최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국정보과학회언어공학연구회 2016년도 제28회 한글 및 한국어 정보처리 학술대회, 2016 Oct. 07, 2016년, pp.90 - 95
손대능 (네이버 검색연구) , 이동주 (네이버 검색연구) , 이용훈 (네이버 검색연구) , 정유진 (네이버 검색연구) , 강인호 (네이버 검색연구)
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
개체명 연결이란 무엇인가? | 개체명 연결(Named Entity Linking)은 문장 내 출현한 단어의 중의성을 해소하여 단 하나의 개념, 사물, 인물, 장소 등으로 연결하는 작업이다. 단순히 단어가 인명, 장소, 시간, 기업명 등인지만 구분하는 개체명 인식(Named Entity Recognition)보다 더 정교한 모형이 필요한 문제이다[1]. | |
한국어 입력 문장에 내 단어의 개체명 연결문제를 여러 딥러닝 모형을 적용해 푸는 과정을 소개하고 각각의 품질을 관찰한 결론은 어떠한가? | 본 논문은 한국어 입력 문장에 내 단어의 개체명 연결문제를 여러 딥러닝 모형을 적용해 푸는 과정을 소개하고 각각의 품질을 관찰하였다. 전통적인 방법론보다 딥러닝 모형들의 품질이 우수하였으며, LSTM+Attention 방법이 가장 좋은 품질을 보였다. | |
LSTM 모형이란 무엇인가? | LSTM 모형[10]은 이전 단계의 은닉 계층 정보와 현 단계의 단어 임베딩 벡터 정보를 이용해 문장 전체를 순차적으로 전사하여 은닉 계층 상태에 표현되는 문맥 정보와 출력 벡터를 내놓는 RNN 모형 중 하나이다. 기존 RNN과 다른 점은 내부에 메모리 구조가 있어 입출력과 은닉 계층, 메모리 갱신에 관여하는 4개의 게이트가 추가되어있다는 것이다. |
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.