정보과학회 컴퓨팅의 실제 논문지 (KIISE Transactions on Computing Practices)
Current Result Document :
| 한글제목(Korean Title) |
의존 관계명 태그 분포를 이용한 한국어 의존 구문 분석 |
| 영문제목(English Title) |
Korean Dependency Parser using Dependency Relation Tag Distribution |
| 저자(Author) |
안재현
고영중
Jaehyun An
Youngjoong Ko
|
| 원문수록처(Citation) |
VOL 24 NO. 09 PP. 0487 ~ 0492 (2018. 09) |
한글내용
(Korean Abstract) |
의존 구문 분석은 자연어 문장의 구조적 관계를 파악하는 언어 분석의 한 단계이다. 의존 구문 분석을 위해 본 논문에서 사용하는 기본 모델은 선행 연구에서 높은 성능을 보이고 있는 포인터 네트워크를 사용하였다. 그리고 의존 구문 분석은 의존 관계 및 의존 관계명을 동시에 부착해야 하므로, 멀티 태스크 기반 학습을 진행하였다. 의존 구문 분석 성능 개선을 위해 본 논문에서 제안하는 것은 task specific 한 자질인 형태소, 음절 단위의 태그 분포를 사용하여 개선하는 것이다. 형태소, 음절 단위의 태그 분포가 단어를 표현함에 있어 많은 정보를 가지고 있기 때문에 태그 분포를 이용하여 단어 표상을 확장하였다. 그래서 베이스라인 시스템 보다 성능 면에서 개선된 UAS 90.93%, LAS 88.29%의 정확도를 가지는 모델을 제안한다.
|
영문내용
(English Abstract) |
Dependency parsing is a step in language analysis that predicts the syntax of sentences. For dependency parsing, the basic model used in this paper is the pointer network, which has performed well in previous research. Since dependency parsing requires to one attach the dependency pointing and dependency relation label at the same time, we apply a multitask learning technique to our dependency parsing. In order to improve the performance of dependency parsing, we propose to use the distributions of a task-specific morpheme and syllable-based relation labels. Since morphemeand syllable-based relation-label distributions have a lot of information in expressing words, we can extend the word representation by using the relation-label distribution. As a result, we propose a model that has better performance, UAS 90.93% and LAS 88.29%, than the baseline systems.
|
| 키워드(Keyword) |
딥러닝
한국어 의존 구문 분석
포인터 네트워크
멀티태스크 학습
자연어 처리
deep learning
Korean dependency parser
pointer networks
multitask learning
natural language processing
|
| 파일첨부 |
PDF 다운로드
|
