[논문]위키피디아 링크 데이터를 이용한 Neural Network Model 기반 한국어 개체명 연결

이영훈; 나승훈

위키피디아 링크 데이터를 이용한 Neural Network Model 기반 한국어 개체명 연결
Neural Network Model for Named Entitiy Linking using Wikipedia Link Data 원문보기

이영훈 (전북대학교) , 나승훈 (전북대학교)

개체명 연결이란 주어진 문장에 출현한 단어를 위키피디아와 같은 지식 기반 상의 하나의 개체와 연결하여 특정 개체가 무엇인지 식별하여 모호성을 해결하는 작업이다. 본 연구에서는 위키피디아의 링크를 이용하여 개체 표현(Entity mention)과 학습 데이터, 지식 기반을 구축한다. 또한, Mention/Context 쌍의 표현과 Entity 표현의 코사인 유사도를 이용하여 Score를 구하고, 이를 통해 개체명 연결 문제를 랭킹 문제로 변환한다. 개체의 이름과 분류뿐만 아니라 개체의 설명, 개체 임베딩 등의 자질을 이용하여 모델을 확장하고 결과를 비교한다. 확장된 모델의 개체 링킹 성능은 89.63%의 정확도를 보였다.

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

가설 설정

임의의 개체 19개와 정답 개체 1개를 포함한 총 20개의 후보 개체 중에서 정답 개체의 Score가 가장 높은 값을 가지게 되면 정답으로 가정하고, 이에 대한 정확도(Accuracy)를 측정하였다.

제안 방법

본 논문에서는 Mention/Context 쌍과 후보 개체 간의 유사도를 비교함으로써 개체명 연결 문제를 랭킹 문제로 변환한다. 위키피디아에서 얻을 수 있는 Feature를 이용하여 모델을 확장하고, 모델별 성능을 측정하여 비교할 것이다.
실험 데이터의 편향을 막고, 실제 데이터의 비율을 반영하기 위해서 각 Mention은 100개로 제한하여 데이터를 구성하였고, 학습 셋과 평가 셋을 랜덤하게 7:3의 비율로 나누었다.
본 논문에서는 Mention/Context 쌍과 후보 개체 간의 유사도를 비교함으로써 개체명 연결 문제를 랭킹 문제로 변환한다. 위키피디아에서 얻을 수 있는 Feature를 이용하여 모델을 확장하고, 모델별 성능을 측정하여 비교할 것이다.
전체적인 구조는 Mention/Context 표현 파트, Entity 표현 파트로 구성되어있다. 한국어에 적용하기 위해서 형태소 분석을 통하여 워드 임베딩 Vector를 얻어내고 각 어절에 대해서 1차원 Convolution 연산과 Max-Pooling을 사용하여 문장의 표현을 얻어내었다. 다음은 Character CNN의 정의이다.

대상 데이터

실험에 사용된 데이터는 위키피디아의 동음이의어 문서(Disambiguation Page)의 정보를 이용하였다. 또한 한국어 위키피디아의 설명 중 개체가 링크(Hyper-Link)되어 있는 데이터를 실험 데이터로 사용하였으며, 개체의 표현이 포함된 문장을 Context, 개체의 표현을 Mention으로 설정하였다. [표 1]은 “거미_(가수)”가 언급된 위키피디아 문장의 일부이다.
본 논문에서는 위키피디아의 링크를 이용하여 개체 링킹 데이터를 구축하고 실험에 사용하였다. Mention/Context 표현과 Entity 표현 간의 코사인 유사도를 이용하여 Score를 구하여 지식 기반 상의 개체와 링크한다.
실험에 사용된 데이터는 위키피디아의 동음이의어 문서(Disambiguation Page)의 정보를 이용하였다. 또한 한국어 위키피디아의 설명 중 개체가 링크(Hyper-Link)되어 있는 데이터를 실험 데이터로 사용하였으며, 개체의 표현이 포함된 문장을 Context, 개체의 표현을 Mention으로 설정하였다.

이론/모형

Mention/Context 표현을 하나로 합치기 위하여NTN(Neural Tensor Network)[12-13]을 이용한다. 본 모델에서 사용된 Tensor Net은 파라미터의 수를 줄이기 위해서 [그림 2]와 같이 Low-Rank 행렬 근사를 이용한다.
개체의 분류는 위키피디아의 분류 정보 중에서 오른쪽단어를 기준으로 가장 많은 빈도를 가지는 단어를 사용하였다. 예를 들어 가수 거미의 분류에 “1981년 태어남”, “2003년 데뷔”, “대한민국의 여자 가수”, “2000년대 가수”, “대한민국의 R&B 가수”가 존재하면 각각 가장 오른쪽 단어의 빈도인 {가수:3, 데뷔:1, 태어남:1} 을 가지게 되므로 거미_(가수) 개체는“가수”의 분류 정보를 가지게 된다.
Mention/Context 표현을 하나로 합치기 위하여NTN(Neural Tensor Network)[12-13]을 이용한다. 본 모델에서 사용된 Tensor Net은 파라미터의 수를 줄이기 위해서 [그림 2]와 같이 Low-Rank 행렬 근사를 이용한다. i번째 Slice를 = M_i1 × M_i2 + diag(m_i)으로 근사화하여 적용한다.

성능/효과

Mention/Context 표현과 Entity 표현 간의 코사인 유사도를 이용하여 Score를 구하여 지식 기반 상의 개체와 링크한다. 또한 개체 이름과 분류뿐만 아니라 개체의 설명, 개체 임베딩을 추가하여 모델을 확장하였고 Base Model보다 약 3.5%의 성능을 향상한 89.63%의 성능을 보였다.

핵심어

질문

논문에서 추출한 답변

개체명 연결이란 무엇인가?

개체명 연결(Named Entity Linking)은 주어진 문장에 출현한 단어를 위키피디아[1]와 같은 지식 기반(Knowledge base) 상의 하나의 개체와 연결하여 특정 개체가 무엇인지 식별하는 작업이다. 예를 들어 “파리는 프랑스의 수도이다.

위키피디아의 링크를 이용하여 개체 링킹 데이터를 구축한 본 연구에서 지식 기반 상의 개체와 링크하는 방법은 무엇인가?

본 논문에서는 위키피디아의 링크를 이용하여 개체 링킹 데이터를 구축하고 실험에 사용하였다. Mention/Context 표현과 Entity 표현 간의 코사인 유사도를 이용하여 Score를 구하여 지식 기반 상의 개체와 링크한다. 또한 개체 이름과 분류뿐만 아니라 개체의 설명, 개체 임베딩을 추가하여 모델을 확장하였고 Base Model보다 약 3.

자연 언어 처리 분야에서 개체명 연결은 어떠한 용도로 사용되는가?

개체명 연결은 지식 기반 확장이나 정보 추출[7], 정보 검색 시스템[8], 질의응답 시스템[9] 등의 여러 태스크에서 데이터 전처리에 사용되는 등 여러 자연 언어 처리 분야에서 중요한 요소로 사용되고 있다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

위키피디아 링크 데이터를 이용한 Neural Network Model 기반 한국어 개체명 연결
Neural Network Model for Named Entitiy Linking using Wikipedia Link Data 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

가설 설정

제안 방법

대상 데이터

이론/모형

성능/효과

질의응답

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

위키피디아 링크 데이터를 이용한 Neural Network Model 기반 한국어 개체명 연결 Neural Network Model for Named Entitiy Linking using Wikipedia Link Data 원문보기

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

AI 본문요약 엑셀 다운로드 AI-Helper

가설 설정

제안 방법

대상 데이터

이론/모형

성능/효과

질의응답

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

위키피디아 링크 데이터를 이용한 Neural Network Model 기반 한국어 개체명 연결
Neural Network Model for Named Entitiy Linking using Wikipedia Link Data 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper