인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
본 논문에서는 영어와 한국어 간 다국어 단어 임베딩을 이용한 동의어 검색 서비스를 구현하는 방법을 제시한다. IT 업계에서는 "머신러닝-기계학습-machine learning", "코스트-비용-cost"와 같이 동일한 의미를 지닌 단어들이 영어 및 한국어로 다양한 형태로 불리며 사용되고 있다. 이러한 단어들을 효율적으로 검색하고 확인할 수 있도록 돕기 위해, 본 논문에서는 FastText 기반의 Multilingual Word Embedding 모델인 MUSE를 활용하여 워드 벡터를 생성하였다.
본 연구에서는 위키피디아에서 제공하는 최신 영어 및 한국어 데이터 및 워드벡터를 사용하였으며, 추가적으로 영한 음역 데이터셋을 확보하여 임베딩 생성 시 학습에 포함시켰다. 이를 통해 영어와 한국어 간의 의미적 유사성을 효과적으로 반영한 임베딩을 구축하였다. 결과적으로, 제안된 시스템은 다양한 형태의 동의어를 정확하고 빠르게 검색할 수 있도록 하여 다국어 환경에서의 정보 검색 효율성을 크게 향상시킬 수 있음을 보인다.
본 논문에서는 모델 설계 및 구현 과정, 데이터 전처리 방법, 그리고 실험 결과와 함께 제안된 시스템의 유용성을 평가하고, 향후 연구 방향에 대해 논의한다.
본 연구에서는 위키피디아에서 제공하는 최신 영어 및 한국어 데이터 및 워드벡터를 사용하였으며, 추가적으로 영한 음역 데이터셋을 확보하여 임베딩 생성 시 학습에 포함시켰다. 이를 통해 영어와 한국어 간의 의미적 유사성을 효과적으로 반영한 임베딩을 구축하였다. 결과적으로, 제안된 시스템은 다양한 형태의 동의어를 정확하고 빠르게 검색할 수 있도록 하여 다국어 환경에서의 정보 검색 효율성을 크게 향상시킬 수 있음을 보인다.
본 논문에서는 모델 설계 및 구현 과정, 데이터 전처리 방법, 그리고 실험 결과와 함께 제안된 시스템의 유용성을 평가하고, 향후 연구 방향에 대해 논의한다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
