정보 시스템에서 정보 객체 특징 식별 문제를 해결하기 위한 근접 측정

이 논문은 공통 정보 저장소로 데이터가 유입될 때, 정보 객체의 특징을 식별하는 문제를 해결하기 위한 새로운 정량적-정성적 근접 측정(quantitative-qualitative proximity measure)을 제시합니다. 방대한 양의 비정형 데이터가 생성되고 통합되는 현대 정보 시스템에서, 서로 다른 소스에서 온 정보 객체들의 유사성이나 관련성을 정확하게 파악하는 것은 매우 중요한 과제입니다. 기존의 측정 방식으로는 복잡한 정보 객체의 특징을 충분히 반영하기 어려웠습니다. 이 연구에서 제안하는 근접 측정은 단순한 데이터 일치를 넘어, 의미론적 유사성이나 맥락적 관련성까지 고려하여 정보 객체들을 더 정교하게 식별할 수 있도록 합니다. 이는 데이터 통합, 중복 제거, 정보 검색 및 추천 시스템의 성능을 비약적으로 향상시킬 잠재력을 가집니다. 특히 AI 시스템이 정보를 이해하고 처리하는 데 있어, 정확한 정보 객체 식별은 AI의 추론 및 의사 결정 능력의 기반이 됩니다. 이 논문은 AI가 복잡한 데이터 환경에서 더욱 효율적이고 정확하게 작동할 수 있는 기반 기술을 제공하며, 정보 관리 및 AI 기반 시스템의 신뢰성을 높이는 데 기여할 것입니다.