[논문]강화학습을 이용한 구어 태거의 모델링과 구어 태거의 구현

정홍; 서명원; 김용; 박기윤

강화학습을 이용한 구어 태거의 모델링과 구어 태거의 구현
Modeling a Tagger for Korean Spoken Language 원문보기

정홍 (포항공과대학교 전자컴퓨터공학부) , 서명원 (포항공과대학교 전자컴퓨터공학부) , 김용 (포항공과대학교 전자컴퓨터공학부) , 박기윤 (포항공과대학교 전자컴퓨터공학부)

본 논문에서는 기존의 문어를 다루는 태거와는 달리 구어를 처리할 수 있는 구어태거를 구현하였다. 구어태거는 크게 심층구조와 표층구조의 두 가지 부분으로 구성되어 있으며, 촘스키의 구조에 따라 설계하였다. 심층구조에서 예측된 문장은 표층구조에서 실제의 입력과 음소열수준으로 비교되고 그 결과 가 다시 심층구조로 되메김된다. 이를 통해 가장 적합한 후부가 선택되며 또한 강화학습을 통해 문법과 어휘가 학습된다. 실험을 통해서 여러 가지 잡음이 섞인 입력단어를 본 태거가 얼마나 정확한 예측을 할 수 있는가를 보았으며, 그 결과 잡음에 강한 특성을 나타내는 것을 확인하였다.

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

문제 정의

이전의 대부분의 파서들(예를 들면 ATN, Tomita parser, Chart pawser)[l]은 완전한 형讶의 어휘와 문장구조를 요구하는 문어만을 처리하여 실세계 구어를 다루는 데는 한계가 있다. 본 연구는 이런 구어 파서를 구현하기에 앞서 보다 작은 문장요소를 다루는 구어 태거 를 구현하고, 파세2]-[4]로의 가능성울 확인하였다.

제안 방법

인식의 결과값은 다음 모델인 학습 단계에서 강화 학 습의 보상값(reward)으로 쓰이게 된다. 본 연구에서는 기존의 유니코드 2.0 을 변형하여 한국어 음소열간의 거리를 측정에 적합한 새로운 코드를 고안하여 사용하였다.
우리는 기존의 한국어 태강 시스템과는 달리 실제 구어를 처리할 수 있는 구어 태깅 시스템의 구조틀 정립하고, 나아가 태거로 구현하였다. 구어 태거의 구 조는 문법을 생성하는 심층 구조와 어휘를 생성하는 표층구조의 예측 부분, 예측된 결과와 입력으로 들어 오는 음소를 매칭하는 인식부분, 인식의 결과에 따라 학습을 하는 부분으로 크게 3부분으로 이루어져 있다.
태깅 실험에서는 여러가지 잡음 정보(띄어쓰기, 특정 음소 삽입 및 삭제)를 포함한 입럭 문장이 얼마나 정 확하 게 태깅하는지를 실험하였다. 실험에 사용된 말뭉치는 문 장 이 15, 818개, 어절이 206, 636인 KA1ST 말뭉치를 사용하였다.

대상 데이터

태깅 실험에서는 여러가지 잡음 정보(띄어쓰기, 특정 음소 삽입 및 삭제)를 포함한 입럭 문장이 얼마나 정 확하 게 태깅하는지를 실험하였다. 실험에 사용된 말뭉치는 문 장 이 15, 818개, 어절이 206, 636인 KA1ST 말뭉치를 사용하였다.

이론/모형

여기서 안식문제를 해결할 수 있는 가장 좋은 방법 인 동적프로그래밍(dynamic Programming)을 사용한다. 인식의 결과값은 다음 모델인 학습 단계에서 강화 학 습의 보상값(reward)으로 쓰이게 된다.

성능/효과

태거는 크게 예측, 인식, 학습 모듈로 구성되어 있다. 다시 말해서, 기존의 자연어 태거와 같은 상향식(bottom-up) 분석 방법이 아닌 과거 기 억을 바탕으로 미래의 입력을 예측하는 하향식(top-down) 방식인 능동적인 태거이며, 태거의 출력과 실제 입럭 신 호를 비교하여 음소 수준에서 거리툴 측정할 수 있다. 학 습 모듈에서는 강화 학습을 이용하여 정답으로 결정된 생 성 습성을 증가시키게 된다.
또한 문장이 여러 단계의 성 분으로 이루어저 있는 것을 고려하여 계층적 구조로 설계 하였으며 각 단계마다 상호 작용을 하게 된다. 본 구어 태거의 구조를 파서로 확정하여 HMM 기반의 음성 인식 기와 연결할 경우, 탐색 공간을 대폭 줄일 수 있을 뿐더 러, 잡음이 섞인 음성 인식기의 성능을 많이 증가 시킬 수 있다.
구어 태거의 구 조는 문법을 생성하는 심층 구조와 어휘를 생성하는 표층구조의 예측 부분, 예측된 결과와 입력으로 들어 오는 음소를 매칭하는 인식부분, 인식의 결과에 따라 학습을 하는 부분으로 크게 3부분으로 이루어져 있다. 태깅 실험에서는 기존의 태거들과 달리 잡음이 있는 입력에 대해서도 높은 인식률을 보였다. 이를 구어 파서로 확장하고 음성 인식기와 연결하면 최초 의 구어 인식 및 파싱 시스템이 될 것이며 이는 여러 분야에 응용이 기대된다.

후속연구

태깅 실험에서는 기존의 태거들과 달리 잡음이 있는 입력에 대해서도 높은 인식률을 보였다. 이를 구어 파서로 확장하고 음성 인식기와 연결하면 최초 의 구어 인식 및 파싱 시스템이 될 것이며 이는 여러 분야에 응용이 기대된다.

원문 보기

ScienceON 원문보기

*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.

내보내기 메뉴

내보내기 구분

파일저장
인쇄
메일전송

구성항목

기본정보
상세정보

관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관

저장형식

Text(ASCII format)
Excel format
RefWorks Direct Export
RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley

메일정보

받는사람 (필수): @
보내는사람 (선택): @
제목
내용: KISTI 검색결과 이메일 서비스

안내

총 건의 자료가 검색되었습니다.

다운받으실 자료의 인덱스를 입력하세요. (1-10,000)

검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다.

데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요)

다운로드 파일은 UTF-8 형태로 저장됩니다.
파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오.

Text(ASCII format)
Excel format

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

AI-Helper ※ AI-Helper는 을 사용합니다.

AI-Helper

안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

연합인증

강화학습을 이용한 구어 태거의 모델링과 구어 태거의 구현
Modeling a Tagger for Korean Spoken Language 원문보기

초록
AI-Helper