최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기인지과학 = Korean journal of cognitive science, v.22 no.2, 2011년, pp.217 - 233
In this paper, an automatic word spacing system is proposed, which assumes sentences with no spaces between the words and segments them into proper words. Segmentation is regarded as a labeling problem in that segmentation can be done by attaching appropriate labels to each syllables of the given se...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
한국어 자동 띄어쓰기에 대한 기존 연구는 어떻게 나뉘어 질 수 있는가? | 한국어 자동 띄어쓰기에 대한 기존 연구는 크게 규칙 기반의 분석적인 접근 방법과 말뭉치 기반의 통계적인 접근 방법으로 나눌 수 있다. | |
HMM의 단점은 무엇인가? | HMM은 입력 데이터 열과 레이블 열 사이의 결합 확률(joint probability)을 이용하는 생성 모델(generative model)이다. 이 모델에서는 모든 가능한 입력 데이터 열을 나열해야 하며, 상호 작용하는 자질을 표현하거나 멀리 떨어진 입력 데이터 열 사이의 의존 관계를 표현하기 어렵다는 단점이 있다[11, 12, 13]. 이러한 단점을 극복하기 위하여 주어진 입력 데이터 열에 대하여 레이블 열의 확률을 이용하는 조건부 모델이 제안되었다. | |
HMM은 어떤 문제 해결 방법으로 사용되어 왔는가? | 입력 데이터 열을 분할하고 각각에 레이블을 부여하는 문제에 대한 해결 방법으로 HMM(Hidden Markov Model)이 사용되어 왔다. HMM은 입력 데이터 열과 레이블 열 사이의 결합 확률(joint probability)을 이용하는 생성 모델(generative model)이다. |
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.