$\require{mediawiki-texvc}$
  • 검색어에 아래의 연산자를 사용하시면 더 정확한 검색결과를 얻을 수 있습니다.
  • 검색연산자
검색연산자 기능 검색시 예
() 우선순위가 가장 높은 연산자 예1) (나노 (기계 | machine))
공백 두 개의 검색어(식)을 모두 포함하고 있는 문서 검색 예1) (나노 기계)
예2) 나노 장영실
| 두 개의 검색어(식) 중 하나 이상 포함하고 있는 문서 검색 예1) (줄기세포 | 면역)
예2) 줄기세포 | 장영실
! NOT 이후에 있는 검색어가 포함된 문서는 제외 예1) (황금 !백금)
예2) !image
* 검색어의 *란에 0개 이상의 임의의 문자가 포함된 문서 검색 예) semi*
"" 따옴표 내의 구문과 완전히 일치하는 문서만 검색 예) "Transform and Quantization"
쳇봇 이모티콘
안녕하세요!
ScienceON 챗봇입니다.
궁금한 것은 저에게 물어봐주세요.

논문 상세정보

Abstract

This parer presents a method of ranking translation word selection for Korean verbs based on lexical knowledge contained in a bilingual Korean-English dictionary and WordNet that are easily obtainable knowledge resources. We focus on deciding which translation of the target word is the most appropriate using the measure of semantic relatedness through the 45 extended relations between possible translations of target word and some indicative clue words that play a role of predicate-arguments in source language text. In order to reduce the weight of application of possibly unwanted senses, we rank the possible word senses for each translation word by measuring semantic similarity between the translation word and its near synonyms. We report an average accuracy of $51\%$ with ten Korean ambiguous verbs. The evaluation suggests that our approach outperforms the default baseline performance and previous works.

저자의 다른 논문

참고문헌 (10)

  1. Brown, P., Cocke, J, Pietra, V., Peitra, S., Jelinek, F., Lafferty, J., Mercer, R. and Roosin, P., 'A Statistical Approach to Machine Translation, Computational Linguistics,' Vol. 16, No.2, pp. 79-85, 1990 
  2. Fellbaum, c., WordNet: An Electronic Lexical Database, MIT Press, 1998 
  3. Inkpen, D. and Hirst, G., 'Automatic' Sense Disambiguation of the Near-Synonyms in a Dictionary Entry,' Proceedings, Fourth Conference on Intelligent Text Processing and Computational Linguistics, pp. 258-267, 2003 
  4. Li, H. and Li, C., 'Word Translation Disambiguation Using Bilingual Boostrapping,' Computational Linguistics, Vol. 30, No.1, pp. 1-22, 2004 
  5. Patwardhan, S. and Perdersen, T., The cpan wordnet::similarity package, http://search.cpan.org /~sid/WordNet-Similarity-0.06/, 2005 
  6. Koehn, P. and Knight K., 'Knowledge Sources for Word-Level Translation Models,' Empirical Methods in Natural Language Processing Conference, pp. 27-35, 2001 
  7. Lesk, M., 'Automatic Sense Disambiguation Using Machine Readable Dictionaries: how to tell a pine code from an ice cream cone,' Proceedings. of the Fifth Annual International Conference on Systems Documentations, pp. 24-26, 1986 
  8. Banerjee, S. and Pedersen, T., 'Extended. Gloss Overlaps as a Measure of Semantic Relatedness,' Proceedings of the Eighteenth International Joint Conference on Artificial Intelligence, pp. 805-810, 2003 
  9. Dagan, I. And Itai, A, ''Word Sense Disambiguation Using a Second Language Monolingual Corpus,' Computational Linguistics, Vol. 20, No. 4, pp. 563-596, 1994 
  10. Jiang, J. and Conrath, D., 'Semantic Similarity based on Corpus Statistics and Lexicon Taxqnomy,' Proceedings on International Conference on Research in Computational Linguistics, pp. 19-33, 1997 

이 논문을 인용한 문헌 (0)

  1. 이 논문을 인용한 문헌 없음

원문보기

원문 PDF 다운로드

  • ScienceON :

원문 URL 링크

원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다. (원문복사서비스 안내 바로 가기)

상세조회 0건 원문조회 0건

DOI 인용 스타일