$\require{mediawiki-texvc}$

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.

Sequence-to-sequence 기반 한국어 형태소 분석 및 품사 태깅
Sequence-to-sequence based Morphological Analysis and Part-Of-Speech Tagging for Korean Language with Convolutional Features

정보과학회논문지 = Journal of KIISE, v.44 no.1, 2017년, pp.57 - 62  

이건일 (포항공과대학교 컴퓨터공학과) ,  이의현 (포항공과대학교 컴퓨터공학과) ,  이종혁 (포항공과대학교 컴퓨터공학과)

초록
AI-Helper 아이콘AI-Helper

기존의 전통적인 한국어 형태소 분석 및 품사 태깅 방법론은 먼저 형태소 후보들을 생성한 뒤 수많은 조합에서 최적의 확률을 가지는 품사 태깅 결과를 구하는 두 단계를 거치며 추가적으로 형태소의 접속 사전, 기분석 사전 및 원형복원 사전 등을 필요로 한다. 본 연구는 기존의 두 단계 방법론에서 벗어나 심층학습 모델의 일종인 sequence-to-sequence 모델을 이용하여 한국어 형태소 분석 및 품사 태깅을 추가 언어자원에 의존하지 않는 end-to-end 방식으로 접근하였다. 또한 형태소 분석 및 품사 태깅 과정은 어순변화가 일어나지 않는 특수한 시퀀스 변환과정이라는 점을 반영하여 음성인식분야에서 주로 사용되는 합성곱 자질을 이용하였다. 세종말뭉치에 대한 실험결과 합성곱 자질을 사용하지 않을 경우 97.15%의 형태소 단위 f1-score, 95.33%의 어절단위 정확도, 60.62%의 문장단위 정확도를 보여주었고, 합성곱 자질을 사용할 경우 96.91%의 형태소 단위 f1-score, 95.40%의 어절단위 정확도, 60.62%의 문장단위 정확도를 보여주었다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Traditional Korean morphological analysis and POS tagging methods usually consist of two steps: 1 Generat hypotheses of all possible combinations of morphemes for given input, 2 Perform POS tagging search optimal result. require additional resource dictionaries and step could error to the step. In t...

주제어

#형태소 분석   #품사 태깅   #sequence-to-sequence 모델  

참고문헌 (14)

  1. Sutskever, I., Vinyals, O., & Le, Q. V., "Sequence to sequence learning with neural networks," advances in Neural Information Processing Systems, pp. 3104-3112, 2014. 

  2. Kyunghyun Cho, Bart Van Merrienboer, Caglar Gulcehre, Dzmitry Bahdanau, Fethi Bougares, Holger Schwenk, and Yoshua Bengio, "Learning phrase representations using rnn encoder-decoder for statistical machine translation," Empirical Methods on Natural Language Processing, pp. 1724-1734, 2014. 

  3. Kyunghyun Cho, Bart van Merrienboer, Dzmitry Bahdanau, and Yoshua Bengio, "On the properties of neural machine translation: Encoder-decoder approaches," Eighth Workshop on Syntax, Semantics and Structure in Statistical Translation, pp. 103-111, 2014. 

  4. Dzmitry Bahdanau, Kyunghyun Cho, and Yoshua Bengio, "Neural machine translation by jointly learning to align and translate," Intenational Conference on Learning Representations, 2015. 

  5. Chung, J., Cho, K., & Bengio, Y., "A Character-level Decoder without Explicit Segmentation for Neural Machine Translation," arXiv preprint arXiv:1603.06147, 2015. 

  6. Vinyals, O., Kaiser, Ł., Koo, T., Petrov, S., Sutskever, I., & Hinton, G., "Grammar as a foreign language," advances in Neural Information Processing Systems, pp. 2755-2763, 2015. 

  7. F. Bastien, P. Lamblin, R. Pascanu, J. Bergstra, I. Goodfellow, A. Bergeron, N. Bouchard, D. Warde- Farley and Y. Bengio, "Theano: new features and speed improvements," NIPS 2012 deep learning workshop, 2012. 

  8. J. Bergstra, O. Breuleux, F. Bastien, P. Lamblin, R. Pascanu, G. Desjardins, J. Turian, D. Warde-Farley and Y. Bengio, "Theano: A CPU and GPU Math Expression Compiler," SCIPY, 2010. 

  9. https://github.com/nyu-dl/dl4mt-cdec 

  10. Seung-Hoon Na, Sangkeun Jung, "Deep Learning for Korean POS Tagging," Proc. of the 41st KIISE Conference, pp. 426-428, 2014. (in Korean) 

  11. Seung-Hoon Na, Young-Kil Kim, "Phrase-Based Statistical Model for Korean Morpheme Segmentation and POS Tagging," Proc. of the 41st KIISE Conference, pp. 571-573, 2014. (in Korean) 

  12. Changki Lee, "Joint Models for Korean Word Spacing and POS Tagging using Structural SVM," Journal of KISS : Software and Applications, Vol. 40, No. 12, pp. 826-832, 2013. (in Korean) 

  13. Chorowski, J. K., Bahdanau, D., Serdyuk, D., Cho, K., & Bengio, Y., "Attention-based models for speech recognition," NIPS, 2015. 

  14. Bahdanau, D., Chorowski, J., Serdyuk, D., & Bengio, Y., "End-to-end attention-based large vocabulary speech recognition," IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), pp. 4945-4949, 2016. 

저자의 다른 논문 :

관련 콘텐츠

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