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
- (3) 온톨로지 매핑: 본 시스템은 3장에서 논의된 바와 같이 가상의 지식베이스를 가정한 모형 쿼리 생성을 위하여 질의에서 분석되어야 하는 최대한의 정보를 의미 분석하는 데에 목표로 하였다. 실제 지식베이스를 대상으로 한 질의응답 시스템의 개발을 위해서는, 디비피디아와 같은 현존하는 지식베이스의 스키마에 대하여 매핑된 SPARQL 쿼리를 생성하는 온톨로지 매핑이 추가 연구로 남아있다.
- 또한 질의에 대한 프레임넷 코퍼스는 한국어는 물론 영어에 대해서도 진행된 바 없는 것으로 알려져 있다. 따라서 본 연구는 한국어 의미 분석을 위해 최소한의 학습데이터를 사용하기 위해 기존에 공개된 자연언어처리 도구를 활용하는 방향으로 진행되었다.
- 본 논문에서는 다양한 한국어 질의의 형태에 대하여, 질의로부터 이해되어야 하는 요소들을 모두 분석하는 것을 목표로 삼았다. 이에 대응하기 위하여 정보추출 방식이 아닌 의미 분석 방식을 채택하였고, 전통적 의미 분석 방식의 한계인 어휘의 의미모호성 문제는 프레임 의미 모호성의 문제로 국한시켰다.
- 본 논문에서는 위와 같은 그래프를 QAF(Question Answering with Frame Semantics)로 부르며, 질문에서 분석되어야 할 필수요소들이 충분히 분석되는 구조로서 보았다. 이때 질의에서 나타난 조사는 의미 분석에서 주요한 특질로서 고려되지만, QAF에서는 실제 논항이 아니라고 간주하여 제외하도록 하였다.
- 이때 질의에서 나타난 조사는 의미 분석에서 주요한 특질로서 고려되지만, QAF에서는 실제 논항이 아니라고 간주하여 제외하도록 하였다. 본 논문에서는 입력으로 한국어 질의를 받고, 출력으로 QAF를 내어주는 시스템 개발을 목표로 하였다.
- 본 논문에서는 자연언어 질의를 분석하기 위하여 프레임 구조를 적용한 의미 분석으로서 QAF 모형 쿼리를 생성하는 시스템을 개발하였다. 지식베이스에 의존적인 쿼리 생성은 지식베이스의 불완전성으로 질의에서 나타나는 정보를 충분히 분석하지 못한다는 점에 착안하여, 의미 분석으로서 프레임 구조를 분석하는 것을 목표로 하였다.
- 그리고 질의에서 제공하는 정답의 근거들(3)은 SPARQL 쿼리에서 와 같은 트리플 패턴으로 작성되어 수많은 지식베이스의 개체들 중에서 가장 정답에 가까운, 즉 트리플 패턴의 조건들에 부합하는 개체들을 정답으로 내어주게 된다. 본 논문에서는, 한국어 질의를 충분히 의미 분석하는 것을 목표로 하고 있어 위의 세 가지 요소를 모두 발견하는 시스템을 개발하고자 한다.
- 이러한 프레임은 종종 지식베이스의 스키마로서 사용되기도 한다[9]. 본 논문에서는, 한국어 질의에 대한 의미 이해 방법으로서, 프레임 구조에 기반한 모형 쿼리(pseudo query)를 생성하는 것을 목표로 하며, 현재의 연구 범위에서는 단문 질의와 단답형 질의를 대상으로 수행하였다. 아래 표 1에서 위에서 상술된 정보추출(IE) 방식과, 전통적인 의미 분석(SP) 방식, 그리고 본 논문과의 연구 위치를 비교하였다.
- SRL 결과에서 발견된 복수개의 술부-논항 그래프의 경우 독립적인 어노테이션 층으로 존재하여, 두 그래프를 연결해주는 모듈의 개발이 필요하다. 본 시스템에서는 각 논항들의 문장 내 위치 정보를 사용하여 어노테이션 들을 연결하는 모듈을 개발하여 포함하였다.
- 이러한 결과는 사용의 편의를 위하여 JSON 포맷과 RDF 포맷의 두 가지 형태로 출력된다. 여기에는 추후 디비피비아와 같은 실제 지식베이스에 적합한 SPARQL 쿼리로 변경하는 모듈을 개발하는데 있어 상호운용성을 확보하고자 하는 의도가 있다.
- 본 논문에서는 자연언어 질의를 분석하기 위하여 프레임 구조를 적용한 의미 분석으로서 QAF 모형 쿼리를 생성하는 시스템을 개발하였다. 지식베이스에 의존적인 쿼리 생성은 지식베이스의 불완전성으로 질의에서 나타나는 정보를 충분히 분석하지 못한다는 점에 착안하여, 의미 분석으로서 프레임 구조를 분석하는 것을 목표로 하였다. 추후 연구에서는 복문 질의에 대한 처리 및 실제 지식베이스에의 적용 등을 수행할 예정이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.