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

목차

술어-논항 구조의 어휘 패턴을 이용한 스트링 커널 기반 관계 추출 / 정창후 ; 전홍우 ; 송사광 ; 홍순찬 ; 정한민 ; 최성필 1

요약 1

Abstract 1

1. 서론 2

2. 관련 연구 2

3. 술어-논항 구조의 어휘 패턴을 이용한 스트링 커널 기반 관계 추출 3

4. 실험 및 분석 5

5. 결론 6

참고문헌 7

[저자소개] 7

초록보기

문서 내에 존재하는 핵심개체들 간의 다양한 상호작용을 정확하게 파악하고 활용하기 위해서는 관계 추출 기술이 필수적이다. 스트링 커널을 이용한 관계 추출은 커널의 입력으로 사용되는 스트링을 효과적으로 구성하는 것이 커널 계산 속도나 정확성 측면에서 중요한 요소임에도 불구하고 기존 연구에서는 입력 스트링을 효과적으로 구성하지 못했다. 본 논문에서는 개체 쌍 사이에 존재하는 술어-논항 구조의 어휘 패턴 문자열을 정규화해서 스트링 커널에 적용하는 방법을 제안한다. 술어-논항 구조 패턴은 문장을 구성하는 모든 단어에 대한 술어-논항 관계 그래프에서 중요하게 지정된 두 개체를 연결하는 최소 집합의 술어-논항으로 구성된 순서 열로서, 문장 내에서 상호작용하는 두 개체 간의 연관관계를 표현해주는 중요한 단서 정보가 된다. 제안된 시스템의 평가를 위해서 과학기술문헌에 존재하는 핵심개체들 간의 연관관계 추출 성능을 평가하는 테스트컬렉션을 구축하여 실험을 진행하였다. 정확도 측정 결과, 스트링 커널의 입력으로 문장 전체를 사용한 경우에는 55.07%, 개체 쌍 사이의 문자열을 사용한 경우에는 61.04%, 그리고 술어-논항 구조의 어휘 패턴 문자열을 사용한 경우에는 69.14%로, 술어-논항 구조의 어휘 패턴 문자열을 사용했을 때 성능이 가장 좋게 나타났다. 결론적으로 문장 내의 술어-논항 구조를 분석하여 정규화된 어휘 패턴을 생성하고 이렇게 생성된 문자열을 스트링 커널에 적용하는 방법이 관계 추출에 유용한 방법임을 알 수 있었다.

The relation extraction is one of the most essential parts in text mining in order to capture various detailed interactions between entities found in documents. The previous research has not shown good results on how to effectively construct the input string of the kernel. Actually, it is very important in terms of efficiency and effectiveness of kernel computation. Therefore, we propose a string-kernel method which normalizes the syntactic pattern strings consisting of predicate-argument structures (PAS) existing between a pair of entities in a sentence. The pattern string is the minimum- length sequence of PASs out of all kinds of possible sequences for any pair of words in a sentence, which is a very important clue revealing the interconnection between two entities in a sentence. The proposed method has been implemented and performed experiments to prove its usefulness upon our own test collection designed for verifying the relationship between the entities in documents. The experiments shows that the proposed methods performed the best since its accuracy reaches 69.14% whereas 55.07% and 61.04% are the results of the other two comparison settings: one uses entire strings as the input for the kernel, the other receives all strings between two target entities. Consequently, we proved that the better performance could be obtained from the proposed string-kernel based method, which extracts the normalized lexical pattern consisting of predicate-argument structure in a sentence and then applies it to the string kernel method.

권호기사

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 목차
술어-논항 구조의 어휘 패턴을 이용한 스트링 커널 기반 관계 추출 정창후, 전홍우, 송사광, 홍순찬, 정한민, 최성필 pp.927-934

보기
고차 데이터 분류를 위한 순차적 베이지안 샘플링을 기반으로 한 하이퍼네트워크 모델의 진화적 학습 기법 하정우, 김수진, 장병탁 pp.935-943

보기
X-선 혈관조영영상에서 혈관 강화 및 추적기법을 이용한 관상동맥 경계 자동 추출 백정아, 홍헬렌 pp.944-954

보기
기하 보정 및 강체 정합을 통한 전립선 병리 영상의 자동 스티칭 김한나, 이지언, 홍헬렌 pp.955-964

보기
모션 블러 및 아웃라이어 처리를 통한 강인한 HDR 영상 복원 방법 조호진, 이승용 pp.965-972

보기
다층 표현에서 비등방성 확산을 이용한 초음파 영상 품질 향상 김백섭 pp.973-979

보기
그룹의 공존-지속시간 예측모델 기반의 에너지 효율적 협업 센싱 기법 김태훈, 이대규, 현순주 pp.980-987

보기
스마트 TV 환경에서 개인 맞춤 추천을 위한 융합 기법 김은주, 송성렬, 김명원 pp.988-997

보기
질의 생성을 이용한 자연어 인터페이스 한용진, 박세영 pp.998-1004

보기
양방향 LSTM 구조의 계층적 순환신경망을 이용한 가속도 센서 기반 제스처 인식 이명춘, 조성배 pp.1005-1011

보기

참고문헌 (20건) : 자료제공( 네이버학술정보 )

참고문헌 목록에 대한 테이블로 번호, 참고문헌, 국회도서관 소장유무로 구성되어 있습니다.
번호 참고문헌 국회도서관 소장유무
1 R. C. Bunescu, R. J. Mooney, "A Shortest Path Dependency Kernel for Relation Extraction," Proc. of the Human Language Technology Conference and Conference on Empirical Methods in Natural Language Processing, pp.724-731, 2005. 미소장
2 A. Culotta, J. Sorense, "Dependency Tree Kernels for Relation Extraction," Proc. of the 42nd Annual Meeting on Association for Computational Linguistics, 2004. 미소장
3 Study on the integration of recognition technology for scientific core entities 소장
4 S. Choi, Y. Choi, C. Jeong, S. Myaeng, "Extraction of Relationships between Scientific Terms based on Composite Kernels," Journal of KIISE : Computing Practices and Letters, vol.15, no.12, pp.988-992, Dec. 2009. (in Korean) 미소장
5 Information extraction 네이버 미소장
6 Open information extraction from the web 네이버 미소장
7 D. Zelenco, C. Aone, A. Richardella, "Kernel Methods for Relation Extraction," Journal of Machine Leanring Research, vol.3, pp.1083-1106, 2003. 미소장
8 Exploring syntactic structured features over parse trees for relation extraction using kernel methods 네이버 미소장
9 M. Zhang, J. Zhang, J. Su, "Exploring syntactic features for relation extraction using a convolution tree kernel," Proc. of the main conference on Human Language Technology Conference of the North American Chapter of the Association of Computational Linguistics, pp.288-295, 2006. 미소장
10 N. Kambhatla, "Combining Lexical, Syntactic, and Semantic Features with Maximum Entropy Models for Extracting Relations," Proc. of the ACL on Interactive poster and demonstration sessions, 2004. 미소장
11 G. Zhou, J. Su, J. Zhang, M. Zhang, "Exploring various knowledge in relation extraction," Proc. of the 43rd Annual Meeting on Association for Computational Linguistics, pp.427-434, 2005. 미소장
12 N. Cristianini, J. Shawe-Taylor, An Introduction to Support Vector Machines and Other Kernel-based Learning Methods, Cambridge University Press, 2000. 미소장
13 LIBSVM 네이버 미소장
14 Graph Kernels 네이버 미소장
15 All-paths graph kernel for protein-protein interaction extraction with evaluation of cross-corpus learning. 네이버 미소장
16 H. Lodhi, C. Saunders, J. Shawe-Taylor, N. Cristianini, C. Watkins, "Text Classification using String Kernels," Journal of Machine Learning Research, vol.2, pp.419-444, 2002. 미소장
17 R. C. Bunescu, R. J. Mooney, "Subsequence Kernels for Relation Extraction," Proc. of the 9th Conference on Natural Language Learning, pp.9-16, 2006. 미소장
18 A. Yakushiji, Y. Miyao, T. Ohta, Y. Tateisi, J. Tsujii, "Automatic Construction of Predicate-argument Structure Patterns for Biomedical Information Extraction," Proc. of the 2006 Conference on Empirical Methods in Natural Language Processing, pp.284-292, 2006. 미소장
19 Feature Forest Models for Probabilistic HPSG Parsing 네이버 미소장
20 J. L. Fleiss, "Measuring nominal scale agreement among many raters," Journal of Psychological Bulletin, vol.76, no.5, pp.378-382, 1971. 미소장

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