$\require{mediawiki-texvc}$

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.

Bidirectional LSTM CRF 기반의 개체명 인식을 위한 단어 표상의 확장
Expansion of Word Representation for Named Entity Recognition Based on Bidirectional LSTM CRFs

정보과학회논문지 = Journal of KIISE, v.44 no.3, 2017년, pp.306 - 313  

유홍연 (동아대학교 컴퓨터공학과) ,  고영중 (동아대학교 컴퓨터공학과)

초록
AI-Helper 아이콘AI-Helper

개체명 인식이란 문서 내에서 인명, 기관명, 지명, 시간, 날짜 등 고유한 의미를 가지는 개체명을 추출하여 그 종류를 결정하는 것을 말한다. 최근 개체명 인식 연구에서 가장 우수한 성능을 보여주고 있는 모델은 Bidirectional LSTM CRFs 모델이다. 이러한 LSTM 기반의 딥 러닝 모델은 입력이 되는 단어 표상에 의존적이다. 따라서 입력이 되는 단어를 잘 표현하기 위하여 단어 표상을 확장하는 방법에 대한 연구가 많이 진행되어지고 있다. 본 논문에서는 한국어 개체명 인식을 위하여 Bidirectional LSTM CRFs모델을 사용하고, 그 입력으로 사용되는 단어 표상을 확장하기 위해 사전 학습된 단어 임베딩 벡터, 품사 임베딩 벡터, 음절 기반에서 확장된 단어 임베딩 벡터, 그리고 개체명 사전 자질 벡터를 사용한다. 최종 단어 표상 확장 결과 사전 학습된 단어 임베딩 벡터만 사용한 것 보다 8.05%p의 성능 향상을 보였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Named entity recognition (NER) seeks to locate and classify named entities in text into pre-defined categories such as names of persons, organizations, locations, expressions of times, etc. Recently, many state-of-the-art NER systems have been implemented with bidirectional LSTM CRFs. Deep learning ...

주제어

#개체명 인식   #단어 표상   #음절  

참고문헌 (15)

  1. Changki Lee, Junseok Kim, Jeonghee Kim, Hyunki Kim, "Named Entity Recognition using Deep Learning," Korean Institute of Information Scientists and Engineers(KIISE), No. 12, pp. 423-425, 2014. 

  2. Changki Lee, "Named Entity Recognition using Long Short-Term Memory Based Recurrent Neural Network," Korean Institute of Information Scientists and Engineers(KIISE), No. 6, pp. 645-647, 2015. 

  3. Zhiheng Huang, Wei Xu, Kai Yu, "Bidirectional LSTM-CRF Models for Sequence Tagging," arXiv:1508.01991, 2015. 

  4. R Collobert, J Weston, L Bottou, M Karlen, K Kavukcuoglu, P Kuksa, "Natural Language Processing (almost) from Scratch," The Journal of Machine Learning Research, Vol. 12, No. 8, pp. 2493-2537, 2011. 

  5. Seung-Hoon Na, Minwoo Min, "Character-Based LSTM CRFs for Named Entity Recognition," Korea Computer Congress (KCC), 2016. 

  6. Guillaume Lample, Miguel Ballesteros, Sandeep Subramanian, Kazuya Kawakami, Chris Dyer, "Neural Architectures for Named Entity Recognition," arXiv: 1603.01360, 2016. 

  7. Xuezhe Ma, Eduard Hovy, "End-to-end Sequence Labeling via Bi-directional LSTM-CNNs-CRF," arXiv:1603.01354, 2016. 

  8. Jason P.C. Chiu, Eric Nichols, "Named Entity Recognition with Bidirectional LSTM-CNNs," arXiv:1511.08308, 2015. 

  9. Wang Ling, Isabel Trancoso, Chris Dyer, Alan W Black, "Character-based Neural Machine Translation," arXiv:1511.04586, 2015. 

  10. CN dos Santos, B Zadrozny, "Learning Character -level Representations for Part-of-Speech Tagging," Vol. 5, No. 2014, pp. 3830-3838, ICML, 2014. 

  11. Chris Dyer, Miguel Ballesteros, Wang Ling, Austin Matthews, Noah A. Smith, "Transition-Based Dependency Parsing with Stack Long Short-Term Memory," arXiv:1505:08075, 2015. 

  12. Swabha Swayamdipta, Miguel Ballesteros, Chris Dyer, Noah A. Smith, "Greedy, Joint Syntactic -Semantic Parsing with Stack LSTMs," arXiv: 1606.08954, 2016. 

  13. G. E. Hinton, N. Srivastava, A. Krizhevsky, I. Sutskever and R. R. Salakhutdinov, "Improving neural networks by preventing co-adaptation of feature detectors," arXiv:1207.0580, 2012. 

  14. word2vec, [Online]. Available: http://code.google.com/archive/p/word2vec/ 

  15. TensorFlow, [Online]. Available: https://www.tensorflow.org/ 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

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