장소 개체명 추출 - SWRC
Download
Report
Transcript 장소 개체명 추출 - SWRC
한국어 비정형 회의공지 이메일 문장에서의
장소정보추출을 위한 자질선택문제
김경렬O 최동현 김은경 최기선
Semantic Web Research Center, KAIST
목차
개요
문제 정의
관련 연구
시스템 구조
실험데이터
실험 및 평가
결론/향후연구
2
COPYRIGHT © 2010, Cognitive Informatics LAB, ALL RIGHTS RESERVED.
개요
12월 세미나를 공지합니다.
12월 세미나는 12월 19일 오후 2시 30분 서울대학교 사범대학 교육정보관
504호에서 개최됩니다.
오시는 길은 지하철 2호선 낙성대 역에서 하차하여 낙성대 방향 출구로 나
오신 뒤 '블랑제르'라는 빵집 앞에서 마을버스 2번을 타고 '기숙사 삼거리'
정류장에서 내리시면 됩니다.
많은 참관바랍니다.
회의 일정 자동 추가
(제목, 시간, 장소, ...)
캘린더 프로그램 (Google Calendar, iCalendar)
3
COPYRIGHT © 2010, Cognitive Informatics LAB, ALL RIGHTS RESERVED.
용어정의
용어정의
비정형 : 자연언어 (Natural Language)
회의공지 이메일 : 회의 또는 행사 등의 일정에 관하여 다수에게 공지하는 형태
의 이메일
장소(Location) : 지리적 위치나 공간
회의장소(isHeldAt) : 현재 이메일에서 모임의 주체가 되는 장소
개체명 : 개체 혹은 개념을 가리키는 이름
관계유형 : 두 개체명 간의 관계
4
COPYRIGHT © 2010, Cognitive Informatics LAB, ALL RIGHTS RESERVED.
문제정의
12월 세미나를 공지합니다.
12월 세미나는 12월 19일 오후 2시 30분 서울대학교 사범대학 교육정보관 504호에서 개최
됩니다.
오시는 길은 지하철 2호선 낙성대 역에서 하차하여 낙성대 방향 출구로 나오신 뒤 '블랑제르
'라는 빵집 앞에서 마을버스 2번을 타고 '기숙사 삼거리' 정류장에서 내리시면 됩니다.
입력 한국어 비정형 회의공지 이메일 문서
출력 장소정보(회의장소/일반장소) 태깅된 문서
12월 세미나를 공지합니다.
회의장소
12월 세미나는 12월 19일 오후 2시 30분 서울대학교 사범대학 교육정보관 504호에서 개최
됩니다.
오시는 길은 지하철 2호선 낙성대 역에서 하차하여 낙성대 방향 출구로 나오신 뒤 '블랑제르'
라는 빵집 앞에서 마을버스 2번을 타고 '기숙사 삼거리' 정류장에서 내리시면 됩니다.
5
COPYRIGHT © 2010, Cognitive Informatics LAB, ALL RIGHTS RESERVED.
문제정의
문제의 일반화
1. 입력 자연언어 문서에서 '장소' 타입 개체명 인식 및 추출
12월 세미나를 공지합니다.
12월 세미나는 12월 19일 오후 2시 30분 서울대학교 사범대학 교육정보관 504호에서 개최됩니다.
오시는 길은 지하철 2호선 낙성대 역에서 하차하여 낙성대 방향 출구로 나오신 뒤 '블랑제르'라는 빵집 앞
에서 마을버스 2번을 타고 '기숙사 삼거리' 정류장에서 내리시면 됩니다.
2. 추출된 '장소'타입 개체명과 입력문서 간의 관계유형분류 (회의장소/일반장소)
12월 세미나를 공지합니다.
12월 세미나는 12월 19일 오후 2시 30분 서울대학교 사범대학 교육정보관 504호에서 개최됩니다.
오시는 길은 지하철 2호선 낙성대 역에서 하차하여 낙성대 방향 출구로 나오신 뒤 '블랑제르'라는 빵집 앞
에서 마을버스 2번을 타고 '기숙사 삼거리' 정류장에서 내리시면 됩니다.
입력문서와 '회의장소' 관계를 가진 장소개체명 추출
6
COPYRIGHT © 2010, Cognitive Informatics LAB, ALL RIGHTS RESERVED.
관련연구
개체명 인식/추출 연구
이창기외, Conditional Random Fields를 이용한 세부 분류 개체명 인식,
제18회 한글 및 한국어 정보처리 학술대회, 2006
개체명의 세부분류 문제에서 CRFs가 클래스 수 증가시 학습속도가 급격히 느
려지는 문제를 해결하기 위해, 문제를 개체명 경계인식, 개체명 클래스 분류 문
제로 나누고, 각각 CRFs, ME 모델 이용.
황이규외, 개체명 구성 원리를 이용한 교사학습 기반의 한국어 개체명 인
식, 제14회 한글 및 한국어 정보처리 학술대회, 2002
한국어 문자 자체의 타입정보 부족 보완을 위해 사전 사용, 독립,구성,인접단어
유형이 포함된 부개체형 단위의 트라이그램 학습 방법으로 최적의 개체형열을
찾음
이경희외, 한국어 문서에서 개체명 인식에 관한 연구, 제12회 한글 및 한국
어 정보처리 학술대회, 2000
개체명사전, 용언의 하위범주화 사전을 이용하는 규칙기반 한국어 개체명인식
연구
7
COPYRIGHT © 2010, Cognitive Informatics LAB, ALL RIGHTS RESERVED.
관련연구
본연구의 특수성
회의장소를 찾는 문제를 장소 개체명인식문제와 회의장소를 분류하는 문제로 분리
지도학습법을 이용한 통계적 접근방식을 문제 해결 도구로 사용
장소는 일반적인 장소개체명 문제로 접근
순차적인 개체명 태깅 문제에서 가장 좋은 성능을 보이고 있는 Conditional
Random Field 를 훈련모델로 사용
회의장소는 회의공지이메일과의 관계유형으로, 공지이메일 문서를 입력으로하여
공지이메일과 장소와의 관계를 찾음
문제 해결을 위해 적은 데이터 수와 많은 자질을 사용할 수 있고, 상대적으로
짧은 훈련시간을 가지는 Support Vector Machine 을 훈련모델로 사용
8
COPYRIGHT © 2010, Cognitive Informatics LAB, ALL RIGHTS RESERVED.
회의장소추출 시스템 구조
이메일
문서
12월 세미나는 12월 19일 오후 2시 30분
서울대학교 사범대학 교육정보관 504호에
서 개최됩니다. 오시는 길은 지하철 2호선
낙성대 역에서 하차하여 낙성대 방향 출구
로 나오신 뒤 '블랑제르'라는 빵집 앞 에서
마을버스 2번을 타고 '기숙사 삼거리' 정류
장에서 내리시면 됩니다
9
COPYRIGHT © 2010, Cognitive Informatics LAB, ALL RIGHTS RESERVED.
회의장소추출 시스템 구조
이메일
문서
12월 세미나는 12월 19일 오후 2시 30분
장소 개체명 추출
학습말뭉치태깅
<Location>서울대학교 사범대학 교육정
학습말뭉치
경계인식
학습모듈
학습시스템
보관 504호</Location>에서 개최됩니다.
장소
사전
학습
모델
경계인식모듈
오시는 길은 지하철 2호선 <Location>낙
성대 역</Location>에서 하차하여
인식시스템
<Location>낙성대 방향 출구</Location>
로 나오신 뒤 '<Location>블랑제르
</Location>'라는 <Location>빵집 앞
</Location> 에서 마을버스 2번을 타고
'<Location>기숙사 삼거리</Location>'
정류장에서 내리시면 됩니다
10
COPYRIGHT © 2010, Cognitive Informatics LAB, ALL RIGHTS RESERVED.
회의장소추출 시스템 구조
이메일
문서
12월 세미나는 12월 19일 오후 2시 30분
장소 개체명 추출
학습말뭉치태깅
<isHeldAt>서울대학교 사범대학 교육정
학습말뭉치
경계인식
학습모듈
보관 504호</isHeldAt>에서 개최됩니다.
장소
사전
학습
모델
학습시스템
경계인식모듈
성대 역</Location>에서 하차하여
인식시스템
<Location>낙성대 방향 출구</Location>
로 나오신 뒤 '<Location>블랑제르
회의장소 분류
학습말뭉치태깅
오시는 길은 지하철 2호선 <Location>낙
</Location>'라는 <Location>빵집 앞
학습말뭉치
</Location> 에서 마을버스 2번을 타고
분류모듈
분류학습모듈
학습시스템
학습
모델
정류장에서 내리시면 됩니다
분류시스템
출력
문서
COPYRIGHT © 2010, Cognitive Informatics LAB, ALL RIGHTS RESERVED.
'<Location>기숙사 삼거리</Location>'
11
장소 개체명 추출 (1/4)
경계인식 대상 클래스
장소에 대한 태깅시 <Location>, 시스템의 최종출력도
<Location>으로 되지만, 시스템 내부에서는 문장을 형태
소 단위로 나누어 다루기 때문에 개체명 내 형태소의 위치
를 구분해주어야 함.
장소 개체명을 4가지 타입으로 나누어 이를 학습하고 태깅.
이메일
문서
장소 개체명 추출
학습말뭉치태깅
학습말뭉치
형태소분석기
장
소
사
전
형태소분석기
CRFs 경계인식모듈
C
R
F
s
모
델
CRFs 경계인식
학습모듈
인식시스템
학습시스템
회의장소 분류
학습말뭉치태깅
학습말뭉치
형태소분석기
형태소분석기
SVMs 분류모듈
Location → LOC_S + LOC_E
본부 회의실 → <LOC_S>본부</LOC_S> + <LOC_E>회의실
</LOC_E>
Location
→ LOC_S + LOC_C .... + LOC_E
대학원동 7층 518호 →
<LOC_S>대학원</LOC_S> + <LOC_C>동</LOC_C> +
<LOC_C>7</LOC_C> + <LOC_C>층</LOC_C> +
<LOC_C>518</LOC_C> + <LOC_C>호</LOC_C>
Location → LOC_I
사무실 → <LOC_I>사무실</LOC_I>
NoE
SVMs 학습모듈
S
V
M
s
모
델
인식시스템
학습시스템
출력
문서
12
COPYRIGHT © 2010, Cognitive Informatics LAB, ALL RIGHTS RESERVED.
장소 개체명 추출 (2/4)
경계인식 대상 클래스
LOC_I
LOC_S
LOC_C
LOC_E
NoE
단일형태소 자체로 하나의
장소타입이 될 수 있는 단어
개체명의 시작부(Start)에서
다른형태소와 결합하여
개체명을 이루는 형태소
개체명의 중간부(Center)에서
다른형태소와 결합하여
개체명을 이루는 형태소
개체명의 끝(End)에서
다른형태소와 결합하여
개체명을 이루는 형태소
장소타입이 아님
...낙성대 방향 출구로
나오신 뒤 '블랑제르'라는...
이메일
문서
장소 개체명 추출
낙성대
방향
출구
로
나오
시
ㄴ
뒤
'
블랑제르
'
는
라
LOC_S
LOC_C
LOC_E
NoE
NoE
NoE
NoE
NoE
NoE
LOC_I
NoE
NoE
NoE
학습말뭉치태깅
학습말뭉치
형태소분석기
장
소
사
전
형태소분석기
CRFs 경계인식모듈
C
R
F
s
모
델
CRFs 경계인식
학습모듈
인식시스템
학습시스템
회의장소 분류
학습말뭉치태깅
학습말뭉치
형태소분석기
형태소분석기
SVMs 분류모듈
SVMs 학습모듈
S
V
M
s
모
델
인식시스템
학습시스템
출력
문서
13
COPYRIGHT © 2010, Cognitive Informatics LAB, ALL RIGHTS RESERVED.
장소 개체명 추출 (3/4)
장소 개체명 추출에 사용된 자질
POS
POSc
KAIST 태그셋 (74가지)
KAIST 태그셋 1단계 수준 태그 (9가지)
형태소태그 자질은 문장을 이루는 가장 중요한 구성요소중
하나로, 거의 모든 개체명인식에서 자질로 사용하고 있음
이메일
문서
장소 개체명 추출
학습말뭉치태깅
학습말뭉치
형태소분석기
장
소
사
전
형태소분석기
CRFs 경계인식모듈
C
R
F
s
모
델
CRFs 경계인식
학습모듈
인식시스템
학습시스템
회의장소 분류
학습말뭉치태깅
학습말뭉치
형태소분석기
CharType 문자타입 (8가지)
한자, 한글, 숫자, 영문자, 숫자+한글,
숫자+영문자+한글, 영문자+한글, 기타
형태소분석기
SVMs 분류모듈
SVMs 학습모듈
S
V
M
s
모
델
인식시스템
학습시스템
출력
문서
장소를 이루는 형태소가 이루는 문자타입의 종류
[BH Yun 2008], [Sekine 1998], [P Kim 2004]
WordFreq 훈련말뭉치 내 형태소 출현빈도수
학습말뭉치에 출현한 형태소의 빈도수 목록을 구성하고 목
록에 들어있는 해당 형태소의 빈도수를 사용
[Fleischman 2002]
14
COPYRIGHT © 2010, Cognitive Informatics LAB, ALL RIGHTS RESERVED.
장소 개체명 추출 (4/4)
장소 개체명 추출에 사용된 자질
한국어 개체명인식은 문자 자체에서 얻을 수 있는 특징이
영어권에 비해 적어서, 개체명사전의 구성에 따라 성능이
크게 달라짐.
LocDic1
LocDic2
LocDic3
LocDic4
장소사전1 (국내행정구역/지하철역명)
우편번호DB, 지하철역DB (35,396개)
장소사전2 (지역/건물관련어휘)
국립국어원-국어 어휘 분류목록(561개)
장소사전3 (세계지명)
국립국어원-로마자표기 세계지명목록(12,593개)
이메일
문서
장소 개체명 추출
학습말뭉치태깅
학습말뭉치
형태소분석기
장
소
사
전
형태소분석기
CRFs 경계인식모듈
C
R
F
s
모
델
CRFs 경계인식
학습모듈
인식시스템
학습시스템
회의장소 분류
학습말뭉치태깅
학습말뭉치
형태소분석기
형태소분석기
SVMs 분류모듈
SVMs 학습모듈
S
V
M
s
모
델
인식시스템
학습시스템
출력
문서
장소사전4 (세계국가명)
두산백과사전, 세계국가명 (259개)
15
COPYRIGHT © 2010, Cognitive Informatics LAB, ALL RIGHTS RESERVED.
장소 개체명 추출 → '회의장소' 분류
추출된 장소 개체명을 대상으로 '회의장소' 분류
이메일
문서
장소 개체명 추출
학습말뭉치태깅
학습말뭉치
형태소분석기
12월 세미나는 12월 19일 오후 2시 30분
장
소
사
전
형태소분석기
CRFs 경계인식모듈
C
R
F
s
모
델
CRFs 경계인식
학습모듈
인식시스템
학습시스템
서울대학교 사범대학 교육정보관 504호에
회의장소 분류
학습말뭉치태깅
형태소분석기
서 개최됩니다.
오시는 길은 지하철 2호선 낙성대 역에서
하차하여 낙성대 방향 출구로 나오신 뒤 '
학습말뭉치
형태소분석기
?
회의장소
일반장소
SVMs 분류모듈
SVMs 학습모듈
S
V
M
s
모
델
인식시스템
학습시스템
출력
문서
블랑제르'라는 빵집 앞 에서 마을버스 2번
을 타고 '기숙사 삼거리' 정류장에서 내리시
면 됩니다
16
COPYRIGHT © 2010, Cognitive Informatics LAB, ALL RIGHTS RESERVED.
'회의장소' 분류 (1/2)
이메일
문서
자질 1 회의시작시간
장소 개체명 추출
'현재', '이전', '다음' 문장 내에 회의시작시간이 포함되어있는가?
학습말뭉치태깅
학습말뭉치
형태소분석기
장
소
사
전
형태소분석기
CRFs 경계인식모듈
C
R
F
s
모
델
CRFs 경계인식
학습모듈
회의시작시간
인식시스템
학습시스템
회의장소 분류
12월 세미나는 12월 19일 오후 2시 30분 서울대학교 사범
학습말뭉치태깅
학습말뭉치
형태소분석기
형태소분석기
SVMs 분류모듈
대학 교육정보관 504호에서 개최됩니다
SVMs 학습모듈
S
V
M
s
모
델
인식시스템
학습시스템
회의장소
출력
문서
회의장소의 주변에서 회의시작시간이 함께 공지되는
경향을 보임
17
COPYRIGHT © 2010, Cognitive Informatics LAB, ALL RIGHTS RESERVED.
'회의장소' 분류 (2/2)
학습
말뭉치
주변단어
추출
진행
개최
에
에서
스터디
....
오후 2시 30분 서울대학교 사범대학 교육
정보관 504호에서 개최됩니다
자질 2 주변단어
형태소 단위로 문장을 분리하였을 때,
태깅된 회의장소 주변의 size n 인
window 내에 해당하는 형태소가
학습말뭉치에서 생성된 단어목록에 있는가?
n=2, 형태소태그={명사,동사,관형사,부사,어미,접사}
이메일
문서
ncn
nnc
nbu
nnc
nbu
ncn
ncn
ncpa
ncn
nnc
nbu
pvg
ecs
ncpa
xsvn
ef
오후
2
시
30
분
서울대학교
사범대학
교육
정보관
504
호
에
어서
개최
되
ㅂ니다
장소 개체명 추출
학습말뭉치태깅
학습말뭉치
형태소분석기
장
소
사
전
형태소분석기
CRFs 경계인식모듈
C
R
F
s
모
델
CRFs 경계인식
학습모듈
인식시스템
학습시스템
회의장소 분류
학습말뭉치태깅
학습말뭉치
형태소분석기
형태소분석기
SVMs 분류모듈
SVMs 학습모듈
S
V
M
s
모
델
인식시스템
학습시스템
출력
문서
18
COPYRIGHT © 2010, Cognitive Informatics LAB, ALL RIGHTS RESERVED.
실험데이터
인터넷을 통해 수집된 1,011 개 회의공지 이메일(14,172문장)
COAT Annotation Toolkit 을 이용하여 2명의 Annotator 와 1명의 Conjugator
로 장소타입을 포함한 12가지 정보타입 태깅
장소관련 타입
953 개의 이메일 내 1,862개 장소 (1,458 문장)
정형문장 : 889 개의 이메일 내 1,526개 장소 (1,217 문장)
비정형(자연어)문장 : 185개의 이메일 내 336개 장소 (241 문장)
회의장소(isHeldAt) : 122 (37%)
일반장소(Location) : 214 (63%)
19
COPYRIGHT © 2010, Cognitive Informatics LAB, ALL RIGHTS RESERVED.
실험방법
장소개체명추출
기계학습모델 : CRFs
학습파라미터 : Gaussian prior=10, Iteration=500
평가단위 : F-measure=2(정확률*재현률)/(정확률+재현률)
3-fold Cross-Validation
회의장소 분류
기계학습모델 : SVMs
학습파라미터 : C=100, Gamma=0.1
평가단위 : F-measure=2(정확률*재현률)/(정확률+재현률)
3-fold Cross-Validation
학습코퍼스태깅
COAT Annotation Toolkit, http://swrc.kaist.ac.kr/COAT/
형태소분석기
HanNanum v0.7.4, http://swrc.kaist.ac.kr/hannanum/
CRFs Library
MALLET, http://mallet.cs.umass.edu/
SVMs Library
LIBSVM, http://www.csie.ntu.edu.tw/~cjlin/libsvm/
20
COPYRIGHT © 2010, Cognitive Informatics LAB, ALL RIGHTS RESERVED.
실험 및 평가 (1/4)
장소개체명 추출
장소개체명 자질 조합
P(%)
R(%)
F(%)
baseline (B)
58.89
40.46
47.96
B+CT
66.39
61.83
64.03
B+WF
69.84
67.18
68.48
B+WF+사전(1)
69.70
70.23
69.96
B+WF+사전(2,3,4)
70.23
70.23
70.23
B+WF+사전(1,2,3,4)
69.60
66.41
67.97
B+CT+WF+사전(1,2,3,4)
65.83
60.31
62.95
baseline (B) 은 형태소 태그셋 자질만 적용한 경우
CT: CharType, WF: WordFreq
CT자질을 사전자질과 함께 쓰면 성능이 떨어지는 경향을 보임.
사전1: 국내행정구역/지하철역명(35,396개), 사전2: 지역/건물관련어휘(561개)
사전3: 세계지명(12,593개), 사전4: 세계국가명(259개)
21
COPYRIGHT © 2010, Cognitive Informatics LAB, ALL RIGHTS RESERVED.
실험 및 평가 (2/4)
회의장소분류 : 주변단어자질만 적용 (각 품사조합별 실험)
회의장소(isHeldAt)
P(%)
R(%)
F(%)
baseline (B)
36.31
100
53.28
주변단어(명사)
주변단어(동사)
70.00
57.38
63.06
40.24
54.10
46.15
주변단어(접사)
주변단어(명사,동사)
54.24
26.23
35.36
68.42
63.93
66.10
주변단어(명사,어미)
주변단어(동사,접사)
66.98
58.20
62.28
41.13
47.54
44.11
주변단어(명사,동사,접사)
주변단어(명사,조사,어미)
70.48
60.66
65.20
75.56
55.74
64.15
주변단어(명사,동사,조사,어미)
주변단어(명사,동사,부사,접사)
75.53
58.20
65.74
71.84
60.66
65.78
주변단어(명사,동사,조사,부사,어미)
주변단어(명사,동사,조사,부사,어미,접사)
76.34
58.20
66.05
69.23
51.64
59.15
baseline (B) 은 모든 장소에 대해 isHeldAt 으로 분류한 경우
window size=2, 적용품사={명사,동사,조사,부사,어미,접사}
품사조합의 모든 경우의 수에 대하여 실험(26), {명사,동사}조합이 최고 성능
22
COPYRIGHT © 2010, Cognitive Informatics LAB, ALL RIGHTS RESERVED.
실험 및 평가 (3/4)
회의장소분류 : 주변단어자질만 적용 (Window size 별 실험)
회의장소(isHeldAt)
P(%)
R(%)
F(%)
baseline (B)
36.31
100
53.28
주변단어(명사,동사) n=1
69.15
53.28
60.19
주변단어(명사,동사) n=2
68.42
63.93
66.10
주변단어(명사,동사) n=3
70.83
55.74
62.39
주변단어(명사,동사) n=4
71.88
56.56
63.30
주변단어(명사,동사) n=5
61.54
65.57
63.49
baseline (B) 은 모든 장소에 대해 isHeldAt 으로 분류한 경우
품사조합의 모든 경우의 수에 대하여(26) n=1~5까지 적용한 결과
n=2일때 가장 좋은 성능을 보이는 경우가 제일 많음.
23
COPYRIGHT © 2010, Cognitive Informatics LAB, ALL RIGHTS RESERVED.
실험 및 평가 (4/4)
회의장소분류 : 주변단어자질(각품사별조합)+회의시작시간
회의장소(isHeldAt)
P(%)
R(%)
F(%)
baseline(B)
36.31
100
53.28
주변단어(명사,동사)
66.00
54.10
59.46
회의시작시간
77.98
69.67
73.59
회의시작시간+주변단어(명사,동사)
80.87
76.23
78.48
회의시작시간+주변단어(명사,조사,접사)
86.11
76.23
80.87
회의시작시간+주변단어(명사,동사,부사,접사)
83.48
78.69
81.01
회의시작시간+주변단어(명사,동사,부사,어미,접사)
84.82
77.87
81.20
baseline (B) 은 모든 장소에 대해 isHeldAt 으로 분류한 경우
주변단어자질의 window size=2
회의시작시간 자질을 함께 사용시 큰 폭의 성능향상이 있음
주변단어 자질과 함께 사용할 경우 약5~8% F-measure 향상.
24
COPYRIGHT © 2010, Cognitive Informatics LAB, ALL RIGHTS RESERVED.
결론 및 향후연구계획
결론
한국어 비정형(자연언어) 회의공지 이메일에서 '회의장소'정
보를 추출하기 위하여 문제를 장소개체명추출과 회의공지-회
의장소간 관계유형추출 문제로 나누어 접근하였으며 문제해
결을 위해 지도학습방법을 이용하였음.
장소개체명 인식에 대한 성능이 많이 낮음. 보다 높은 성능을
얻을 수 있는 자질에 대한 연구가 필요함 (80%이상의 Fmeasure 가 목표)
회의장소 관계유형 추출은 현재 2가지 자질만 적용. 회의공지
와 회의장소와의 관계를 더욱 잘 표현할 수 있는 자질개발이
필요함.
장소정보추출 연구 이후, 회의공지에서 추출할 수 있는 참석
자, 연사, 모임대상, 문의처, 주관, 주제, 제목, 교통수단, 준비
물 정보 추출에 대한 연구를 순차적으로 진행할 예정
25
COPYRIGHT © 2010, Cognitive Informatics LAB, ALL RIGHTS RESERVED.