문자 기반 LSTM CRF를 이용한 개체명 인식

Q: 이 논문에서 정의한 LSTM CRF란 무엇인가?

LSTM CRF는 LSTM에 태그 간의 전이 가중치를 추가로 고려하여 순차 입력값을 태깅하는 모델이다. 이는 입력 문자열을 LSTM으로 처리하여 은닉 상태를 얻고, 출력층에서 태그 간의 의존성을 linear-chain CRF를 이용하여 모델링한 방식으로, 개체명 인식 등 각종 순차 태깅 문제에서 높은 성능을 보인다.

Q: 문자 LSTM-CNN 기반 단어 표상 방식이 개체명 인식 성능에 어떤 영향을 미치는가?

연구 결과, 문자 LSTM-CNN 기반 단어 표상 방식을 이용한 LSTM CRF는 한국어 및 영어 개체명 인식 태스크에서 기존 LSTM CRF의 성능을 더욱 개선하는 효과를 가져왔다. 특히, 영어의 경우 별도의 Gazetteer 자질 없이도 90%대의 높은 성능을 달성할 수 있었다.

나승훈; 민진우

학술대회자료

저자정보: 나승훈 (전북대학교) 민진우 (전북대학교)

저널정보: Korean Institute of Information Scientists and Engineers 한국정보과학회 학술발표논문집 한국정보과학회 2016년 한국컴퓨터종합학술대회 논문집

오류 신고하기

피인용 2

검색

초록·키워드

LSTM CRF는 LSTM에 태그 간의 전이 가중치를 추가로 고려하여 순차 입력열을 태깅을 수행할 수 있는 모델로 현재 개체명 인식에서 가장 높은 성능을 보여주고 있는 방법이다. 개체명 인식의 경우에 미등록어 문제를 다루어야 하므로 단어 단위 임베딩만으로는 한계가 있어, 최근 들어 문자 단위 표현을 이용하여 단어 임베딩 ... 전체 초록 보기

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

UCI(KEPA) : I410-ECN-0101-2017-569-001112504

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료