BERT를 이용한 한국어 자연어처리: 개체명 인식, 감성분석, 의존 파싱, 의미역 결정

Q: 이 논문에서 정의한 BERT란 무엇인가?

Transformer 기반의 사전 학습된 언어 모델로, 문맥을 양방향으로 고려하여 언어 이해 능력을 향상시키는 기술이다. 본 연구에서는 소규모 코퍼스를 통해 한국어 특성에 맞게 학습시켜 개체명 인식, 감성 분석, 의존 파싱 및 의미역 결정 등 다양한 자연어 처리 작업에 활용하였다.

Q: 소규모 코퍼스로 학습된 한국어 BERT 모델이 의존 파싱 성능에 미치는 영향은 무엇인가?

연구 결과, 형태소-태그 단위로 학습된 BERT 모델은 SPMRL과 세종 데이터 모두에서 Multilingual BERT보다 높은 성능을 보였다. 특히 Multi-level Biaffine Attention 모델에 해당 모델의 특징값을 추가하여 사용했을 때 가장 우수한 성능 향상을 나타냈다.

박광현; 나승훈; 신종훈; 김영길

자료유형: 학술대회자료

저자정보: 박광현 (전북대학교) 나승훈 (전북대학교) 신종훈 (한국전자통신연구원) 김영길 (한국전자통신연구원)

저널정보: Korean Institute of Information Scientists and Engineers 한국정보과학회 학술발표논문집 한국정보과학회 2019 한국컴퓨터종합학술대회 논문집

발행연도: 2019.6

수록면: 584 - 586 (3page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

최근 자연어처리는 사전 학습된 언어모델인 BERT를 활용한 모델들이 SOTA(State-Of-The-Art)를 이루고 있다. 사전학습 된 BERT모델은 약간의 fine-tuning을 통하여 많은 성능 향상을 보이지만 대용량 코퍼스를 이용 ... 전체 초록 보기

참고문헌

참고문헌 신청

최근 본 자료

전체보기

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)