인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 저자정보
초록·키워드
한국어 의미처리시스템은 어절의 형태소를 분석하고, 품사와 동형이의어를 분별해야 한다. 이를 위해 최근의 연구들은 말뭉치를 기계학습하여 품사 및 동형이의어 태깅하는 방법들을 제안하고 있으며, 기계학습에서 자료부족 문제를 해결하는 것에 집중하고 있다. 본 논문에서는 말뭉치를 기계학습하여 품사와 동형이의어를 동시에 태깅하는 방법을 제안한다. 이 방법은 자료부족 문제를 해결하기 위해 단계별 전이모델을 사용하며, 각 전이모델마다 다른 가중치를 적용한다. 또한 부분적으로 전이빈도가 0인 경우를 위해 최소 전이점수를 계산하는 예외 처리 루틴을 포함한다. 실험을 위해 1천만 어절의 세종 말뭉치를 사용하였으며, 이 중 90%를 학습하고 나머지 10%를 테스트하였다. 실험 결과 품사와 동형이의어 둘 다에 대해 96.44%의 태깅 정확률을 보였으며, 품사만을 고려할 경우 98.0%의 태깅 정확률을 보여 본 논문에서 제안하는 단계별 전이모델이 한국어와 같은 교착어의 품사 및 동형이의어 태깅에 적합한 방법임을 알 수 있다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-ECN-0101-2014-569-000878316
