$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] 나이브 베이지안을 사용한 성명에 대한 성별 구분 연구
A Study on Sex Classification of a Name using Naive Bayesian 원문보기

한국인터넷방송통신학회 논문지 = The journal of the Institute of Internet Broadcasting and Communication, v.13 no.6, 2013년, pp.155 - 159  

임명재 (을지대학교 의료IT마케팅학과) ,  정진표 (을지대학교 의료IT마케팅학과) ,  김명관 (을지대학교 의료IT마케팅학과)

초록
AI-Helper 아이콘AI-Helper

본 논문은 Naive Bayesian분류기를 사용하여 성명의 성별을 구분하는 시스템을 구현 하였다. 국내인 성명은 외국인 성명과는 다르게 사람을 지칭할 때 쓰는 대명사의 성별불일치 현상이 있다. 하지만 국내인 성명의 특성으로 남자로 자주 쓰이는 이름과 여자로 자주쓰이는 이름을 구분하게 하였다. 그리고 고유명사등, 성별이 애매한 이름들도 포함하였기 때문에 다소 정확율이 떨어지는 것을 확인 할 수가 있었다. 본 논문의 실험 결과로는 국내인 남자는 84%, 여자는 88%의 정확율을 보였으며, 총합 86%의 정확율과 외국인 성명은 남자는 80%, 여자는 84%로 총합 83%의 정확율을 보이고 있다.

Abstract ▼ AI-Helper 아이콘AI-Helper

This article employs Naive Bayesian Classifier to realize a system that can distinguish the sex of a name. Unlike foreign names, in Korean names, the pronoun referring to a person shows discordance with sex. With the characteristics of Korean names, however, the study distinguishes names frequently ...

Keyword

#Naive Bayesian   #Person's names   #Classification   #Gender  

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 따라서 사람 이름을 남녀로 구분하여 인식할 필요가 있다. 본 논문에서는 한국 사람의 이름 특성을 이용하여 사람 이름을 인식하고 더 나아가 한국 성씨를 가진 외국인들까지 이름을 인식 하여 성별을 구분하여 인식하는 방법에 대해 제안한다. 사람 이름 인식과 성별 구분을 위해 성씨와 이름에 나타나는 음절의 특성 및 통계 정보[4]를 이용한다.
  • 본 논문은 국내인 성명에 대해 Python tool을 사용하여 Naive Bayesian 분류기를 사용하여 성명의 성별 분류를 실험하였다. 실험 결과로 국내인 성명은 남자 84%, 여자 88% 그리고 총합 정확율 86%로 분류가 되었고, 외국인 성명은 83%의 정확율을 보였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
Naive Bayesian 분류기를 사용하여 실험한 결과 국내인 성명의 정확율을 어떻게 나왔는가? 본 논문은 국내인 성명에 대해 Python tool을 사용하여 Naive Bayesian 분류기를 사용하여 성명의 성별 분류를 실험하였다. 실험 결과로 국내인 성명은 남자 84%, 여자 88% 그리고 총합 정확율 86%로 분류가 되었고, 외국인 성명은 83%의 정확율을 보였다. 한국 사람이름 에서도 성씨와 이름이 합쳐지면서 여자 이름이 되거나 남자 이름이 되는 경우가 있기 때문에 향후에는 사람 이름뿐만 아니라 성씨와 이름을 동시에 인식을 하여 사람 이름을 인식하여 성별 구분을 하는 연구도 필요하며, 요즘은 다문화 가정이 늘어남과 동시에 외국인들이 한국에 귀화하면서 생기는 한국 성씨와 외국 사람이름이 합쳐진 이름을 인식하여 성별을 구분하는 연구도 필요 하다고 생각된다.
질의-응답시스템이란? 질의-응답시스템은 문서로부터 사용자가 원하는 해답을 찾아 제공해주는 시스템이다. 질의 중에는 사람의 이름을 묻는 질의, 회사나 기관과 같은 조직 이름을 묻는 질의, 지명을 묻는 질의, 시간이나 거리와 같은 단위를 묻는 질의 등이 있다.
질의-응답 시스템에서 문서로부터 해답을 추출하기 위해 필요한 방법은? 질의 중에는 사람의 이름을 묻는 질의, 회사나 기관과 같은 조직 이름을 묻는 질의, 지명을 묻는 질의, 시간이나 거리와 같은 단위를 묻는 질의 등이 있다.[2] 문서로부터 해답을 추출하기 위해서는 사람이름, 조직 이름, 지명, 단위 등과 같은 개체명을 인식[3]하고 추출하는 방법이 필요하다. 질의중에는 ‘<영화 제목>의 여자 주인공은?’ 과 같이 남녀 이름을 구분하여 묻는 경우가 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (16)

  1. D. K. Lee, J. H. Kwon, "Social Search Algorithm considering Recent Interests of User", Journal of Korean Institute of Information Technology, vol. 9, issue 4, pp. 187-194, Apr 2011. 

  2. Y. H Kang, B. I. Kho, Y. H. Seo, "Unregistered Human Names Recognition and Sex Distinction", Dept. Computer Science, Chongbook Univ., 2004. 

  3. K. H. Lee, J. H. Lee, M. S. Choi, K. C. Kim, "Korean Named Entity Recognition Based on Supervised Learning Using Named Entily Construction Princip", The 14th Annual Conference on Human & Cognitive Language Technology, pp. 111-117, 2000. 

  4. K. H. Lee, J. H. Lee, M. S. Choi, K. C. Kim,, "Study on Named Entity Recognition in Korean Text", The 12th Annual Conference on Human & Cognitive Language Technology, pp. 292-299, 2004. 

  5. J. H. Lee, "The Role of Syntactic Cues in Pronoun Referential Resolution: The Effects of Number Cue and Gender Cue", Cognitive Science 15, pp. 25-33, 2004. 

  6. Park, S.-B. and H.-G. Yoon. Determining the Gender of Korean Names for Pronoun Generation., World Academy of Science, Engineering and Technology 32, pp. 42-46. 2007. 

  7. T. H. Kim, H. S. Lee, Y. S. Ha, M. H. Lee, S. H. Meang, "Proper Noun Extraction Using Data Sets",The 12th Annual Conference on Human & Cognitive Language Technology, pp. 11-18, 2000. 

  8. H. M. Shin, "Gender Inference in Korean Newspaper Reading", The British & American Language & Literature Association of Korea 96, pp.161-177 , 2010. 

  9. Humotion, GenderMotion, http://www.humotion.co.kr/, 2008. 

  10. Erumy, "Name Analyze", 2008, http://www.erumy.com/nameAnalyze/eDefault.aspx. 

  11. David L. Word, Charles D. Coleman, Robert Nunziata and Robert Kominski, "Demographic Aspects of Surnames from Census 2000", 2000 

  12. Statistics Korea, Population Census 2003, http://kostat.go.kr, 2003. 

  13. Korean Telephone Directory, "Telephone Directory", http://www.ktdc.co.kr, 1998. 

  14. NLTK, "Natural Language Toolkit Development", https://code.google.com/p/nltk/, 2011. 

  15. Stven Bird, Ewan Klein, and Edward Loper, "Natural Language Processing with Python", O'reilly, 2009. 

  16. S. Moro, R. Laureano, and P. Cortez, "Using Data Mining for Bank Direct Marketing: An Application of the CRISP-DM Methodology", Proceedings of the European Simulation and Modelling Conference-ESM'2011, Guimaraes, Portugal, pp. 117-121, Oct. 2011. 

저자의 다른 논문 :

활용도 분석정보

상세보기
다운로드
내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로