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
- NLTK 파서 적용을 통한 일치도 검사는 개체명 단순 비교를 통한 일치도 검사에서 발생하는 문제점들을 확인하고, 이를 개선하기 위해 진행된 검사이다
- 따라서 본 논문에서는 기계학습 기반의 생의학 분야 개체명 인식 및 개체 간 관계 추출 시스템을 위한 언어자원의 수집 과정과 데이터 정형화를 위한 체계를 제시함으로써 이를 통해 범용 주제 분야 기계학습 기반 자연어 처리 시스템에 적용할 수 있는 언어자원의 통합적 저장․관리 체계를 구축하기 위한 방안을 제시하고자 한다.
- 따라서 본 논문에서는 생의학 분야 개체명 인식 시스템과 개체명 간 관계 추출 시스템을 위해 다량의 유관분야 언어자원을 학습 데이터로 구축하는 과정을 통합적으로 체계화하는 방안을 제안한다. 또한 제안된 방법을 통해 실제로 학습 데이터를 구축하는 과정과 구축된 학습 데이터의 일부를 검증한 결과를 함께 제시한다.
- 따라서 유관분야 연구에 있어 학습 데이터의 구축을 위한 시간 및 비용이 많이 소요되고 있으며, 연구자들이 보다 높은 수준의 연구를 진행하는데 어려움을 겪고 있다. 따라서 본 논문에서는 정보추출 시스템을 위한 학습 데이터를 구축하는 과정을 체계화하기 위한 방안을 제안한다. 제안된 방법은 학습 데이터 구축을 위한 체계화된 통합적 저장․관리 방안으로써 언어자원을 수집하고 해당 자원들의 특성을 분석하여 정보추출 시스템에 적합한 형태를 지니는 학습 데이터로 구축하는 모든 과정을 포함한다.
- 또한 본 연구에서는 제안된 방법을 통해 구축한 개체명 사전 기반 학습 데이터를 대상으로 학습 데이터의 개체명 수용범위를 검증하기 위한 데이터 검증을 실시하였다. 데이터 검증에는 최근 생의학 분야에서 가장 활발히 연구되어 비정형 텍스트의 양이 급격히 증가하고 있는 알츠하이머 분야 PubMed 초록 데이터를 사용하였으며, 개체명 사전의 데이터 검증 결과 유전자 분야와 단백질 분야에서 각각 2%,질병 분야에서 10%, 약물 분야에서 13%의 데이터 일치도를 확인하였다.
- 본 논문에서는 기계학습 기반의 생의학 분야 개체명 인식 및 개체명 간 관계 추출 시스템을 구축하기 위한 학습데이터를 체계적으로 정형화 할 수 있는 통합적 저장․관리 방안을 제안한다. 제안된 방법은 학습 데이터 구성과정을 언어 자원의 수집, 수집된 자원의 분석, 분석을 통한 체계화 양식 선정, 자원의 체계화 및 검증단계로 구분한다.
- 본 논문에서는 생의학 분야 학술 논문에서의 개체명 인식 및 개체 간 관계 추출 시스템을 위한 학습 데이터를 구축하기 위하여 유관분야 개체명 사전과 학습 집합을 수집하였다. 또한 수집된 자원들을 대상으로 특성을 분석하고,분석을 통해 체계화 양식을 선정하였으며, 결과적으로 수집 자원들을 학습 데이터로 체계화하였다.
- 본 논문에서는 생의학 분야 핵심 개체명 인식 및 개체명 간 관계 추출 시스템 구축에 필수적인 학습 데이터 구축 과정을 체계화하기 위한 유관 분야 언어 자원의 수집 및 통합적 저장․관리 방안을 제안한다.
- 본 연구는 기계 학습 기반의 생의학 분야 개체명 인식 및 개체명 간 관계 추출 시스템을 위한 학습 데이터 구축 과정을 체계화하기 위한 방안을 마련하기 위한 초기 연구로서, 자원의 수집 대상 및 텍스트 범위를 최소화 하여 학습데이터를 구축하였다. 따라서 일치도 검사를 위한 검색 대상인 PubMed 초록 데이터의 규모에 비해 학습 데이터의 규모가 현저히 작아 일치도 검사 결과가 낮게 측정되는 결과를 보였다.
- 개체명 일치도 평가 결과가 비교적 낮게 나타나는 것은 검증 대상으로 선정한 PubMed 알츠하이머 초록 데이터의 규모에 비해 구축된 학습 데이터의 규모가 작아서 나타나는 결과이다. 본 연구는 기계학습을 위한 학습 데이터 구축을 체계화 하는 방안을 마련하기 위한 초기연구로써 제안된 방법을 통해 구축된 학습데이터가 실제 기계 학습에 사용될 수 있는지에 대한 가능성을 확인하기 위한 절차로 데이터 검증을 실시하였다. 검증 결과 나타난 일치도를 통해 그 가능성을 확인할 수 있으며, 개체명이 검색된 횟수를 통해 실제로 유관분야 비정형 텍스트에 자주 등장하는 개체명들이 학습 데이터에 다수 포함되어 있는 것을 확인할 수 있다.
- 본 연구에서는 급격히 증가하는 비정형 텍스트를 효율적으로 파악하고 이를 통해 핵심 개체명 및 개체명 간 관계를 추출하기 위하여 기존재하는 유관분야의 언어자원을 수집하고 이를 통해 학습 데이터를 구축하는 과정을 체계화하기 위한 방안을 제안하였다.
- 본 연구에서는 기계학습 기반의 생의학 분야정보 추출 시스템을 위한 학습 데이터를 구축하는 과정을 체계적으로 정형화할 수 있는 통합적 저장․관리 방안을 제안한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.