Ajou DBDC Lab
소프트웨어학과 정태선
아주대학교 DBDC 연구실은 데이터베이스와 신뢰성 컴퓨팅 분야에서 미래 ICT 기술을 선도하는 연구를 수행하고 있습니다. 본 연구실은 자연어 처리(NLP), 빅데이터 시스템, 플래시 메모리 기반 데이터베이스, 감정 분석, 위치 기반 질의 처리, 교육 시스템 등 다양한 연구 주제를 포괄하며, 실질적인 사회적 문제 해결과 혁신적인 기술 개발을 목표로 하고 있습니다.
자연어 처리 분야에서는 질의응답 시스템, 감정 분석, 문서 분류, 기계 독해, 번역 등 다양한 응용 연구를 진행하고 있습니다. 최신 딥러닝 모델과 대규모 언어 모델을 활용하여, 실제 서비스에 적용 가능한 고성능 자연어 처리 시스템을 개발하고 있으며, 온라인 시험 부정행위 탐지, VR 환경 감정 분석, 실시간 상담 챗봇 등 다양한 분야에 적용하고 있습니다.
플래시 메모리 및 빅데이터 시스템 소프트웨어 연구에서는 대용량 데이터의 저장, 처리, 관리 효율성을 극대화하기 위한 시스템 소프트웨어와 알고리즘을 개발하고 있습니다. 플래시 메모리의 수명 연장, 데이터 무결성 검증, 장애 복구, 내결함성, 스케줄링, 데이터 중복 제거 등 다양한 문제를 해결하는 기술을 선도적으로 연구하고 있습니다. 또한, 블록체인 기반 IoT 기기 프라이버시 강화, 실시간 데이터 분석 등 최신 ICT 트렌드와 연계된 연구도 활발히 진행 중입니다.
감정 분석 및 사용자 경험 인식 인공지능 분야에서는 텍스트, 음성, 영상 등 다양한 데이터를 활용하여 사용자의 감정 상태와 경험을 자동으로 분석하는 기술을 개발하고 있습니다. VR/AR 환경, 교육 플랫폼, 소셜 미디어 등에서의 실시간 감정 분석, 피드백 시스템, 정신건강 예측 등 다양한 응용 사례를 통해 사회적 가치 창출에 기여하고 있습니다.
DBDC 연구실은 다수의 국내외 특허, 논문, 산학협력 프로젝트를 통해 연구 성과를 축적하고 있으며, 차세대 ICT 인프라의 핵심이 되는 데이터베이스 및 신뢰성 컴퓨팅 기술의 발전을 이끌고 있습니다. 앞으로도 인공지능, 빅데이터, 신뢰성 시스템 등 첨단 ICT 분야의 융합 연구를 통해, 미래 사회의 다양한 요구에 부응하는 혁신적인 솔루션을 제공할 것입니다.
Deep Learning
Flash Memory Systems
Big Data Processing
자연어 처리 기반 질의응답 시스템
자연어 처리(Natural Language Processing, NLP) 기반 질의응답 시스템은 사용자가 자연어로 입력한 질문에 대해 컴퓨터가 의미를 이해하고 적절한 답변을 제공하는 기술입니다. 본 연구실에서는 최신 딥러닝 모델과 대규모 언어 모델을 활용하여, 다양한 도메인에서의 질의응답 정확도를 높이고, 실시간 응답이 가능한 시스템을 개발하는 데 주력하고 있습니다. 특히, 문서 내 정보 추출, 의미적 유사도 분석, 문맥 기반 답변 생성 등 다양한 세부 기술을 통합하여 고도화된 질의응답 플랫폼을 구축하고 있습니다.
이러한 연구는 의료, 교육, 법률 등 다양한 분야에서 활용될 수 있으며, 실제 응용 사례로는 온라인 시험 부정행위 탐지, VR 환경에서의 사용자 감정 분석, 실시간 상담 챗봇 등이 있습니다. 또한, 본 연구실은 BERT, GPT 등 사전학습 언어모델의 추론 성능 향상, 문장 임베딩의 품질 개선, 지식 증류 및 대규모 데이터셋 구축 등 핵심 기술 개발에도 집중하고 있습니다.
향후 연구 방향으로는 멀티모달 데이터(텍스트, 음성, 영상 등)를 통합한 질의응답 시스템, 사용자 맞춤형 답변 생성, 프라이버시 보호 및 윤리적 AI 구현 등이 있으며, 이를 통해 인간과 기계 간의 자연스러운 상호작용을 실현하고, 사회 전반의 정보 접근성을 크게 향상시키는 것을 목표로 하고 있습니다.
플래시 메모리 및 빅데이터 시스템 소프트웨어
플래시 메모리 기반 데이터베이스 및 빅데이터 시스템 소프트웨어는 대용량 데이터의 저장, 처리, 관리 효율성을 극대화하기 위한 핵심 기술입니다. 본 연구실은 플래시 메모리의 특성을 고려한 시스템 소프트웨어 설계, 고성능 데이터베이스 시스템, 신뢰성 있는 데이터 저장 및 복구 기술, 그리고 대규모 분산 환경에서의 효율적인 데이터 처리 방법을 연구하고 있습니다. 특히, 플래시 메모리의 수명 연장, 가비지 컬렉션 최적화, 데이터 무결성 검증, 장애 복구 등 다양한 문제를 해결하기 위한 알고리즘과 시스템 구조를 개발하고 있습니다.
이와 더불어, 빅데이터 환경에서의 fault-tolerance(내결함성), 스케줄링 기법, 데이터 중복 제거 및 캐싱 전략 등도 주요 연구 주제입니다. 예를 들어, 대규모 클러스터에서의 동적 스케줄링, 데이터 전송 중 오류 방지 및 무결성 검증, 하이브리드 메모리 시스템의 성능 최적화 등 다양한 응용 분야에 적용 가능한 기술을 개발하고 있습니다. 또한, 블록체인 기반 IoT 기기 프라이버시 강화, 실시간 데이터 분석, 교육 시스템 등 다양한 실제 프로젝트와 연계하여 연구 성과를 확장하고 있습니다.
향후에는 차세대 비휘발성 메모리, 엣지 컴퓨팅 환경에서의 데이터 관리, 인공지능 기반 데이터 최적화 등으로 연구 범위를 넓혀갈 계획입니다. 이를 통해 미래 ICT 인프라의 핵심이 되는 고신뢰성, 고성능 데이터베이스 및 빅데이터 시스템 소프트웨어 기술을 선도하는 것을 목표로 하고 있습니다.
감정 분석 및 사용자 경험 인식 인공지능
감정 분석 및 사용자 경험 인식 인공지능은 텍스트, 음성, 영상 등 다양한 데이터로부터 사용자의 감정 상태와 경험을 자동으로 분석하는 기술입니다. 본 연구실은 자연어 처리와 딥러닝을 결합하여 소셜 미디어, VR/AR 환경, 교육 플랫폼 등에서의 감정 분석 및 사용자 경험 평가 시스템을 개발하고 있습니다. 특히, 센서 기반 데이터와 텍스트 데이터를 융합하여 몰입형 환경에서의 감정 왜곡 방지, 실시간 피드백 제공, 사용자 맞춤형 서비스 제공 등에 중점을 두고 있습니다.
최근에는 VR 게임 리뷰 분석, 실시간 감정 피드백 시스템, 정신건강 예측을 위한 텍스트 마이닝 등 다양한 응용 연구를 수행하고 있습니다. 또한, 프라이버시 보호와 익명성 보장, 고성능 감정 인식 알고리즘 개발, 멀티채널 데이터 통합 등 기술적 난제에 대한 해결책을 제시하고 있습니다. 특허 출원 및 실제 산업 적용 사례를 통해 연구의 실효성을 높이고 있습니다.
향후에는 멀티모달 감정 인식, 대규모 사용자 데이터 기반의 행동 예측, 윤리적 AI 및 사회적 영향 분석 등으로 연구를 확장할 계획입니다. 이를 통해 인간 중심의 스마트 환경 구현과 사회적 가치 창출에 기여하고자 합니다.
1
Effectiveness of Pre-Trained CNN Networks for Detecting Abnormal Activities in Online Exams.
M Ramzan, A Abid, M Bilal, KM Aamir, SA Memon, TS Chung
IEEE Access, 2023
2
An Effective Selection of Memory Technologies for TCAM to Improve the Search Operations: Demonstration of Memory Efficiency in SDN Recovery
A Alahmadi, TS Chung
Electronics, 1970
3
Next Generation Infectious Diseases Monitoring Gages via Incremental Federated Learning: Current Trends and Future Possibilities.
Iqra Javed, Uzair Iqbal, Muhammad Bilal, Basit Shahzad, Tae-Sun Chung
Computational Intelligence and Neuroscience, 2023
1
빅데이터 응용을 초고속으로 처리하고 안정성을 가지는 차세대 메모리 기반의 시스템 소프트웨어에 대한 연구
2
청소년 공감유형 진단과 유형별 교육을 위한 실감형 콘텐츠 플랫폼 개발
3
대용량 의료 데이터(자연어, 영상)의 딥러닝 프로세스 공정 최적화 방법에 대한 연구
