Earticle

코로나19 팬데믹으로 인한 글로벌경제는 심각한 위기를 맞이함에 따라, 기업 들은 공급망의 유연성과 탄력성을 효율성보다 중요하게 인식하기 시작하였다. 반도 체 산업은 다국적․다기업이 참여하고 있기에 공급사슬이 복잡하고 광범위하게 형 성되어 있다. 이러한 공급사슬은 글로벌경제 위기에 매우 취약하다. 따라서 내․외 부에서 발생하는 위험을 사전에 감지하고 대응할 수 있는 능력이 중요하며, 이를 위해 탄력적인 공급사슬 구축이 필요하다. 본 연구에서는 반도체 공급사슬 Map 구 축하기 위해 지식 그래프(KG; Knowledge Graph)를 적용하고자 한다. KG는 1)데 이터 통합성 향상, 2)복잡한 관계 및 계층 구조 처리, 3)잠재적 리스크 예측에서 장 점을 가진다. KG 구축을 위한 데이터로는 미국증권거래위원회(SEC) 제출 보고서 (Form 10-K, 20-F)를 활용한다. 위 보고서는 1)기업 활동에 대한 포괄적인 정보, 2)표준화된 구조, 3)공시 주기 보장, 4)다양한 이해관계자와의 관계 도출 가능이 가 능하며, 신뢰성과 정확성을 보장한다. 도메인 지식을 체계적으로 표현하고, 개체와 관계 구조를 규정하기 위해 온톨로지 설계 및 스키마 정의 단계를 진행한다. 이 단 계를 통해 공급사슬에 참여하는 기업, 제품, 관계를 파악할 수 있고, KG 구축을 위 한 트리플(triple) 구조로 데이터를 생성할 수 있다. 본 연구는 반도체 산업(도메인) 에 특화된 공급사슬 Map을 구축하기 위해 온톨로지 기반 KG(방법론)를 적용한다 는 점에서 차별성을 갖는다. 본 연구에서는 KG 구축 단계에서 온톨로지 기반 트리 플 구조의 데이터 생성까지 진행되었다. 향후 이어질 연구에서는 위 데이터를 기반 으로 KG-DB 구축과 공급사슬 Map 구축까지 진행되어야 한다. 또한 반도체 산업 은 국제체제 변화에 영향을 많이 받기 때문에 KG의 범위를 공급사슬과 국제체제 를 연결하여 확장해야 한다. 데이터의 신뢰성 및 정확성을 확보하기 위해 전문가 검토도 선행적으로 이루어져야 한다.

The global economy faced a severe crisis due to the COVID-19 pandemic, leading companies to increasingly prioritize flexibility and resilience in their supply chains over efficiency. The semiconductor industry involves numerous multinational companies, resulting in a complex and extensive supply chain. Such a supply chain is highly vulnerable to global economic crises. Therefore, the ability to detect and respond to risks arising both internally and externally is crucial, highlighting the need for building a resilient supply chain. This study aims to apply a Knowledge Graph (KG) to construct a supply chain map for the semiconductor industry. A Knowledge Graph (KG) offers advantages in 1) improving data integration, 2) handling complex relationships and hierarchical structures, and 3) predicting potential risks. For data to construct the Knowledge Graph, this study utilizes reports submitted to the U.S. Securities and Exchange Commission (SEC), specifically Form 10-K and 20-F. These reports provide 1) comprehensive information on corporate activities, 2) a standardized structure, 3) regular disclosure cycles, and 4) the ability to derive relationships with various stakeholders, ensuring reliability and accuracy. To systematically represent domain knowledge and define entity and relationship structures, this study includes ontology design and schema definition stages. Through these stages, it becomes possible to identify companies, products, and relationships involved in the supply chain and to generate data in a triple structure for Knowledge Graph construction. This study is distinguished by its application of an ontology-based Knowledge Graph (KG) methodology to construct a supply chain map specifically tailored to the semiconductor industry domain. In this study, the process progressed to the generation of ontology-based triple structure data during the Knowledge Graph construction phase. Future research should build upon this data to develop a KG database and construct a comprehensive supply chain map. Additionally, as the semiconductor industry is highly influenced by changes in the international system, the scope of the KG should be expanded to link the supply chain with the international system. Expert review should also be conducted in advance to ensure the reliability and accuracy of the data.

현재 상용화된 대부분의 LLM들은 일반 도메인 지식에 초점이 맞춰져 있어, 과학기술과 같은 고도로 전문화된 분야에서 요구되는 깊이 있는 지식과 복잡한 시각적 정보를 제대로 이해하고 처리하는 데 상당한 한계를 보이고 있다. 또한 매년 280만 건 이상 발표되는 학술 논문 속의 복잡한 시각적 정보와 전문 지식을 효과적으로 처리하는 데에도 제약이 있다. 본 연구는 이러한 문제점들을 해결하기 위해 과학기술 분야의 복합 문서에 대한 이미지-텍스트 멀티모달 학습데이터를 자동으로 생성하고 품질을 검증하는 통합 프레임워크를 제안한다. 특히 Knowledge Graph를 기반으로 한 체계적인 문서 구조 관리, Active Learning 및 강화학습 기반 품질 개선, 그리고 완전 자동화된 데이터 생성 파이프라인 구축을 통해 사람의 개입을 최소화하면서도 고품질의 과학기술 특화 MLLM 학습 데이터셋을 생성할 수 있는 기반을 제공한다. 본 프레임워크는 기존 수작업 대비 데이터 구축 비용을 획기적으로 절감함과 동시에, 지식 그래프를 통한 논리적 일관성 확보로 과학기술 특화 MLLM의 성능을 고도화할 수 있는 실질적인 토대를 마련하였다. 실험 결과, Qwen2.5-VL(3B) 기준 구축 데이터셋에서 Baseline 대비 GPT-4 Score는 37.6에서 81.4로 43.8점 향상되었고, Accuracy는 43.6%에서 84.7%로 41.1%p 향상되어 제안 프레임워크의 효과를 확인하였다.

Commercial LLMs focus primarily on general-domain knowledge, limiting their capacity to comprehend the deep expertise and complex visual information required in highly specialized science and technology(S&T) fields, particularly across the 2.8 million+ academic papers published annually. To bridge this gap, we propose an integrated framework that automatically generates and validates image-text multimodal training data for complex S&T documents. By combining Knowledge Graph (KG)-based structural management, Active and Reinforcement Learning-driven quality enhancement, and a fully automated pipeline, our framework minimizes human intervention to establish a robust foundation for high-quality, domain-specialized MLLM datasets. This approach drastically cuts data curation costs compared to manual workflows while ensuring logical consistency via KGs to advance MLLM performance. Experimental results on Qwen2.5-VL (3B) confirm the framework's efficacy: our dataset significantly boosted the baseline GPT-4 Score from 37.6 to 81.4 (+43.8 points) and enhanced accuracy from 43.6% to 84.7% (+41.1%p).

정신건강 분야에서 AI 에이전트의 역할이 확대되고 있으나, 대화 이면에 암묵적으로 내재된 의도와 정서적 맥락을 포착하지 못해 응답의 깊이에 한계가 존재한다. 본 연구는 지식그래프 기반 사건-결과 상식 추론에 특화된 추론을 생성하는 Reasoner, 이를 바탕으로 응답을 작성하는 Responder, 응답을 평가하는 Judger로 구성된 공감 대화 에이전트 플랫폼을 제안한다. 본 구조는 지속적 학습을 위한 환경으로 확장 가능하며, 정신건강 영역의 공감 기반 인간-AI 상호작용과 지속 가능한 AI 서비스 운영에 기여할 것으로 기대된다.

‘초유의 대변혁(百年未有之大變局)’이라는 역사적 변곡점을 맞아, 중국의 국제 커뮤니케이션 역량을 제고하고 중국만의 독자적인 담론 체계를 구축하는 것은 현대 철학 및 사회과학 분야의 가장 시급한 시대적 과제로 부상했다. 관련 논문이 급증하면서 파생된 지식의 파편화 문제로 인해, 기존의 질적 문헌 연구 방식만으로는 학문적 진화의 구조적 법칙을 객관적으로 평가하기 어려워졌다. 이에 본 연구는 2010년부터 2025년까지 중국지망(CNKI)에 수록된 3,961편의 CSSCI 등재지 문헌을 표본으로 삼아, CiteSpace 시각화 분석 도구를 활용하여 중국의 국제 커뮤니케이션 연구를 외적 특성과 내적 진화라는 두 가지 차원에서 다각적으로 정량 분석하였다. 연구 결과, 지난 15년 동안 관련 논문 발행량은 뚜렷한 단계적 증가 추세를 보였으며, ‘초기 탐색, 안정적 성장, 조정 및 전환, 고속 발전’의 4단계를 거쳐 2024년에 역대 최고치에 도달했음을 확인하였다. 연구 역량의 분포 측면에서는 중국전매대학, 칭화대학, 베이징외국어대학 등을 중심으로 한 학술적 거점과 스안빈(史安斌), 장페이(姜飞) 등 다작 학자들이 이끄는 학술 공동체가 형성되었으나, 기관 간의 심층적인 협력 네트워크는 여전히 강화될 필요가 있는 것으로 나타났다. 지식 구조 분석 결과, 해당 분야는 ‘국제 커뮤니케이션’과 ‘대외 커뮤니케이션’을 양대축으로 삼는 구조를 띠고 있었다. 본 연구는 핵심 클러스터 분석을 통해 이를 ‘기초 개념, 서사 전략, 정책 대응, 최종 목표’의 4대 영역으로 범주화하였다. 연구의 무게중심은 초기 하드웨어 및 채널 구축에서 벗어나 심층적인 독자적 이론 구축이라는 패러다임의 도약을 이루었으며, 이는 서구 중심의 담론 독점을 타파하고 주체적인 학문적 자각을 추구하려는 학계의 집단적 노력을 반영한다. 최신 연구 동향의 진화 측면에서 키워드 급증(Burst) 분석을 살펴보면, 초기의 ‘소프트 파워’와 ‘국가 이미지’에 집중되었던 연구 핫이슈가 최근 ‘중화 문명’, ‘공감 커뮤니케이션’, ‘글로벌 거버넌스’로 논리적 전환을 겪었음을 명확히 보여준다. 이러한 흐름은 중국의 관련 연구가 방어적 선전(宣傳)에서 주도적 커뮤니케이션으로 나아가고 있으며, 단순한 정보 전달에서 의미의 구축으로 심층적인 도약을 이루고 있음을 시사한다. 현재의 연구가 거시적-미시적 차원의 연계 및 해외 수용자에 대한 정밀한 타깃 분석 측면에서 지니는 한계를 고려할 때, 향후에는 독자적 지식 체계의 이론적 독창성을 심화하고, 디지털 AI 기술에 기반한 커뮤니케이션 체계의 재구성을 강화하며, 거대 서사에서 정밀한 공감으로 나아가는 방법론적 혁신을 추진해야 한다. 실천적 응용 차원에서는 핵심 학술 개념의 국제적 번역과 수용을 중점적으로 지원하고, 인공지능 등 신기술을 활용하여 ‘문화적 할인(Cultural Discount)’ 현상을 극복해야 한다. 궁극적으로 민관(民官)이 상호보완하는 다주체 협력구도를 구축함으로써, 글로벌 여론 형성 과정에서 중국의 담론이 단순한 ‘전달’을 넘어 실질적인 ‘공감’을 이끌어내는 비약을 실현해야 할 것이다.

At the historical juncture of "unprecedented global changes," enhancing the efficacy of China’s international communication and building an indigenous discourse system have emerged as urgent priorities in the social sciences. To address the cognitive fragmentation caused by the surge in publications, traditional qualitative reviews often fail to objectively evaluate the structural patterns of disciplinary evolution. This study analyzes 3,961 CSSCI-indexed journal articles from CNKI (2010–2025) using CiteSpace to conduct a multi-dimensional quantitative analysis of the field. The findings reveal that publication volume has progressed through four distinct stages—exploration, steady growth, adjustment, and rapid acceleration—reaching a historic peak in 2024. Academically, institutions such as the Communication University of China, Tsinghua University, and Beijing Foreign Studies University serve as key hubs, led by a community of prominent scholars, though cross-institutional collaboration requires further enhancement. Knowledge structure analysis indicates a configuration centered on two core nodes, namely "International Communication" and "Foreign Communication." By deconstructing core clusters, this study categorizes the research into four primary blocks: basic concepts, narrative strategies, policy responses, and ultimate goals. The research focus has undergone a paradigmatic leap from an early emphasis on infrastructure to deep autonomous theoretical construction, reflecting a collective effort to dismantle Western discourse hegemony and seek indigenous academic self-awareness. Regarding frontier evolution, keyword burst analysis reveals a logical shift from earlier hotspots like "soft power" and "national image" toward "Chinese civilization," "empathetic communication," and "global governance." This trajectory reflects a transition from defensive publicity toward proactive leadership in communication, shifting from simple information flow to deeper meaning construction. In light of current limitations in bridging macro-micro perspectives and profiling overseas audiences, future research should deepen theoretical originality, reconstruct communication systems through digital intelligence, and pivot toward empathetic communication. Practically, priority should be given to the international translation of core academic concepts and the use of AI to mitigate "cultural discounts." By establishing a collaborative framework involving both official and non-official actors, China can achieve a qualitative leap in global discourse, moving from simply being heard to being truly understood and accepted.

본 연구는 CiteSpace 소프트웨어를 활용하여 중국 지식망(CNKI)에 수록된 253편 의 “중국어＋직업기술” 관련 문헌에 대한 시각화 분석을 수행하였다. 연구를 통해 해 당 분야의 논문 발행 추세, 핵심 저자, 기관 협력 등을 정리하였으며, 연구 핫스팟이 교육 모델 탐구, 인재 양성 수요, 중외 협력 실천 및 디지털 교수 자료 구축 등에 집 중되어 있음을 명확히 하였다. 또한 돌출어 분석에 기초하여 향후 융합 모델 혁신, 지역화 교육 적응, 디지털 심층 역량 강화 및 표준 체계 완성 등으로 연구 초점이 이동할 것으로 예측하며, 이를 통해 “중국어＋직업기술” 교육 발전에 이론적 참고를 제공하고자 한다.

This study adopts CiteSpace to perform a visual analysis on 253 literatures related to “Chinese + Vocational Skills” retrieved from CNKI (China National Knowledge Infrastructure). It combs through such aspects as publication trends, core authors, and institutional collaboration in this field, and clarifies that the research hotspots are concentrated in the exploration of educational models, talent training demands, Sino-foreign cooperation practices, and the construction of digital teaching resources. Furthermore, based on burst term analysis, it predicts that future research will focus on trends including innovation of integration models, regional educational adaptation, in-depth digital empowerment, and improvement of standard systems. This study is intended to provide theoretical references for advancing the development of “Chinese Language + Vocational Skills” education.

4차 산업을 맞이하면서 AI, 클라우드 컴퓨팅, 자율주행 기술 등과 같은 기술 의 발전으로 반도체 산업은 우리나라 뿐만 아니라 전 세계적으로 핵심 산업으로 부 상하였다. 반도체 산업은 글로벌 아웃소싱과 분업체계로 공급사슬이 매우 복잡하고 광범위하다. 또한 미∙중 패권 분쟁과 같이 국가 간 관계가 반도체 공급사슬에 많 은 영향을 미친다. 본 연구는 유연한 공급사슬을 구축하기 위해 국제체제의 변화를 반영한 공급사슬 Map 구축을 목표로 한다. 다수의 국가가 반도체 공급사슬에 참여 하기에 본 연구에서는 GDELT(Global Database of Events, Language, and Tone) Data를 활용하여 반도체 산업과 관련된 정치, 국제 관계, 경제 사건들을 파악한다. 또한, Form 10-K, 기업보고서, 시장조사보고서와 같이 신뢰성이 높은 보고서를 활 용하여 반도체 산업에 참여하는 기업 및 계층적 관계를 파악한다. GDELT Data는 국제체제를 파악하기 위한 데이터이며 기업보고서와 같은 데이터는 반도체 공급사 슬을 파악하기 위한 데이터이다. 위 데이터를 통해 지식 그래프를 구축한다. 이 방 법론 기반 공급사슬 Map은 잠재적 관계 및 위험을 선제적으로 파악할 수 있다. 지 식 그래프를 구축하기 위해서는 트리플(Triple) 구조로 데이터셋을 표현해야 한다. 본 연구에서는 온톨로지 설계를 통해 데이터에서 도출된 개체, 관계, 속성을 정의하 여 국제체제 및 반도체 산업의 도메인 지식을 체계적으로 표현한다. 생성된 지식 그래프를 활용하여 LLM(Large Language Models) 및 전문가 검증을 통해 시나리 오 생성을 하고, System Dynamics에 적용하여 위험 요인 식별 및 파급효과를 측 정한다. 본 연구는 반도체 산업의 신속한 위기 대응 및 공급사슬의 유연성을 제고 할 수 있다는 점에서 실질적 기여점을 가지며, 지식 그래프와 LLM과 같은 기술을 공급사슬에 적용한다는 점에서 학문적 기여점을 갖는다.

With the advent of the Fourth Industrial Revolution, advancements in technologies such as AI, cloud computing, and autonomous driving have elevated the semiconductor industry to a key sector, not only in Korea but also globally. The semiconductor industry has a highly complex and extensive supply chain due to global outsourcing and a division of labor system. In addition, geopolitical relations, such as the U.S.-China trade war, significantly impact the semiconductor supply chain. This study aims to construct a supply chain map that reflects changes in the international system in order to build a more flexible supply chain. Since numerous countries participate in the semiconductor supply chain, this study utilizes GDELT(Global Database of Events, Language, and Tone) data to identify political, international relations, and economic events related to the semiconductor industry. Additionally, reliable reports such as Form 10-K, corporate reports, and market research reports are utilized to identify companies involved in the semiconductor industry and their hierarchical relationships. GDELT data is used to understand the international system, while data such as corporate reports are used to analyze the semiconductor supply chain. A knowledge graph is constructed using the above data. The supply chain map based on this methodology allows for proactive identification of potential relationships and risks. To construct a knowledge graph, the dataset must be represented in a triple structure. The generated knowledge graph is used to create scenarios through LLM (Large Language Models) and expert validation, which are then applied to System Dynamics to identify risk factors and measure ripple effects. This study has practical contributions in enhancing the semiconductor industry's rapid crisis response and supply chain flexibility. It also holds academic significance by applying technologies such as knowledge graphs and LLM to the supply chain.

본 연구는 한라산 국립공원의 탐방로 지점별 고도와 위성영상 데이터에 기반한 국립공원의 탐방로 구간별 적설면적 데이터를 활용하여 지식그래프를 구현하였다. 여러 시나리오에 맞춰 질의를 한 결과, 구간별 적설면적 데이터 존재 유무, 기간/고도별 분포 등을 시각화하여 확인할 수 있었다. 본 연구 결과는 추후, 동절기와 같은 특정 기간 또는 특정 기상 상황에서의 국립공원 탐방로 관리에 필요한 인력과 자원을 우선적으로 배치하는 결정을 내리는 과정에서 중요한 근거로 활용될 수 있다. 또한, 추후 다른 국립공원 및 자연 보호 구역에도 적용할 수 있을 것으로 기대한다.

현행 상담 서비스는 제한된 상담 시간과 온라인 상담의 답변 지연이라는 한계점을 가지고 있다. 이러한 문제들은 챗봇 시스템을 도 입함으로써 해결할 수 있지만, 패턴 매칭을 기반으로 한 챗봇은 모든 대화 시나리오를 고려하는 데 어려움이 있다. 대규모 언어 모 델의 문맥 이해와 문장 생성 능력을 활용하면 이러한 한계를 극복할 수 있지만, 확률적인 응답, 특정 도메인에서의 정확도 부족, 응 답의 불일치 등은 여전히 분명한 한계로 남아있다. 본 연구에서는 이러한 문제를 극복하기 위해 랭체인 프레임워크를 기반으로 대 규모 언어 모델과 지식 그래프의 결합을 통한 검색 증강 생성 기반의 상담 챗봇 플랫폼을 제안한다. 이 플랫폼을 활용하여 대학 입 시 도메인 영역의 챗봇을 구현함으로써, 특정 도메인에서의 정확도 향상과 지식 업데이트의 유연성, 그리고 효율성을 입증하였다.

The current counseling services have limitations such as limited counseling hours and delayed responses in online counseling. While these problems can be addressed by implementing chatbot systems, chatbots based on pattern matching face difficulties in considering all conversation scenarios. Although leveraging the contextual understanding and sentence generation abilities of large-scale language models can overcome these limitations, probabilistic responses, lack of accuracy in specific domains, and inconsistencies in responses still remain clear limitations. In this study, to overcome these issues, we propose a counseling chatbot platform based on the combination of large-scale language models and knowledge graphs using the LangChain framework. By implementing a chatbot in the college admissions domain using this platform, we have demonstrated improvements in accuracy in specific domains, flexibility in knowledge updates, and efficiency.

방책추천 자동화 시스템은 중대급 이하 부대를 대상으로 사전 작전수립 지원을 위한 발생 가능한 방책들을 자동으로 목록 화 생성하여 고려해야 할 모든 경우의 수를 탐색해 볼 수 있게 하는 방책작성 과정의 자동화 지원 시스템이다. 본 시스템은 방책 DB를 생성하여 방책 지식베이스를 구축하고, 사용자의 방책선정 요청과 상황정보에 따라 후보방책을 선정하며, 방책을 평가하여 후보 방책을 제공하게 된다. 이 시스템의 핵심은 양질의 방책 지식베이스를 구축하는 것이며, 양질의 방책 지식베이 스는 방책 DB와 직접적으로 연관된다. 본 논문에서는 AI를 활용한 중대급 방책추천 자동화 시스템의 지식베이스 구축을 위 한 방책 DB 설계방안을 제시하였다. 방책 DB의 설계 절차는 방책수립에 대한 교리적 고찰을 통해 방책 DB 요소를 도출하 고, 도출된 각 방책 DB 요소를 어떻게 DB화 시킬 것인지에 대한 적용방안을 정의한 후 마지막으로 각 방책 DB 요소별 적용 방안에 적합하도록 발생 가능한 상황에서의 방책 DB를 생성했다. 방책 DB는 임무분석 요소와 방책요소로 구분하였으며, 각 DB는 점유격자 지도를 기반으로 셀 넘버 형태로 DB화 하였다. 생성된 방책 DB는 최종적으로 지식그래프화하여 지식베이스 를 구축하였다. 본 연구를 통해 전술이라는 무형적 요소를 지식베이스화하기 위한 구성요소가 식별되었고, 설계 가이드 제공 과 AI 모델 개발에 활용이 가능한 방책 DB가 구축되었다.

The Operation Plan Recommendation Automation System is an automated support system for the process of generating operation plans, aimed at providing pre-operational support to units below the company-level. It automatically generates and lists potential countermeasures, allowing for the exploration of various scenarios. The system creates an Operation Plan Database (OP DB) to construct an operation plan knowledge base. It selects candidate operation plans based on user requests and situational information, evaluates them, and provides the recommended options. The key focus of this system is to build a high-quality operation plan knowledge base, which is directly linked to the OP DB. This paper presents a design approach for the OP DB, aiming to establish a knowledge base for an AI-driven automated system for mid-level measure recommendations. The design process involves deriving OP DB elements through doctrinal considerations of operation plan development, defining the implementation approach for each derived OP DB element to be included in the database, and ultimately generating an OP DB for potential situations, ensuring the suitability of the application approach for each OP DB element. The resulting OP DB is then transformed into a knowledge graph to build the knowledge base. During this study, we identified components for transforming the intangible aspects of tactics into a knowledge base. Additionally, we established an operational plan database that can be utilized to provide design guides and facilitate the development of AI models.

본 논문에서는 문헌계량학방법을 이용하고 CiteSpace에 기반해 지식 그래프를 그려 냄으 로써 1980년-2020년의 기간 동안 CNKI 데이터베이스에 수록된 한국어 연구 관련 주제 문 헌을 측정 및 시각화했다. 저자는 문헌 시간 분포, 저널 분포, 저자 및 과학 연구 기관의 분포 를 조사하여 중국에서의 한국어(조선어) 연구 현황, 연구 이슈 및 연구 동향을 분석하고, 과 학 지식 그래프를 그려 한국어(조선어) 연구의 계량학적 특징을 직관적으로 나타내고, 다차원 적 관점에서 한국어(조선어) 연구의 진화적 맥락을 발굴 및 탐색하며, 이 분야의 지식 구조를 정리하는 것을 목적으로 했다. 연구를 통해 다음과 같은 결과를 얻었다. (1)중국에서의 한국 어(조선어) 연구의 전체 문헌량은 안정-성장-순환의 3단계로 나타났는데 주요 학술지의 수 량은 안정적인 반면에 수가 적은 편이다. (2)연구분야의 주축으로 되는 학자로는 필옥덕, 이득춘, 강춘옥, 김향화, 김영수, 김광수 등의 학자들이다. (3)핵심 기관은 연변대학교, 요동학 원, 대련외국어대학교, 상해외국어대학교, 사천외국어대학교, 중앙민족대학교, 해방군 외국 어학원 등의기관에 집중되어 있다. (4)주요 학술지로는 『한국어 교수 및 연구』 , 『연변대학교 학보』 , 『민족어문』 , 『동강학간』 , 『중국어학습』 , 『중국조선어문』 등의 간행물에 집중되어 있 다. (5)연구의 관심분야로는 ‘한국어(조선어)와 교수 패턴, 한국어(조선어)와 고등직업대학교, 한국어(조선어)와 어휘, 한국어(조선어)와 음성, 한국어(조선어)와 문법, 한국어(조선어)와 비 교 연구’ 등이 있다.

In this paper, the bibliometrics method and CiteSpace tool are used to draw the knowledge map, and the literature related to Korean research collected in CNKI database from 1980 to 2020 is analyzed quantitatively and visually. By investigating the time distribution of documents, periodicals, authors and scientific research institutions, The author tries to analyze the research status, research hotspots and research trends in this field, and draw a scientific knowledge map to intuitively present the metrological characteristics of Korean language research, aiming at excavating and exploring the evolution of Korean language research from a multi-dimensional perspective and combing the knowledge structure in this field. The results show that the total literature volume of Korean language research in China presents three stages: stability-growth-cycle, in which the number of core journals tends to be stable and the number is relatively small; The core leaders of the discipline include Bi Yude, Li Dechun, Jiang Chunyu, Jin Xianghua, Jin Yongshou, Jin Guangzhu and other scholars; The core research circle is concentrated in Yanbian University, Liaodong University, Dalian Foreign Studies University, Shanghai International Studies University, Sichuan International Studies University, Central University for Nationalities, PLA Foreign Languages Institute and other institutions. Journals are concentrated in 『Korean Teaching and Research』 『Journal of Yanbian University』 『Minority Languages of China』 『Dongjiang Journal』 『Chinese Language Learning』 『Korean Language in China』 and other journals. Research hotspots include "Korean language and teaching mode, Korean language and higher vocational colleges, Korean language and vocabulary, Korean language and pronunciation, Korean language and grammar, Korean language and comparative study" and other topics. Finally, it summarizes the existing problems and suggestions of Korean language research in China at present. I hope this research results can provide some reference value for Korean scholars.

Based on the high-quality literature in the CNKI database such as the Peking University core, and SCI, EI, CSSCI, and CSCD source journals, a total of 1,535 valid studies were retrieved for this study. "Incubator" was used as the theme term and non-directly relevant literature was filtered to explore the characteristics of China's incubator research and help scholars understand the current research situation so as to effectively promote China's incubator research. This study conducts a visualization analysis of the existing research status, hotspots, and development trends in this field with the help of the "Citespace" visualization tool. Through a visualization analysis of the time distribution of publications, it is clear that research on incubators in China is divided into three stages: the exploration, development, and maturity stages. Moreover, according to the visualization analysis of high-impact institutions, the distribution of incubator research institutions in China is relatively loose, mainly limited to resource-concentrated areas, and has not formed a certain scale of cooperation. Analysis of research hotspots shows that the incubator research hotspots in China mainly focus on three aspects: research on the category of the incubation platform and object, capital input and technology research, and innovation and entrepreneurship research. Analysis of the incubator research trend in China shows that the recent incubator research trend distribution includes research on the essence of incubators, and research on the evaluation and direction of incubator development. Furthermore, incubator research in China is evolving from research on the essence to research on high-quality development. Thus, this study proposes the future development direction of incubator research in China. It is necessary to strengthen research on improving the quality and efficiency of incubators, establish and improve the incubator development evaluation system, and enhance inter-institutional cooperation and co-construction. This study further explores the limitations of previous studies and presents several subsequent research directions: the in-depth study of improving the quality and efficiency of incubators; the comparative study of incubators in resource-rich and resource-deficient areas; the study of the capital introduction and utilization of incubators with different subjects; and the study of the operational mode of incubators jointly built by universities, governments, and enterprises.

최근 다양한 분야(Domain)에서 기존의 지식 그래프를 기반으로 해당 분야에 최적화된 새로운 지식 체계를 구축하려는 시도가 활발하게 이루어지고 있다. 하지만 기존의 지식 그래프는 일반적인 개체의 일반적인 관계만을 표현하기 때문에 최근의 팬데믹(pandemic) 상황처럼 새로운 이슈에 대한 지식정보가 빈번하게 추가, 갱신되는 상황에서는 기존의 지식 그래프를 활용한 지식 체계의 정립이 거의 불가능하다는 한계를 갖는다. 이에 본 연구는 이러한 한계를 극복하기 위하여 정형화된 지식 체계를 활용하지 않고 특정 분야의 지식 체계를 구축하는 새로운 방안을 제안한다. 구체적으로는 COVID-19 관점의 개체 사전을 정의하고, BERT를 활용하여 COVID-19 관점의 새로운 사전 학습 모델인 Co-BERT를 구축한다. 이후 이렇게 구축된 Co-BERT 모델의 Self-Attention 가중치를 활용하여 COVID-19 관점의 지식그래프를 생성하는 방법을 제안한다. 본 제안 방법은 특정 도메인에 특화된 지식 그래프를 생성할 수 있는 방법으로, 향후 제안 방법론을 다양한 분야에 적용하여 특화된 지식 체계를 구축하는 연구에 활용할 수 있을 것이라 기대한다.

Knowledge graphs (KGs) emerge as potential tools for information access and resource discovery in a structured format. It facilitates information retrieval, data integration, and semantic reasoning. Considering the rapid growth of literature publications, a high-relevance search is necessary for researchers and practitioners. There are numerous tools for data organization and knowledge extraction. The knowledge graph is one of them, which depicts structured information with nodes and relationships. Library and information science can help build KGs to grasp the intricate relationships between scholarly works, their authors, institutions, and topics. The knowledge graph technology produces more relevant search results, which makes it easy to explore accurately. This paper examines the construction of knowledge graphs from library and Information Science (LIS) journal articles. A systematic approach is followed to extract entities, relationships, and attributes from LIS literature. The accuracy of the constructed knowledge graph is 89.47% (Recall), 94.44% (Precision), and 91.80% (F1 Score). User satisfaction is 85% in rating their satisfaction with the search results, interface usability, and ease of exploring relationships between entities regarding Scopus and Google Scholar. This paper also discusses this research's potential areas and challenges in enhancing information organization and retrieval in the LIS domain.

Government codes are created and utilized to streamline and standardize government administrative procedures. They are generally employed in government information systems. Because they are included in open datasets of public data, users must be able to understand them. However, information that can be used to comprehend administrative code is lost during the process of releasing data in the government system, making it difficult for data consumers to grasp the code and limiting the connection or convergence of different datasets that use the same code.This study proposes a way to employ the administrative code produced by the Korean government as a standard in a public data environment on a regular basis. Because consumers of public data are barred from accessing government systems, a means of universal access to administrative code is required. An ontology model is used to represent the administrative code's data structure and meaning, and the full administrative code is built as a knowledge graph. The knowledge graph thus created is used to assess the accuracy and connection of administrative codes in public data. The method proposed in this study has the potential to increase the quality of coded information in public data as well as data connectivity.

Owing to the hyper-connectivity of convergence environments, the Internet of Blended Environments (IoBE) has emerged As a result, the environments and architectures in which cyber-security threats can occur have steadily diversified leading to an increase in security incidents. However, existing detection systems lack correlation analysis and thus cannot detect the corresponding diverse attack paths and attack chains effectively. In this paper, we propose a data prediction technique in which knowledge graph embedding technology is applied to predict blended threats in complex environments such as the IoBE. We also verify the performance of the proposed technique.

Knowledge graphs are crucial for numerous applications, but their frequent incompleteness limits their utility. Few-shot knowledge graph completion (FKGC) addresses this by learning to infer new facts from only a handful of examples. However, existing FKGC methods are highly vulnerable to noisy or inconsistent reference examples, which can severely degrade model performance. To overcome this critical challenge, we introduce ATMR, an attention-based meta-relational learning framework. ATMR incorporates a novel attention mechanism that strategically identifies and upweights the most informative reference triples while diminishing the influence of potential noise. This allows for the construction of more robust and accurate relation representations. Rigorous experiments on two public datasets demonstrate that ATMR consistently outperforms baselines. Notably, it achieves an 8.5% improvement in the Hits@10 metric for 5-shot completion on the NELL-One dataset, validating its superior ability to handle noise in few-shot scenarios.

Interest in open data is continuing to grow around the world. In particular, open government data are considered an important element in securing government transparency and creating new industrial values. The South Korean government has enacted legislation on opening public data and provided diversified policy and technical support. However, there are also limitations to effectively utilizing open data in various areas. This paper introduces an administrative district knowledge model to improve the sharing and utilization of open government data, where the data are semantically linked to generate a knowledge graph that connects various data based on administrative districts. The administrative district knowledge model semantically models the legal definition of administrative districts in South Korea, and the administrative district knowledge graph is linked to data that can serve as an administrative basis, such as addresses and postal codes, for potential use in hospitals, schools, and traffic control.

The increasing demand for halal cosmetic products, especially in Muslim countries, has shown significant challenges for consumers seeking products that follow Islamic principles. Although various studies attempt to recommend halal status, mainly considering the discrete and specific relations within individual cosmetics, they ignore the high-order and complex relations between cosmetics and ingredients. To solve it, we propose a halal cosmetic recommendation framework that leverages a knowledge graph of cosmetics and their ingredients to recommend similar cosmetics and halal cosmetic predictions. Specifically, we construct a cosmetic knowledge graph representing the relations between various cosmetics, ingredients, and their properties. We then propose a pre-trained relational graph attention network model with residual connections identity mapping to learn the structural relation between entities in the knowledge graph. The pretrained model is then employed on downstream cosmetic data to recommend similar cosmetics and predict halal standards.

In recent years, big data has usefully been deployed by organizations with the aim of getting a better prediction for the future. Moreover, knowledge management systems are being used by organizations to identify and create knowledge. Here, the output from analysis of big data and a knowledge management system are used to develop a new model with the goal of minimizing the cost of implementing new recognized processes including staff training, transferring and employment costs. Strategies are proposed from big data analysis and new processes are defined accordingly. The company requires various skills to execute the proposed processes. Organization’s current experts and their skills are known through a pre-established knowledge management system. After a gap analysis, managers can make decisions about the expert arrangement, training programs and employment to bridge the gap and accomplish their goals. Finally, deduction graph is used to analyze the model.