초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

하위범주화는 술어와 보어간의 의존 관계를 정의하는 언어정보로서 다의어 태깅이나 이 외에 자연어처리의 다양한 곳에 이용될 수 있다. 그러나 하위범주화에서 다루는 필수논항은 격조사로 표현되어 실제로 한국어에서 자주 나타나는 보조사는 여기에 포함되지 않는다. 이런 문제 때문에 하위범주화네 나타난 격조사만을 그대로 이용하려고 하면 재현율에 큰 문제가 발생하게 된다. 본 논문에서는 문장에서 격조사 대신 보조사가 사용되었을 때 하위범주화의 필수논항으로 인정할 수 있는 방법을 제시하고, 특히 보조사에 적용할 경우에 생기는 이점을 실험으로 증명한다.

하위범주화는 술어와 보어간의 의존 관계를 정의하는 언어정보로서 다의어 태깅이나 이 외에 자연어처리의 다양한 곳에 이용될 수 있다. 그러나 하위범주화에서 다루는 필수논항은 격조사로 표현되어 실제로 한국어에서 자주 나타나는 보조사는 여기에 포함되지 않는다. 이런 문제 때문에 하위범주화네 나타난 격조사만을 그대로 이용하려고 하면 재현율에 큰 문제가 발생하게 된다. 본 논문에서는 문장에서 격조사 대신 보조사가 사용되었을 때 하위범주화의 필수논항으로 인정할 수 있는 방법을 제시하고, 특히 보조사에 적용할 경우에 생기는 이점을 실험으로 증명한다.

AI 본문요약

엑셀 다운로드 AI-Helper

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

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• (3) 문장에서 사용된 논항과 UWordMap에서 찾은 논항이 일치하는지 확인한다.
• 본 논문에서는 UWordMap의 하위범주정보를 사용하기 위해서 격조사가 없는 경우(보조사만 나타나거나, 조사가 없는 경우)에도 문장에서 그 어절의 통사격(논항)을 추측한다[3]. UWordMap은 표준국어대사전을 기반으로 다의어 수준에서 구축한 어휘의미망으로 명사의 상위어, 하위어 관계와, 용언의 하위범주화 정보가 포함되어 있다[4].
• 본 논문에서는 실제 문장에서 필수논항의 격이 나타나지 않고 보조사가 나타난 경우 하위범주정보의 의미제약정보를 이용하여 보조사의 격을 결정하는 방법을 제안하였다. 본 논문에서는 간단하게 보조사 또는 조사가 생략된 경우에 한정해서 다른 필수논항과 50%의 유사도가 있다고 간주하도록 하였고, 이 방법이 효과가 있음을 확인하기 위해서 다의어 중의성 해소에 실험하였다.
• 본 논문에서는 위와 같은 경우에 트리플에 저장된 필수논항의 격조사가 실제 문장에 나타난 논항과 문자적으로는 다르더라도 격의 관점에서는 일부 또는 전체가 일치하는 것으로 처리하는 정량적인 방법을 제안하고자 한다.

제안 방법

• 본 논문에서는 보조사의 격을 결정하는 알고리즘의 효과를 증빙하기 위해 이 알고리즘을 다의어 분별에 응용한다. 구체적으로는 신준철(2015)의 다의어 중의성 해소 알고리즘을 수정하여 개선여부를 확인한다[6]. 기존의 알고리즘은 다음의 3단계로 구성된다.
• 신준철(2016)은 기존에 존재하던 동형이의어 분별 시스템의 정확률을 개선하기 위해서 UWordMap을 이용하는 연구를 하였다. 또한 UWordMap을 이용하여 다의어의 중의성을 해소하는 연구도 하였다.
• 본 논문에서는 실제 문장에서 필수논항의 격이 나타나지 않고 보조사가 나타난 경우 하위범주정보의 의미제약정보를 이용하여 보조사의 격을 결정하는 방법을 제안하였다. 본 논문에서는 간단하게 보조사 또는 조사가 생략된 경우에 한정해서 다른 필수논항과 50%의 유사도가 있다고 간주하도록 하였고, 이 방법이 효과가 있음을 확인하기 위해서 다의어 중의성 해소에 실험하였다. 그 결과 약간의 효과가 있음을 확인하였다.
• 본 논문에서는 보조사의 격을 결정하는 알고리즘의 효과를 증빙하기 위해 이 알고리즘을 다의어 분별에 응용한다. 구체적으로는 신준철(2015)의 다의어 중의성 해소 알고리즘을 수정하여 개선여부를 확인한다[6].
• 5와 같이 0과 1 사이의 값을 반환할 수 한다. 본 논문에서는 일단 보조사에 한정하여 단순한 방식으로 적용하였다. 보조사는 세종태그셋이 JX인 것을 의미한다.
• 본 논문에서는 자질 함수 3을 수정하였다. 본래는 1 또는 0을 반환하지만 수정된 자질 함수 3은 논항이 일부 유사한 것으로 판단되면 0대신에 0.
• 18%가 향상된 것으로 매우 작은 변화이다. 이 변화가 의미가 있는 것인지 아니면 단순한 우연인지 확인하기 위해서 알고리즘이 수정되면서 발생한 태깅 결과의 변화를 분석하였다. 알고리즘이 수정되면서 올바르게 태깅된 형태소의 개수는 총 4천개이고,수정 전에는 올바르게 태깅되다가 알고리즘 수정으로 인해 오답으로 태깅된 형태소는 2,452개이다.

대상 데이터

• 이 말뭉치에는 총 314만개의 형태소가 있고 정확률 측정에는 품사가 NNG, VV, VA인 것만 대상으로 하였다. 그래서 실제로 정확률 측정의 대상이 되는 형태소의 수는 총 89만개이며 정확률 측정은 형태소 단위로 하였다. 형태소 분석과 품사 그리고 동형이의어 분석을 위해서는 UTagger 를 사용하였고, baseline으로 삼기 위해 신준철(2015)의 기존 알고리즘을 그대로 사용하여 다의어 분별 정확률을 측정하였다.
• 실험환경은 신준철(2015)의 것과 동일하게 표준국어대사전의 용례를 말뭉치로 사용하였다. UWordMap 브라우져에서 단어를 검색하고 다의어 번호를 클릭하면 나타나는 용례 항목을 통해서 확인할 수 있으며[3], 다만 여기에는 원형만 표시하고 있다.
• UWordMap 브라우져에서 단어를 검색하고 다의어 번호를 클릭하면 나타나는 용례 항목을 통해서 확인할 수 있으며[3], 다만 여기에는 원형만 표시하고 있다. 이 말뭉치에는 총 314만개의 형태소가 있고 정확률 측정에는 품사가 NNG, VV, VA인 것만 대상으로 하였다. 그래서 실제로 정확률 측정의 대상이 되는 형태소의 수는 총 89만개이며 정확률 측정은 형태소 단위로 하였다.

이론/모형

• 그래서 실제로 정확률 측정의 대상이 되는 형태소의 수는 총 89만개이며 정확률 측정은 형태소 단위로 하였다. 형태소 분석과 품사 그리고 동형이의어 분석을 위해서는 UTagger 를 사용하였고, baseline으로 삼기 위해 신준철(2015)의 기존 알고리즘을 그대로 사용하여 다의어 분별 정확률을 측정하였다. 이 정확률은 본래 65.

성능/효과

• (2) 용언과 명사의 관계를 UWordMap에서 찾으며, 이 과정에서 명사의 상위어를 사용할 수도 있다.
• 본 논문에서는 간단하게 보조사 또는 조사가 생략된 경우에 한정해서 다른 필수논항과 50%의 유사도가 있다고 간주하도록 하였고, 이 방법이 효과가 있음을 확인하기 위해서 다의어 중의성 해소에 실험하였다. 그 결과 약간의 효과가 있음을 확인하였다.
• 보조사의 격 결정 효과를 실험하기 위해서 3장에서 상술한 알고리즘을 사용하였으며, 그 결과로 정확률이 66.35%가 나왔다. <표 2>가 이것을 나타낸다.
• 본 논문에서 제안하는 알고리즘은 비록 간단하지만 하위범주화를 조금 더 효과적으로 사용할 수 있음을 보였다. 특히 현재까지 구축된 한국어 하위범주화 정보는 실제로 응용하기에는 다소 부족한 면이 있으며 보조사에 대해서는 전혀 다루고 있지 않기 때문에 이러한 연구가 앞으로 반드시 필요하다.
• 형태소 분석과 품사 그리고 동형이의어 분석을 위해서는 UTagger 를 사용하였고, baseline으로 삼기 위해 신준철(2015)의 기존 알고리즘을 그대로 사용하여 다의어 분별 정확률을 측정하였다. 이 정확률은 본래 65.58%였으나 UWordMap이 1년간 계속 추가 구축되었고, 소스코드의 일부 오류를 수정하여 정확률이 조금 향상되어 66.17%로 측정되었다.

후속연구

• 특히 현재까지 구축된 한국어 하위범주화 정보는 실제로 응용하기에는 다소 부족한 면이 있으며 보조사에 대해서는 전혀 다루고 있지 않기 때문에 이러한 연구가 앞으로 반드시 필요하다. 따라서 향후에는 보조사의 여러 현상들을 통계적으로 접근할 필요가 있으며, 기존의 하위범주화를 더욱 효과적으로 응용할 수 있는 방향으로 연구해야할 것이다.
• 본 논문에서 제안하는 알고리즘은 비록 간단하지만 하위범주화를 조금 더 효과적으로 사용할 수 있음을 보였다. 특히 현재까지 구축된 한국어 하위범주화 정보는 실제로 응용하기에는 다소 부족한 면이 있으며 보조사에 대해서는 전혀 다루고 있지 않기 때문에 이러한 연구가 앞으로 반드시 필요하다. 따라서 향후에는 보조사의 여러 현상들을 통계적으로 접근할 필요가 있으며, 기존의 하위범주화를 더욱 효과적으로 응용할 수 있는 방향으로 연구해야할 것이다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기