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 문서 분류 기법은 키워드의 출현빈도의 분포를 사용하므로 인접한 단어간의 관령성이나 구조적인 정보를 유사도 측정에 반영할 수 없다. 본 논문에서는 대화체 도메인과 이질성이 큰 타 도메인과의 결합을 효과적으로 수행하기 위하여 n-gram 기반의 tf*idf 유사도를 이용한 새로운 언어모델 적응 방법을 제안한다.
- 간투어가 잡음과 같은 비언어적인 요소로 분류되기도 했었지만, 최근에는 주변 단어에 대한 예측 기능이 있다고 알려져 있다 [6]. 본 논문에서는 이와 같은 간 투어의 예측 기능을 모델링하여 평가하였다.
- 본 논문에서는 한국어 대화체 음성을 방송뉴스와 신문 기사들과 비교 · 분석하여, 특정 보조사의 빈번한 사용, 어미나 조사의 빈번한 생략이나 축약 등의 대화 현상들이 있음을 밝혔다. 또한 효과적인 대화체 언어 모델 생성을 위하여 타 도메인 텍스트와 결합하는 과정에 이러한 대화 특징들을 반영할 수 있는 n-gram 기반의 tf*idf 유사도를 이용한 언어모델 적응 방법과 간 투어 모델링을 제안하였다.
- 본 논문에서는 효과적인 대화체 언어모델의 적응을 위하여 대화체의 스타일을 최대로 반영할 수 있도록 한 하는데 초점을 두어 두가지 측면에서 접근하였다. 첫 번째는 n-gram 기반의 tf*idf (Term Frequency Inverse Document Frequency) 유사도를 가중치로 이용하여 문서 단위로 대화체와 타 도메인을 결합하였다.
가설 설정
- 언어모델 혼잡도의 감소는 적었으나, 간투어가 다음 단어에 대한 예측 기능이 있을 뿐 아니라, 특히 문장의 경계 부분에서 잘 나타나는 특징이 있음을 밝혔다. 또한 여러 시스템들이 간투어를 모델링하여 사용하는데 unigram만을 사용하므로 성능의 개선이 극히 미미했다 [3], 본 논문에서는 간투어가 주변 단어에 대한 예측 기능이 있다는 것을 기본 가정으로 하여, 이전 연구[6]에서와 같이 간투어를 일반 단어들처럼 취급하여 모델링하고자 한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.