본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색

결과 내 검색

동의어 포함

고급검색

인명/단체명

저자정보 상세정보
인명/단체명을 입력하세요.

키워드

  • 대표어

  • 외국어

-

목차보기

표제지

목차

국문초록 13

ABSTRACT 16

제1장 서론 20

1.1. 연구의 배경과 목적 20

1.2. 연구의 내용과 범위 22

1.3. 논문의 구성 25

제2장 이론적 배경 27

2.1. 음성인식 27

2.1.1. 음성인식 개요 27

2.1.2. 음성인식 연구 동향 41

2.1.3. 음성인식 관련 연구 51

2.2. 한국어 동음이의어 58

2.2.1. 한국어 동음이의어 개요 58

2.2.2. 한국어 동음이의어 관련 연구 65

2.3. 자연어처리(Natural Language Processing) 67

2.3.1. 자연어처리의 개요 67

2.3.2. 임베딩 기술의 관련 연구 69

2.4. 관련 연구의 쟁점 77

제3장 연구방법 80

3.1. 연구방법의 개요 80

3.2. 연구모델 82

3.2.1. 연구모델의 데이터셋 구축 82

3.2.2. 연구모델의 설계 85

3.2.3. 연구모델의 구조 86

3.2.4. 연구모델의 학습과 생성 88

3.3. 연구방법의 구현 알고리즘 96

제4장 실험 100

4.1. 실험 방법 100

4.1.1. 실험 데이터 100

4.1.2. 실험 절차 101

4.1.3. 실험 환경 103

4.1.4. 실험 평가방법 105

4.2. 실험결과 110

제5장 결론 121

5.1. 연구의 요약 121

5.2. 연구의 시사점 123

5.3. 연구의 한계 및 향후 연구 방향 126

참고문헌 128

부록 144

표목차

[표 2-1] 음성인식 기술의 구분과 특징 30

[표 2-2] 음성인식 기술의 분류와 적용 31

[표 2-3] Lexical Tree 기반 search와 WFST의 장단점 비교 41

[표 2-4] Read Speech에 대한 성능의 비교 51

[표 2-5] 공시적 음운규칙의 분류와 종류 60

[표 2-6] 필수적 음운규칙의 설명과 예시 61

[표 2-7] 수의적 음운규칙의 설명과 예시 62

[표 2-8] 동음어의 유형 63

[표 2-9] GLUE Test results, scored by the GLUE evaluation server 75

[표 2-10] SQuAD results 76

[표 3-1] 연구방법과 연구모델의 용어 정의 80

[표 3-2] 기존방법과 연구방법의 차이점 82

[표 3-3] 이철동음어 표제어별 학습 건수 84

[표 3-4] 연구모델 학습 환경 89

[표 3-5] 연구모델별 학습 하이퍼 파라미터와 검증데이터... 95

[표 4-1] 연구방법의 실험 환경 104

[표 4-2] 기존 음성인식 시스템의 실험 환경 105

[표 4-3] 연구모델의 성능 평가 112

[표 4-4] 연구방법에 적용한 연구모델의 성능 평가 113

[표 4-5] 음성인식 시스템과 연구방법의 인식 비교 114

[표 4-6] 음성인식 시스템의 인식된 문장으로 연구방법의 성능 비교 115

[표 4-7] 음성인식 시스템의 인식된 문장에 대한 연구방법_Mask 방법의 적용결과 116

[표 4-8] 사람과 연구방법의 인식 비교 116

[표 4-9] 연구방법_Mask방법 오답 이철동음어의 학습량 119

[표 4-10] 음성인식 시스템의 인식 결과에 연구방법_Mask 방법을 적용... 120

그림목차

[그림 1-1] 대화형 인터페이스 시스템 구성 23

[그림 1-2] 음성인식 시스템 구성도 23

[그림 2-1] 음성인식 기술의 발전 방향 32

[그림 2-2] WFST 디코딩 네트워크 예 40

[그림 2-3] Architecture of a DNN-HMM hybrid system 44

[그림 2-4] DNN 모델 학습 절차도 44

[그림 2-5] CNN 구성도 46

[그림 2-6] Recurrent convolution neural network 구조 47

[그림 2-7] End-to-End 학습 기반의 음성인식 기술 발전 방향 49

[그림 2-8] CTC 모델에서 음성 정렬(alignment) 없는 학습 구성 49

[그림 2-9] CTC 모델을 이용한 Baidu사 "Deep Speech2" 신경망 구조 50

[그림 2-10] CBOW와 Skip-gram architecture 70

[그림 2-11] 사전 훈련 모델 아키텍처의 차이점 73

[그림 2-12] BERT input representation 74

[그림 3-1] 연구방법의 개념도(점선 영역: 연구방법) 81

[그림 3-2] 데이터셋 구성 83

[그림 3-3] 단일 문장 분류 작업 86

[그림 3-4] 연구모델의 구조 87

[그림 3-5] 연구모델의 내부 파라미터 88

[그림 3-6] 연구모델에 입력을 위한 전처리 90

[그림 3-7] 연구모델 입력 형식에 대한 전처리 91

[그림 3-8] 연구모델의 내부 구조 93

[그림 3-9] 연구모델별 로스 값의 추이 비교 94

[그림 3-10] 연구모델별 검증데이터 정확도의 추이 비교 95

[그림 3-11] 연구방법의 flowchart 99

[그림 4-1] 이진 클래스 분류 Confusion Matrix 106

[그림 4-2] 다중 클래스 분류 Confusion Matrix(Class b 기준) 106

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차

권호

기사명 원문보기 기사목차
닫기