본 논문은 뉴스 기사문에서 시공간 정보와 대표 키워드를 추출하기 위한 개체명 인식 모델 및 개체명표준화 모델을 제안하고 추출한 정보를 기반으로 한 뉴스 큐레이션 서비스를 제안한다. 비교적 새로운 패턴이나 표현이 생기지 않는 시간 개체에 대해서는 규칙 기반 모델을 적용하고, 시간의 흐름에 따라 개체에 변화가 있는 장소 개체에 대해서는 규칙 기반 모델과 통계 기반 모델을 혼합 하여 적용함으로써 규칙 기반 모델의 한계점을 보완한다. 개체명 표준화 모델은 인식된 개체 데이터의 품질 향상 및 개체 활용 가능성을 높이기 위해 제안한다. 예를 들어, 2015년 6월에 업데이트된 뉴스 기사문에서 ‘지난달 24일’이라는 문장이 있을 경우 시간을 뜻하는 ‘24일’인 시간 개체와 ‘지난달’을 추출하여 상위 수준의 시간인 ‘2015년 5월’을 유추한다. 장소개체의 경우 ‘서울’ 과 같은 축약어를 ‘서울특별시’로 표준화 하는 모델과 ‘서울 논현동’과 같이 중간 단위의 행정구역명이 축약된 경우 중간 단위의 행정 구역명을 유추하여 ‘서울특별시 강남구 논현동’으로 표준화한다. 개체명 인식 모델과 개체명 인식 표준화 모델을 활용하여 인식된 시간 개체와 장소 개체들 중에서 ...
본 논문은 뉴스 기사문에서 시공간 정보와 대표 키워드를 추출하기 위한 개체명 인식 모델 및 개체명표준화 모델을 제안하고 추출한 정보를 기반으로 한 뉴스 큐레이션 서비스를 제안한다. 비교적 새로운 패턴이나 표현이 생기지 않는 시간 개체에 대해서는 규칙 기반 모델을 적용하고, 시간의 흐름에 따라 개체에 변화가 있는 장소 개체에 대해서는 규칙 기반 모델과 통계 기반 모델을 혼합 하여 적용함으로써 규칙 기반 모델의 한계점을 보완한다. 개체명 표준화 모델은 인식된 개체 데이터의 품질 향상 및 개체 활용 가능성을 높이기 위해 제안한다. 예를 들어, 2015년 6월에 업데이트된 뉴스 기사문에서 ‘지난달 24일’이라는 문장이 있을 경우 시간을 뜻하는 ‘24일’인 시간 개체와 ‘지난달’을 추출하여 상위 수준의 시간인 ‘2015년 5월’을 유추한다. 장소개체의 경우 ‘서울’ 과 같은 축약어를 ‘서울특별시’로 표준화 하는 모델과 ‘서울 논현동’과 같이 중간 단위의 행정구역명이 축약된 경우 중간 단위의 행정 구역명을 유추하여 ‘서울특별시 강남구 논현동’으로 표준화한다. 개체명 인식 모델과 개체명 인식 표준화 모델을 활용하여 인식된 시간 개체와 장소 개체들 중에서 관계성이 높은 두 개체로 시공간 정보를 추출하고, 용어 가중치 모델을 통해 뉴스 기사문 내 대표 키워드를 추출한다. 마지막으로 추출된 정보들을 기반으로 뉴스 큐레이션 서비스를 제안한다. 개체명 인식 모델 평가 결과 개체명 인식의 정확률은 90.7%, 재현율 69.6% 그리고 F-measure는 78.7%로 나타났다. 개체명 표준화 모델은 정확률 97.2%, 재현율 80%, F-measure 87.7%로 나타났다.
본 논문은 뉴스 기사문에서 시공간 정보와 대표 키워드를 추출하기 위한 개체명 인식 모델 및 개체명 표준화 모델을 제안하고 추출한 정보를 기반으로 한 뉴스 큐레이션 서비스를 제안한다. 비교적 새로운 패턴이나 표현이 생기지 않는 시간 개체에 대해서는 규칙 기반 모델을 적용하고, 시간의 흐름에 따라 개체에 변화가 있는 장소 개체에 대해서는 규칙 기반 모델과 통계 기반 모델을 혼합 하여 적용함으로써 규칙 기반 모델의 한계점을 보완한다. 개체명 표준화 모델은 인식된 개체 데이터의 품질 향상 및 개체 활용 가능성을 높이기 위해 제안한다. 예를 들어, 2015년 6월에 업데이트된 뉴스 기사문에서 ‘지난달 24일’이라는 문장이 있을 경우 시간을 뜻하는 ‘24일’인 시간 개체와 ‘지난달’을 추출하여 상위 수준의 시간인 ‘2015년 5월’을 유추한다. 장소개체의 경우 ‘서울’ 과 같은 축약어를 ‘서울특별시’로 표준화 하는 모델과 ‘서울 논현동’과 같이 중간 단위의 행정구역명이 축약된 경우 중간 단위의 행정 구역명을 유추하여 ‘서울특별시 강남구 논현동’으로 표준화한다. 개체명 인식 모델과 개체명 인식 표준화 모델을 활용하여 인식된 시간 개체와 장소 개체들 중에서 관계성이 높은 두 개체로 시공간 정보를 추출하고, 용어 가중치 모델을 통해 뉴스 기사문 내 대표 키워드를 추출한다. 마지막으로 추출된 정보들을 기반으로 뉴스 큐레이션 서비스를 제안한다. 개체명 인식 모델 평가 결과 개체명 인식의 정확률은 90.7%, 재현율 69.6% 그리고 F-measure는 78.7%로 나타났다. 개체명 표준화 모델은 정확률 97.2%, 재현율 80%, F-measure 87.7%로 나타났다.
In this thesis, we propose a model for named entity recognition and standardization to extract spatial-temporal information and representative keywords from news articles, and then suggest news curation service based on the extracted information. In the named entity recognition model, a rule-based n...
In this thesis, we propose a model for named entity recognition and standardization to extract spatial-temporal information and representative keywords from news articles, and then suggest news curation service based on the extracted information. In the named entity recognition model, a rule-based named entity recognition model to recognize the time entity and keyword entity has been presented. For place entity, we adopt a rule-based and statistical-based named entity recognition model. For time entity and place entity, we standardize them using proposed rule-based standardization model, and extract spatial-temporal information based on the degree of relationship between the standardized time and place entity. We also derive the representative keywords of news articles from keyword entities using term weight model. With the extracted information, we propose the news curation service that serves five main functions: search feature, the representative keywords treemap, news map, report generation, and frequency timeline. The evaluation result of the named entity recognition model shows precision 90.7%, recall 69.6%, and F-measure 78.7%. The evaluation result of the named entity standardization model shows precision 97.2%, recall 80%, and F-measure 87.7%.
In this thesis, we propose a model for named entity recognition and standardization to extract spatial-temporal information and representative keywords from news articles, and then suggest news curation service based on the extracted information. In the named entity recognition model, a rule-based named entity recognition model to recognize the time entity and keyword entity has been presented. For place entity, we adopt a rule-based and statistical-based named entity recognition model. For time entity and place entity, we standardize them using proposed rule-based standardization model, and extract spatial-temporal information based on the degree of relationship between the standardized time and place entity. We also derive the representative keywords of news articles from keyword entities using term weight model. With the extracted information, we propose the news curation service that serves five main functions: search feature, the representative keywords treemap, news map, report generation, and frequency timeline. The evaluation result of the named entity recognition model shows precision 90.7%, recall 69.6%, and F-measure 78.7%. The evaluation result of the named entity standardization model shows precision 97.2%, recall 80%, and F-measure 87.7%.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.