선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서 제안한 패턴 생성 및 지식 생성 방법론의 우수성을 보이기 위하여 실험을 수행하였다. 첫 단계의 패턴 생성을 위한 초기 지식은 인물과 관련있는 총 6개의 릴레이션에 대해서 수행되었다.
- 본 논문에서는 한국어를 대상으로 자가 지식 학습을 위한 패턴 생성 및 지식 추출 방법에 대하여 제안하였다. 최근 많은 지식 베이스에서 크라우드소싱에 기반한 인스턴스 생성을 수행하고 있다.
- 본 논문에서는 한국어를 대상으로 자연어 문장으로부터 온톨로지의 인스턴스를 자동으로 생성하여 확장할 수 있는 자가 지식 학습 프레임워크를 제안한다. 구체적으로 한국어 대상 패턴 생성 및 지식 생성 모델을 제안한다.
- 아무리 정확한 지식을 생성하더라도 그 수가 적다면 이는 활용될 수 없다. 이에 본 논문에서 제안한 방법이 실제로 자가 지식 학습 프레임워크의 반복 학습 과정을 거치면 낮은 재현율이 극복될 수 있음을 확인하기 위한 실험을 수행하였다. 이를 위하여 제안한 방법을 통해 생성된 지식들을 재이용하여 패턴 생성과 지식 생성 과정을 수행하였다.
- 한국어는 영어와 달리 어순이 매우 자유로우며 또한 어휘들의 활용형이 많아 영어권에서 많이 적용된 단순 구문 정보만을 이용한 패턴 생성 방법은 적합하지 않다. 이에 본 논문에서 한국어에 적합한 패턴을 생성하는 것을 목표로 한다. 본 논문에서 제안하는 패턴은 릴레이션을 표현하는 술어 부분과 주어, 목적어를 판별하기 위한 조건d을 기술하는 3개의 튜플로 구성된다.
- 하지만 한국어는 영어에 비해 어순과 활용이 자유로워 이런 단순한 형태로는 정확한 패턴을 생성할 수 없다. 이에 본 논문에서는 파스 트리와 조사 정보를 정보를 활용한 패턴 생성 및 지식 생성 방법을 제안하였다. 간단한 규칙 기반의 패턴 생성 방법과 비교해본 결과 본 논문에서 제안한 방법이 훨씬 높은 정확률을 보임을 확인할 수 있었다.
- 반대로 너무 일반적인 패턴을 생성하면 이는 수많은 오류를 발생시키게 된다. 이에 본 논문에서는 한국어를 위한 의존 관계 트리 구조와 조사 정보에 기반한 패턴 생성 방법을 제안한다. 이를 통해 매우 구체적이지는 않지만 높은 정확도를 보이는 패턴 및 인스턴스 생성 방법을 제안한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.