정보과학회 논문지 B : 소프트웨어 및 응용
Current Result Document :
| 한글제목(Korean Title) |
분류 정보를 이용한 단어 의미 중의성 해결 |
| 영문제목(English Title) |
Word Sense Disambiguation using Classification Information |
| 저자(Author) |
이호
백대호
임해창
Ho Lee
Daeho Baek
Haechang Rim
|
| 원문수록처(Citation) |
VOL 24 NO. 07 PP. 0779 ~ 0789 (1997. 07) |
한글내용
(Korean Abstract) |
단어 의미 중의성 해결(word sense disambiguation)은 문맥 내에서 주어진 단어의 정확한 의미를 판별하는 작업으로 단어 의미의 정확한 판별은 기계 번역이나 정보 검색 시스템의 성능 향상에 도움을 준다. 본 논문에서는 단어 의미 중의성 해결 문제를 독립적인 이진 특징(independent binary feature)을 이용한 분류 문제(classification problem)로 간주하여 해결하기 위해 Shannon의 정보 이론에 기반한 분류 정보(classification information)라는 새로운 개념을 정의한다.
분류 정보는 최적 부류(most probable class)와 분별값(discrimination score)으로 구성된다. 최적 부류는 주어진 이진 특징과 가장 밀접한 관련이 있는 부류를 나타내며 분별값은 그 특징과 최적 부류와 관련 정도를 의미한다. 새로운 패턴이 입력되었을 때 패턴으로부터 추출한 특징들의 분류 정보와 가장 밀접한 관련을 가진 부류가 그 패턴의 부류로 결정된다. 분류 정보를 이용하여 단어 의미 중의성을 해결하려면, 다의어가 출연한 문장은 패턴이 되고, 그 문장 내의 단어들은 특징이 된다. 다의어가 포함된 문장이 입력되면 그 문장에 출현한 단어의 분별값은 최적 부류별로 합산이 되며, 그 결과 가장 높은 분별값을 가지는 부류에 해당되는 의미가 그 문장 내에서 다의어의 의미가 된다.
제안한 방법을 실험하기 위해, 한국어에 대해서는 4 개의 다의어의 용례를 추출한 다음 중심어에 대해서 수작업으로 의미 태깅을 수행하여 학습 및 실험 자료 집합으로 이용하였으며, 영어에 대해서는 기존 몇 몇 연구에서 사용하였던 공통의 자료 집합을 이용하였다. 이들 자료 집ㅈ합에 대해 본 논문에서 제안한 단어 의미 중의성 해결 기법을 적용한 결과 한국어에 대해서는 평균 84.6%, 영어에 대해서는 80.0%의 정확도를 나타내었다.
|
영문내용
(English Abstract) |
The task of word sense disambiguation is to identify the correct sense of a word in context. Improvement in the accuracy of identifying the correct word sense will contribute to a machine translation system and an information retrieval system. In this paper, we regard word sense disambiguation problem as a mater of classification problem in which independent binary features are used. For this research, we define a new notion, classification information, based on the Shannon's information theory.
The classification information consists of the most probable class(MPC) and the discrimination score(DS). The MPC of a feature represents the most closely related class with the feature, and the DS represents the degree of correlation between the MPC and the feature. When a new pattern is given, the pattern is classified into the most closely related class based on the classification information of features extracted from the pattern. When we try to solve word sense ambiguities by using classification information, we regard a sentence containing a polysemous word as a pattern and surrounding words in the sentence as features. When a new sentence including a polysemous word is given, the DS of every word surrounding the polysemous word is accumulated to each sense according to the MPC of the word, and the sense of the given polysemous word is determined to be the sense with the maximum DS value.
In order to test the proposed method, we use tow different sets of data. The first data set contains concordances of four Korean polysemous words whose keywords are manually sense-tagged. The other data set is the English data set which has been commonly used in several previous researches. Experimental results show that the average accuracy of proposed method is 84.6% for the Korean data set, and 80.0% for the English data set.
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
