최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국콘텐츠학회논문지 = The Journal of the Korea Contents Association, v.10 no.12, 2010년, pp.457 - 465
Customized information analysis system is a software system that can help to extract useful information from non-structured natural language data, process the information to customized form, and provide future forecast and reasoning information. To implement the information analysis system, we need ...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
맞춤형 정보 분석 시스템이란 무엇인가? | 맞춤형 정보 분석 시스템이란 정형화 되어 있지 않은 자연어 텍스트에서 유용한 정보를 추출하고 고객이 요구하는 맞춤형 정보로 가공하여, 미래를 예측하거나 추론하는데 도움을 주는 시스템을 말한다. 이러한 정보 분석 시스템을 구현하기 위해서는 자연어를 분석하는 자연어 처리 기술과 텍스트에서 필요한 개체와 그것들의 관계를 찾아내는 정보 추출 기술, 추출한 데이터로부터 알려지지 않은 새로운 정보를 찾아 내는 데이터 마이닝 기술이 필요하다. | |
정보 분석 시스템을 구현하기 위해 필요한 것은 무엇인가? | 맞춤형 정보 분석 시스템이란 정형화 되어 있지 않은 자연어 텍스트에서 유용한 정보를 추출하고 고객이 요구하는 맞춤형 정보로 가공하여, 미래를 예측하거나 추론하는데 도움을 주는 시스템을 말한다. 이러한 정보 분석 시스템을 구현하기 위해서는 자연어를 분석하는 자연어 처리 기술과 텍스트에서 필요한 개체와 그것들의 관계를 찾아내는 정보 추출 기술, 추출한 데이터로부터 알려지지 않은 새로운 정보를 찾아 내는 데이터 마이닝 기술이 필요하다. 본 논문에서는 국방 기사 데이터를 대상으로 맞춤형 정보 분석을 수행하는 가상의 시스템을 제안하고, 정보 분석을 위한 기반 기술들을 소개한다. | |
현재의 정보 분석은 필요한 정보의 요구가 있을 때 연도별로 찾아 통계를 작성하고 전문가가 분석하는데, 이 방식의 문제점은 무엇인가? | 사람이 모든 문서를 다 확인할 수 없기 때문에 현재의 정보 분석은 필요한 정보의 요구가 있을 때 그와 관련된 각 연도별 문서를 찾아서 수작업으로 통계자료를 작성하고 그 정보를 이용하여 전문가가 직접 분석을 수행하고 있다. 하지만 이렇게 사람이 직접 분석하는 방법은 대량의 문서를 참고할 수 없어 신뢰성 있는 결과를 얻기 어렵고 많은 비용이 소요된다. 이러한 문제를 해결하기 위해 본 논문에서는 정형화 되어 있지 않은 자연어 텍스트로부터 자동으로 유용한 정보를 추출하여, 그 속에서 새로운 정보를 찾아내기 위한 기반 기술들을 소개하고, 국방 기사 데이터를 대상으로 정보 분석을 수행하는 가상의 시스템을 제안한다. |
J. Gimenez and L. Marquez, “Fast and Accurate Part-of-Speech Tagging: The SVM Approach Revisited", In Proceedings of Recent Advances in Natural Language Processing, pp.153-163, 2003.
S. Goldwater and T. Griffiths, “A fully Bayesian approach to unsupervised part-of-speech tagging", In Proceedings of Association for Computational Linguistics, pp.744-751, 2007.
M. Collins, “Head-driven statistical models for natural language parsing", Journal of Association for Computational Linguistics, Vol.29, No.4, pp.589-638, 2003.
J. Nivre, J. Hall, J. Nilsson, A. Chanev, G. Eryigit, S. Kubler, S. Marinov, and E. Marsi, “MaltParser: A language-independent system for data-driven dependency parsing", Journal of Natural Language Engineering, Vol.13, No.2, pp.95-136, 2007.
M. Marneffe, B. Maccartney and C. Manning, “Generating Typed Dependency Parses from Phrase Structure Parses", In Proceedings of International Conference on Language Resources and Evaluation, pp.449-454, 2006.
A. McCallum and W. Li, “Early results for named entity recognition with conditional random fields, feature induction and web-enhanced lexicons", In Proceedings of Human Language Technology - North American Chapter of the Association for Computational Linguistics, pp.188-191, 2003.
R. Evans, “A framework for named entity recognition in the open domain", In Proceedings of Recent Advances in Natural Language Processing, pp.267-276, 2003.
H. Chun, Y. Tsuruoka, J. Kin, R. Shiba, N. Nagata, T. Hishiki, and J. Tsujii, “Extraction of Gene-Disease Relations from Medline Using Domain Dictionaries and Machine Learning", In Pacific Symposium on Biocomputing, pp.4-15, 2006.
E. Hovy, U. Hermjakob and D. a. Ravichandran, “A question/answer typology with surface text patterns", In Proceedings of Human Language Technology, pp.247-251, 2002.
W. J. Frawley, G. Piatetsky-Shapir, and C. J. Matheus, “Knowledge Discovery in Databases: An Overview", AI Magazine, Vol.13, No.3, pp.57-70, 2003.
W. Chu, S. Park, T. Beaupre, N. Motgi, A. Phadke, S. Chakraborty, and J. Zachariah, “A case study of behavior-driven conjoint analysis on Yahoo!: front page today module", In Proceedings of Knowledge Discovery and Data Mining., pp.1097-1104, 2009.
C. D. Manning and H. Schuetze, Foundations of Statistical Natural Language Processing, The MIT Press, 1999.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.