한국어 개방형 정보추출을 위한 신경망 모델

Q: 이 논문에서 정의한 개방형 정보추출이란 무엇인가?

개방형 정보추출은 웹 문서와 같은 비구조화된 텍스트 데이터로부터 구조화된 데이터인 트리플을 추출하는 기술이다. 트리플은 두 개의 개체와 그 사이의 관계로 구성되며, 지식베이스를 구성하는 단위로 활용된다. 관계를 입력 문장 내 형태소를 이용해 표현하여 무수히 많은 종류의 관계를 추출할 수 있다.

Q: 기존 개방형 정보추출 기술의 한계는 무엇인가?

연구 결과, 기존의 개방형 정보추출 기술은 언어 구조에 기반한 제한된 형태의 패턴을 이용하여 트리플을 추출하므로 복잡한 패턴을 학습하기 어렵다는 문제가 있다. 이는 의존 구문 분석이나 의미역 결정에 기반한 규칙 또는 빈번한 문장 구조에 의존하기 때문이다.

남대환; 류성한; 유환조; 이근배

자료유형: 학술대회자료

저자정보: 남대환 (포항공과대학교) 류성한 (포항공과대학교) 유환조 (포항공과대학교) 이근배 (포항공과대학교)

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

발행연도: 2016.12

수록면: 467 - 469 (3page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

개방형 정보추출은 비구조화된 텍스트 데이터로부터 구조화된 데이터인 트리플을 추출하는 기술이다. 기존에는 의존 구문 분석 또는 의미역 결정을 이용하여 개방형 정보추출을 위한 패턴을 학습하였다. 하지만 이 ... 전체 초록 보기

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2017-569-002190284

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

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)