메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김지호 (KAIST) 남상하 (KAIST) 최기선 (KAIST)
저널정보
Korean Institute of Information Scientists and Engineers Journal of KIISE Journal of KIISE Vol.45 No.9
발행연도
2018.9
수록면
918 - 924 (7page)
DOI
10.5626/JOK.2018.45.9.918

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
지식베이스는 기계가 이해할 수 있도록 세상에 존재하는 모든 지식을 데이터베이스화 하는 것에 그 목적이 있다. 지식베이스가 유용하게 사용될 수 있기 위해서는 지속적으로 새로운 지식을 획득하여 추가해야 하는데, 지식 획득 능력의 부족으로 항상 지식 부족 문제에 시달리고 있다. 지식 획득은 주로 자연언어문장을 분석하여 새로운 지식을 추출하는 외부적인 지식 획득에 의해서 이루어지지만, 지식베이스 내부에 있는 지식만을 이용하여 내부적으로 지식을 확장해 나가는 방법에 대해서는 연구가 소홀이 이루어지고 있다. 따라서 본 논문에서는 음수 미포함 행렬 분해를 통한 내부적인 지식베이스 확장에 관하여 소개한다. 본 논문에서 소개하는 모델은 지식베이스를 행렬로 변환한 뒤에 음수 미포함 행렬 분해를 통해 개체쌍과 관계의 특징 벡터들을 학습하고, 이를 다시 재조합하여 새로운 지식에 대한 신뢰도를 계산한다. 모델의 실효성을 입증하기 위하여 한국어 디비피디아를 대상으로 한 실험 및 분석 결과를 소개한다.

목차

요약
Abstract
1. 서론
2. 관련 연구
3. 지식베이스 행렬 분해 모델(KBMF)
4. 실험
5. 결론
References

참고문헌 (13)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0