$\require{mediawiki-texvc}$

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.

격틀 사전과 하위 범주 정보를 이용한 한국어 의미역 결정
Korean Semantic Role Labeling Using Case Frame Dictionary and Subcategorization

정보과학회논문지 = Journal of KIISE, v.43 no.12, 2016년, pp.1376 - 1384  

김완수 (울산대학교 IT융합) ,  옥철영 (울산대학교 IT융합)

초록
AI-Helper 아이콘AI-Helper

기계가 사람과 같이 문장을 처리하게 하려면 사람이 쓴 문장을 토대로 사람이 문장을 통해 발현하는 모든 문장의 표현 양상을 학습해 사람처럼 분석하고 처리할 수 있어야 한다. 이를 위해 기본적으로 처리되어야 할 부분은 언어학적인 정보처리이다. 언어학에서 통사론적으로 문장을 분석할 때 필요한 것이 문장을 성분별로 나눌 수 있고, 문장의 핵심인 용언을 중심으로 필수 논항을 찾아 해당 논항이 용언과 어떤 의미역 관계를 맺고 있는지를 파악할 수 있어야 한다. 본 연구에서는 국립국어원 표준국어대사전을 기반으로 구축한 격틀사전과 한국어 어휘 의미망에서 용언의 하위 범주를 자질로 구축한 CRF 모델을 적용하여 의미역을 결정하는 방법을 사용하였다. 문장의 어절, 용언, 격틀사전, 단어의 상위어 정보를 자질로 구축한 CRF 모델을 기반으로 하여 의미역을 자동으로 태깅하는 실험을 한 결과 정확률이 83.13%로 기존의 규칙 기반 방법을 사용한 의미역 태깅 결과의 정확률 81.2%보다 높은 성능을 보였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Computers require analytic and processing capability for all possibilities of human expression in order to process sentences like human beings. Linguistic information processing thus forms the initial basis. When analyzing a sentence syntactically, it is necessary to divide the sentence into compone...

주제어

#의미역 결정   #격틀사전   #하위범주   #조건부 무작위장  

참고문헌 (15)

  1. Byoung-Soo Kim, Yong-Hun Lee, Seung-Hoon Na, Jun-Gi Kim, Jong-Hyeok Lee, "Bootstrapping for Semantic Role Assignment of Korean Case Marker," Proc. of Korean Computer Congress 2006 (KCC 2006), Vol. 33, No. 1, pp. 4-6, 2006. 

  2. Changki Lee, Soojong Lim, and Hyunki Kim, "Korean Semantic Role Labeling Using Structured SVM," Journal of KIISE, Vol. 42, No. 2, pp. 220-226, 2015. 

    원문보기 상세보기 crossref

  3. Kazi Saidul Hasan and Vincent Ng, "Why are You Taking this Stance? Identifying and Classifying Reasons in Ideological Debates," Proc. of the Conference on Empirical Methods in natural Language Processing, pp. 751-762, 2014. 

  4. Yun-Jeong Kim, Wan-su Kim, Cheol-Young Ock, "Consideration of Semantic Roles of Korean Subcategory in Computational Linguistics," Korean Society for Language and Information, Vol. 18, No. 2, 2014. 

  5. Kim Wansu, Ock CheolYoung, "Korean semantic Role Labeling using Case Frame and Subcategory of Predicate," The 27th Annual Conference on Human & Cognitive Language Technology, pp. 198-201, Oct. 2015. 

  6. Jangseong Bae, Changki Lee, "End-to-end Learning of Korean Semantic Role Labeling Using Bidirectional LSTM CRF," Proc. of the KIISE Korea Computer Congress 2015, pp. 566-568, 2015. 

  7. Zhou, Jie, and Wei Xu, "End-to-end Learning of Semantic Role Labeling Using Recurrent Neural Networks," Proc. 53rd ACL, pp. 1127-1137, 2015. 

  8. Young-Jun Bae, CheolYoung Ock, "Introduction to the Korean Word Map(UWordMap) and API," The 26th Annual Conference on Human and Language Technology, pp. 27-31, 2014. 

  9. Myung-Chul Shin, "Integration of Case-Frame Dictionary into Machine Learning Techniques for Semantic Role Assignment of Korean Adverbial Cases," M.Sc. diss. Pohang University of Science and Technology, 2005. 

  10. Jangseong Bae, Changki Lee, Soojong Lim, "Korean Semantic Role Labeling using Deep Learning," Proc. of the KIISE Korea Computer Congress 2015, pp. 690-692, 2015. 

  11. R. Collobert, J. Weston, L. Bottou, M. Karlen, K. Kavukcuoglu, and P. Kuksa, "Natural language processing (almost) from scratch," The Journal of Machine Learning Research, 12, pp. 2493-2537, 2011. 

  12. Soojong Lim, Yongjin Bae, Hyunki Kim, and Dongyul Ra, "Korean Semantic Role Labeling Using Domain Adaptation Technique," Journal of KIISE, Vol. 42, No. 4, pp. 475-482, 2015. 

    상세보기 crossref

  13. J. Lafferty, A. McCallum, F. Pereira, "Conditional Random Fields: Probabilistic Models for Segmenting and Labeling Sequence Data," Proc. of International Conference on Machine Learning, ICML-01, pp. 282-289, 2001. 

  14. Naoki Okazaki. (2007). CRFsuite: a fast implementation of Conditional Random Fields (CRFs) [Online]. Available: http://www.chokkan.org/software/crfsuite/ 

  15. Jorge Nocedal, "Updating Quasi-Newton Matrices with Limited Storage," Mathematics of Computation, [Online]. Available: http://www.chokkan.org/software/crfsuite/. Vol. 35, No. 151, pp. 773-782, 1980. 

    상세보기 crossref

저자의 다른 논문 :

LOADING...

관련 콘텐츠

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