Automatic question-answering is a classical problem in natural language processing, which aims at designing systems that can automatically answer a question, in the same way as human does. The need to query information content available in various formats including structured and unstructured data has become increasingly important. Thus, Question Answering Systems (QAS) are essential to satisfy this need. QAS aim at satisfying users who are looking to answer a specific question in natural language.Moreover, it is a representative of open domain QA systems, where the answer selection process leans on syntactic and semantic similarities between the question and the answering text snippets. Such approach is specifically oriented to languages with fine grained syntactic and morphologic features that help to guide the correct QA match. Furthermore, word and sentence embedding have become an essential part of any Deep-Learning-based natural language processing systems as they encode words and sentences in fixed-length dense vectors to drastically improve the processing of textual data. The paper will concentrate on incorporating the sentence embedding with its various techniques like Infersent, ElMo and BERT in the construction of Question Answering systems, and also it can be used in game play.

인터넷은 전통적인 미디어를 대체하고 주요 뉴스 미디어 플랫폼 중 하나가 되었습니다. 인터넷 소스의 뉴스는 접근성이 좋고 편리하기 때문에 기존 뉴스 소스에 비해 빠르고 간단하게 이동할 수 있습니다. 그러나 가짜 뉴 스가 대량으로 발생하고 정치적, 상업적 이유로 온라인 커뮤니티에 퍼지면서 확인되지 않은 소식통으로부터 입수한 모든 언론 보도가 진짜인 것은 아니다. 가짜 뉴스는 이론적으로나 의도적으로 독자들을 속이거나 잘못 알릴 수 있다. 왜냐하면 사람들은 오프라인 커뮤니티에 영향을 미칠 수 있는 어떤 정보에도 쉽게 얽히게 되기 때문이다. 일부 수동 웹사이트는 정보가 사실인지 확인하도록 설계되어 있지만 온라인, 특히 웹에서 빠르게 확 산되는 정보의 양은 확장되지 않습니다. 이 문제를 해결하기 위해 자동 팩트체크 어플리케이션은 확장성과 자 동화의 요건에 대응하도록 설계되었습니다. 그러나 현재 애플리케이션 방법에는 기계 학습 분류 모델 성능을 개선하기 위해 가짜 뉴스 특징을 식별하는 포괄적인 다차원 데이터 세트가 없다. 이 문제를 해결하기 위해 본 연구논문에서는 사용자가 기사의 제목을 입력하면 데이터를 분류하는 Formb 챗봇을 제안했다. 이 연구 작업 에서 데이터 집합의 분류는 반복 신경망(RNN)과 장기 단기 기억(LSTM) 모델을 사용하여 수행되었다. 가짜 및 실제 뉴스 데이터 세트는 사전 처리되어 모델을 교육하는 데 사용됩니다. 저장된 모델은 지정된 입력 텍스트 의 신뢰성을 확인하기 위해 불일치 서버에 배포됩니다. Disconsid API는 python 파일을 chatbot으로 실행할 수 있는 액세스를 제공합니다. 분석 측면에서, 제안된 모델은 96.77%의 정확도로 CNN와 같은 기존 뉴럴 네트 워크 모델을 능가한다.

디지털 미디어 기술의 부단한 발전에 따라 뉴미디어 예술은 당대 예술 디자인 업계에 새로운 발전 기회를 가 져왔습니다.대학 캠퍼스 시청각 경관은 캠퍼스 경관 구성 시스템의 중요한 부분으로 캠퍼스 전체의 환경 쾌적 도를 높이고 환경 교육 효과를 촉진하는 등 대체 불가한 역할을 하고 있습니다.뉴미디어아트 속 다차원 디지 털 예술은 전통적인 예술 디자인 형태에 비해 색다른 미적 감각과 시각적 경험을 선사합니다.대학 캠퍼스 조 경 디자인은 대학 캠퍼스 전반의 외적인 환경 표현으로, 사제(師弟)의 대학 첫인상을 그대로 반영하고 있습니 다.현대 과학기술의 급속한 발전으로 뉴미디어아트의 표현 형식은 더욱 다채로워지고 새로운 표현방식이 끊임 없이 생겨나고 있습니다.본고에서는 뉴미디어아트의 응용탐구부터 시작하여 새로운 시대의 캠퍼스 영상음향 경관설계의 수요와 결합하여 뉴미디어아트의 캠퍼스 영상음향(Video and Audio) 경관설계에서의 혁신과 응용 을 탐구합니다.

Game development costs a lot of money. Thus, in terms of cost-saving, game companies produce prototypes and undergo several tests and modifications during the development period. In this paper, we proposed a brainwave signal analysis system and linked it with the game to measure the player's emotion through brainwave analysis experiment and tried to solve these problems. The brainwave signal analysis system proposed in this paper is capable of various applications according to various development situations, such as the progress of the game, events, etc. in obtaining simple figures over time by linking games, and collecting the tester's responses according to development intentions, so there will have to be continuous additional research.

Serious games are games with certain functions, such as inducing sleep or preventing sleepiness. To prove the effectiveness of these serious games, the experiment was conducted by combining several pieces of music that help improve concentration in the game while playing simple computer games. Through the player's brainwave analysis, we studied the effects of serious games on human brain waves. In this paper, it was confirmed that the existing concentration effect can be obtained through the development of functional contents that combine music with game contents to improve concentration through games, and the technology to control human brain waves is considered worthy of continuous study.