정보과학회논문지 (Journal of KIISE)
Current Result Document :
| 한글제목(Korean Title) |
한국어 어휘 의미망을 활용한 CRF 모델 기반 개체명 인식 |
| 영문제목(English Title) |
CRF based Named Entity Recognition Using a Korean Lexical Semantic Network |
| 저자(Author) |
박서연
옥철영
Seoyeon Park
Cheolyoung Ock
|
| 원문수록처(Citation) |
VOL 48 NO. 05 PP. 0556 ~ 0567 (2021. 05) |
한글내용
(Korean Abstract) |
개체명 인식은 주어진 문장 내의 고유한 의미가 있는 단어들을 미리 정의된 개체의 범주로 분류하는 작업이다. 최근 딥러닝 네트워크 혹은 언어 모델을 이용한 개체명 인식 연구들이 높은 성능을 보였지만 이러한 모델은 고성능의 컴퓨팅 파워가 요구되며 학습 모델의 속도가 느려 아직은 실용성이 낮다는 문제가 있다. 본 논문에서는 실용성을 목적으로 처리 속도와 정확률을 모두 고려하여 기계학습 방식의 CRF를 기반으로 하여 의미 자질과 구문적 자질을 추가한 개체명 인식 시스템을 제안한다. 한국어 어휘 의미망(UWordMap)을 활용하여 사람의 지식을 기반으로 하여 의미 자질인 상위어, 최상위어 정보와 구문적 자질인 의존관계와 격조사 정보를 학습 자질로 추가하고 평가하였다. 실험 결과, F1 score 기준 90.54% 포인트의 성능과 초당 약 1,461 문장을 처리하였다.
|
영문내용
(English Abstract) |
Named Entity Recognition(NER) is the process of classifying words with unique meanings that often appear as OOV within sentence into categories of predefined entities. Recently, many researches have been conducted using deep learning to synthesize the words’ embedding via Convolution Neural Network(CNN), Long Short-Term Memory(LSTM) networks or training language models. However, models using these deep learning network or language model require high performance computing power and have low practicality due to slow speed. For practicality, this paper proposes Conditional Random Field(CRF) based NER model using Korean lexical network(UWordMap). By using hypernym, dependence and case particle information as training feature, our model showed 90.54% point of accuracy, 1,461 sentences/sec processing speed.
|
| 키워드(Keyword) |
개체명 인식
기계학습
조건부 랜덤 필드
한국어 어휘 의미망
named entity recognition
machine learning
conditional random fields
korean lexical semantic network
|
| 파일첨부 |
PDF 다운로드
|
