정보과학회논문지 (Journal of KIISE)
Current Result Document :
| 한글제목(Korean Title) |
대용량 텍스트 자원을 활용한 한국어 형태소 임베딩의 모델별 성능 비교 분석 |
| 영문제목(English Title) |
Comparative Analysis of Various Korean Morpheme Embedding Models using Massive Textual Resources |
| 저자(Author) |
이다빈
최성필
Da-Bin Lee
Sung-Pil Choi
|
| 원문수록처(Citation) |
VOL 46 NO. 05 PP. 0413 ~ 0418 (2019. 05) |
한글내용
(Korean Abstract) |
단어 임베딩은 컴퓨터가 자연어를 인식할 수 있도록 하는 변환 기법으로 기계번역, 개체명 인식 등 기계학습을 바탕으로 하는 자연어 처리 분야에서 다양하게 사용되고 있다. 단어 임베딩을 생성하는 다양한 단어 임베딩 모델들이 존재하지만 이러한 모델들을 동일한 조건에서 성능을 비교 분석한 연구가 미비하다. 본 논문에서는 한국어 형태소 단위 띄어쓰기를 기반으로 하여 활발하게 사용되고 있는 모델인 Word2Vec의 Skip-Gram과 CBOW, GloVe, FastText의 성능을 비교 분석한다. 뉴스 대용량 말뭉치 및 세종 말뭉치를 바탕으로 실험한 결과 FastText가 가장 높은 성능을 확인할 수 있었다.
|
영문내용
(English Abstract) |
Word embedding is a transformation technique that enables a computer to recognize natural language. It is used in various fields of natural language processing based on machine learning such as machine translation and named-entity recognition. Various word-embedding models are available; however, few studies have compared the performance of these models under similar conditions. In this paper, we compare and analyze the performance of Word2Vec Skip-Gram, CBOW, Glove, and FastText, which are actively used according to Korean morpheme spacing. Based on experimental results with large news corpus and Sejong corpus, FastText yielded the best performance among CBOW, Skip-gram, Glove, and FastText of Word2Vec.
|
| 키워드(Keyword) |
단어 임베딩
자연어 처리
Word2Vec
GloVe
FastText
word embedding
NLP(Natural Language Processing)
Word2Vec
GloVe
FastText
|
| 파일첨부 |
PDF 다운로드
|
