$\require{mediawiki-texvc}$

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] Korean automatic spacing using pretrained transformer encoder and analysis 원문보기

ETRI journal, v.43 no.6, 2021년, pp.1049 - 1057  

Hwang, Taewook (Computer Science & Engineering, ChungNam National University) ,  Jung, Sangkeun (Computer Science & Engineering, ChungNam National University) ,  Roh, Yoon-Hyung (Language Intelligence Research Section, Electronics and Telecommunications Research Institute)

Abstract ▼ AI-Helper 아이콘AI-Helper

Automatic spacing in Korean is used to correct spacing units in a given input sentence. The demand for automatic spacing has been increasing owing to frequent incorrect spacing in recent media, such as the Internet and mobile networks. Therefore, herein, we propose a transformer encoder that reads a...

Keyword

#attention   #BERT   #Korean automatic spacing   #natural language processing   #pretrained transformer encoder  

참고문헌 (22)

  1. H.-S. Woo, A study on property and application of word spacing in Korean, J. North-East Asian Cult. 51 (2017), 73-94. 

  2. H. Hwang and C. Lee, Automatic Korean word spacing using deep learning, in Proc. Korea Comput. Congr. (Jeju, South korea), June 2016, pp. 738-740. 

  3. S.-W. Kim and S.-P. Choi, Research on joint models for Korean word spacing and POS (part-of-speech) tagging based on bidirectional LSTMCRF, J. Korean Inst. Inform. Sci. Eng. 45 (2018), no. 8, 792-800. 

  4. C. Lee et al., Joint models for Korean word spacing and POS tagging using structural SVM, J. KIISE Softw. Appl. 40 (2013), no. 12, 826-832. 

  5. A. Vaswani et al., Attention is all you need, in Proc. Conf. Neural Inf. Process. Syst. (NIPS 2017), (Long Beach, CA, USA), Dec. 2017, pp. 5998-6008. 

  6. J. Devlin et al., Bert: Pre-training of deep bidirectional transformers for language understanding, arXiv preprint, CoRR, 2018, arXiv: 1810.04805. 

  7. K.-H. Park et al., Bert for Korean natural language processing: Named entity tagging, sentiment analysis, dependency parsing and semantic role labeling, in Proc. KIISE (Jeju, South Korea), June 2019, pp. 584-586. 

  8. S.-S. Kang, Eojeol-block bidirectional algorithm for automatic word spacing of Hangul sentences, J. KIISE: Softw. Appl. 27 (2000), no. 4, 441-447. 

  9. K. Shim, Automated word-segmentation for Korean usingmutual information of syllables, J. Korea Inf. Sci. Soc. 9 (1996), 991-1000. 

  10. S.-B. Park,Y.-S. Tae, and S.-Y. Park, Self-organizing n-grammodel for automatic word spacing, in Proc. Int. Conf. Comput. Linguistics & Annu. Meet. ACL (Sydney, Australia), July 2006, pp. 633-640. 

  11. C.-K. Lee and H.-K. Kim, Automatic Korean word spacing using structural SVM, in Proc. Korea Comput. Congr. (Jeju, South Korea), June 2012, pp. 270-272. 

  12. C. Lee and H. Kim, Automatic Korean word spacing using Pegasos algorithm, Inform. Process. Manag. 49 (2013), no. 1, 370-379. 

  13. J.-H. Choi, P.-M. Ryu, and H.-J. Oh, Overview of automatic spacing and compound noun decomposition: 2018 Korean natural language processing contest, in Proc. Annu. Conf. Hum. Lang. Technol. (Seoul, South Korea), Oct. 2018, pp. 193-196. 

  14. H. Kim and H. Kim, Effective integration of automatic word spacing and morphological analysis in Korean, in Proc. IEEE Int. Conf. Big Data Smart Comput. (BIGCOMP), (Busan, South Korea), Feb. 2020, pp. 275-278. 

  15. S. Kim, G. Choi, and H. Kim, Reliable automatic word spacing using a space insertion and correction model based on neural networks in Korean, Inf. Process. Manag. 56 (2019), no. 3, 1046-1052. 

  16. C. Park, H. Kim, and C. Lee, Korean morphological analysis and part-of-speech tagging with LSTM-CRF based on BERT, in Proc. Annu. Conf. Hum. Cogn. Lang. Technol. (Daejeon, South Korea), Oct. 2019, pp. 34-36. 

  17. C. Lee et al., Korean Semantic Role Labeling with BERT, J. KIISE. 47 (2020), 1021-1026, http://www.dbpia.co.kr/journal/articleDetail?nodeIdNODE10487830 

  18. C. Park et al., Korean dependency parsing with BERT, in Proc. Korea Comput. Congr. (Jeju, South Korea), June 2019, pp. 530-532, http://www.dbpia.co.kr/journal/articleDetail?nodeIdNODE08763243 

  19. C. Park et al., Korean end-to-end neural coreference resolution with BERT, J. KIISE. 47 (2020), 942-947, http://www.dbpia.co.kr/journal/articleDetail?nodeIdNODE10475010 

  20. K. Clark et al., Electra: Pre-training text encoders as discriminators rather than generators, arXiv preprint, CoRR, 2020, arXiv: 2003.10555. 

  21. Z. Huang,W. Xu, and K. Yu, Bidirectional LSTM-CRF models for sequence tagging, arXiv preprint, CoRR, 2015, arXiv: 1508.01991. 

  22. J. Park, Koelectra: Pretrained electra model for Korean, GitHub, 2020, https://github.com/monologg/KoELECTRA 

저자의 다른 논문 :

LOADING...

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

GOLD

오픈액세스 학술지에 출판된 논문

유발과제정보 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