ㅋㅋ LCD는 꺼뒀었나;;

기억이 가물가물.. 밧데리는 있으나 마나 이니 담에가면 그냥 빼버릴까;

FTP, SVN, Tomcat의 역할을 수행하니 끄면 업무에까지 큰지장이생기고만다;;

어떻게든 적은 전기세로 이런 걸 해내야지 ㅋ 게다가 이건 무선 wifi 서버이니 ㅋㅋ

뭔가 이정도 속도로 돌아가고 있는것 자체로 신기하다는 ㅋ

CFG를 이용해서 글을 적을 수 있다는 것을 알겠다.

하지만 의미를 파악하지 않고 그냥 문장 구조를 NP, VP로 나타내므로

NP나 VP뒤에 적힐 수 있는 가지수가 너무 많게 된다.

한 번에 사용자에게 보여주어야 하는 가지 수를 줄여서 실제로 사용할 수 있게 해야한다.

그러기 위해서 Lexical Dependency 개념이 들어간

Context Free Grammar Lexical Dependency 을 사용해서

만들어 보았던게 기존 연구실 논문이다.

지금 보면 SNOMED-CT에 1155개의 attribute가 있다.

is a가 포함되는 일종의 연결어(한국어로 하자면 조사정도) 같은 것이라고 할 수 있다.

그렇다면 The specimen 이라고 사용자가 치면 1155개의 attribute가 나오는 말도 안되는

상황이 벌어진다.

그걸 Lexical Dependency로 줄이고 그에 맞는 Ontology를 가상으로 만들어서 사용해본듯 하다.

SNOMED-CT에 그렇다면 의미에 관련된 정보가 기계가 이해할 수 있게 있는지 어떻게 하면 접목시킬 수 있을지를

고민 해보아야 한다.

그게 이 논문의 핵심이다.

in a car

or

in a backpack

문법을 정의하고, SNOMED-CT를 이용하여 Pre-coordination을 하는 방식의 CNL editor를 만들거나 Ontopath를 개량.

촘스키와 연구실 기존 논문에서 문법정의방법을 공부하고,

해당문법을 이용하여 Pre-coordination을 하려면 어떤 요소들이 필요한지 봐야 한다.

1. SNOMED-CT와 자연어를 연결시키는 논문을 분석

- Assigning SNOMED codes to natural language pathology reports

- Automatic Mapping of Clinical document to SNOMED CT

* 전문가가 SNOMED-CT로 코딩을 해도 차이가 나긴난다는 얘기도 있다.

- Variation of SNOMED CT Coding of Clinical Research Concepts among Coding Experts

2. SNOMED-CT 자체를 분석