$\require{mediawiki-texvc}$

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.

특허 개체명 인식에 대한 기계학습 사례
Named Entity Recognition for Patent Data by Machine Learning 원문보기

한국정보과학회언어공학연구회 2014년도 제26회 한글 및 한국어 정보처리 학술대회, 2014 Oct. 07, 2014년, pp.183 - 186  

이태석 (한국과학기술정보연구원) ,  강승식 (국민대학교 컴퓨터공학부)

초록
AI-Helper 아이콘AI-Helper

특허 분석에서 관심 있는 기술명, 서비스명, 제품명을 인식하도록 기계학습 기법을 사용해 개체명 인식기의 성능을 평가해 보았다. 개체인식을 위한 엔진은 스탠포드 대학의 NER과 CRF++을 사용하였다. 그 결과 F1값인 0.5612로 나타났다. 이것은 인명, 지역명, 조직명 개체를 인식하는 다른 연구에서 나타난 0.7857보다 0.2245 떨어지는 결과이다. 특허 개체명 인식에 대한 자질값 선정과 사전처리에 대한 더 많은 연구가 필요하다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 논문에서는 Conditional Random Fields 알고리즘을 사용하는 스탠포드 NER을 사용하여 특허 데이터를 학습하고 학습 모델을 테스트하고 평가하였다[8]. 스탠포드 NER은 오픈소스로서 자질값 확장으로 간단하고 다양하게 처리 가능하며, 텍스트에 있는 단어의 개체 명 인식 (NER) 레이블 시퀀스를 이용한다.
  • 전통적인 특허 계량분석뿐만 아니라 비정형화된 텍스트 마이닝 기술과 기계학습을 통한 특허분석으로 그 영역이 넓혀지고 있다[1]. 본 논문은 자연어처리에서 연구되어온 개체명 인식기를 특허 자료에 접목하여 제한된 특허맵 분석을 자동화하고 다양화 할 수 있는 특허 기술 및 제품에 대한 개체명 인식을 시도하고 그 성능을 평가하고자 한다.
본문요약 정보가 도움이 되었나요?
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