초록 ▼

연구결과
NLPedia를 구축하기 위한 4단계 과정을 수행하였다.
1. 패턴추출 : 첫 번째 과정에서는 정형적인 관계를 추출하기 위해, 대상 관계를 나타내는 패턴을 추출한다. 이를 위하여 한국어 자연언어처리 인프라를 확충하는 것을 목표로 하였다. 한국어 텍스트에서 대상을 추출하기 위하여, 개체명 인식에 대한 연구가 진행되었고, 또한 구구조 구문분석과 의존구조 구문분석 원형을 구축하였다.
2. 신뢰도계산 : NLpedia의 질을 높이기 위해서는 앞 단계에서 추출된 패턴들 중 높은 신뢰도를 가진 패턴들을 추려내는 것이

연구결과
NLPedia를 구축하기 위한 4단계 과정을 수행하였다.
1. 패턴추출 : 첫 번째 과정에서는 정형적인 관계를 추출하기 위해, 대상 관계를 나타내는 패턴을 추출한다. 이를 위하여 한국어 자연언어처리 인프라를 확충하는 것을 목표로 하였다. 한국어 텍스트에서 대상을 추출하기 위하여, 개체명 인식에 대한 연구가 진행되었고, 또한 구구조 구문분석과 의존구조 구문분석 원형을 구축하였다.
2. 신뢰도계산 : NLpedia의 질을 높이기 위해서는 앞 단계에서 추출된 패턴들 중 높은 신뢰도를 가진 패턴들을 추려내는 것이 중요하다. 패턴은 개체명 인식을 통해 인식된 각각의 개체들의 의존관계 분석을 통하여 디비피디아 온톨로지에 적합한 한국어 어휘들을 ontology lexicalization을 통하여 패턴을 추출하였고, 이러한 패턴에 대하여 Threshold를 적절히 조절함으로서 F-1 score 63%의 성능을 얻을 수 있었다.
3. NLPedia의 확장 : NLPedia의 확장을 위하여, 우선적으로 라이프찌히대와의 공동연구를 통하여 NIF의 포맷에 맞추는 작업을 통해 국제적 확장성을 보장하였고, 또한 한국어 디비피디아의 안정화 및 업데이트 자동화를 통하여 인프라를 구축하였다.
4. LOD와의 통합 : 한국어 NLPedia의 결과와 LOD와의 통합을 위하여 한국어 디비피디 아에 언어 의미의 모호성을 해소할 수 있도록 코어넷과의 연결 작업을 수행하였고, 또한 디비피디아 온톨로지와 한국어 위키피디아와의 관계성을 분석하였다.

Abstract ▼

Result
The NLpedia approach consists of four steps, which will be explicated in the following sections.
1. Pattern extraction : The goal of this step is the extraction of patterns that represent the natural language equivalent of formal relations. A-priori experiments have shown that a large s

Result
The NLpedia approach consists of four steps, which will be explicated in the following sections.
1. Pattern extraction : The goal of this step is the extraction of patterns that represent the natural language equivalent of formal relations. A-priori experiments have shown that a large stack of NLP applications is needed to decode references to named entities in the data. For example, the relation dbpedia-owl:capital links a dbpedia-owl:PopulatedPlace to a dbpedia-owl:City. Also, for the sentences "X was translated from Y. This RNA is then transcribed to the protein Z", which express that Z is a gene product of X, demand the integration of coreference resolution tools to extract that "This RNA" refers to X. As these tools are language-dependent, KAIST and UL(University of Leipzig) will combine their expertise on different languages to build a stack of NLP tools that can process a broad range of languages.
2. Confidence computation : To ensure that NLpedia contains knowledge of high purity, only high-confidence patterns will be used to retrieve instances from the Web. This will demand the integration of query tools for large search engines such as Google and Yahoo for the evaluation of false and true positives. We will also ensure that very similar patterns are grouped and merged to generic patterns.
3. Population of NLpedia : The patterns which pass the confidence test will be used to retrieve named entities from the whole wealth of unstructured data available on the Web. As the pattern-based approach will tend to discover only atomic relations, more complex relations will be learned by applying supervised and unsupervised machine learning tools.
4. Integration in the LOD Cloud : Many of the instances discovered by the NLpedia approach will already possess at least one URI in the Web of data. The first task in this section of the work will be to elaborate techniques to discover these URIs efficiently. Subsequently, we will use the novel semantic pingback technology to establish links such as owl:same-as and rdfs:subClassOf to ensure that NLpedia is fully integrated in the LOD Cloud and can thus be used by anybody.

목차 Contents

• 한국연구재단 국제협력사업 최종보고서 ... 1
• 목 차 ... 2
• 연구 계획 요약문 ... 3
• 연구 결과 요약문 ... 4
• 한글요약문 ... 4
• SUMMARY ... 5
• 연구내용 및 결과 ... 6
• 1. 연구개발과제의 개요 ... 6
• 2. 국내외 기술개발 현황 ... 7
• 3. 연구수행 내용 및 결과 ... 9
• 4. 목표 달성도 및 관련 분야에의 기여도 ... 41
• 5. 연구결과의 활용계획 ... 43
• 6. 연구과정에서 수집한 해외과학기술정보 ... 43
• 7. 주관연구책임자(공동연구원) 대표적 연구 실적 ... 44
• 8. 참고 문헌 ... 44
• 9. 연구 성과 ... 46
• 10. 기타사항 ... 46
• 끝페이지 ... 46