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
- Baseline은 연결 대상 어휘별 가장 많이 나오는 개체명으로 연결했을 때의 결과이다. Random Forest(RF)와 Support Vector Machine(SVM) 모형의 결과도 전통적인 모형과의 비교를 위해 첨부했다. 위키 문서에서 명사구나 링크 키워드 등의 자질을 추출하고 자질 선택 과정을 거쳐 상위 10% 의 자질만을 RF와 SVM의 입력으로 사용했을 때의 결과이며, Milne[2]의 연구 결과와 유사한 품질을 보여주고 있음을 확인했다.
- 본 논문에서는 최근 자연어처리, 이미지 분석, 음성인식 등에서 괄목할만한 성과를 내고 있는 딥러닝 모형을 한국어 문장 내 개체명 연결에 적용하고자 한다. 구체적으로 Multilayer Perceptron(MP), Convolutional Neural Network(CNN), Long-Short Term Memory(LSTM), LSTM+Attention 모형 별 품질과 처리 속도 등을 실험을 통해 비교 검증할 것이다.
- 본 논문은 한국어 입력 문장에 내 단어의 개체명 연결 문제를 여러 딥러닝 모형을 적용해 푸는 과정을 소개하고 각각의 품질을 관찰하였다. 전통적인 방법론보다 딥러닝 모형들의 품질이 우수하였으며, LSTM+Attention 방법이 가장 좋은 품질을 보였다.
- 딥러닝 모형은 수동 설정이 필요한 은닉 계층 크기, 계층 깊이 등의 초차원 인자에 따라 품질이 달라지는 경우가 많다. 본 연구에서는 사전 실험을 통해 각 모형별로 최선의 초차원 인자를 찾아 비교를 수행했음을 알린다. 연구 주제나 언어, 데이터의 특성에 따라 초차원 인자는 유동적으로 바뀔 수 있으며, 지면상 전체 사전 실험 결과는 생략한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.