RISS 검색 - 국내학술지논문 상세보기

국문 초록 (Abstract)

본 연구에서는 Human - Artificial Intelligence Interaction(HAII)을 사용하여 사용자의 감정을 측정하기 위한 효과적인 프레임웍을 제안한다. 기존의 연구는 표본 조사 기반의 Human-Computer 인터페이스 평...

본 연구에서는 Human - Artificial Intelligence Interaction(HAII)을 사용하여 사용자의 감정을 측정하기 위한 효과적인 프레임웍을 제안한다. 기존의 연구는 표본 조사 기반의 Human-Computer 인터페이스 평가방법을 사용했지만 본 연구에서는 지능형 제품을 다루는 사용자의 생체 신호를 분석하고 생체 신호와 인간의 감정 사이의 관계를 분석한다. 추론된 모델은 실시간으로 사용자의 생체신호를 가지고, 지능형 제품을 사용하는 감정상태를 측정하는데 활용된다. 제안된 프레임웍의 효율성을 증명하기 위하여 Voice User Interface(VUI)를 가진 지능형 제품을 가지고 모델링하여 테스트를 진행한다. 31개의 뉴런 채널을 기반으로 한 뇌파 시스템(Electroencephalogram, EEG)에서 측정된 생체신호는 되며 K-최근접 이웃 방법 (K-Nearest Neighbors,KNN) 및 비선형의 서포트 백터머신(Support Vector Machine, SVM)알고리즘을 사용하여 분류된다. 제안 하는 프레임웍은 실시간으로 HAII 인터페이스 환경에서 인간의 감정을 측정하는 새롭고 효과적인 프레임웍으로 고려된다.

다국어 초록 (Multilingual Abstract)

This research suggests an effective framework for measuring user’s emotions in handling a intelligent production using Human-Artificial Intelligence Interaction (HAII). While the existing research studies used survey based human-computer interface evaluation methods, this research analyzes the bio-signals of a user handling an intelligent product and reasons the relationship between the bio-signals and the human emotions. The reasoned model is used for measuring human’s emotions handing an intelligent product only with bio-signals in real time. In order to show the effectiveness of the framework, experiments using an intelligent system with Voice User Interface (VUI) are modeled and tested. The bio-signals are measured from Electroencephalogram (EEG) based 31 neuron channel and these are classified with the premeasured human emotions using a K-Nearest Neighbors(KNN) and nonlinear support vector machine. The suggested framework is considered a new and effective framework measuring a human’s emotions in HAII interface environment in real time.

목차 (Table of Contents)

요약
Abstract
1. 서론
2. 배경 및 기존 연구 고찰
3. Human-AI Interaction을 위한 평가 프레임웍

요약
Abstract
1. 서론
2. 배경 및 기존 연구 고찰
3. Human-AI Interaction을 위한 평가 프레임웍
4. HAII 기반 생체신호 수집 방안 및 분류 학습
5. 결론 및 향후 연구
References

참고문헌 (Reference)

1 노석범, "차분진화 알고리즘을 이용한 지역 Linear Discriminant Analysis Classifier 기반 패턴 분류 규칙 설계" 한국지능시스템학회 22 (22): 81-86, 2012

2 이수용, "시계열 자료의 데이터마이닝을 위한 패턴분류 모델설계 및 성능비교" 한국지능시스템학회 21 (21): 730-735, 2011

3 임용배, "변형된 MFCC를 이용한 전기부하 판별 방법" 한국지능시스템학회 27 (27): 543-551, 2017

4 김진배, "Type 2 Fuzzy Number를 가진 가우시안 커널 기반 비선형 SVM 프레임웍 및 구현" 한국지능시스템학회 27 (27): 373-381, 2017

5 Mou, Yi, "The media inequality : Comparing the initial human-human and human-AI social interactions" 72 : 432-440, 2017

6 Corinna Cortes, "Support-vector networks" 20 (20): 273-297, 1995

7 김민영, "Simultaneous Kernel Learning and Label Imputation for Pattern Classification with Partially Labeled Data" 한국지능시스템학회 17 (17): 10-16, 2017

8 Farmer, Erick, "Review of workload measurement, analysis and interpretation methods" 33 : 1-33, 2003

9 Johnson, H, "Relationship between user models in HCI and AI" 141 (141): 99-103, 1994

10 Dirican, Ahmet Cengizhan, "Psychophysiological measures of human cognitive states applied in human computer interaction" 3 : 1361-1367, 2011