선학습 BERT를 활용한 의미벡터 학습 방법

서로 다른 표현 체계를 가지고 있으나 서로 연관성이 존재하는 두 표현들 사이의 관계를 의미한다. 본 연구에서는 문장 읽기 장치와 의미 읽기 및 쓰기 장치를 통해 문장 벡터와 의미 벡터 간의 관계를 학습하는 핵심 기제로 활용된다.

연구 결과, BERT를 통해 문장과 의미를 벡터화하고 두 벡터 간의 거리와 의미 생성 비용을 최소화함으로써 학습 효율을 높였다. 이를 통해 동일한 의미 태그를 가진 문장들을 벡터 공간상에 가깝게 배치하여 의도 파악 정확도를 향상시켰다.

학술대회자료 Full-text

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

오류 신고하기

피인용 1

검색

초록·키워드

본 연구는 자연어 이해에 있어서 의미벡터 공간 자체를 보다 효율적으로 학습할 수 있는 방법을 제시한다. 딥러닝을 활용하여 발화와 의미틀을 각각 벡터화 하였을 때, 벡터 공간에서 동일한 위치에 존재해야한다는 상호관계성을 이용하여 ... 전체 초록 보기

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