선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 이러한 용언 중 반 정도가 문장의 의미와 관련이 없으므로 이것을 배제하면 구문 분석 시 발생하는 모호성을 감소시키고, 사전 검색의 횟수를 줄여 시스템의 성능을 향상시킬 수 있다. 그리고 이러한 단위화에서 발생하는 주어 생략과 모호성 문제에 대한 해결방법올 제시한다. 마지막으로 단위화 처리의 결과로 찾은 의미적 중심용언을 이용하여 문장의 필수 성분을 추출한다.
- 이러한 문제점은 배제된 정보처리어 의 필수 의존소 결정 문제이다. 본 논문에서는 이와 같은 정보처리어 중 인용 문장에서의 인용 주체의 생략과 모호성 문제에 대한 해결 방법을 제시한다. 인용문에서의 인용 주체 결정 문제는 인용 주체의 의미적 자질 정보를 이용한다.
- 본 논문에서는 정보처리 어의 단위 화로 얻은 의미적 중심용언과 하위범주 사전을 이용하여 문장 내 동사의 필수 의존소들을 결정하는 알고리즘을 제안한다. 본 알고리즘에서 이용하는 하위범주 사전은 동사의 필수 격 정보와 각각의 격 내에 올 수 있는 명사 의미 자질로 구성되고, 하위 법주 사전 내의 동사가 여러 개의 격을 가질 때에 최장 성분 일치 격구조 원칙을 따른다.
- 본 논문은 문서 요약 시스템의 일부로써 신문 기사의 문장을 효율적으로 분석할 수 있는 구문 분석기를 구현한다. 신문 기사는 일반적으로 사용되어지는 문장과는 많은 차이점이 있다.
- 본 논문은 신문 기사에 나타나는 동사의 겹침 현상을 이용하여 용언을 단위 화하고 이것을 이용하여 신 문 기사의 구문 분석 시 발생할 모호성을 최소화한다. 그리고 의미적 중심용언을 이용하여 문장의 필수 성분을 추출한다.
- 요약의 대상인 신문 기사의 분장은 보조동사, 화용조사, 인용동사 등 많은 동사들을 가지며, 이와 같은 동사들은 구문분석을 할 때 많은 문제점을 발생시킨다. 본 논문은 이들을 정보처리어라 정의하고, 이를 구문 분석의 대상에서 제위함으로 구문 분석시 발생하는 모호성을 감소시기고 시스템 성능을 향상 시 켰다. 그리고 정보처리어의 단위화에 따른 주어 생략 및 모호성 문제를 제기하고 이를 해결하는 방범을 제시한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.