정보과학회논문지 (Journal of KIISE)
Current Result Document : 215 / 216
| 한글제목(Korean Title) |
한국어 형태소 분석 및 품사 태깅을 위한 딥 러닝 기반 2단계 파이프라인 모델 |
| 영문제목(English Title) |
A Deep Learning-based Two-Steps Pipeline Model for Korean Morphological Analysis and Part-of-Speech Tagging |
| 저자(Author) |
윤준영
이재성
Jun Young Youn
Jae Sung Lee
|
| 원문수록처(Citation) |
VOL 48 NO. 04 PP. 0444 ~ 0452 (2021. 04) |
한글내용
(Korean Abstract) |
인공신경망을 활용한 최근의 한국어 형태소 분석 및 태깅 연구는 주로 표층형에 대해 형태소 분리와 품사 태깅을 먼저하고, 원형 복원 사전을 이용하여 후처리로 형태소 원형을 복원해왔다. 본 연구에서는 형태소 분석 및 품사 태깅을 두 단계로 나누어, sequence-to-sequence를 이용하여 형태소 원형을 먼저 복원하고, 최근 자연어처리의 다양한 분야에서 우수한 성능을 보이는 BERT를 이용하여 형태소 분리 및 품사 태깅을 하였다. 두 단계를 파이프라인으로 적용한 결과, 별도의 규칙이나 복합 태그 처리 등이 필요한 형태소 원형 복원 사전을 사용하지 않고도 우수한 형태소 분석 및 태깅 결과를 보였다.
|
영문내용
(English Abstract) |
Recent studies on Korean morphological analysis using artificial neural networks have usually performed morpheme segmentation and part-of-speech tagging as the first step with the restoration of the original form of morphemes by using a dictionary as the postprocessing step. In this study, we have divided the morphological analysis into two steps: the original form of a morpheme is restored first by using the sequence-to-sequence model, and then morpheme segmentation and part-of-speech tagging are performed by using BERT. Pipelining these two steps showed comparable performance to other approaches, even without using a morpheme restoring dictionary that requires rules or compound tag processing.
|
| 키워드(Keyword) |
형태소 분석
형태소 품사 태깅
파이프라인
morphological analysis
part-of-speech tagging
sequence-to-sequence
BERT
pipeline
|
| 파일첨부 |
PDF 다운로드
|
