메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술대회자료
저자정보
민진우 (전북대학교) 나승훈 (전북대학교) 김영길 (Chonbuk National University)
저널정보
한국어정보학회 한국어정보학회 학술대회 한국어정보학회 2017년도 제29회 한글및한국어정보처리학술대회
발행연도
2017.1
수록면
305 - 308 (4page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

이 논문의 연구 히스토리 (11)

2022

인터리브-디코더를 이용한 Sequence-to-Sequence기반 한국어 형태소 분석
민진우 ,  나승훈 ,  신종훈 외 1명 한국정보과학회 학술발표논문집 2022.06 학술대회자료

2020

Stack Pointer Network를 이용한 한국어 형태소 분석
민진우 ,  나승훈 ,  신종훈 외 1명 한국정보과학회 학술발표논문집 2020.07 학술대회자료

2019

BERT를 이용한 전이 기반 한국어 형태소 분석 및 품사 태깅
민진우 ,  나승훈 ,  신종훈 외 1명 한국정보과학회 학술발표논문집 2019.12 학술대회자료
End-to-End 뉴럴 전이 기반 한국어 형태소 분석
민진우 ,  나승훈 ,  신종훈 외 1명 한국정보과학회 학술발표논문집 2019.06 학술대회자료
뉴럴 전이 기반 한국어 형태소 분석 및 의존 파싱 통합모델
민진우 전자정보공학부 2019.01 학위논문

2018

End-to-End 뉴럴 모델 기반 한국어 개체명 연결
민진우 ,  나승훈 한국정보과학회 학술발표논문집 2018.12 학술대회자료
Dual Decomposition을 이용한 뉴럴 그래프 기반 한국어 의존 파싱
민진우 ,  나승훈 ,  신종훈 외 1명 한국정보과학회 학술발표논문집 2018.06 학술대회자료

2017

전이 기반 순환 유닛을 이용한 SyntaxNet 기반 한국어 의존 파싱
민진우 ,  나승훈 한국정보과학회 학술발표논문집 2017.06 학술대회자료
딥러닝을 이용한 전이 기반 한국어 품사 태깅 & 의존 파싱 통합 모델
민진우 ,  나승훈 ,  신종훈 한국어정보학회 학술대회 2017.01 학술대회자료
딥러닝을 이용한 전이 기반 한국어 형태소 분석 및 품사 태깅
민진우 ,  나승훈 ,  김영길 한국어정보학회 학술대회 2017.01 학술대회자료

2016

Sequence to Sequence 모델을 이용한 한국어 의존 파싱
민진우 ,  나승훈 한국정보과학회 학술발표논문집 2016.12 학술대회자료

초록· 키워드

오류제보하기
한국어 형태소 분석은 많은 자연어 처리 분야에서 핵심적인 역할을 수행하고 있기 때문에 형태소를 분류하고 형태소에 맞는 알맞은 품사를 결정하는 것은 매우 중요하다. 형태소의 품사를 태깅하는 대표적인 방법은 크게 음절 단위 형태소 분석과 단어 단위 형태소 분석의 두 가지로 나눌 수 있다. 본 논문에서는 의존 파싱 분야에서 널리 활용되고 있는 전이 기반 방식을 적용하여 전이 기반 단어 단위 한국어 형태소 분석 모델을 제안하고 해당 모델을 한국어 형태소 분석 데이터인 세종 품사 부착 말뭉치 셋에 적용하여 F1 97.77 %로 기존의 성능을 더욱 향상시켰다.

목차

등록된 정보가 없습니다.

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0