$\require{mediawiki-texvc}$

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.

KONG-DB: 웹 상의 어휘 사전을 활용한 한국 소설 지명 DB, 검색 및 시각화 시스템
KONG-DB: Korean Novel Geo-name DB & Search and Visualization System Using Dictionary from the Web 원문보기

정보관리학회지 = Journal of the Korean society for information management, v.33 no.3 = no.101, 2016년, pp.321 - 343  

박성희 (한남대학교 문헌정보학과)

초록
AI-Helper 아이콘AI-Helper

본 연구의 목적은 1) 소설 속 지명 데이터베이스(DB)를 구축하고, 2) 확장 가능한 지명 DB를 위해 자동으로 지명을 추출하여 데이터베이스를 갱신하며, 3) 데이터베이스 내의 소설지명과 용례를 검색하고 시각화하는 파일럿시스템을 구현하는 데 있다. 특히, 학습자료(training)에 해당하는 말뭉치(corpus)를 확보하기 어려운, 소설지명과 같이 현재 잘 쓰이지 않는 개체명을 자동으로 추출하는 것은 매우 어려운 문제이다. 효과적인 지명 정보 추출용 학습자료 말뭉치 확보 문제를 해결하기 위해 본 논문에서는 이미 수작업으로 구축된 웹 지식(어휘사전)을 활용하여 학습에 필요한 충분한 양의 학습말뭉치를 확보하는 방안을 적용하였다. 이렇게 확보된 학습용 코퍼스와 학습된 자동추출 모듈을 가지고, 새로운 지명 용례를 찾아 추가하는 지명 데이터베이스 확장 도구를 만들었으며, 소설지명을 지도 위에 시각화하는 시스템을 설계하였다. 또한, 시범시스템을 구현함으로써 실험적으로 그 타당성을 입증하였다. 끝으로, 현재 시스템의 보완점을 제시하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

This study aimed to design a semi-automatic web-based pilot system 1) to build a Korean novel geo-name, 2) to update the database using automatic geo-name extraction for a scalable database, and 3) to retrieve/visualize the usage of an old geo-name on the map. In particular, the problem of extractin...

주제어

#소설지명추출   #개체명 인식   #웹지식베이스   #조건부랜덤필드   #텍스트마이닝   #기계학습   #소설지명 및 용례정보 시각화  

참고문헌 (19)

  1. 김성원, 나동렬 (2008). 2단계 최대 엔트로피 모델을 이용한 한국어 개체명 인식. 2008 한국정보과학회 학술 심포지움 논문집, 2(1), 81-86. (Kim, Seong-Won, & Ra, Dong-Yul (2008). Korean named entity recognition using two-level maximum entropy model. 2008 Annual Symposium Proceedings of Korean Institute of Information Science and Engineering, 2(1), 81-86.) 

  2. 문상호 (2015). 엔그램뷰어를 이용한 인문학의 빅데이타 사례 연구. Asia-pacific Journal of Multimedia Services Convergent with Art, Humanities, and Sociology, 5(6), 57-65. http://dx.doi.org/10.14257/AJMAHS.2015.12.10 (Moon, Sang-Ho (2015). Case study of big data in humanities using N-gram viewer. Asia-pacific Journal of Multimedia Services Convergent with Art, Humanities, and Sociology, 5(6) December, 57-65 http://dx.doi.org/10.14257/AJMAHS.2015.12.10) 

    상세보기 crossref

  3. 박철수 (2008). 문학지리학적 관점에서 본 북촌 도시한옥 밀집지역의 물리적 정체성에 관한 연구. 한국주거학회논문집, 19(2), 115-124. (Park, Cheol-Soo (2008). Physical identities of Bukchonhanok area viewed from literary geography. Journal of the Korean Housing Association, 19(2), 115-124.) 

  4. 이은령 (2009). 19세기 문헌 국역본의 개체명 인식 및 관계 추출을 위한 기초 연구. 언어학, 53, 141-162. (Lee, Eunryoung (2009). Named entity detection and relation extraction in the personal chronology of the 19th century. Journal of the Linguistic Society of Korean, 53, 141-162.) 

  5. 이은숙, 김일림, 정희선 (2007). 종로 문학공간의 데이터베이스 구축방안. 문화역사지리, 19, 1-14. (Lee, Eunsook, Kim, Il-Rim, & Cheong, Heesun (2007). An inquiry into the database construction of the literary space in Jongno area. Journal of Cultural and Historical Geography, 19, 1-14.) 

  6. 이창기, 김준석, 김정희, 김현기 (2014). 딥 러닝을 이용한 개체명 인식. 2014 한국정보과학회 제41회 정기총회 및 동계학술발표회, 423-425. (Lee, Changki, Kim, Junseok, Kim, Jeonghee, & Kim, Hyunki (2014). Named entity recognition using deep learning. Proceedings of Korean Institute of Information Science and Engineering, 423-425.) 

  7. 이창기, 장명길 (2010). Structural SVMs 및 Pegasos 알고리즘을 이용한 한국어 개체명 인식. 인지과학, 21(4), 655-667. http://dx.doi.org/10.19066/cogsci.2010.21.4.009 (Lee, Changki, & Jang, Myungil (2010). Named entity recognition with structural SVMs and pegasos algorithm. Korean Journal of Cognitive Science, 21(4), 655-667. http://dx.doi.org/10.19066/cogsci.2010.21.4.009) 

    원문보기 상세보기 crossref

  8. 장노현 (2008). 소설 속 지명정보 활용 방안 기초 연구. 한민족문화연구, 24, 255-283. (Jang, No Hyun (2008). A basic study on practical use of geographical designation in Korean novel. The Review of Korean Cultural Studies, 24, 255-283.) 

  9. 장문현 (2015). 공간정보 기반의 감성문화지도 시각화 연구: 섬진강유역 역사문화유적을 대상으로. 국토지리학회지, 49(1), 27-39. (Jang, Mun Hyun (2015). A study on visualization of an emotional map based on spatial information: Focused on historical and cultural heritage in Seomjin river area. The Geographical Journal of Korea, 49(1), 27-39.) 

  10. 최성필 (2016). 기계 학습을 이용한 바이오 분야 학술 문헌에서의 관계 추출에 대한 실험적 연구. 한국문헌정보학회지, 50(2), 309-336. http://dx.doi.org/10.4275/kslis.2016.50.2.309 (Choi, Sung-Pil (2016). An experimental study on the relation extraction from biomedical abstracts using machine learning. Journal of the Korean Society for Library and Information Science, 50(2), 309-336. http://dx.doi.org/10.4275/kslis.2016.50.2.309) 

    원문보기 상세보기 crossref

  11. 최진무, 김민준, 최돈곤 (2014). 지명 활용을 위한 지명 DB 와 수치지도 DB 의 연계 방안 연구. 대한지리학회지, 49(2), 310-319. (Choi, Jinmu, Kim, Min Jun & Choi, Don Gon (2014). Linking toponym database with digital map database. Journal of the Korean Geographical Society, 49(2), 310-319.) 

    원문보기 상세보기

  12. 한순미 (2013), 소설 속 지명과 감성지도: 지명 연구와 문학 연구의 접점을 기대하며, 지명학, 19, 151-188 (Han, Soon-mi (2013). A place name and emotional mapping shown in novels - Looking forward to a contact between a place-name study and literary research - Journal of the Place Name Society of Korea, 19, 151-188.) 

  13. 황이규, 윤보현 (2003). 한국어 정보처리: HMM에 기반한 한국어 개체명 인식. 정보처리학회논문지 B, b10(2), 229-236. http://dx.doi.org/10.3745/kipstb.2003.10b.2.229 (Hwang, Yi-Gyu, & Yun, Bo-Hyun (2003). HMM-based Korean named entity recognition. The KIPS transactions. Part B, b10(2), 229-236. http://dx.doi.org/10.3745/kipstb.2003.10b.2.229) 

    원문보기 상세보기 crossref

  14. Finkel, J. R., Grenager, T., & Manning, C. (2005). Incorporating non-local information into information extraction systems by Gibbs sampling. Proceedings of the 43rd Annual Meeting of the Association for Computational Linguistics (ACL 2005), 363-370. 

  15. Lafferty, J., McCallum, A., & Pereira, F. (2001). Conditional random fields: Probabilistic models for segmenting and labeling sequence data. Proceedings of the 18th International Conference on Machine Learning, 282-289. 

  16. McCallum, A. K. (2002). MALLET: A machine learning for language toolkit. Retrieved from http://mallet.cs.umass.edu 

  17. Park, S. H., Ehrich, R. W., & Fox, E. A. (2012). A hybrid two-stage approach for discipline-independent canonical representation extraction from references. Proceedings of the 12th ACM/IEEE-CS joint conference on digital libraries (JCDL '12). ACM, New York, NY, USA, 285-294. http://dx.doi.org/10.1145/2232817.2232871 

    crossref

  18. Python Beautiful Soup Library (2016. 8. 21). Retrieved from https://pypi.python.org/pypi/beautifulsoup4 

  19. Standford Named Entity Recognition. Retrieved from http://nlp.stanford.edu/software/CRF-NER.shtml 

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

이 논문과 함께 이용한 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