인공지능신문(http:\/\/www.aitimes.kr)<\/a><\/p>\n\n\n그림 1. 기출 문제 예측 시스템 ‘미래문’ 개요도<\/p>\n\n\n
‘미래문’으로 명명되는 해당 Deep learning 시스템은, 그림 1과 같이 2개 모듈로 구성되어 있습니다.<\/p>\n\n\n
– [카테고리 분류 엔진] ‘기출 문제를 문제 유형별로 정리’하는 전처리 과정이 목표임. 지난 5년간 기출 문제들을 128개의 ‘출제 유형(카테고리)’으로 분류함. AI 엔진으로 명명된 것으로 보아, Fully connected network 등 기본 구조를 사용하여 해당 기능을 구현했을 것으로 판단됨. 해당 엔진이 사용 된 것은, 기출 문제가 ‘너무 많아서’로 생각됨. 즉, 해당 엔진 없이 손수 분류 전처리 작업을 수행해도 될 것을, 해야 할 문제 수가 너무 많기에 AI 시스템을 넣고 분류 한 것으로 판단됨.<\/p>\n\n\n
– [기출 문제 예측 엔진] 본 시스템의 코어 신경망. ‘기출 문제 유형(카테고리)에 대한 패턴을 학습하여, 차년도 문제 유형(카테고리)에 대한 패턴을 예측’하는 것이 주 목표. 시계열 데이터 연관성을 따져야 하기에, 당연히 RNN 구조가 사용 됬을 것으로 생각되나, 전년도 기출 경향이 짧게 표현될 수 없음을 생각했을 때, LSTM등의 memory cell 구조가 사용 됬을 것으로 짐작됨.<\/p>\n\n\n
* 이렇게 예측된 카테고리 별 문제 은행을 별도 구성하여, 최종 예상 기출 문제를 제공하는 서비스를 제공하고 있음 (SiGHTViSiT)<\/p>\n\n\n
아쉽게도 관련 paper를 찾지 못해, 상기 posting 내용에 대한 신뢰성 등을 판단할 수는 없었습니다. 짐작으론 2차 테스트인 ‘사법시험 기출 예측’에 대한 결과가 잘 나올 경우, 그 결과까지 포함된 논문이 제출되지 않을까 생각됩니다.<\/p>\n\n\n
다만 확실히 재밌는 점은 RNN을 기반으로 하는 시계열 연관성 예측 연구는 다수 보았으나, 기출 문제에 대한 카테고리화 및 이를 예측하는 과정은 처음 보았으며(그리 어려운 아이디어는 아닐지라도), 해당 회사에서 사업 모델을 잘 잡았다는 생각이 들었습니다.<\/p>\n\n\n
본 내용에 대한 업데이트는 향후 2차 테스트 결과 발표 확인 후 진행토록 하겠습니다.<\/p>\n\n\n
Update : 20일 공개된 결과에 따르면, 실제 95개의 출제 문제중 57개를 맞춰, 적중률 60%를 기록함 (단답형 문제 기준).<\/p>\n","protected":false},"excerpt":{"rendered":"
[AI-post 3] Exam problem prediction for the judicial examination (posting date : 190429) TF-KR URL : https:\/\/www.facebook.com\/groups\/TensorFlowKR\/permalink\/889771008030625\/ Article URL : http:\/\/www.aitimes.kr\/news\/articleView.html?idxno=13724 * 일단 아쉽게도, 관련 paper 및 상세 내용 소개 사이트 등을 확인할 수 없어, 본 posting은 관련 내용을 참조로 짐작한 내용이 포함되어 있음을 말씀드립니다. 얼마전 TF-KR community 에 올라온 AI 기반 기출 문제 예측 …<\/p>\n","protected":false},"author":26,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[28],"tags":[],"class_list":["post-7181","post","type-post","status-publish","format-standard","hentry","category-blog"],"_links":{"self":[{"href":"https:\/\/heungno.net\/index.php?rest_route=\/wp\/v2\/posts\/7181","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/heungno.net\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/heungno.net\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/heungno.net\/index.php?rest_route=\/wp\/v2\/users\/26"}],"replies":[{"embeddable":true,"href":"https:\/\/heungno.net\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=7181"}],"version-history":[{"count":6,"href":"https:\/\/heungno.net\/index.php?rest_route=\/wp\/v2\/posts\/7181\/revisions"}],"predecessor-version":[{"id":28638,"href":"https:\/\/heungno.net\/index.php?rest_route=\/wp\/v2\/posts\/7181\/revisions\/28638"}],"wp:attachment":[{"href":"https:\/\/heungno.net\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=7181"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/heungno.net\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=7181"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/heungno.net\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=7181"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}