최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국정보과학회언어공학연구회 2018년도 제30회 한글 및 한국어 정보처리 학술대회, 2018 Oct. 12, 2018년, pp.600 - 604
박근영 (NLP, 네이버) , 김경덕 (NLP, 네이버) , 강인호 (NLP, 네이버)
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
머신러닝을 사용해 자연어 텍스트를 처리하기 위해서는 무엇이 필요한가? | 머신러닝을 사용해 자연어 텍스트를 처리하기 위해서는 텍스트를 수치적 표현으로 변환해야 하며 이 과정에서 임베딩 벡터 표현이 사용된다. 어휘가 발생하는 문맥에 따라 임베딩 벡터를 학습하는[4][5][6] 이러한 벡터 표현 학습 방식은 대상 어휘의 단위에 따라 다양한 모델이 제안되었다[7][8]. | |
자연어 텍스트의 문법적 완결성을 더욱 악화시키는 요인이 되는것은? | 한국어에서 발생 가능한 다양한 형태의 문법적 오류 중 철자나 띄어쓰기의 오류는 한국어 원어민 사이에서도 쉽게 발견된다. 또한 인터넷과 스마트폰, 인공지능 스피커 등의 사용이 일상화된 오늘날의 상황에서 키보드 타이핑 혹은 음성 인식 과정에서 발생하는 오류는 자연어 텍스트의 문법적 완결성을 더욱 악화시키는 요인이 된다. 이러한 오류는 의미의 중의성과 모호성을 증가시켜 결과적으로 텍스트 분류 모델의 성능 또한 저하시킨다. | |
문법적 오류 중 띄어쓰기 오류를 포함하는 한국어 문장을 대상으로 분류 모델을 적용할 때 강건한 수준의 성능을 확보할 수 있는 문장 압축 기반 학습 방식을 제안한 연구의 결과는? | 실험 결과만으로 일반화 시킬 수는 없겠으나 제안한 문장 압축 기반 학습 방식이 다양한 수준의 한국어 문장띄어쓰기 오류 현상에 대해 강건한 성능을 유지할 수 있음을 입증했다. 이를 위해 본 연구에서는 입력 문장 자질 생성 방식 자체에 집중하고자 하였다. |
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.