2020년 컴퓨터종합학술대회
Current Result Document : 5 / 5
| 한글제목(Korean Title) |
한국어 의미역 결정을 위한 BERT 기반 데이터 증축 기법 |
| 영문제목(English Title) |
BERT-based Data Augmentation Techniques for Korean Semantic Role Labeling |
| 저자(Author) |
Jangseong Bae
Changki Lee
Junho Lim
Hyunki Kim
배장성
이창기
임준호
김현기
|
| 원문수록처(Citation) |
VOL 47 NO. 01 PP. 0335 ~ 0337 (2020. 07) |
한글내용
(Korean Abstract) |
데이터 증축 기법은 기계학습을 이용한 연구에서 성능 향상을 위해 사용되는 방법으로 기존 학습 데이터를 변형하여 증축하는 방법 등이 존재한다. 그 중 Easy Data Augmentation(EDA)은 문서 분류 태스크에서 기존 학습 데이터를 변형하여 학습 데이터를 증축하는 방법으로 동의어 치환, 단어 임의 삭제, 단어 임의 삽입, 단어 위치 임의 교환과 같이 간단한 방법으로 손쉽게 데이터를 증축하는 방법이다. 그러나 EDA를 한국어 의미역 결정 학습 데이터 증축에 적용하기 위해서는 서술어와 논항과 같은 중심어가 변경되지 않도록 해야 하고, EDA의 동의어 치환 방법을 적용하려면 WordNet과 같은 한국어 어휘 의미망이 필요하며 다의어의 경우 원래의 의미와 다른 동의어가 선택될 수 있는 문제점이 있다. 본 논문에서는 한국어 어휘 의미망 없이 BERT 기반의 마스크 언어 모델(masked language model)을 이용한 데이터 증축 기법을 제안하고 이를 한국어 의미역 결정 학습 데이터 증축에 적용한다. 증축된 학습 데이터를 이용한 실험 결과 한국어 의미역 결정에서 0.76%의 성능 향상이 있었다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
