[논문]유아 언어학습에 대한 하이퍼망 메모리 기반 모델

이지훈; 이은석; 장병탁

초록
AI-Helper

유아들의 언어습득에 있어서 중요한 점 하나는 학습자에 대한 언어환경의 노출이다. 유아가 접하는 언어환경은 부모와 같은 인간뿐만 아니라 각종 미디어와 같은 인공적 환경도 포함되며, 유아는 이러한 방대한 언어환경을 탐색하면서 언어를 학습한다. 본 연구는 대용량의 언어 데이터 노출이 영향을 미치는 유아언어학습을 유연하고 적절하게 모사하는 인지적 기제에 따른 기계학습 방식을 제안한다. 유아의 초기 언어학습은 문장수준의 학습과 생성 같은 행동들이 수반되는데, 이는 언어 코퍼스에 대한 노출만으로 모사가 가능하다. 모사의 핵심은 언어 하이퍼망 구조를 가진 기억기반 학습모델이다. 언어 하이퍼망은 언어구성 요소들 간의 상위차원 관계 표상을 가능케 함으로써 새로운 데이터 스트림에 대해 유사구조의 적용과 이용을 도모하여 발달적이고 점진적인 학습을 모사한다. 본 연구에서는 11 개의 유아용 비디오로부터 추출한 문장 32744개를 언어 하이퍼망을 통한 점진적 학습을 수행하여 문장을 생성해 유아의 점진적, 발달적 학습을 모사하였다.

Abstract ▼ AI-Helper

One of the critical themes in the language acquisition is its exposure to linguistic environments. Linguistic environments, which interact with infants, include not only human beings such as its parents but also artificially crafted linguistic media as their functioning elements. An infant learns a ...

One of the critical themes in the language acquisition is its exposure to linguistic environments. Linguistic environments, which interact with infants, include not only human beings such as its parents but also artificially crafted linguistic media as their functioning elements. An infant learns a language by exploring these extensive language environments around it. Based on such large linguistic data exposure, we propose a machine learning based method on the cognitive mechanism that simulate flexibly and appropriately infant's language learning. The infant's initial stage of language learning comes with sentence learning and creation, which can be simulated by exposing it to a language corpus. The core of the simulation is a memory-based learning model which has language hypernetwork structure. The language hypernetwork simulates developmental and progressive language learning using the structure of new data stream through making it representing of high level connection between language components possible. In this paper, we simulates an infant's gradual and developmental learning progress by training language hypernetwork gradually using 32,744 sentences extracted from video scripts of commercial animation movies for children.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구는 언어학습에 대한 선험적인 규칙 없이 하이퍼 망 기반의 기억모델을 통해 언어환경의 확률적 분포와 시간에 따른 언어환경 및 기억 변화로부터 유아의 언어획득 및 생성이 가능한지에 대해 시뮬레이션 실험으로 고찰해보았다. 언어환경 구축은 유아용 비디오의 자막 데이터를 사용하였고, 하이퍼망을 사용하여 총 11 단계의 점진적, 발달적 학습을 모사하였다.
본 연구에서는 이와 같은 언어의 발달적 측면을 고려한 확률기반의 언어학습 양상을 보인다. 구체적으로 시뮬레이션하는 내용은 언어환경으로부터의 자극이 증가함에 따라 유아(기계학습자)가 점점 그 자극에 대해 연합된 개념이 풍부해지고 추상적 구조(구문론적 구조) 의출현이 점점 강화되는 양상이다.

제안 방법

고찰해보았다. 언어환경 구축은 유아용 비디오의 자막 데이터를 사용하였고, 하이퍼망을 사용하여 총 11 단계의 점진적, 발달적 학습을 모사하였다. 이후 하이퍼 망이 주어진 키워드에 따라 생성하는 문장들의 구문론적/의미론적 정합성을 확인하였다.
언어환경은 총 11단계로 구성하여 단계별로 총힙저으로 incrementally 학습시키고, 각 단계별로 주어진 키워드에 따라 생성되는 문장 100개를 추출한 후, 이들 중 구문론적으로 옳은 문장과' 의미론적으로 옳은 문장들의 분포와 비율을 분석하였다.
유아의 언어 학습 양상을 모사하기 위한 방법으로 언어 하이퍼망을 통한 문장 생성 실험을 수행하였다. 하이퍼망을 Order 3으로 생성하였을 경우 문장은 그림 2에서 처럼 키워드를 중심으로 양방향으로 생성된다.
언어환경 구축은 유아용 비디오의 자막 데이터를 사용하였고, 하이퍼망을 사용하여 총 11 단계의 점진적, 발달적 학습을 모사하였다. 이후 하이퍼 망이 주어진 키워드에 따라 생성하는 문장들의 구문론적/의미론적 정합성을 확인하였다.
키워드에 따라 생성된 문장들 중 100개를 무작위로 추출하고, 이를 다시 구문론적으로 욿은 문장과 의미론적으로 옳은 문장, 그리고 옳지 않은 문장으로 분류하여, 학습단계 발전에 따른 생성 양상을 살펴보았다.

대상 데이터

평균 lOOkb이다. 본 실험에서 사용된 키워드는 명사/형용사 형태로, Kucera and Francis 빈도에서 상위에 위치하는 단어 'you'를 사용하였다[11丄
중심으로 생성된 문장들의 예문이다. 제시된 문장들은 생성된 문장 100개 중에서 구문론적/의미론적으로 공히 정합적인 문장들이다. 이 문장들은 단어 4개부터 10개로 구성되어 있고, 학습 단계가 진행될수록 정합적이면서 갈이가 긴 문장들이 더 많이 생성되었다.
형성한다. 하이퍼망이 형성하는 전체 가설공간, 즉 총 문장 개수의 크기는 32744개이다. 학습단계는 총 H회에 걸쳐 진행했다.
학습 데이터를 구성하는 형태별 어휘들의 개수(type number)는 총 6124개이고 사용된 모든 어휘 개수(token number) 는 총 252936개로서 small world를 형성한다. 하이퍼망이 형성하는 전체 가설공간, 즉 총 문장 개수의 크기는 32744개이다.

성능/효과

둘째 언어학습 환경은 생각보다 훨씬 방대하며 복잡하다 따라서 환경 전체를 정확하고 면밀하게 모사한 환경 자극을 제시해야만 시뮬레이션의 학습자도 현실적이고 유연하게 언어학습의 양상을 보일 수 있을 것이다. 셋째 언어환경은 시간의 흐름에 따라 연속적으로 유아에게 입력된다.
실험을 통해, 데이터가 증가하면서 정합적인 문장의 생성 능력이 늘어감을 알 수 있었다. 또 정합적인 문장의 길이 또한 증가하였기 때문에, 유아언어학습의 보편적인 양상을 반영하는 부분이라 할 수 있다.
또 정합적인 문장의 길이 또한 증가하였기 때문에, 유아언어학습의 보편적인 양상을 반영하는 부분이라 할 수 있다. 종합적으로, 본 실험이 언어학습의 발달적 측면을 일부나마 잘 모사한 것으로 볼 수 있다. 차후 좀더 많은 양의 데이터와 학습단계, 언어학습에 영향을 끼치는 다양한 심리학적 변인들로 연계 실험을 진행할 필요가 있다.

후속연구

종합적으로, 본 실험이 언어학습의 발달적 측면을 일부나마 잘 모사한 것으로 볼 수 있다. 차후 좀더 많은 양의 데이터와 학습단계, 언어학습에 영향을 끼치는 다양한 심리학적 변인들로 연계 실험을 진행할 필요가 있다.

참고문헌 (11)

Marcus, G., Poverty of the stimulus arguments, Cambridge MA, MIT Press, pp.660-661, 1999
Seidenberg, M. and MacDonald, M., A probabilistic constraints approach to language acquisition and processing, Cognitive Science, vol.23, pp.569-588, 1999

상세보기
Siskind, J., A computational study of cross-situ-ational techniques for learning word-to-meaning mappings, Ccognition, vol.61(1-2), pp.39-91, 1996

상세보기
Weng, J., A theory for mentally developing robots, In Second International Conference on Develop-ment and Learning, IEEE Computer Society Press, 2002
Lungarella, M., Metta, G., Pfeifer, R., and Sandini, G., Developmental robotics: A Survey, Connection Science, vol.15(4) pp.151-190, 2003

상세보기
Oudeyer, P.-Y., Kaplan, F., and Hafner, V., Intrinsic motivation systems for autonomous mental development, IEEE Transactions on Evolutionary Computation, vol.11(2) pp.265-286, 2007

상세보기
Zhang, B.-T. and Kim, J.-K., DNA hypernetworks for information storage and retrieval, Lecture Notes in Computer Science, DNA 12, vol.4287, pp.298-307, 2006
Kim, S., Heo, M.-O., and Zhang, B-T., Text classifiers evolved on a simulated DNA computer, IEEE Congress on Evolutionary Computation, pp.9196-9202, 2006
Ha, J.-W., Eom, J.-H., Kim S.-C. and Zhang, B.-T., Evolutionary hypernetwork models for aptamer-based cardiovascular disease diagnosis, The Genetic and Evolutionary Computation Confer-ence, vol.4, pp.2709-2716, 2007
Chomsky, N., Rules and Representations, Oxford: Basil Blackwell, 1980
Kucera, H. & Francis, W., Computational analysis of present-day American English, Providence, RI: Brown University Press, 1967

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

유아 언어학습에 대한 하이퍼망 메모리 기반 모델
Hypernetwork Memory-Based Model for Infant's Language Learning 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

참고문헌 (11)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

유아 언어학습에 대한 하이퍼망 메모리 기반 모델 Hypernetwork Memory-Based Model for Infant's Language Learning 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

참고문헌 (11)

이 논문을 인용한 문헌

저자의 다른 논문 :

이지훈 (2) 이은석 (1) 장병탁 (94)

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

유아 언어학습에 대한 하이퍼망 메모리 기반 모델
Hypernetwork Memory-Based Model for Infant's Language Learning 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper