$\require{mediawiki-texvc}$

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.

[국내논문] 한국어-영어 법률 말뭉치의 로컬 이중 언어 임베딩
Utilizing Local Bilingual Embeddings on Korean-English Law Data 원문보기

한국융합학회논문지 = Journal of the Korea Convergence Society, v.9 no.10, 2018년, pp.45 - 53  

최순영 (고려대학교 컴퓨터학과) ,  (고려대학교 컴퓨터학과) ,  임희석 (고려대학교 컴퓨터학과)

초록
AI-Helper 아이콘AI-Helper

최근 이중 언어 임베딩(bilingual word embedding) 관련 연구들이 각광을 받고 있다. 그러나 한국어와 특정 언어로 구성된 병렬(parallel-aligned) 말뭉치로 이중 언어 워드 임베딩을 하는 연구는 질이 높은 많은 양의 말뭉치를 구하기 어려우므로 활발히 이루어지지 않고 있다. 특히, 특정 영역에 사용할 수 있는 로컬 이중 언어 워드 임베딩(local bilingual word embedding)의 경우는 상대적으로 더 희소하다. 또한 이중 언어 워드 임베딩을 하는 경우 번역 쌍이 단어의 개수에서 일대일 대응을 이루지 못하는 경우가 많다. 본 논문에서는 로컬 워드 임베딩을 위해 한국어-영어로 구성된 한국 법률 단락 868,163개를 크롤링(crawling)하여 임베딩을 하였고 3가지 연결 전략을 제안하였다. 본 전략은 앞서 언급한 불규칙적 대응 문제를 해결하고 단락 정렬 말뭉치에서 번역 쌍의 질을 향상시켰으며 베이스라인인 글로벌 워드 임베딩(global bilingual word embedding)과 비교하였을 때 2배의 성능을 확인하였다.

Abstract AI-Helper 아이콘AI-Helper

Recently, studies about bilingual word embedding have been gaining much attention. However, bilingual word embedding with Korean is not actively pursued due to the difficulty in obtaining a sizable, high quality corpus. Local embeddings that can be applied to specific domains are relatively rare. Ad...

Keyword

표/그림 (5)

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 예를 들면 일대다 ('대학원' : 'graduate school', '문화재' : 'cultural heritage')와 같이 불규칙적인 대응관계를 갖는 현상을 쉽게 볼 수 있다[18]. 따라서 본 논문에서는 이러한 불규칙적 대응 문제를 해결하고, 단락 기준의 말뭉치의 워드 임베딩 질을 향상시키기 위해서 다음과 같은 3가지 연결 전략을 제안한다.

가설 설정

  • 본 연구에서는 이중 언어 워드 임베딩을 학습시키기 위한 영역 특수적(domain-specific)인 말뭉치 C를 한국어와 영어로 이루어진 단락 기준 정렬 한국 법률 말뭉치로 가정한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
다중 언어 워드 임베딩은 주로 어디서 사용될 수 있는가? 최근 들어서는 다중 언어 워드 임베딩(Multilingual Word Embedding)에 관한 관심도 많아졌다[5]. 그리고 다중 언어 워드 임베딩은 기계번역(Machine Translation), 품사 태깅(POS tagging), 감정분석(Sentiment Analysis) 등 자연어 처리 분야에서 폭 넓게 사용될 수 있다. [6]에서는 형태소 단위 자질을 표현하기 위해 워드 임베딩을 사용하였고, [7]에서는 아마존 패션 상품 리뷰 데이터를 이용하여 각 단어들의 의미론적 특성을 반영하기 위해 워드 임베딩을 사용하였다.
대부분의 워드 임베딩 연구는 어떻게 진행되어 왔는가? 대부분의 워드 임베딩 연구는 단일 언어에 대해서 문법적으로 혹은 의미적으로 유사한 단어를 임베딩 공간(Embedding space)에서 가깝게 표현하도록 하는 단어의 표현을 학습하는 데 초점을 맞추었었다[4]. 최근 들어서는 다중 언어 워드 임베딩(Multilingual Word Embedding)에 관한 관심도 많아졌다[5].
한국어를 사용한 이중 언어 워드 임베딩 연구가 활발히 이루어지지 못하는 이유는 무엇인가? 한국어와 특정 언어를 사용한 이중 언어 워드 임베딩의 경우 특히, 병렬 데이터로 이중 언어 워드 임베딩을 학습하는 데에 있어서는 병렬 데이터가 양에서도 한정적이고, 질이 좋은 데이터는 더욱 희소하다. 위와 같은 이유로 한국어를 사용한 이중 언어 워드 임베딩 연구는 활발히 이루어지지 못하고 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (18)

  1. T. Mikolov, I. Sutskever, K. Chen, G. Corrado, J. Dean (2013). Distributed representations of words and phrases and their compositionality. Advances in neural information processing systems, 3111-3119. 

  2. J. Turian, L. Ratinov, Y. Bengio. (2010). Word representations: a simple and general method for semi-supervised learning. ACL '10 Proceedings of the 48th Annual Meeting of the Association for Computational Linguistics, 384-394. 

  3. J. Guo, W. Che, H. Wang, T. Liu (2014). Revisiting embedded features for simple semisupervised learning. Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing, 110-120. 

  4. S. Gouws, A. Sogaard (2013). Simple task-specific bilingual word embeddings. Proceedings of the 2015 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, 1386-1390. 

  5. M. Artetxe, G. Labaka, E. Agirre (2017). Learning bilingual word embeddings with (almost) no bilingual data. Proceedings of the 55th Annual Meeting of the Association for Computational Linguistics, 1, 451-462. 

  6. D. Y. Lee, W. H. Yu, H. S. Lim (2017). Bi-directional LSTM-CNN-CRF for Korean Named Entity Recognition System with Feature Augmentation. Korea Convergence Society, 8(12), 55-62. 

  7. D. Y. Lee, J. C. Jo, H. S. Lim (2017). User Sentiment Analysis on Amazon Fashion Product Review Using Word Embedding. Korea Convergence Society, 8(4), 1-8. 

  8. S. H. Lee, C. H. Lee, H. S. Lim (2017). Bilingual Word Embedding Using Parallel Corpus. Korean Institute of Information Scientists and Engineers, 645-647. 

  9. F. Diaz, B. Mitra, N. Craswell (2016). Query Expansion with Locally-Trained Word Embeddings. arXiv preprints, 1605.07891. 

  10. Y. Goldberg, O. Levy (2014). word2vec Explained: deriving Mikolov et al.'s negative-sampling word-embedding method. arXiv preprints, 1402.3722. 

  11. T. Mikolov, K. Chen, G. Corrado, J. Dean (2013). Efficient Estimation of Word Representations in Vector Space. arXiv preprints, 1301.3781. 

  12. S. Ruder, I. Vulic, A. Sogaard (2017). A Survey of Cross-Lingual Word Embedding Models. arXiv preprints, 1706.04902. 

  13. T. Mikolov, Q. V. Le, I. Sutskever, (2013). Exploiting Similarities among Languages for Machine Translation. arXiv preprints, 1309.4168. 

  14. M. Faruqui, C. Dyer (2014). Improving Vector Space Word Representations Using Multilingual Correlation. Proceedings of the 14th Conference of the European Chapter of the Association for Computational Linguistics, 462-471. 

  15. L. Duong, H. Kanayama, T. Ma, S. Bird, T. Cohn, (2016). Learning crosslingual word embeddings without bilingual corpora. arXiv preprints, 1606.09403. 

  16. KM. Hermann, P. Blunsom (2013). Multilingual Distributed Representations without Word Alignment. arXiv preprints, 1312.6173. 

  17. A. Klementiev, I. Titov, B. Bhattarai (2012). Inducing Crosslingual Distributed Representations of Words. Proceedings of COLING 2012, 1459-1474. 

  18. S. H. Yun, Y. T. Kim (1993). Idiom-Based Analysis of Natural Language for Machine Translation. Korean Institute of Information Scientists and Engineers, 20(8), 1148-1158. 

저자의 다른 논문 :

활용도 분석정보

상세보기
다운로드
내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

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