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
- 본 논문은 규칙 기반 품사 태깅 모델의 장점과 통계기반 품사 태깅 모델의 장점을 갖추면서도 통계 기반 모델의 단점인 대용량 통계 자료 저장 문제와 자료 부족문제를 줄임과 동시에, 한국어의 형태론적 특성을 고려한 통합 모델을 제안한다.
- 있다. 한국어 자동 띄어쓰기에 대해 연구한 이 논문은, 띄어쓰기할 확률믈 구하기 위해 카테고리 패턴에 기반하여 어절 확률을 계산하는 모델을 제안하였다.
- 본 절에서는 규칙 기반 모델과 통계 기반 모델의 장점을 취하고 단점을 보완할 수 있는 苣합 품사 태깅 모델을 제안한다. 이 혼합 모델은 수동 구축한 규칙 기반 모델과 어절 카테고리 패턴 기반 모델을 적용한 두 모듈로 구성된다.
- 이 논문[기어서는 어절 unig「sm 출현 확률을, 그것을 구성하는 형태소 unig「am 출현 확률과 미리 학습한 카테고리 패턴 파라미터를 이용하여 계산하는 방법을 제시하였다. 아래에 어절 '날다+는'의 확률을 동사 '날다'와어미 '는' 각각의 빈도를 이용해 계산하는 예가 있다.
- 본 논문은 규칙 기반 품사 태깅 모델과 통계 기반 품사 태깅 모델의 장점을 취하고 단점을 보완할 수 있는혼합 품사 태깅 모델을 제안하였다. 카테고리 패턴 기반중의성 해소 모듈에서 타 통계기반 시스템에 비해 월등히 적은 양의 통계 정보를 사용하고, 어절 내 형태소들간의 결합 패턴을 이용하는 카테고리 패턴기반 모델을도입함으로써 어절을 인식하여 한국어 형태론적 제약규칙을 최대한 고려하는 태깅을 수행함과 동시에 대용량통계 자료를 저장해야 하는 뮨제 등을 해결하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.