$\require{mediawiki-texvc}$

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.

문자열 유사도 알고리즘을 이용한 공종명 인식의 자연어처리 연구 - 공종명 문자열 유사도 알고리즘의 비교 -
Comparing String Similarity Algorithms for Recognizing Task Names Found in Construction Documents 원문보기

한국건설관리학회논문집 = Korean journal of construction engineering and management, v.21 no.6, 2020년, pp.125 - 134  

정상원 (한국산업융합연구원) ,  정기창 (한국산업융합연구원)

초록
AI-Helper 아이콘AI-Helper

시공 서류에서 접하는 자연어는 당국에서 권장하는 언어와 크게 다르다. 일관성이 부족한 이러한 관행은 자동화를 통한 통합 연구를 방해하고 장기적으로 업계의 생산성을 저하시킬 것이다. 이 연구는 여러 문자열 유사성(문자열 일치) 알고리즘을 비교하여 여러 다른 방법으로 작성된 동일한 작업 이름을 인식하는 각 알고리즘의 성능을 비교하는 것을 목표로 한다. 우리는 또한 앞서 언급 한 편차가 얼마나 널리 퍼져 있는지에 대한 토론을 시작하는 것을 목표로 한다. 마지막으로, 우리는 실제로 발견된 시공 작업 이름을 형식에 비해 덜 복잡한 해당 작업 이름과 연결하는 작은 데이터 세트를 구성했다. 이 데이터 세트를 사용하여 미래의 자연어 처리 접근방식을 검증 할 수 있을 것으로 기대한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Natural language encountered in construction documents largely deviates from those that are recommended by the authorities. Such practice that is lacking in coherence will discourage integrated research with automation, and it will hurt the productivity in the industry for the long run. This researc...

주제어

#자연어 처리   #문자열 유사도   #문자열 매칭   #문자열 근사값  

표/그림 (13)

참고문헌 (18)

  1. Abiteboul, S. (1997). Querying semi-structured data. InInternational Conference on Database Theory, Springer, Berlin, Heidelberg, pp. 1-18. 

  2. An, M.G., Kim, M.J., and Kim, Y.S. (2019). "A BlockchainBased Risk Management for Overseas Construction Project Using Natural Language Processing." Proceedings of KICEM University Students Conference, pp. 116-119. 

  3. Bilal, M., Oyedele, L.O., Qadir, J., Munir, K., Ajayi, S.O., Akinade, O.O., and Pasha, M. (2016). Big Data in the construction industry: A review of present status, opportunities and future trends. Advanced engineering informatics, 30(3), pp. 500-521. 

    상세보기 crossref

  4. Cambria, E., and White, B. (2014). Jumping NLP curves: A review of natural language processing research. IEEE Computational intelligence magazine, 9(2), pp. 48-57. 

    상세보기 crossref

  5. Han, K.K., and Golparvar-Fard, M. (2017). Poten-tial of big visual data and building informationmodeling for construction performance analyt-ics: An exploratory study. Automation in Con-struction, 73, pp. 184-198. 

    상세보기 crossref

  6. Kim, Y.R., Lee, S.H., and Park, S.H. (2012). "Development of Rule-Set Definition for Architectural Design Code Checking based on BIM." Korean Journal of Construction Engineering and Management, KICEM, 13(6) pp. 143-152. 

  7. Lee, J.H. (2019). "Review on Natural Language Processing Reasearch Utilizing Unstructured Text Data in Construction Industry." Construction Engineering and Management, 20(2), pp. 62-66. 

  8. Lee, S.K., Kim, K.R., and Yu, J.H. (2012). Automatic Inference of Standard BOQ (Bill of Quantities) Items using BIM and Ontology. Korean Journal of Construction Engineering and Management, 13. 10.6106/KJCEM.2012.13.3.099. 

    원문보기 상세보기 crossref

  9. Lalwani, M., Bagmar, N., and Parikh, S. (2014). "Efficient Algorithm for Auto Correction Using ngram Indexing." International Journal of Computer & Communication Technology (IJCCT), 3(3), pp. 23-27. 

  10. McGuinness, D. L. (2004). OWL web ontology language overview. W3C recommendation. http://www.w3.org/TR/owl-features. 

  11. Nadeau, D., & Sekine, S. (2007). A survey of named entity recognition and classification. Lingvisticae Investigationes, 30(1), 3-26. 

    상세보기 crossref

  12. Park, Y.S., Oh, C.D., Jeon, Y.S., and Park, C.S. (2008). "A Web-Based Construction Failure Information System using Case-Based Reasoning." Korean Journal of Construction Engineering and Management, KICEM, 9(6), pp. 257-267. 

  13. Stone, M. (1974). Cross­validatory choice and assessment of statistical predictions. Journal of the Royal Statistical Society, Series B (Methodological), 36(2), pp. 111-133. 

    상세보기 crossref

  14. Williams, T.P., and Gong, J. (2014). "Predicting construction cost overrunsusing text mining, numerical data and ensemble classifiers." Automation in Construction, 43, pp. 23-29. 

    상세보기 crossref

  15. Zhang, J., and El-Gohary, N.M. (2016). "Semantic nlp-based information extrac-tion from construction regulatory documents for automated compliancechecking." Journal of Computing in Civil Engineering, 30(2), 04015014. 

    상세보기 crossref

  16. Y.S. Kim. (2019). Automatic multi-label image classification model for construction site images (Unpublished doctoral dissertation). Graduate School, Seoul National University. 

  17. Eunjeong L. Park, Sungzoon Cho. (2014). KoNLPy: Korean natural language processing in Python. 26th Annual Conference on Human and Language Technology, pp. 1-4. 

  18. KAIST CILab (2014). Hannanum Morphological Analysis http://semanticweb.kaist.ac.kr/hannanum/index.html 

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 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