대화형 에이전트의 주제 추론을 위한 계층적 베이지안 네트워크의 자동 생성

임성수(Sungsoo Lim),조성배(Sung-Bae Cho) 한국정보과학회 2006 정보과학회논문지 : 소프트웨어 및 응용 Vol.33 No.10

최근에 대화형 에이전트에서 사용자 질의의 주제 추론을 위하여 베이지안 네트워크가 효과적임이 발표되었다. 하지만 베이지안 네트워크는 설계에 있어서 많은 시간이 소요되며, 스크립트(대화를 위한 데이타베이스)의 추가 · 변경시에는 베이지안 네트워크도 같이 수정해야 하는 번거로움이 있어 대화형 에이전트의 확장성을 저해하고 있다. 본 논문에서는 스크립트로부터 베이지안 네트워크를 자동으로 생성함으로써 베이지안 네트워크를 이용한 대화형 에이전트의 확장성을 높이는 방법을 제안한다. 제안한 방법은 베이지안 네트워크의 구성노드를 계층적으로 설계하고, Noisy-OR gate를 사용하여 베이지안 네트워크의 조건부 확률 테이블을 구성한다. 피험자 10명이 대화형 에이전트를 위한 베이지안 네트워크를 수동 설계한 것과 비교한 결과 제안하는 방법이 효과적임을 알 수 있었다. Recently it is proposed that the Bayesian networks used as conversational agent for topic inference is useful but the Bayesian networks require much time to model, and the Bayesian networks also have to be modified when the scripts, the database for conversation, are added or modified and this hinders the scalability of the agent. This paper presents a method to improve the scalability of the agent by constructing the Bayesian network from scripts automatically. The proposed method is to model the structure of Bayesian networks hierarchically and to utilize Noisy-OR gate to form the conditional probability distribution table (CPT). Experimental results with ten subjects confirm the usefulness of the proposed method.

베이지안 네트워크를 활용한 교육 및 심리검사의 문항분석

강태훈(Tae hoon Kang) 한국교육평가학회 2014 교육평가연구 Vol.27 No.4

본 연구에서는 심리측정학 분야에서 활용 가능한 인지진단 도구의 하나로서 관심을 받고 있는 베이지안 네트워크를 통하여 교육 및 심리검사 실시 결과에 대한 양적 문항분석 작업을 수행하는 방법을 제시하고자 하였다. 이를 위하여 우선 베이지안 네트워크를 검사 자료에 적용할 때 추정되는 조건부 확률표의 수치들을 활용하여 문항곤란도와 문항변별도를 정의하였다. 그리고 측정하고자 하는 피험자 능력 측면에서 각각 일차원성과 다차원성을 가정하는 두 종류의 실제 검사 자료에, 베이지안 네트워크를 이용한 문항분석을 실시한 뒤, 고전검사이론과 문항반응이론을 적용하여 산출된 문항분석 결과와 비교하였다. 그 결과, 문항분석 차원에서 세 가지 접근 방법 간에 상당한 수준으로 일치하는 결과를 얻을 수 있었다. 이러한 결과를 통하여, 베이지안 네트워크를 활용한 문항분석이 주어진 검사 자료에 대한 문항분석을 실시함에 있어서 실제적으로 적용 가능한 방법이라고 말할 수 있었다. 추가로, 베이지안 네트워크 문항분석이 보다 풍부한 정보를 제공하면서 더 다양한 맥락에서 활용되기 위하여 앞으로 심층적으로 연구되어야 할 부분에 대하여 논의하였다. This study is to propose a quantitative item analysis method using the Bayesian network approach which is receiving attention as one of many possible cognitive diagnostic tools. To this end, the figures in conditional probability tables which are estimated through the Bayesian network are used to define item parameters such as item difficulty and item discrimination. Then, after performing the item analysis jobs for two kinds of actual data sets with the Bayesian network, the results were compared to those produced by the applications of classical test theory and item response theory. As a result, in terms of quantitative item analysis, similar results among the three approaches could be obtained. Through these results, it can be seen that the Bayesian network could be another applicable method for the purpose of item analysis. Finally, the future study issues to make this item analysis method provide richer information and be utilized in more complicated contexts were further discussed.

연기감지기 최적 배치를 위한 베이지안 네트워크 기반 확률론적 연기 분포 네트워크 모델

이정아(Jung Ah Lee),김선혜(Sean Hay Kim) 대한설비공학회 2022 대한설비공학회 학술발표대회논문집 Vol.2022 No.11

본 연구는 성능위주설계에서의 연기 감지기 최적 배치를 위해 마르코프 연쇄 및 동적 베이지안 네트워크 기반의 확률론적 연기 분포 네트워크 모델을 구현하고, 세 가지의 다른 화원의 위치에 따라 구성한 시나리오에 대해 두 모델을 적용한 결과를 Fire Dynamic Simulator (FDS) 결과와 각각 비교하였다. 모든 Case의 100s 이내 결과에서 마르코프 연쇄에 비해 동적 베이지안 네트워크 기반 연기 분포 모델의 결과가, FDS 결과와 비교했을 때 전반적으로 유사함을 확인하였다. 이에 대한 원인으로, 동적 베이지안 네트워크는 공간 뿐 아니라 시간 요소를 고려해 확률을 계산하며, 네트워크의 각 노드가 모든 노드에 대해 연기 분포 확률을 계산하기 때문에 마르코프 연쇄에 비해 현실 모델에 더 가깝고 정교하다고 분석하였다. 고안된 확률론적 연기 분포 네트워크 모델을 이용하면 최악의 화재 시나리오에 대한 진단 시뮬레이션을 FDS보다 더 빨리 반복 수행하여 연기 분포 확률을 계산하고 고위험 지점을 선별할 수 있다. 이는 본 연구의 동적 베이지안 네트워크 기반 확률론적 연기 분포 네트워크 모델이 FDS의 대안 모델이 될 수 있음을 시사하며, 추후 본 연구를 바탕으로 연기 감지기의 최적 배치를 위한 고위험 지점을 찾는 연구를 수행하고자 한다.

모바일 컨텍스트 로그를 사용한 속성별 베이지안 네트워크 기반의 랜드마크 예측 모델 학습

이병길(Byung-Gil Lee),임성수(Sungsoo Lim),조성배(Sung-Bae Cho) 한국인지과학회 2009 인지과학 Vol.20 No.4

모바일 장비에서 수집되는 정보는 개인의 기억을 보조하기 위한 수단으로 활용될 수 있지만, 그 양이 너무 많아 사용자가 효과적으로 검색하기에는 어려움이 있다. 데이터를 사람의 기억과 유사한 에피소드 방식으로 저장하기 위해 중요 이벤트인 랜드마크를 탐지하는 것이 필요하다. 본 논문에서는 사용자에게 새로운 서비스를 제공하기 위해서 다양한 컨텍스트 로그 정보로부터 자동으로 랜드마크를 찾아내는 속성별 베이지안 랜드마크 예측 모델을 제안한다. 랜드마크 예측 정확도를 높이기 위해 요일별, 주간별로 데이터를 나누고 다시 수집된 경로에 따른 속성으로 분류하여 학습을 통해 베이지안 네트워크를 생성하였다. 노키아의 로그데이터로 실험한 결과, 베이지안 네트워크를 사용한 방법이 SVM을 사용한 방법보다 예측성능이 높았으며, 주간별 및 요일별로 설계한 베이지안 네트워크에 비해 제안한 방법인 속성별 베이지안 네트워크의 성능이 가장 우수하였다. Information collected on mobile devices might be utilized to support user's memory, but it is difficult to effectively retrieve them because of the enormous amount of information. In order to organize information as an episodic approach that mimics human memory for the effective search, it is required to detect important event like landmarks. For providing new services with users, in this paper, we propose the prediction model to find landmarks automatically from various context log information based on attributed Bayesian networks. The data are divided into daily and weekly ones, and are categorized into attributes according to the source, to learn the Bayesian networks for the improvement of landmark prediction. The experiments on the Nokia log data showed that the Bayesian method outperforms SVMs, and the proposed attributed Bayesian networks are superior to the Bayesian networks modelled daily and weekly.

데이터마이닝의 베이지안 망 기법을 이용한 교통수단선택 모형의 설계 및 구축

김현기,김강수,이상민 대한교통학회 2004 대한교통학회지 Vol.22 No.2

데이터마이닝 (Data Mining)은 대용량의 데이터에 존재하는 관계, 패턴, 규칙 등을 효율적으로 탐색하여 이를 모형화함으로써, 유용한 정보로 추출·변환하는 일련의 과정이다. 특히 베이지안 망 (Bayesian Network)은 신경망, 유전자알고리즘, 퍼지이론 등과 더불어 데이터마이닝의 중요한 기법 중의 하나로서, 베이지안 통계 이론 (Bayesian Statistics Theory)를 적용하여 변수들간의 확률적인 관계를 기호화함으로써, 설명변수들과 종속변수들간의 인과관계를 파악할 수 있다.이 연구는 기존에 적용된 바가 없는 데이터마이닝의 베이지안 망을 이용하여 수도권 교통수단선택 모형을 구축한다. 2002년도 수도권 가구통행실태조사 자료의 사회·경제적 특성과 교통체계 특성을 반영하여 베이지안 망을 이용한 교통수단선택 모형을 설계·구축하여, 각 변수들간의 상관관계와 인과관계를 분석함으로써, 설명변수인 성과 연령의 구성비가 변하였을 때, 교통수단선택의 변화율(확률)을 예측한다.이 연구를 통해 현실에서는 내재하나 설명변수간의 복잡한 상관성을 배제하고 설명변수들과 교통수단선택간의 단순한 직선관계를 가정하는 기존 교통수단선택 모형의 한계를 극복할 수 있는 가능성을 제시한다. 또한 선택되지 않은 교통수단에 대한 정보의 부족으로 인한 교통수단선택 모형 구축의 어려움을 극복한다. 또한 다양한 교통정책에 따른 교통수단선택의 변화를 실시간으로 시뮬레이션 할 수 있는 방법론을 개발한다.

EM 알고리즘 및 메타휴리스틱을 통한 다이나믹 환경에서의 베이지안 네트워크 학습 전파 프레임웍

추상현(Sanghyun Choo),이현수(Hyunsoo Lee) 한국지능시스템학회 2016 한국지능시스템학회논문지 Vol.26 No.5

기 구축되어있는 베이지안 네트워크에서 다이나믹한 환경 변화가 발생 할 때, 관련된 베이지안 네트워크의 파라미터는 새롭게 형성된 데이터의 패턴에 적응하여 새로운 파라미터로 변경되어야 한다. 이때, 새로운 파라미터는 베이지안 네트워크의 인과관계를 고려하여 변경되어야 한다. 본 논문에서는 Expectation Maximization(EM)알고리즘과 Meta-Heuristics 기법 중 하나인 Harmony Search(HS)알고리즘을 이용한 다이나믹한 파라미터 업데이트 프레임웍을 제안한다. 일반적으로, EM 알고리즘은 숨겨진 파라미터를 추정하는데 유효한 알고리즘이지만 지역 최적값에 수렴한다는 단점을 가지고 있다. 이 문제를 해결하기 위해서 본 논문은 Maximum Likelihood Estimator(MLE)의 파라미터가 글로벌 최적값을 지향하도록 하기 위하여 메타휴리스틱 방법론의 하나인 HS를 적용한다. 제안된 방법은 EM 알고리즘의 단점을 보완하고 글로벌 최적값에 수렴하는 MLE의 파라미터를 추정하여 다이나믹하게 변화하는 환경에서도 사용 가능한 베이지안 네트워크의 학습 및 전파프레임웍을 제시한다. When dynamics changes occurred in an existing Bayesian Network (BN), the related parameters embedding on the BN have to be updated to new parameters adapting to changed patterns. In this case, these parameters have to be updated with the consideration of the causalities in the BN. This research suggests a framework for updating parameters dynamically using Expectation Maximization (EM) algorithm and Harmony Search (HS) algorithm among several Meta-Heuristics techniques. While EM is an effective algorithm for estimating hidden parameters, it has a limitation that the generated solution converges a local optimum in usual. In order to overcome the limitation, this paper applies HS for tracking the global optimum values of Maximum Likelihood Estimators (MLE) of parameters. The proposed method suggests a learning and propagation framework of BN with dynamic changes for overcoming disadvantages of EM algorithm and converging a global optimum avlue of MLE of parameters.

베이지안 네트워크에 기반한 스마트 홈에서의 상황인식 기법개발

정우용(Woo-Yong Chung),김은태(Eun-Tai Kim) 한국지능시스템학회 2007 한국지능시스템학회논문지 Vol.17 No.2

본 논문은 스마트 홈에서 베이지안 네트워크에 기반을 둔 보편성을 가지는 상황인식 시스템의 구현방법을 제안한다. 베이지안 네트워크는 각 센서정보를 바탕으로 거주자의 활동 및 스마트 홈의 상황에 대한 추론을 확률적으로 접근하는데 매우 유용한 수단이다. 하지만 센서 정보와 활동정보가 다양해짐에 따라 기존의 방법으로는 베이지만 네트워크를 구성하기가 힘들다. 따라서 본 논문에서는 상호정보를 통하여 보다 효율적으로 베이지안 네트워크를 구성하도록 하며, 시뮬레이션을 통하여 자료 취득하고 그에 따른 거주자의 활동인식의 결과를 보인다. This paper deals with a context-aware application based on Bayesian network in the smart home. Bayesian network is a powerful graphical tool for learning casual dependencies between various context events and obtaining probability distributions. So we can recognize the resident's activities and home environment based on it. However as the sensors become various, learning the structure become difficult. We construct Bayesian network simple and efficient way with mutual information and evaluated the method in the virtual smart home.

베이지안 네트워크 기반 계층적 CPV 태양광 추적 시스템

박수상(Susang Park),양견모(Kyon-Mo Yang),조성배(Sung-Bae Cho) 한국정보과학회 2014 정보과학회논문지 : 소프트웨어 및 응용 Vol.41 No.7

지구 온난화 문제와 화석 연료 양의 한계 때문에 재생 가능한 전력 생산에 대한 관심이 증가하고 있다. 특히 재생 에너지 중 태양광 에너지의 전력 생산 비율은 점차 증가함에 따라 집광형 태양광발전 시스템은 높은 전력 생산량으로 각광받고 있다. 하지만 이 시스템은 태양광 중첩률이 높을 때 가장 높은 발전 효율을 내기 때문에 허용 오차 범위가 작은 정밀 태양 추적 시스템이 필요하다. 본 논문에서는 복잡한 환경에 대응할 수 있는 베이지안 네트워크와 나이브 베이즈 분류기를 이용한 계층적 추적 시스템을 제안한다. 베이지안 네트워크는 불완전하고 불확실한 상황을 모델링 하는데 강력한 모델로 충분한 양의 데이터가 없을 경우에도 도메인 지식을 바탕으로 네트워크를 설계할 수 있다는 장점이 있다. 제안하는 계층적 확률 시스템에서는 불확실한 하늘 상황을 9개로 분류하고 모듈형 베이지안 네트워크를 이용하여 현재 날씨 상황을 추론한다. 또한 나이브 베이즈 분류기를 이용하여 추론된 날씨 상황을 고려한 효율적인 추적 방법을 분류하고 선택한다. 베이지안 네트워크의 유용성을 평가하기 위해 실제 날씨 데이터를 수집하였고 평균 93.9%의 정확도(Accuracy)를 보였다. 또한, 제안하는 시스템과 핀홀 카메라 시스템의 태양광 발전 효율을 비교한 결과 약 16.58%의 성능이 향상됨을 확인하였다. The power production using renewable energy is more important because of a limited amount of fossil fuel and the problem of global warming. A concentrative photovoltaic system comes into the spotlight with high energy production, since the rate of power production using solar energy is proliferated. These systems, however, need to sophisticated tracking methods to give the high power production. In this paper, we propose a hierarchical tracking system using modular Bayesian networks and a naive Bayes classifier. The Bayesian networks can respond flexibly in uncertain situations and can be designed by domain knowledge even when the data are not enough. Bayesian network modules infer the weather states which are classified into nine classes. Then, naive Bayes classifier selects the most effective method considering inferred weather states and the system makes a decision using the rules. We collected real weather data for the experiments and the average accuracy of the proposed method is 93.9%. In addition, comparing the photovoltaic efficiency with the pinhole camera system results in improved performance of about 16.58%.

베이지안 네트워크와 신경망을 이용한 구매패턴 분석

황정식(Jeong-Sik Hwang),피수영(Su-Young Pi),손창식(Chang-Sik Son),정환묵(Hwan-Mook Chung) 한국지능시스템학회 2005 한국지능시스템학회논문지 Vol.15 No.3

소비자의 구매패턴을 분석하기 위해서는 문화적 요인, 사회적 요인, 개인적 요인, 심리적 요인 등을 고려해야 한다. 소비자의 구매에 이르는 심리나 내부 상태까지 깊이 고려하여 분석하게 되면 소비자의 구매행동을 정확하게 예측하거나 구매요인을 추측할 수가 있기 때문에 기업에서는 소비자의 기호에 맞는 상품개발에 효과적으로 이용할 수가 있다. 이러한 요인들은 직접적인 정보처리로 분석하기 어렵기 때문에 불확실한 정보를 취급하는 기술이 필요하다. 베이지안 네트워크는 불완전한 자료나 관측이 불가능한 자료에도 대응이 가능하며 구매자의 구매에 이르는 심리나 내적상태등과 같은 관측이 곤란한 요소도 다룰 수 있다. 따라서 본 논문에서는 상품구매에 따르는 소비자의 구매행동 패턴을 분석하기 위해 판매자의 노하우와 소비자의 구매의식을 조사하여 이 데이터를 바탕으로 베이지안 네트워크를 구성하고 구매패턴을 예측하는 방법을 제안하였다. 베이지안 네트워크를 이용하여 불필요한 속성을 가진 데이터를 제거하고 코호넨의 SOM을 이용하여 소비자의 구매패턴을 분석하였다. To analyze the consumer's purchase pattern, we must consider a factor which is a cultural, social, individual, psychological and so on. If we consider the internal state by the consumer's purchase, Both the consumer's purchase action and the purchase factor can be predicted, so the corporation can use effectively in suitable goods development in a consumer's preference. These factors need a technology that treat uncertain information, because it is difficult to analyze by directly information processing. Therefore, bayesian network manages elements those the observation of inner state such as consumer's purchase is difficult. In addition, it is interpretable about data that the observation is impossible. In this paper, we examine the seller's know-how and the way of consumer's purchase to analyze consumer's purchase action pattern through goods purchase. Also, we compose the bayesian network based on the examined data, and propose the method that predicts purchase patterns. Finally, we remove the data including unnecessary attribute using the bayesian network, and analyze the consumer's purchase pattern using Kohonen's SOM method.

베이지안 네트워크를 활용한 정신장애 질병 섬망(delirium)의 주요 요인 네트워크 규명

이제영,최영진,Lee, Jea-Young,Choi, Young-Jin 한국통계학회 2011 응용통계연구 Vol.24 No.2

정신장애 질병과 관련된 인자를 찾기 위해 쉽고 간단하게 위험인자를 얻을 수 있는 로지스틱 회귀모형을 주로 이용하였다. 본 논문에서는 데이터마이닝 기업인 로지스틱 회귀모형과 신경망, C5.0, Cart, 베이지안 네트워크를 지저질환과 밀접하게 연관된 가역적 기질성 정신장애인 섬망(delirium) 자료에 적용하여 베이지안 네트워크 기법을 최적의 모형으로 선택하였다. 또한 베이지안 네트워크 기법을 활용하여 정신장애 질병인 섬망과 관련된 주요 위험인자 간 네트워크를 규명하였다. We analyzed using logistic to find factors with a mental disorder because logistic is the most efficient way assess risk factors. In this paper, we applied data mining techniques that are logistic, neural network, c5.0, cart and Bayesian network to delirium data. The Bayesian network method was chosen as the best model. When delirium data were applied to the Bayesian network, we determined the risk factors associated with delirium as well as identified the network between the risk factors.