소셜 네트워크는 우리 일상 생활의 필수적인 부분이 되었다. 소셜 미디어 정보에 대한 정서 분석은 소셜 네 트워킹 사이트에 대한 사람들의 견해, 태도, 감정을 이해하는 데 도움이 된다. 전통적인 정서 분석은 주로 텍 스트에 의존한다. 스마트폰이 등장하면서 문자뿐만 아니라 이미지 등 네트워크 상의 정보도 점차 다양해지고 있다. 많은 경우 이미지가 감정을 독립적으로 표현하기 보다는 텍스트를 향상시킬 수 있다는 것이 밝혀졌습 니다. 우리는 새로운 이미지 텍스트 정서 분석 모델(LSTM-VAA)을 제안한다. 구체적으로 이 모델은 사진 정보 를 직접 입력으로 가져가지 않고 VGG16 네트워크를 사용하여 이미지 특징을 추출한 다음 시각적 측면 주의 를 생성하고 문서의 핵심 문장에 더 높은 가중치를 부여하고 시각적 측면 주의를 기반으로 문서 표현을 얻 는다. 또한, 우리는 LSTM 네트워크를 사용하여 텍스트 감성을 추출하고 텍스트만을 기반으로 문서 표현을 얻 는다. 마지막으로, 우리는 두 분류 결과 그룹을 통합하여 최종 분류 레이블을 얻는다. 옐프 레스토랑 리뷰 데 이터 세트에서, 우리의 모델은 감정 분류를 위한 시각 주의 보조 텍스트로 시각 정보를 사용하는 것의 효과 를 검증하는 BiGRU-m VGG보다 18.92% 높은 62.08%의 정확도를 달성한다. 비스타넷 모델보다 0.32% 높아 비스타넷 모델의 이미지가 텍스트를 완전히 커버할 수 없는 결함을 LSTM 모델이 효과적으로 보완할 수 있 음을 입증했다.

다양한 산업에서 강조되고 있는 정비의 중요성은 각 분야에 다양한 정비전략을 적용하도록 만들었다. 해양산업 역시 그에 따른 정비전략의 변화가 있었으나 타 산업 대비 그 속도가 느려 실제 적용이 되지 않은 채 과거 시행되고 있던 방식을 유지하는 경우가 많다. 특히 선박은 기존에 행해왔던 방식의 정비전략을 사용하고 있는 편이며 해상의 조건에서 선박은 새로운 정비전략의 개발을 필요로 하고있다. 이에 선박예지정비모델은 기기의 정비가 필요한 시점을 예지하여 조치할 수 있는 정비전략으로서 선박이 항해 중에 처할 수 있는 정비 관련 위험요소들을 줄여 주는 모델이다. 본 연구는 선박예지정비모델의 개발을 위한 연구 중의 하나로서, LNG선박 입거사양서의 텍스트 데이터 분석을 통한 결과를 원문의 내용을 바탕으로 해석해보았다. 공통된 정비항목 조합을 도출하여 선박 내 다른 기기들 사이에 작용하고 있는 상호연관성을 발견하고 이를 앞으로 개발될 선박예지정비모델에 적용하고자 한다.

한문에 대한 교육을 탐색하는 한문과 교육은 한문이라는 언어를 가르치고 배우는 언어교과라고 정의내릴 수 있다. 한문교육은 읽기 교육에 집중되어야 하고, 교과목표는 일차적으로 한문 텍스트 읽기 능력 향상을 토대로 설정되어야 한다. 한문의 언어적 특성과 한문 교과서에 실린 텍스트의 특성에 맞는 한문 텍스트 이독성 공식 개발은 한문 읽기 교육 내용의 위계를 설정하는데 시의적절 한 과제라 할 수 있다. 이 연구는 한문 텍스트 이독성 공식의 한계점과 현장의 비판점을 수용하여 설명력이 높은 이독성 공식을 개발하고자 한다. 또, 기존 이독성 공식 연구와는 달리 전체 기대 요인들 간의 상관관계를 파악하여 이독성 공식을 보완하는 방안을 강구하고자 한다. 이 연구는 기존의 한문 이독성 공식 개발 연구 방법에 ‘구조방정식 모형(Structure Equation Model: SEM)’을 활용한다. 단, 여기서 는 한문텍스트 이독성 공식 개발 과정의 기초 과제인 한문교육용 기초한자 1,800자 대표 훈·음, 텍스트 크기에 따른 공식 개발 가능성 탐색, 기대 요인 상호 관계 파악을 위한 설문 결과 분석을 중심으로 보고한다. 향후 예상되는 연구의 기대 효과는 다음과 같다. 첫째, 학습자 수준에 적절한 텍스트 선정 기준을 마련하여 한문 독해 교육을 효율적으로 수행할 수 있는 기반을 마련할 수 있다. 둘째, 한문 독해에 영향을 미치는 기대 요인 상호 관계를 구조방정식 모형을 통해 규명함으로써 한문 독해 연구의 토대로 작용할 것이다. 셋째, 구조방정식 모형을 통해 기존 한문 텍스트 이독성 공식을 보완함으로써 기대 요인들과 텍스트 난도 간의 상세한 상관관계를 가시적으로 나타내 줄 수 있을 것이다.

본 논문에서는 한국어 쓰기 교육을 위한 교육용 게임으로서 text-to-scene 모델을 제안한다. 사용자 입력 문장에 대해 즉각적인 피드백을 제공하기 위해서, 제안하는 text-to-scene 모델은 사용자 입력 문장의 의미구조를 분석하여 장면을 자동으로 생성한다. 사용자가 문장을 교정하면서 자연스럽게 한국어 쓰기 능력이 향상될 수 있도록, 제안하는 text-to-scene 모델은 정답 장면과 사용자 입력 문장에 대한 장면을 함께 제공하므로, 사용자는 입력 문장의 어느 부분이 잘못되었는지 쉽게 파악하고 문장을 수정할 수 있다. 기존의 text-to-scene 연구에서 정교하게 장면을 생성하기 위해서는 필요한 자원 구축이 어렵고 처리 과정이 매우 복잡하다는 점을 고려하여, 제안하는 text-to-scene 모델은 외국인이 쉽게 이해할 수 있는 수준으로 장면을 단순하게 표현한다. 실험결과 격조사나 문장 요소 생략 등을 고려하여 15개의 단어를 임의로 조합하여 5개 어절 이내의 문장 1,048,576개 문장을 만들어 실험한 결과 제안하는 모델은 한 문장당 평균 14.94ms가 소요하면서 안정적으로 장면을 생성하였다. 외국인을 대상으로 한 작문 시험 결과, 종이를 이용한 작문 결과에서는 10개 문항 중 오답 문장이 평균 4.7개 나왔는데, 제안하는 text-to-scene 모델을 이용한 작문 결과에서는 한 문장 당 평균 1.56회의 미리보기를 하고 문장을 수정하여 0.87개가 나왔다.

The increasing interests on patents have led many individuals and companies to apply for many patents in various areas. Applied patents are stored in the forms of electronic documents. The search and categorization for these documents are issues of major fields in data mining. Especially, the keyword extraction by which we retrieve the representative keywords is important. Most of techniques for it is based on vector space model. But this model is simply based on frequency of terms in documents, gives them weights based on their frequency and selects the keywords according to the order of weights. However, this model has the limit that it cannot reflect the relations between keywords. This paper proposes the advanced way to extract the more representative keywords by overcoming this limit. In this way, the proposed model firstly prepares the candidate set using the vector model, then makes the graph which represents the relation in the pair of candidate keywords in the set and selects the keywords based on this relationship graph.

As a replication study of Hanaoka and Izumi (2012), the present research investigated the process of learners’ noticing of problems in their interlanguage (IL) while they were producing the second language (L2) and their process of relevant input provided in the form of two types of feedback (i.e., reformulation and a model text) in L2 writing. The data were collected from twenty-five university students in Korea, and they engaged in a four-staged picture description task consisting of the writing stage (Stage 1), the comparison stage (Stage 2), the immediate revision stage (Stage 3), and the delayed revision stage (Stage 4). It was found that output triggered learners’ noticing of problems; however, the problems did not always show up overtly in their writing. Some problems were manifested in writing (i.e., overt problems), while some were hidden (i.e., covert problems). A model text and reformulation played somewhat different roles in offering the solutions to the problems: a model text provided more solutions to covert problems while reformulation provided more solutions to overt problems. And, the extent of learners’ noticing was associated with the types of problems (overt vs. covert problems) and feedback (i.e., models vs. reformulation). However, the types of problems and feedback were not related to the rate of incorporation of feedback into subsequent writing.

이 연구의 목적은 모방하기 전략을 활용한 한국어 학습자의 쓰기 양상을 살펴보는 데 있다. 이를 위해 중급 단계 한국어 학습자에게 비교와 대조의 구조 유형의 쓰기 과정 중 쓰기 전 단계에서 구조에 맞는 모델 텍스트를 제시한 후 학습자 스스로 제시된 글의 구조를 파악하고 그것을 새로운 글쓰기에 어떻게 재구성하여 활용하는지 살펴보았다. 모델 텍스트는 쓰기에 부담감을 가지는 한국어 학습자들이 쓰기 활동에 적극적으로 참여할 수 있도록 도와주는 비계를 역할을 하여 학습자 스스로 쓰기 활동을 주도적으로 이끌어 갈 수 있도록 하는데 도움을 준다. 또한 텍스트 구조는 글 쓰는 이의 사고를 논리적으로 연결하여 학습자가 질 높은 텍스트를 완성하는 데 만들어 내는 데 영향을 준다. 이 연구에서는 모델 텍스트의 활용을 통해 먼저 완성된 학습자의 글을 비교와 대조의 마름모형 텍스트 구조를 확인하고, 제공된 정보를 잘 배열하고 조직화하여 응집성을 확보한 계단식 구조로 완성된 텍스트 내용을 확인하였다. 그리고 글에 활용된 구조 표지어를 확인 해 보았다. 이를 통하여 학문 목적 한국어 학습자의 쓰기 지도와 쓰기 능력 향상에 필요한 모방 전략의 가능성을 탐색할 수 있었다.