의미구분 단위에 따른 word2vec 모델 비교

Shin Sumi; Bae Suyeong

연구문헌

학술대회 프로시딩

홈 > 연구문헌 > 학술대회 프로시딩 > 한국정보과학회 학술대회 > 2016년 컴퓨터종합학술대회

2016년 컴퓨터종합학술대회

Current Result Document : 248 / 270 이전건 다음건

한글제목(Korean Title)	의미구분 단위에 따른 word2vec 모델 비교
영문제목(English Title)	Comparison of word2vec Models : Focus on the Semantic Segmentation
저자(Author)	Shin Sumi Bae Suyeong
원문수록처(Citation)	VOL 43 NO. 01 PP. 0753 ~ 0755 (2016. 06)
한글내용 (Korean Abstract)	최근 정보검색, 자연어처리, 언어번역 등의 분야에서 단어를 벡터로 표현하고자 하는 단어표현 모델에 대한 다양한 연구가 확대되고 있다. 이러한 단어표현 모델로 신경망 알고리즘 등의 기계학습이 널리 활용되고 있는데 그 중 2013년 제안된 word2vec 모델은 Hidden Layer를 생략하여 학습속도를 획기적으로 향상시킨 기법으로 그 유용성이 인정되고 있다. 그러나 초기 word2vec 모델은 학습을 문서 집합인 Corpus 단위로 하고 이 Corpus를 오직 몇 개의 단어인 Window_size context로 구분하여 학습하도록 한다. 이런 이유로 Corpus와 Window_size 중간의 단위인 문장이나 단락에서의 의미구분이 불분명하며 서로 다른 문장이나 단락에서 등장하는 단어들도 Window_size에 동시에 포함될 경우 이를 의미적으로 연관성 있는 단어로 학습할 수 있다. 본 연구는 word2vec 모델에 대하여 Corpus 전체를 Window_size 단위로만 학습하는 경우와 분석 단위를 세분화하여 문장 단위를 구분하고 이를 다시 Window_size 단위로 구분하여 학습하는 두 가지 모델을 구현하고 두 모델을 기반으로 동일한 Corpus를 분석하여 모델간 차이점을 확인한다.
영문내용 (English Abstract)
키워드(Keyword)
파일첨부	PDF 다운로드