메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
배장성 (강원대학교) 이창기 (강원대학교) 임수종 (한국전자통신연구원) 김현기 (한국전자통신연구원)
저널정보
Korean Institute of Information Scientists and Engineers Journal of KIISE Journal of KIISE Vol.47 No.11
발행연도
2020.11
수록면
1,021 - 1,026 (6page)
DOI
10.5626/JOK.2020.47.11.1021

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
의미역 결정은 문장 내에서 “누가, 무엇을, 어떻게, 왜” 등의 관계를 찾아내는 자연어처리의 한 응용이다. 최근 의미역 결정 연구는 주로 기계학습을 이용하고 자질 정보를 배제한 종단 대 종단(end-to-end) 방식의 연구가 이루어지고 있다. 최근 BERT(Bidirectional Encoder Representations from Transformers)라는 언어 모델이 자연어처리 분야에 등장하여 기존 자연어처리 분야의 최고 성능 모델들 보다 더 좋은 성능을 보이고 있다. 종단 대 종단 방식을 이용한 의미역 결정 연구의 성능은 주로 기계학습 모델의 구조나 사전에 학습된 언어 모델의 영향을 받는다. 따라서 본 논문에서는 한국어 의미역 결정성능 향상을 위해 BERT를 한국어 의미역 결정에 적용한다. 실험 결과 BERT를 이용한 한국어 의미역 결정 모델의 성능이 85.77%로 기존 한국어 의미역 결정 모델들 보다 좋은 성능을 보였다.
#의미역 결정 #기계학습 #언어 모델 #Bidirectional Encoder Representations from Transformers #semantic role labeling #machine learning #language model #bidirectional encoder representations from transformers

목차

요약
Abstract
1. 서론
2. 관련 연구
3. BERT를 이용한 한국어 의미역 결정
4. 실험 및 결과
5. 결론
References

참고문헌 (16)

참고문헌 신청
Kaisheng Yao, Baoling Peng, Yu Zhang, Dong Yu, Geoffery Zweig, and Yangyang Shi, "Spoken language understanding using long short-term memory neural networks," Spoken Language Technology Workshop(SLT), 2014 IEEE, pp. 189-194, 2014. google schola J. Devlin, M.W. Chang, K. Lee and K. Toutanova. BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. arXiv preprint arXiv:1810.04805, 2018. A. Vaswani, N. Shazeer, N. Parmar, J. Uszkoreit, L. Jones, A.N. Gomez, L. Kaiser, and I. Polosukhin. Attention Is All You Need. Neural Information Processing Systems (NIPS), pp. 5998-6008, 2017. google schola Radford, Alec, et al., Improving language understanding by generative pre-training. 2018. google schola Peters, Matthew E. and Neumann, Mark and Iyyer, Mohit and Gardner, Matt and Clark, Christopher and Lee, Kenton and Zettlemoyer, Luke. Deep contextualized word representations. Proc. of NAACL, 2018. google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

한국어 의미역 결정을 위한 BERT 기반 데이터 증축 기법
배장성 ,  이창기 ,  임준호 외 1명 한국정보과학회 학술발표논문집 2020 .07
한국어 기반 BERT를 활용한 전투명령 자동 분류 모델 제안 및 평가
차현우 ,  마정목 정보과학회 컴퓨팅의 실제 논문지 2023 .10
BERT 기반 어절 임베딩 구축과 이를 활용한 한국어 의미역 결정
차현묵 ,  최봉근 ,  고영중 한국정보과학회 학술발표논문집 2022 .12
속성 기반 감성 분석을 활용한 BERT 감성 분류 모델의 성능 개선
이희재 ,  임희석 한국정보과학회 학술발표논문집 2022 .12
불용어 빈도수에 강건한 BERT 기반 문장 자동 분류기 학습
박도영 ,  김영훈 한국정보과학회 학술발표논문집 2022 .06

최근 본 자료

전체보기

댓글(0)

0