서는 ㅐ 단어 발음 계열, 금속, 종방향, ×1 길이에서 ㅌ 단어계열 인식 성능이 우수함을 알 수 있다.
재질은 속도와 연관 있으며 방향은 파의 종류와 관련 있음을 알수 있다. 또한 긴 길이, 수평 방향, empty공간, 비금속 일수록 성능이 대체적으로 좋았다. 표 6에선 자음계열 18, 모음 계열 21 총 39개 단어가 인식되었으며 길이가 짧고, 방향이 수직인 특성에 따른다.
표 8에선 자음계열 19, 모음 계열 28 총 47개 단어가 인식되었으며 길이 특성에 따른 모음 계열 단어가 월등하게 높게 나타남을 알 수 있다.
표 11에선 자음계열 15, 모음 계열 13 총 28개 단어가 인식되었으며 비금속에선 유일하게 모음계열 인식 단어 수보다 자음계열 단어수가 많음을 알 수 있다. 이것은 언어 특성(모음은 발성시 장애물이 없을 경우, 자음은 발성시 장애의 정도)에 따름을 알 수 있다.
정상인이 전산실 소음 환경에서 지하철 역명으로 막힌 유도선을 실험한 결과와 비교하면 변형전 4.9%에서 2%로 하향 되었으며, 변형후는 횡 방향이면서 길이3배(46% → 16%(비금속, empty공간), 15% (비금속, string 삽입), 9%(금속))로 종방향이면서 길이가 3배(32% → 18%(비금속, empty공간), 11%(비금속, string공간), 12%(금속))로, 종방향이면서 길이 1배(24% → 13%(비금속, empty공간), 12%(비금속, string공간), 11%(금속))가 되어 언어 장애 특성과 잡음의 영향을 고려시 전체적인 음성인식률이 저하됨을 알 수 있다.
9%에서 2%로 하향 되었으며, 변형후는 횡 방향이면서 길이3배(46% → 16%(비금속, empty공간), 15% (비금속, string 삽입), 9%(금속))로 종방향이면서 길이가 3배(32% → 18%(비금속, empty공간), 11%(비금속, string공간), 12%(금속))로, 종방향이면서 길이 1배(24% → 13%(비금속, empty공간), 12%(비금속, string공간), 11%(금속))가 되어 언어 장애 특성과 잡음의 영향을 고려시 전체적인 음성인식률이 저하됨을 알 수 있다. 상대적으로 음성인식률이 좋은 순서는 비금속이면서 empty 공간, 비금속이면서 string공간, 금속, 변형전으로 분석 되었으며 길이와 방향을 고려시 순서는 비금속이면서 empty공간 3종, 비금속이면서 empty공간 3횡, 비금속이면서 empty공간 1횡, 비금속이면서 string공간 3횡, 비금속이면서 empty공간 1종, 금속이면서 3종, 금속이면서 1종, 비금속이면서 string공간 1종, 비금속이면서 string 공간 3종, 금속 1횡, 금속 3횡, 비금속 string공간 1횡, 변형전 자료로 분석되었다. 유도선의 재질, 종류, 길이, 방향을 다르게 표현할 경우 단어 특성에 따라 다른 결과를 얻음을 알 수 있으며 언어장애나 언어 사용이 불편한 분들의 특성에 따라 개선에 도움이 됨을 알 수 있었다.
상대적으로 음성인식률이 좋은 순서는 비금속이면서 empty 공간, 비금속이면서 string공간, 금속, 변형전으로 분석 되었으며 길이와 방향을 고려시 순서는 비금속이면서 empty공간 3종, 비금속이면서 empty공간 3횡, 비금속이면서 empty공간 1횡, 비금속이면서 string공간 3횡, 비금속이면서 empty공간 1종, 금속이면서 3종, 금속이면서 1종, 비금속이면서 string공간 1종, 비금속이면서 string 공간 3종, 금속 1횡, 금속 3횡, 비금속 string공간 1횡, 변형전 자료로 분석되었다. 유도선의 재질, 종류, 길이, 방향을 다르게 표현할 경우 단어 특성에 따라 다른 결과를 얻음을 알 수 있으며 언어장애나 언어 사용이 불편한 분들의 특성에 따라 개선에 도움이 됨을 알 수 있었다. 언어 장애 특성을 고려시 많은 연구[6]가 필요할 것으로 생각하며 단어 선정, MEMS 장치[7] 뿐만 아니라 장애인 특성에 맞는 관련 알고리즘[8]도 개발이 되어야 할 것으로 생각된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	MEMS은 무엇인가?	MEMS(Micro Electro-mechanical System)[4]는 마이크로 전자공학 제조기술을 사용하여 집적회로 공정과 미세가공기술을 이용한 기계적 구성요소, 집적회로 공정을 이용한 전기적 구성요소가 기판위에 일체적으로 설치된 것을 말한다.
	인식률이 급격하게 떨어지게 됨을 해결하기 위한 방법은?	단순언어장애(Specific Language Impairment : SLI) 또는 언어 사용이 불편한 경우 언어 전달시 문제가 생기게 되며, 이를 개선코자 보완대체 의사소통(Augmentative and Alternative Commucation) 도구를 사용하여 보완하 거나 또는 의사소통이 어려운 경우는 비구어의사소통 장비를 사용하여 의사를 소통하고 있다. 일상적인 핸드폰 통화의 경우 의사 소통시 언어 전달에 문제가 생기게 되며 특히 주변에 각종 잡음이 있는 경우는 부정확한 발음과 주변 영향으로 인식률이 급격하게 떨어지게 됨을알 수 있다. 인식률 향상을 위해서는 장애인과 많은 대화를 하여 장애인 언어에 적응이 잘된 사람이 통화를 하거나, 장애인의 잘못 발음된 부분을 분석 교정시켜 주는 교정 장치를 사용하여 개선하는 방법이 있을 것이다.
	s/w적인 교정 방법에 어떤 것이 있는가?	인식률 향상을 위해서는 장애인과 많은 대화를 하여 장애인 언어에 적응이 잘된 사람이 통화를 하거나, 장애인의 잘못 발음된 부분을 분석 교정시켜 주는 교정 장치를 사용하여 개선하는 방법이 있을 것이다. s/w적인 교정 방법은 음성 특성을 추출후, 추출된 음성 신호에서 오류를 검출하여 검출 오류를 교정하여 교정 장치에서 사용하는 방법이 있으며 h/w적인 방법으로 현재 음성을 교정해 주는 장치는 찾기 힘든 실정이다. 최초 입력된 data에 문제가 있을 경우 기계 및 음운처리 특성에 반영되어 인식률 하락에 결정적인 영향을 미칠 수밖에 없다.

참고문헌 (8)

S. I. Kwon, N. H. Kim, "Noise Removal using Modified Switching Filter in Mixed Noise Environments," Journal of the Korea Institute of Information and Communication Engineering, vol. 20 , no. 6, pp. 1216-1220, 2016.
S. E. Ji, W. I. Kim, "Speech Recognition Accuracy Prediction Using Speech Quality Measure," Journal of the Korea Institute of Information and Communication Engineering, vol. 20 , no. 3, pp. 471-476, 2016.

원문보기 상세보기
K. W. Yang, "An Implementation of speech Recognition of Bus-Subway System Using GIS base on the Urban," Kwangwoon University, M.S Thesis, Feb. 2000.
C. S. Kim, S. H. Jung, "A MEMS-Based Finger Wearable Computer Input Devices," Journal of the Korea Institute of Information and Communication Engineering, vol. 20 , no. 6, pp. 1103-1108, 2016.

원문보기 상세보기
S. E. Ji, J. Y. Jo, C. -K. Lee, S. Oh, W. Kim, "Context Recognition Using Environmental Sound for Client Monitoring System," Journal of the Korea Institute of Information and Communication Engineering, vol.19, no. 2, pp. 343-350, 2015.

원문보기 상세보기
J. Y. Lee, L. Kolasani, "Security Based Network for Health Care System," Asia-pacific Journal of Convergent Research Interchange, HSST, ISSN : 2508-9080, vol.1, no.1, Mar (2015), pp. 1-6, http://dx.doi.org/10.21742/APJCRI.2015.03.01
S. H. Sung and P. Z. Khan, "Quantitative and Qualitative Approach for IT Risk Assessment," Asia-pacific Journal of Convergent Research Interchange, HSST, ISSN : 2508-9080, vol.1, no.1, Mar (2015), pp. 29-35, http://dx.doi.org/10.21742/APJCRI.2015.03.04 http://dx.doi.org/10.21742/APJCRI.2015.03.04
D. J. Kim, P. L. Manjusha, "Assessment of Risks in Management Factors," Asia-pacific Journal of Convergent Research Interchange, HSST, ISSN : 2508-9080, vol.1, no.2, Jun (2015), pp. 1-10, http://dx.doi.org/10.21742/APJCRI.2015.06.01

저자의 다른 논문 :

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format