선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 표 3]의 결과만으로는 본 논문의 제안 모델이 기본 모 델에 비해 월등히 뛰어난 성능을 발휘한다고 주장할 수 없 다. 그렇기 때문에 축약된 문장의 성능을 평가자에 의해 평 가해 보고자 한다. 평가자에게 본 논문이 제안한 시스템에 의해 생성된 축약문장과 기본 모델이 생성해 낸 축약문장을 원 입력 문장과 함께 제시하였다.
- 본 논문에서 제안하는 시스템은 입력 문장을 신문기사의 헤드라인과 같은 스타일로 축약하는 것이다. 축약문장은 표 지 정보를 갖고 있는 표지트리(marked tree)로부터 생성된 다.
- 본 논문에서 제안한 문장 축약 시스템과 비교하기 위한 기본 모델을 설정하고자 한다. 기본 모델은 마찬가지로 입 력 문장에서 K개의 노드를 표지하여 축약문장을 생성해 내 는데, K개의 노드는 학습 코퍼스의 헤드라인에서 가장 자주 사용된 단어로 선정한다.
- 본 논문에서는 신문기사의 헤드라인과 선두문장의 쌍으로 부터 자동으로 문장을 축약할 수 있는 방법을 학습하는 시 스템을 제안하였다. 이렇게 축약된 문장은 신문기사의 헤드 라인 형식을 갖고 있기 때문에 가장 간결한 형태의 축약이 라고 할 수 있다.
- 본 논문에서는 헤드라인을 선두문장의 축약문장으로 간주 하고, 선두문장과 그 헤드라인을 모아놓은 신문기사 코퍼스 로부터 문장을 축약하는 방법을 자동으로 학습할 수 있는 시스템을 제안하고자 한다. 이와 같은 시스템에 의해 축약 된 문장은 신문기사의 헤드라인의 형태를 띠고 있기 때문에 비교적 간결한 형태의 축약이 될 수 있으며, 동시에 작은 크기의 화면을 갖는 기기에서의 출력에 가장 적합할 것이다.
- 기본적으로 선 두문장과 그 헤드라인에 동시에 포함된 단어들은 그렇지 못 한 단어에 비해 중요 단어로 간주된다. 본 논문의 시스템은 선두문장의 구문 분석 결과로부터 축약에 포함될 단어와 그 렇지 않은 단어들을 자동으로 학습함으로써 문장 축약을 수 행하고자 한다.
가설 설정
- 각 노드의 중요도는 학습 코퍼스에서 그 노드가 헤드라인에 얼마나 자주 포함되었는. 가, 그 노드의 중심노드가 포함되어진 상태에서 그 노드가 헤드라인에 얼마나 포함되어졌는가와 그 노드의 구문 트리 에서의 노드 깊이의 반비례로 계산되어진다. 각 노드의 중 요도 MS)는 수식 ⑶과 같이 정의한다.
- c<wrf(x) 는 코퍼스에서 X의 출현 빈도를 의 미 한다. 수식 ⑴의 계산을 간단히 하기 위하여 우선 입력 문장에 대한 구문 트리의 결과는 항상 한 개라고 가정한다. 입력 문장의 구문 트리가 N개의 노드를 갖고 있다고 가정할 때, 仔개의 표지트리가 가능하다.
- 문장 (la)는 신문기사로부터 추출한 선두문장이며, (lb)는 같은 신문기사의 헤드라인이다. 헤드라인 (lb)가 선두문장 (la)로부터 추출되었다고 가정해 보자. 우선 상대적으로 덜 중요한 단어들이 생략된 후, ①, ④, ⑤, ⑧번 단어들만이 헤 드라인에 포함되었다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.