적은 양의 병렬 말뭉치를 가진 한국어 방언 간 딥 러닝 기반 기계번역

Q: 이 논문에서 정의한 교차 모델이란 무엇인가?

두 개의 Seq2Seq 모델의 인코더와 디코더를 결합하여 구성한 모델이다. 이는 전이 학습 효과를 얻기 위해 설계되었으며, 방언 간 번역 시 베이스라인 모델보다 향상된 성능을 제공하는 구조적 특징을 가진다.

Q: 방언 간 기계 번역에서 재귀적 모델과 교차 모델의 성능 효과는 어떠한가?

연구 결과, 재귀적 모델은 적은 데이터로 학습한 기본 모델보다 최대 42.3%p 높은 성능을 보였으며, 교차 모델 또한 베이스라인 대비 최대 27.8%p의 성능 향상을 기록하여 사전 학습 지식 활용의 유효성을 입증하였다.

한상민; 최은성; 이종욱

학술대회자료

저자정보: 한상민 (성균관대학교) 최은성 (성균관대학교) 이종욱 (성균관대학교)

저널정보: Korean Institute of Information Scientists and Engineers 한국정보과학회 학술발표논문집 한국정보과학회 2022 한국소프트웨어종합학술대회 논문집

오류 신고하기

피인용 2

검색

초록·키워드

방언은 지역의 고유한 모습을 담는 문화유산으로서 보존해야 하는 가치가 명확하지만 사용량이 점차 감소하고 있다. 이러한 경향은 표준어와 방언과의 차이로 인한 의사소통의 어려움에서 기인한다. 이를 개선하기 위해 기계 번역 연구가 진행되고 있지만 한국어 방언의 경우 데이터 부족 (Data scarcity) 문제를 한계점으로 가진다. 본 연구에서는 ... 전체 초록 보기

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

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료