$\require{mediawiki-texvc}$

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] 워드넷을 이용한 문서내에서 단어 사이의 의미적 유사도 측정
Semantic Similarity Measures Between Words within a Document using WordNet 원문보기

한국산학기술학회논문지 = Journal of the Korea Academia-Industrial cooperation Society, v.16 no.11, 2015년, pp.7718 - 7728  

강석훈 (인천대학교 임베디드시스템공학과) ,  박종민 (인천대학교 임베디드시스템공학과)

초록
AI-Helper 아이콘AI-Helper

단어 사이의 의미적 유사성은 많은 분야에 적용 될 수 있다. 예를 들면 컴퓨터 언어학, 인공지능, 정보처리 분야이다. 본 논문에서 우리는 단어 사이의 의미적 유사성을 측정하는 문서 내의 단어 가중치 적용 방법을 제시한다. 이 방법은 워드넷의 간선의 거리와 깊이를 고려한다. 그리고 문서 내의 정보를 기반으로 단어 사이의 의미적 유사성을 구한다. 문서 내의 정보는 단어의 빈도수와 단어의 의미 빈도수를 사용한다. 문서 내에서 단어 마다 단어 빈도수와 의미 빈도수를 통해 각 단어의 가중치를 구한다. 본 방법은 단어 사이의 거리, 깊이, 그리고 문서 내의 단어 가중치 3가지를 혼합한 유사도 측정 방법이다. 실험을 통하여 기존의 다른 방법과 성능을 비교하였다. 그 결과 기존 방법에 대비하여 성능의 향상을 가져왔다. 이를 통해 문서 내에서 단어의 가중치를 문서 마다 구할 수 있다. 단순한 최단거리 기반의 방법들과 깊이를 고려한 기존의 방법들은, 정보에 대한 특성을 제대로 표현하지 못했거나 다른 정보를 제대로 융합하지 못했다. 본 논문에서는 최단거리와 깊이 그리고 문서 내에서 단어의 정보량까지 고려하였고, 성능의 개선을 보였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Semantic similarity between words can be applied in many fields including computational linguistics, artificial intelligence, and information retrieval. In this paper, we present weighted method for measuring a semantic similarity between words in a document. This method uses edge distance and depth...

주제어

#Corpus statistics   #Information content   #Lexical database   #Semantic similarity   #WordNet  

질의응답

핵심어 질문 논문에서 추출한 답변
의미적 유사성은 어떤 방법인가? 단어 사이의 의미적 유사성에 대한 연구는 자연언어 처리와 정보 검색 분야에서 중요한 역할을 한다. 의미적 유사성은 컴퓨터 언어학과 인공지능에 관련된 다양한 응용프로그램에서 자주 사용되는 일반적인 방법이다. 예를 들어 단어의 의미 명확화, 단어의 철자 오류 검출, 단어의 철자 오류 정정, 이미지 검색, 문서 검색, 자동 하이퍼텍스트 연결, 문서의 분류이다[1].
두 단어의 유사성은 어떻게 나타내는가? 두 단어의 유사성은 두 단어와 연관된 개념들 사이에서 관련성을 계산하여 나타낸다. 많은 의미적 유사성 측정 방법은 다양한 연구자들에 의해서 개발되어 왔다.
의미적 유사성 방법의 예시는? 의미적 유사성은 컴퓨터 언어학과 인공지능에 관련된 다양한 응용프로그램에서 자주 사용되는 일반적인 방법이다. 예를 들어 단어의 의미 명확화, 단어의 철자 오류 검출, 단어의 철자 오류 정정, 이미지 검색, 문서 검색, 자동 하이퍼텍스트 연결, 문서의 분류이다[1].
질의응답 정보가 도움이 되었나요?

참고문헌 (18)

  1. Yuhua Li, "an approach for measuring semantic similarity between words using multiple information sources," IEEE Trans. Knowl. DataEng. 15(4) ,871-882 ,2003 DOI: http://dx.doi.org/10.1109/TKDE.2003.1209005 

    상세보기 crossref

  2. Wu and M. Palmer, "Verb semantics and lexical selection," In: Proceedings of the 32nd Annual Meeting of the Association for Computational Linguistics, LasCruces, New Mexico , 133-138, 1994 

  3. G.A. Miller, "wordnet: a lexical database for English," Comm. ACM, Vol. 38, no. 11, 39-41, 1995. DOI: http://dx.doi.org/10.1145/219717.219748 

  4. C.Leacock and M. Chodorow, "Combining local context and wordnet similarity for word sense identification," WordNet: An Electronic Lexical Database. The MIT Press, Cambridge, MA, 265-283 , 1998 

  5. P. Resnik, "Using information content to evaluate semantic similarity," Proc. 14th Int'l Joint Conf. Artificial Intelligence, 1995 

  6. A. McCallum and K. Nigam "A comparison of event model for naive Bayes text classification", AAAI Workshop on Learning for Text Categorization, 1998 

  7. R.Baeza-Yates and B. Ribeiro-Neto, Modern Information Retrieval. Addison-Wesley, 1999. 

  8. H. Rubenstein and J.B. Goodenough, "Contextual Correlates of Synonymy," Comm. ACM, vol. 8, 627-633, 1965 DOI: http://dx.doi.org/10.1145/365628.365657 

    상세보기 crossref

  9. G.A. Miller and W.G. Charles, "Contextual Correlates of Semantic Similarity," Language and Cognitive Processes, vol. 6, no. 1, 1-28, 1991. DOI: http://dx.doi.org/10.1080/01690969108406936 

    상세보기 crossref

  10. J.J. Jiang and D.W. Conrath, "Semantic Similarity Based on Corpus Statistics and Lexical Taxonomy," Proc. ROCLING X, 1997. 

  11. D. Lin, "An Information-Theoretic Definition of Similarity," Proc. Int'l Conf. Machine Learning, July 1998 

  12. M. McHale, "A Comparison of WordNet and Roget's Taxonomy for Measuring Semantic Similarity," Proc. COLING/ACL Workshop Usage of WordNet in Natural Language Processing Systems, 1998. 

  13. P. Resnik, "Semantic Similarity in a Taxonomy: An Information-Based Measure and Its Application to Problems of Ambiguity in Natural Language," J. Artificial Intelligence Research, vol. 11, pp. 95- 130, 1999. 

    상세보기 crossref

  14. R. Rada, H. Mili, E. Bichnell, and M. Blettner, "Development and Application of a Metric on Semantic Nets," IEEE Trans. Systems, Man, and Cybernetics, vol. 9, no. 1, pp. 17-30, Jan. 1989. DOI: http://dx.doi.org/10.1109/21.24528 

  15. B. Spell. Java API for WordNet Searching (JAWS). http://lyle.smu.edu/ tspell/jaws/index.html, 2009. 

  16. JB Gao, BW Zhang and XH Chen, "A WordNet-based semantic similarity measurement combining edgecounting and information content theory," 2015 

  17. Pirro,G. A Semantic similarity metric comibing features and intrinsic information content. Data & Knowledge Engineering, 1289-1308, 2009. DOI: http://dx.doi.org/10.1016/j.datak.2009.06.008 

    상세보기 crossref

  18. David D Sanchez, Montserrat Batet, David Isern, Aida Valls, Ontology-based semantic similarity: A new feature-based approach, Expert Systems with Applications 39 ,7718-7728, 2012. DOI: http://dx.doi.org/10.1016/j.eswa.2012.01.082 

    상세보기 crossref

저자의 다른 논문 :

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