도메인 특수성이 도메인 특화 사전학습 언어모델의 성능에 미치는 영향

한민아; 김윤하; 김남규

추천

검색

질문

자료유형: 학술저널

저자정보: 한민아 (국민대학교) 김윤하 (국민대학교) 김남규 (국민대학교)

저널정보: 한국지능정보시스템학회 지능정보연구 지능정보연구 제28권 제4호

발행연도: 2022.12

수록면: 251 - 273 (23page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

이 논문의 연구 히스토리 (3)

2023

도메인 특화 언어모델의 성능 향상도 예측 방법론

한민아 2023.01 학위논문

2022

도메인 특수성이 도메인 특화 사전학습 언어모델의 성능에 미치는 영향

한민아 , 김윤하 , 김남규 지능정보연구 2022.12 학술저널

도메인 특수성이 도메인 특화 사전학습 언어모델의 성능에 미치는 영향

한민아 , 김윤하 , 김남규 한국지능정보시스템학회 학술대회논문집 2022.11 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

최근 텍스트 분석을 딥러닝에 적용한 연구가 꾸준히 이어지고 있으며, 특히 대용량의 데이터 셋을 학습한 사전학습 언어모델을 통해 단어의 의미를 파악하여 요약, 감정 분류 등의 태스크를 수행하려는 연구가 활발히 이루어지고 있다. 하지만 기존 사전학습 언어모델이 특정 도메인을 잘 이해하지 못한다는 한계를 나타냄에 따라, 최근 특정 도메인에 특화된 언어모델을 만들고자 하는 방향으로 연구의 흐름이 옮겨가고 있는 추세이다. 도메인 특화 추가 사전학습 언어모델은 특정 도메인의 지식을 모델이 더 잘 이해할 수 있게 하여, 해당 분야의 다양한 태스크에서 성능 향상을 가져 왔다. 하지만 도메인 특화 추가 사전학습은 해당 도메인의 말뭉치 데이터를 확보하기 위해 많은 비용이 소요될 뿐 아니라, 고성능 컴퓨팅 자원과 개발 인력 등의 측면에서도 많은 비용과 시간이 투입되어야 한다는 부담이 있다. 아울러 일부 도메인에서 추가 사전학습 후의 성능 개선이 미미하다는 사례가 보고됨에 따라, 성능 개선 여부가 확실하지 않은 상태에서 도메인 특화 추가 사전학습 모델의 개발에 막대한 비용을 투입해야 하는지 여부에 대해 판단이 어려운 상황이다. 이러한 상황에도 불구하고 최근 각 도메인의 성능 개선 자체에 초점을 둔 추가 사전학습 연구는 다양한 분야에서 수행되고 있지만, 추가 사전학습을 통한 성능 개선에 영향을 미치는 도메인의 특성을 규명하기 위한 연구는 거의 이루어지지 않고 있다. 본 논문에서는 이러한 한계를 극복하기 위해, 실제로 추가 사전학습을 수행하기 전에 추가 사전학습을 통한 해당 도메인의 성능 개선 정도를 선제적으로 확인할 수 있는 방안을 제시한다. 구체적으로 3개의 도메인을 분석 대상 도메인으로 선정한 후, 각 도메인에서의 추가 사전학습을 통한 분류 정확도 상승 폭을 측정한다. 또한 각 도메인에서 사용된 주요 단어들의 정규화된 빈도를 기반으로 해당 도메인의 특수성을 측정하는 지표를 새롭게 개발하여 제시한다. 사전학습 언어모델과 3개 도메인의 도메인 특화 사전학습 언어모델을 사용한 분류 태스크 실험을 통해, 도메인 특수성 지표가 높을수록 추가 사전학습을 통한 성능 개선 폭이 높음을 확인하였다.

Recently, research on applying text analysis to deep learning has steadily continued. In particular, researches have been actively conducted to understand the meaning of words and perform tasks such as summarization and sentiment classification through a pre-trained language model that learns large datasets. However, existing pre-trained language models show limitations in that they do not understand specific domains well. Therefore, in recent years, the flow of research has shifted toward creating a language model specialized for a particular domain. Domain-specific pre-trained language models allow the model to understand the knowledge of a particular domain better and reveal performance improvements on various tasks in the field. However, domain-specific further pre-training is expensive to acquire corpus data of the target domain. Furthermore, many cases have reported that performance improvement after further pre-training is insignificant in some domains. As such, it is difficult to decide to develop a domain-specific pre-trained language model, while it is not clear whether the performance will be improved dramatically. In this paper, we present a way to proactively check the expected performance improvement by further pre-training in a domain before actually performing further pre-training. Specifically, after selecting three domains, we measured the increase in classification accuracy through further pre-training in each domain. We also developed and presented new indicators to estimate the specificity of the domain based on the normalized frequency of the keywords used in each domain. Finally, we conducted classification using a pre-trained language model and a domain-specific pre-trained language model of three domains. As a result, we confirmed that the higher the domain specificity index, the higher the performance improvement through further pre-training.

#사전학습 언어모델 #추가 사전학습 #도메인 특화 사전학습 언어모델 #도메인 특수성 지표 #Pre-Trained Language Model #Further Pre-Training #Domain-Specific Pre-Trained Language Model #Domain Specificity Index

참고문헌 (26)

참고문헌 신청

김동규, 박장원, 이동욱, 오성우, 권성준, 이인용, 최동원. (2022). KB-BERT: 금융 특화 한국어 사전학습 언어모델과 그 응용. 지능정보연구, 28.2: 191-206.

김윤하, 김남규. (2022). 오토인코더 기반 심층 지도 네트워크를 활용한 계층형 데이터 분류 방법론. 지능정보연구, 25.3:185-207.

박현정, 신경식. (2020). BERT를 활용한 속성기반 감성분석: 속성카테고리 감성분류 모델 개발. 지능정보연구, 26.4: 1-25.

유은지, 서수민, 김남규. (2021). 추가 사전학습 기반 지식 전이를 통한 국가 R&D 전문 언어모델 구축. 지식경영연구, 22.3: 91-106.

이준범. (2020). Kcbert: 한국어 댓글로 학습한 BERT. 한국정보과학회언어공학연구회 2020년도 제32회 한글 및 한국어 정보처리 학술대회, 437-440.

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

한민아

소속기관 국민대학교

주요연구분야 공학 > 산업공학 공학 > 전기전자공학 > 정보통신공학

논문수 5 이용수 321

김윤하

소속기관 국민대학교

주요연구분야 사회과학 > 경영학 공학 > 산업공학

논문수 7 이용수 728

김남규

소속기관 국민대학교

주요연구분야 공학 > 산업공학 TOP 1% 공학 > 전기전자공학 > 정보통신공학

논문수 96 이용수 23,431

이 논문과 함께 이용한 논문

중국학계의 ‘箕子朝鮮’ 연구와 그 비판에 대한 검토

조우연 고조선단군학 2012 .05

요서지방(遼西地方)의 고조선(古朝鮮) : 진개(秦開) 동정(東征) 이전(以前)의 요서지방(遼西地方)의 기자조선(箕子朝鮮)

李亨求 고조선단군학 2008 .05

경제 문서에서의 숫자 환각(Hallucination) 현상 완화를 위한 숫자 매칭

김지안 , 김나연 , 정우환 한국정보과학회 학술발표논문집 2023 .12

디지털 음악 유료 서비스의 이용의도에 대한 인식 연구

임민 , 이화행 한국콘텐츠학회논문지 2022 .12

쇼트 비디오 앱 사용자의 지속적인 사용의도에 영향을 미치는 요인 연구：중국 DouYin 사용자를 중심으로

이사염 , 신인식 한국콘텐츠학회논문지 2022 .12

최근 본 자료

전체보기

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

이 논문의 연구 히스토리 (3)

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (26)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)