-
- [연구] [자연어처리연구실] 김보성 연구원 AAAI 2021 국제 학술대회 논문 게재
- [자연어처리연구실] 김보성 연구원 AAAI 2021 국제 학술대회 논문 게재 지도교수: 고영중 교수 자연어처리 연구실 김보성 연구원의 “Commonsense Knowledge Augmentation for Low-Resource Languages via Adversarial Learning” 논문이 인공지능 분야의 top-tier 국제 학술대회인 AAAI Conference on Artificial Intelligence, 2021에 최종 논문 게재가 승인되었고 내년 2월에 발표될 예정입니다. 본 연구에서는 저자원(low-resource) 언어의 지식 데이터를 확장하는 적대적 학습(adversarial learning) 방법을 제안합니다. 기존 데이터 확장에서 사용되는 번역 방법은 모호성 문제가 발생하며 모델 학습 시 태깅 데이터가 필요하다는 한계점이 있습니다. 본 논문에서는 적대적 학습을 통해 모델이 언어 독립적인 특성을 학습하게 하고, 풍부한 영어 데이터로부터 저자원 언어의 지식을 자동으로 확장할 수 있는 방법을 제시합니다. 제안된 모델은 한국어 지식 데이터에서 93.7%의 정확도를 달성하였으며, 626,681개의 한국어 지식을 생성하였습니다. 또한 16개의 언어를 이용한 테스트에서 모두 효과적인 성능 향상을 이뤘습니다. [논문] “Commonsense Knowledge Augmentation for Low-Resource Languages via Adversarial Learning”, The 35th AAAI Conference on Artificial Intelligence, 2021. Abstract: Commonsense reasoning is one of the ultimate goals of artificial intelligence research because it simulates the human thinking process. However, most commonsense reasoning studies have focused on English because available commonsense knowledge for low-resource languages is scarce due to high construction costs. Translation is one of the typical methods for augmenting data for low-resource languages; however, translation entails ambiguity problems, where one word can be translated into multiple words due to polysemes and homonyms. Previous studies have suggested methods to measure the validity of translated multiple triples by using additional metadata and manually labeled data. However, such hand-crafted datasets are not available for many low-resource languages. In this paper, we propose a knowledge augmentation method using adversarial networks that does not require any labeled data. Our adversarial networks can transfer knowledge learned from a resource-rich language to low-resource languages and thus measure the validity score of translated triples even without labeled data. We designed experiments to demonstrate that high-scoring triples obtained by the proposed model can be considered augmented knowledge. The experimental results show that our proposed method for a low-resource language, Korean, achieved 93.7% precision@1 on a manually labeled benchmark. Furthermore, to verify our model for other low-resource languages, we introduced new test sets for knowledge validation in 16 different languages. Our adversarial model obtains strong results for all language test sets. We will release the augmented Korean knowledge and test sets for 16 languages. 고영중 교수: yjko@skku.edu, 자연어처리연구실: nlp.skku.edu; nlplab.skku.edu
-
- 작성일 2020-12-07
- 조회수 1242
-
- [연구] [자연어처리연구실], 2020 국어 정보 처리 시스템 경진 대회 동상 수상
- [자연어처리연구실], 2020 국어 정보 처리 시스템 경진 대회 동상 수상 지도 교수 : 고영중 교수 고영중 교수가 지도하는 자연어처리 연구실 학생들이 제안한 “사후 학습과 지식 베이스 감성 임베딩을 이용한 BERT 기반 감성 분석 시스템”이 문화체육관광부와 국립국어원이 주최한 2020 국어 정보 처리 시스템 경진 대회에서 동상을 수상했다. 이번 대회에 참여한 자연어처리팀은 학부생들을 중심으로 팀을 구성하였으며, 팀원으로 조준희, 김두영, 최규리, 배지현, 김세령(이상 학부연구생 5명) 학생, 팀장으로 손동철(석사 과정) 학생이 참여하였다. 자연어처리 팀은 사후 학습 방법과 지식 베이스 감성 임베딩을 활용하여 오탈자와 신조어, 그리고 속어 등의 비문이 포함된 사용자 텍스트에 대한 효과적인 감성 분석 시스템을 제안하였다. 국어 정보 처리 시스템 경진 대회는 국립국어원에서 구축한 국어 말뭉치 자원의 활용도를 높이고, 국어 정보화 확대를 유도하는 등 국어 정보 처리 시스템 개발 및 보급 수준을 높이는 중추적 역할을 수행하고 있다. 올해 2020년도 국어 정보 처리 시스템 경진 대회는 고도화된 인공지능 서비스 개발에 필수적인 ‘감성 말뭉치’ 연구를 위해, 감성 말뭉치 분석 시스템 개발을 주제로 개최되었다. 고영중 교수: yjko@skku.edu, 자연어처리연구실: nlp.skku.edu; nlplab.skku.edu
-
- 작성일 2020-12-07
- 조회수 1297
-
- [연구] 김유성 교수 연구실/ 스펙트럼 챌린지 대회 1등 수상
- 김유성 교수 연구실, 스펙트럼 챌린지 대회 1등 수상 한국전자통신연구원(ETRI)에서 국내 대학과 중소기업 연구소 연구팀을 대상으로 우수 전파이용 기술을 선발하기 위한 '2단계 스펙트럽 챌린지 대회'에서 김유성교수 연구실 CSI Lab (Computer Systems and Intelligence Lab)팀 ( 박사과정 정신기, 채근홍학생)이 1위를 수상하였습니다. 올해 대회는 차세대 와이파이/ NR-U (New Radio Unlicensed)와 마이크로웨이브 간 전파 간섭 해결을 주제로 열렸습니다. 기존 5GHz 대역에 이어 6GHz대역이 신규 비면허 용도로 확대/공급되며 차세대 와이파이와 5G NR-U기술, 방송전송/통신용 마이크로웨이브 등이 주파수를 선택적,효율적으로 공동 사용하는 기술에 대해 산업계 관심이 높으며 ETRI는 대회 우수팀이 핵심기술을 국내 연구기관과 공동연구로 개발하도록 지원하는 목표입니다. 수상팀은 연구비 1억원이 지원되며, 내년 3단계 스펙트럼 챌린지 본선대회 출전권이 부여됩니다. https://www.etnews.com/20201111000067
-
- 작성일 2020-11-12
- 조회수 1344
-
- [연구] [자연어처리연구실] 김보성 연구원 COLING 2020 국제 학술대회 논문 게재
- [자연어처리연구실] 김보성 연구원 COLING 2020 국제 학술대회 논문 게재 지도교수: 고영중 교수 자연어처리 연구실 김보성 연구원의 “Multi-Task Learning for Knowledge Graph Completion with Pre-trained Language Models” 논문이 자연어처리 분야의 top-tier 국제 학술대회인 COLING (International Conference on Computational Linguistics) 2020에 최종 논문 게재가 승인되었고 12월에 발표될 예정입니다. 본 연구에서는 지식 그래프(Knowledge Graph)의 타당성을 검증하는 Knowledge Graph Completion 문제를 해결하는 Pre-trained Language Model 기반의 Multi-Task learning 방법을 제안합니다. 기존 Pre-trained Language Model을 이용하는 방법은 그래프의 관계성 정보(relational information)를 학습하지 못하고, 유사한 지식 간의 구분이 어려운 문제가 있습니다. 본 연구에서는 이를 해결하기 위해 그래프 관계 예측(relation prediction) 학습과 관련성 랭킹(relevance ranking) 학습을 이용한 Multi-Task learning 방법을 제시하였습니다. 제안된 모델은 두 가지 데이터셋에서 효과적인 성능 향상을 이뤘으며, WN18RR 데이터 셋에서 state-of-the-art 성능을 달성하였습니다. [논문] “Multi-Task Learning for Knowledge Graph Completion with Pre-trained Language Models”, The 28th International Conference on Computational Linguistics, 2020. Abstract: As research on utilizing human knowledge in natural language processing has attracted considerable attention in recent years, knowledge graph (KG) completion has come into the spotlight. Recently, a new knowledge graph completion method using a pre-trained language model, such as KG-BERT, is presented and showed high performance. However, its scores in ranking metrics such as Hits@k are still behind state-of-the-art models. We claim that there are two main reasons: 1) failure in sufficiently learning relational information in knowledge graphs, and 2) difficulty in picking out the correct answer from lexically similar candidates. In this paper, we propose an effective multi-task learning method to overcome the limitations of previous works. By combining relation prediction and relevance ranking tasks with our target link prediction, the proposed model can learn more relational properties in KGs and properly perform even when lexical similarity occurs. Experimental results show that we not only largely improve the ranking performances compared to KG-BERT but also achieve the state-of-the-art performances in Mean Rank and Hits@10 on the WN18RR dataset. 고영중 교수: yjko@skku.edu, 자연어처리연구실: nlp.skku.edu; nlplab.skku.edu
-
- 작성일 2020-10-13
- 조회수 1344
-
- [연구] [보안공학연구실] 사이버 안보 논문 공모전 대상 수상
- [보안공학연구실] 사이버 안보 논문 공모전 대상 수상 보안공학연구실(지도교수: 김형식)의 문태근 석사과정이 작성한 논문이 사이버안보 논문 공모전에서 대상(500만원)을 수상했다. 본 논문에서는 웹 페이지가 압축되는 특성을 이용한 부채널 공격을 방지하는 기술을 개발하여 성능을 분석하여, 기존의 솔루션보다 성능이 향상됨을 증명하여 심사위원들에게 좋은 평가를 받아 대상으로 선정되었다. 사이버안보 논문 공모전은 한국정보보호학회와 정보세계정치학회가 주관하고 국가정보원과 국가보안기술연구소가 후원하는 대회로 이번 공모전은 전국의 대학생, 대학원생 및 박사후과정을 대상으로 기술분야(사이버보안기술 전 분야)와 정책분야(사이버안보 관련정책)로 나누어 진행됐다. 수상을 축하드립니다!
-
- 작성일 2020-10-05
- 조회수 1319
-
- [연구] 본교 재학생(팀명 Carbonium), 한국전자기술연구원 제4회 KETI 모비우스 개발자대회 대상 수상
- 본교 재학생(팀명 Carbonium), 한국전자기술연구원 제4회 KETI 모비우스 개발자대회 대상 수상 본교 재학생으로 구성된 ‘Carbonium’팀이 한국전자기술연구원에서 주최하는 제4회 KETI 모비우스 개발자대회에서 대상을 수상하였다. ‘Carbonium’은 팀장인 일반대학원 스마트팩토리융합학과 김병섭 학생을 비롯하여 소프트웨어학과 박정훈, 소프트웨어학과 정동원, 전자전기공학부 노영기, 컴퓨터공학과 문태의(팀원 이상 4명) 학생으로 구성되었으며, 스마트팩토리융합학과 이두원 겸임교수((주)아니스트 대표)가 지도하였다. KETI가 개발한 모비우스는 국제 표준인 oneM2M을 기반으로 개발된 세계 최초 오픈 소스 IoT 플랫폼으로, 세계 최고 수준의 호환성은 물론 쉽고 간편한 개발이 가능하다는 장점이 있다. 특히 2019년 10월에 공개된 모비우스 3.0은 신뢰성 및 빅데이터 분석 지원 기능이 강화된 버전으로, 전 세계 970여 개 기업 및 기관이 다수의 공공·기업 프로젝트에 활용하고 있다. ‘Carbonium’팀은 모비우스 플랫폼을 통해 온실가스 배출량을 실시간으로 산정하고 인공지능(AI)으로 배출량을 예측함으로써 기업의 탄소 배출권 거래를 용이하게 해주는 서비스로 대상의 영예를 차지하였다.
-
- 작성일 2020-09-14
- 조회수 1190
-
- [연구] 허재필 교수 연구실, 현상익 석사과정 ECCV 2020 국제 학술대회 논문 게재
- 허재필 교수 연구실, 현상익 석사과정 ECCV 2020 국제 학술대회 논문 게재 비주얼컴퓨팅 연구실 현상익 학우(인공지능학과 석사과정 1년차, 지도교수 허재필)가 European Conference on Computer Vision (ECCV) 2020에 “VarSR: Variational Super-Resolution Network for Very Low Resolution Images” 논문을 게재하였습니다. ECCV는 컴퓨터 비전분야의 top-tier 학술대회이며, 본 논문은 현상익 학우가 학부연구생 때 수행된 연구 결과물입니다. 본 연구에서는 극도로 낮은 해상도 이미지의 초해상도(Super-Resolution)를 수행하는 딥러닝 모델을 제시하였습니다. 기존 초해상도 기술들은 저해상도-고해상도 이미지의 1:1 deterministic한 매핑 관계를 가정하였다면, 본 논문의 VarSR Network는 하나의 저해상도 이미지가 여러 개의 고해상도 이미지에 대응될 수 있는 1:N의 매핑 관계를 모델링하여 variational한 결과를 도출하도록 설계되었습니다. 제안된 모델은 초저해상도의 얼굴, 자동차 번호판 이미지 식별 등 현실 세계의 다양한 응용분야에 활용될 수 있습니다. [논문] Sangeek Hyun and Jae-Pil Heo, “VarSR: Variational Super-Resolution Network for Very Low Resolution Images”, European Conference on Computer Vision (ECCV), 2020. Abstract: As is well known, single image super-resolution (SR) is an ill-posed problem where multiple high resolution (HR) images can be matched to one low resolution (LR) image due to the difference in their representation capabilities. Such many-to-one nature is particularly magnified when super-resolving with large upscaling factors from very low dimensional domains such as 8x8 resolution where detailed information of HR is hardly discovered. Most existing methods are optimized for deterministic generation of SR images under pre-defined objectives such as pixel-level reconstruction and thus limited to the one-to-one correspondence between LR and SR images against the nature. In this paper, we propose VarSR, Variational Super Resolution Network, that matches latent distributions of LR and HR images to recover the missing details. Specifically, we draw samples from the learned common latent distribution of LR and HR to generate diverse SR images as the many-to-one relationship. Experimental results validate that our method can produce more accurate and perceptually plausible SR images from very low resolutions compared to the deterministic techniques.
-
- 작성일 2020-08-25
- 조회수 1585
-
- [연구] 데이터기반 융합 보안(지도교수: 우사이먼) 연구실, IITP 인공지능 그랜드 챌린지 Track 1: 1위 입상
- 데이터기반 융합 보안 연구실(DASH Lab: https://dash-lab.github.io, 우사이먼 교수) 소속 소프트웨어학과 석사과정, 학부연구원들이 정보통신기획평가원에서 주관하는 인공지능 그랜드 챌린지에 참여하여 1위를 수상하였다. 인공지능 그랜드 챌린지는 제시된 문제를 해결하기 위해 참가자들이 개발한 알고리즘을 가지고 실력을 겨루는 도전‧경쟁형 연구개발(R&D) 경진대회이다. 이번 ‘2020 인공지능 그랜드 챌린지’ 대회는 인공지능 기술을 활용하여 각종 응급상황(행동인지), 폭력상황(음성인지), 생활폐기물 분류(사물인지), 인공지능 최적·경량화를 통한 전력소비량 감소 등 4개 트랙으로 ’22년까지 3년간 총 4단계로 진행되며 인공지능기술을 통해 편리하고 안전한 생활환경 조성을 목표로 추진되었다. 우사이먼 교수 연구팀은 행동인지 트랙 (트랙1)에 참가해, 응급환자의 이상행동을 영상분석 기반으로 인지하는 알고리즘을 개발하여 1위에 입상하였다. 올해로 4차대회를 맞는 인공지능 그랜드 챌린지는 1단계 대회를 시작으로 2022년까지 4단계로 진행되며, 올해 1단계 대회에는 대학·연구소·기업 등 총 134팀, 566명이 참가해 각 트랙 별 5개의 우수 연구팀이 선정되었다. 선정된 총 20개의 우수 연구팀은 2억(총 40억 규모)의 추가 연구비를 지원 받아 올해 11월에 오프라인으로 개최되는 2단계 대회에 참가한다. 2단계 대회에는 소프트웨어학과 석사과정(김준엽, 전소원 학생 외), 학부연구원(김정호, 박건우, 김희성 학생 외)과 인공지능학과, 데이터사이언스학과 학생들이 참여 예정이다. http://www.ai-challenge.kr http://www.ai-challenge.kr/sub03/view/id/43
-
- 작성일 2020-08-19
- 조회수 1193
-
- [연구] 성균관대 융합보안대학원, 세계 14개 대학과 Cyber Security Alliance 구축
- 성균관대 융합보안대학원, 세계 14개 대학과 Cyber Security Alliance 구축 성균관대 융합보안대학원, 디지털 헬스케어 분야 융합보안 전문가 양성 나서 최형기 교수 “Creative N.E.X.T. 교육목표로 메디컬 헬스 융합보안 분야 선도할 것” [보안뉴스 원병철 기자] 건학 622년의 역사를 자랑하는 성균관대학교는 올해 ‘VISION2020+’를 통해 글로벌 리딩 대학으로 비상하겠다는 비전을 그리고 있다. 세계 수준의 교육과 연구성과를 창출해 국내외 최고의 명성을 확보할 지식과 인재 네트워크의 글로벌 허브대학으로 도약하겠다는 목표를 갖고 있다. 그 일환으로 성균관대학교는 2020년 4월 ‘융합보안핵심인재양성사업’에 선정되어 그동안 관심을 갖고 진행하던 ‘사이버보안 분야의 연구 및 인재 양성’을 보다 체계적이고 전문적으로 추진할 계획이다. 성균관대학교 융합보안대학원은 ‘디지털 헬스분야’의 융합보안 전문인재를 키워낼 2021학년도 신입생 선발 및 커리큘럼 준비에 한창이다. 소프트웨어 보안, 임베디드 취약점 분석, 사용자중심 보안, 인공지능 보안 등 보안 분야를 전문적으로 연구하는 전임교수 7명에 디지털 헬스케어 정보보안 전임교수 3명, 산학협력을 전담할 산학협력 중점교수 2명 등 디지털 헬스케어 융합보안 강의와 연구, 실습을 위한 최상의 교수진을 구축한 상태다. 주임교수를 맡고 있는 최형기 교수는 “2015년 1조 9,000억원 규모였던 글로벌 바이오헬스 산업은 2025년 약 3조 2,300억 규모의 성장이 예측되고 있으며, 이중 디지털 헬스케어 분야가 주요산업으로서 견인할 것”이라면서 “지속되고 있는 코로나19 상황에서 봤듯이 이제 언택트와 온택트 환경은 선택이 아니라 당위라는 점에서 4차 산업혁명이나 인구고령화의 급속한 진행이라는 시대적 필요에 더해 의료와 헬스분야의 스마트화를 더욱 가속시키게 될 것”이라고 디지털 헬스케어 분야를 설명했다. 아울러 5G의 연결 위에서 확장되는 서비스들과 연동되는 모든 의료 헬스 기기나 장치는 결국 유례없는 보안문제와 직면하게 되며, 의료기관 및 가정의 IT 인프라는 민감한 의료데이터를 보호할 보안기술을 절실하게 필요로 할 것이라고 강조한 최형기 교수는 “임박한 디지털 헬스케어 분야의 보안 애로사항을 해소해줄 전문 기술과 인력을 양성하고자 저희 성균관대학교는 시스코와 안랩 등 국내·외의 디지털 헬스케어 및 정보보안 관련 국내외 25개 기업, 스탠포드와 USC 등 14개 해외대학, 국가보안연구소 등 3개의 국내외 연구소, 삼성병원 등 의료기관을 망라하는 협력과 협업의 틀을 마련해 산학활동 및 공동연구, 인재교류 등을 함께 진행할 것”이라고 설명했다. 정시 및 수시모집을 통해 총 정원 15명을 선발하는 성균관대학교 융합보안대학원은 25개 컨소시엄의 현장 수요를 반영한 교육과정으로 운영될 예정이며, 특히 ‘Creative N.E.X.T.’라는 교육목표를 가지고 메디컬 헬스 융합보안 분야를 선도해나갈 인재들을 양성한다는 계획이다. 특히, 성균관대학교 융합보안대학원은 ‘융합보안 기술개발’ 전문인력 양성을 목표로 하고 있어 서로 다른 요소들의 단순한 결합능력이 아니라 디지털 헬스케어 도메인에서 필요로 하는 보안 요구를 해석하고 문제를 해소하는 최적의 융합적 보안기술을 개발해내는 개발역량을 키우는 것을 목표하고 있다. 물론 디지털 헬스케어 도메인뿐만 다른 도메인에서도 융합보안 전문가로 활약할 수 있도록 정보보안에 대한 기본기 및 실전 중심의 교육은 기본으로 진행한다. “성균관대학교 융합보안대학원은 해외 14개 대학과 Cyber Security Alliance를 구축해 강의 연구 교환 등이 가능한 글로벌 플랫폼을 갖췄으며, AI와 인터랙션사이언스, 빅데이터 대학원 등 교내 전문대학원과의 협업, 그리고 국내 최고인 삼성병원과 의과대학과의 협력 등 다른 어느 대학원도 따라올 수 없는 차별적 강점을 갖췄습니다.” 특히, 최형기 교수는 앞서 설명했던 것처럼 4차 산업혁명 시대와 인구고령화 추세에 발맞춰 점점 스마트해지는 의료기기들이 5G 기반으로 확장된 서비스들로 인해 유례없는 보안문제에 직면하고 있으며, 이에 따라 의료기관들의 IT 인프라는 민감한 환자 데이터와 안전을 보호할 수 있는 보안기술이 절실히 필요한 실정이라고 강조했다. 이 때문에 융합보안이 시급하게 필요한 산업계의 요구를 충족시키고 보다 안심하고 열어갈 수 있는 ‘언택트(Un-tact)’ 시대의 핵심적 보안 원천기술의 개발이 필요하다는 것. 그리고 이는 성균관대학교 융합보안대학원이 나아갈 길이라는 설명이다. “오는 2021년 첫 1기 신입생을 받습니다. 이를 위해 우리 융합보안대학원은 우수 신입생 선발과 육성 준비에 대학원의 모든 교수들의 역량을 결집하고 있습니다. 아울러 융합보안대학원 사업이 종료된 이후에도 성장하는 대학원으로 지속 발전시켜 나가겠습니다.” [원병철 기자(boanone@boannews.com)] https://www.boannews.com/media/view.asp?idx=90313&kind=
-
- 작성일 2020-08-10
- 조회수 1319
-
- [연구] 박은일‧한진영 교수 연구팀, 소셜 미디어로 정신질환 조기 진단 및 대응 연구 방향 제시
- 소프트웨어대학 박은일‧한진영 교수 연구팀, 소셜 미디어로 정신질환 조기 진단 및 대응 연구 방향 제시 - Scientific Reports 7월호 논문 게재 - 접근성이 쉬운 소셜 미디어를 이용한 딥러닝 기반 인공지능 모델 구현 소프트웨어대학 박은일‧한진영 교수 연구팀(김지나 석사과정‧이지언 석박통합과정)은 ‘소셜 미디어를 통한 정신질환 예측 딥러닝 모델’이라는 주제로 Scientific Reports 7월호에 논문을 게재했다고 밝혔다. 연구팀은 본 연구를 통해 정신질환 조기 진단 및 대응을 위한 딥러닝 기반 인공지능 모델을 소개하고 향후 연구 방향을 제시했다. 연구팀은 소셜미디어 사용자들이 자신의 감정을 공유하기 위해 작성한 게시글을 바탕으로 여러 정신질환을 파악하는 딥러닝 모델을 개발했다. 개발된 인공지능 모델은 게시글을 작성한 사용자가 어떠한 정신질환 (예: 우울증, 불안, 조울증, 정신분열증 등)과 관련이 있는지 파악하는 데 획기적인 결과를 보였다. 연구팀은 초대형 소셜 미디어 플랫폼인 레딧(Reddit)에 게시된 633,385개의 게시글을 사용하였으며, 합성곱 신경망을 기반으로 한 딥러닝 분류 모델을 활용하였다. 자폐 범주성 장애의 경우에는 96% 이상, 기타 정신질환의 경우에도 최저 75% 이상의 확률로 예측할 수 있었다. 합성곱 신경망 기반 분류 모델 구조 수집한 게시글을 대표적인 어휘 임베딩 기법인 Word2vec을 이용하여 말뭉치의 단어를 벡터로 표현하였으며, 합성곱 신경망을 활용하여 정신질환 분류 모델을 설계하였다. 연구팀은 “일상 정신질환이 최근 새로운 사회적 문제로 대두되고 있다”며 “사용자가 사용하는 소셜 미디어 데이터를 활용해 정신질환을 조기에 예측하고 치료하는 데 큰 도움이 될 것”이라고 연구 의의를 밝혔다. 해당 연구는 최근 정보화시대의 빅데이터 활용에 대한 윤리적 논쟁을 고려하여 IRB 승인절차를 통해 엄격한 관리 하에 수행되었다. 연구팀은 이번 연구를 기반으로 향후 한글 텍스트를 활용한 정신질환 잠재 가능성 예측 딥러닝 모델 개발을 진행할 예정이다. ※ 논문명 : A deep learning model for detecting mental illness from user content on social media ※ 논문 출처 : https://www.nature.com/articles/s41598-020-68764-y
-
- 작성일 2020-08-03
- 조회수 841