$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

한국어 문법관계에 대한 부분구문 분석
Shallow Parsing on Grammatical Relations in Korean Sentences 원문보기

정보과학회논문지. Journal of KIISE. 소프트웨어 및 응용, v.32 no.10, 2005년, pp.984 - 989  

이성욱 (동서대학교 컴퓨터공학과) ,  서정연 (서강대학교 컴퓨터학과)

초록
AI-Helper 아이콘AI-Helper

본 연구의 목적은 한국어 문장의 문법관계를 분석하는 데 있다. 주된 문제는 문장의 주어, 목적어, 부사어를 문장에서 찾아내는 것이다. 이 문제를 해결하기 위해서 한국어 구문 분석에서 발생하는 여러 중의성을 고려해야 한다. 우리는 문법관계의 중의성을 먼저 해결하고 그 다음에 주어진 명사구와 용언구의 문법관계 확률을 이용하여 용언구의 술어-논항 관계 중의성을 해소하는 통계적 방법을 제안한다. 제안된 방법은 어절간의 거리, 교차구조 금지, 일문일격의 원칙 둥의 한국어 언어 특성을 반영하였다. 용언구와 명사구 사이의 문법관계에 대한 확률은 지지벡터 분류기를 이용하여 추정하였다. 제안된 방법은 문법관계 및 구문구조 부착 말뭉치를 이용하여 자동으로 문법관계를 학습하였고 주어, 목적어, 부사 각각의 문법관계분석에 대해 각각 $84.8\%,\;94.1\%,\;84.8\%$의 성능을 얻었다.

Abstract ▼ AI-Helper 아이콘AI-Helper

This study aims to identify grammatical relations (GRs) in Korean sentences. The key task is to find the GRs in sentences in terms of such GR categories as subject, object, and adverbial. To overcome this problem, we are fared with the many ambiguities. We propose a statistical model, which resolves...

주제어

#부분구문분석   #문법관계   #지지벡터기계  

참고문헌 (23)

  1. Grenfenstette, G. (1997). SQLET: Short query linguistic expansion techniques, palliating one-word queries by providing intermediate structure to text. In Proc. of the RIAO'97, 500-509 

  2. Palmer, M., Passonneau, R., Weir, C. & Finin, T (1993). The KERNEL text understanding system. Artificial Intelligence, 63, 17-68 

    상세보기 crossref

  3. Yeh, A. (2000). Using existing systems to supplement small amounts of annotated GRs training data. Proc. of the ACL2000, 126-132. Hong Kong 

    crossref

  4. Grenfenstette, G. (1996). Light parsing as finite-state filtering. Workshop on Extended Finite State Models of Language, ECAI'96, Budapest, Hungary 

  5. Ait-Mokhtar, S. & Chanod, J-P. (1997). Subject and object dependency extraction using finitestate transducers. In Proceedings of the ACL/EACL'97 Workshop on Automatic Information Extraction and Building of Lexical Semantic Resources, 71-77. Madrid, Spain 

  6. Brants, T., Skut, W. & Krenn, B. (1997). Tagging grammatical functions. In Proceedings of the 2nd Conference on EMNLP, 64-74. Providence, RI. 

  7. Argamon, S., Dagan, I. & Krymolowski, Y. (1998). A memory-based approach to learning shallow natural language patterns. In Proceedings of the 36th Annual Meeting of the ACL, 67-73. Montreal, Canada 

    crossref

  8. Buchholz, S., Veenstra, J. & Daelemans, W. (1999). Cascaded GR assignment. In Proceedings of the Joint Conference on EMNLP and Very Large Corpora, 239-246 

  9. C. Stanfill and D. Waltz, 'Toward Memory-based Reasoning,' Communications of the ACM, 29(12), pp. 1213-1228, 1986 

    상세보기 crossref

  10. Carroll, J. & E. Briscoe (2002). High precision extraction of GRs. In Proceedings of the 19th International Conference on Computational Linguistics (COLING), Taipei, Taiwan 

  11. 양재형, 김영택, '통계정보를 활용한 한국어 미지격 명사구의 문법기능 결정', 정보과학회논문지, Vol. 21, No.5, pp. 808-15, 1994. 5 

  12. 양재형, 심광섭, '시소러스와 하위범주화 사전을 이용한 격모호성 해결', 정보과학회논문지(B) 제26권 제9호 1999. 9 

  13. Lee, S., Seo, J. & Jang, T. Y. (2003). Analysis of the grammatical functions between adnoun and NPs in Korean using Support Vector Machines. Natural Language Engineering, Cambridge University Press, Vol. 9, No.3, pp. 269-280, Sept. 

  14. Hindle, D. and Rooth, M. (1993). 'Structural ambiguity and lexical relations,' Computational Linguistics, 19:103-120 

    상세보기

  15. Lee, K. J., Kim, J. H., & Kim, G. C. (1997). An Efficient Parsing of Korean Sentence Using Restricted Phrase Structure Grammar, Computer Processing of Oriental Languages, Vol. 12, No.1, pp. 49-62 

  16. Collins, Michael. (1996). A New Statistical Parser Based on Bigram Lexical Dependencies. In Proceedings of ACL-96, Sant Cruz, CA, USA 

  17. Charniak, E. (2001). Immediate-head parsing for language models. Proceedings of ACL 2001, 116-123 

  18. Srinivas, B. (2000). A lightweight dependency analyzer for partial parsing. Natural Language Engineering, 6(2), 113-138 

    상세보기 crossref

  19. Viterbi, A. J. (1967). Error bounds for convolution codes and an asymptotically optimal decoding algorithm. IEEE trans. on Information Theory, 12:260-269 

    상세보기 crossref

  20. Vapnik, V. N. (1995). The Nature of Statistical Learning Theory. Springer, New York 

  21. Lee, K. J., KIM, J. H., Choi, K. S. & Kim, G. C. (1996). Korean syntactic tagset for building a tree annotated corpus. Korean Journal of Cognitive Science, 7(4):7-24 

    원문보기 상세보기

  22. Rijsbergen, C.J.van. (1979). Information Retrieval. Buttersworth, London 

  23. 김길창, 임해창, 서정연, 나동렬, '한국어 이해에 나타나는 중의성 문제 처리 모델에 관한 연구', 연구결과보고서, 한국과학재단, 1997.10 

저자의 다른 논문 :

관련 콘텐츠

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로