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

문장 분배기를 사용한 의존 구조 분석기 통합 / 이지민 ; 이진식 ; 이근배 1

요약 1

Abstract 1

1. 서론 1

2. 관련연구 2

2.1. 상태 변이 기반 의존 구조 분석 2

2.2. 그래프 기반 의존 구조 분석 2

2.3. 앙상블 모델 2

2.4. 스태킹 모델 2

3. 문장 분배하기 2

3.1. 개요 2

3.2. 문장 수준 분배기 3

3.3. 단어 수준 분배기 4

3.4. 문장 수준 분배기와 단어 수준 분배기의 비교 4

4. 실험 4

4.1. 문장 수준 분배기 4

4.2. 단어 수준 분배기 5

4.3. 결과 5

5. 토론 6

6. 결론 6

참고문헌 7

초록보기

본 논문은 의존 구조 분석기 통합을 위해 입력 문장의 특성을 활용하는 분배기를 제안한다. 본 모델은 구성 의존 구조 분석기 중에서 입력 문장을 가장 잘 분석할 수 있는 의존 구조 분석기를 선택하고, 선택된 의존 구조 분석기의 결과를 최종 결과로 사용한다. 이 모델을 구현하는 구체적인 방법으로 문장 수준 분배기와 단어 수준 분배기를 제안한다. 6개 언어에 대해서 제안 방법의 성능을 측정했다. 문장 수준 분배기는 MALT에 비해서 평균 2.03%, MST에 비해서 평균 0.59%의 성능 향상이 있었다. 단어 수준 분배기는 MALT에 비해서 평균 1.98%, MST에 비해서 평균 0.54%의 성능 향상이 있었다. 추가로, 본 방법론은 구성 의존 구조 분석기의 수의 관계없이 한번만 파싱을 하기 때문에 기존의 통합 방법론들에 비해서 속도상 강점을 가진다.

We propose a new model that utilizes characteristics of an input sentence to integrate dependency parsers. Our model chooses an appropriate dependency parser for an input sentence out of component parsers. The dependency tree of the chosen parser becomes the result tree of the entire system. To implement this new model, we propose two approaches: sentence level approach and word level approach. We measured the LAS of our method on six languages. The average LAS of our sentence level approach is larger than MALT by 2.03%, and MST by 0.59%. The same measure of our word level approach is larger than MALT by 1.98%, and MST by 0.54%. In addition, our method has a great advantage in parsing time compared with the conventional integrations because it needs to parse an input sentence only once regardless of the number of component parsers integrated.

권호기사

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 목차
임베디드 소프트웨어에서 코드 리팩토링과 C 바운디드 모델 체커 도구의 적용 김성회 ,권기현 ,한혁수 ,이상은 ,이혁재 ,남일규 ,한주동 pp.179-187

보기
공정제어 PLC응용SW의 재사용성과 유지보수성 향상을 위한 SW공학 원칙 적용사례 연구 양진석 ,김용수 ,강교철 pp.188-197

보기
멀티 플랫폼에서 동작하는 일관된 모바일 어플리케이션 GUI 소스 코드 자동 생성 기법 류성태 ,박철현 ,이은석 pp.198-206

보기
문장 분배기를 사용한 의존 구조 분석기 통합 이지민 ,이진식 ,이근배 pp.207-213

보기
자질 가중치의 기계학습에 기반한 한국어 의존파싱 임수종 ,김영태 ,나동열 pp.214-223

보기
union 멤버 사용 오류 검출 기법 주성용 ,조장우 pp.224-228

보기

참고문헌 (15건) : 자료제공( 네이버학술정보 )

참고문헌 목록에 대한 테이블로 번호, 참고문헌, 국회도서관 소장유무로 구성되어 있습니다.
번호 참고문헌 국회도서관 소장유무
1 R. McDonald and J. Nivre, "Characterizing the errors of data driven dependency parsing models," Proc. of EMNLP-CoNLL, pp.122-131, 2007. 미소장
2 H. Yamads and Y. Matsumoto, "Statistical dependency analysis with support vector machines," Proc. of IWPT, pp.195-206, 2003. 미소장
3 J. Nivre, J. Hall, and J. Nilsson, "Memory-based dependency parsing," Proc. of CoNLL, pp.49-56, 2004. 미소장
4 J. M. Eisner, "Three new probabilistic models for dependency parsing: an exploration," Proc. of COLING, pp.340-345, 1996. 미소장
5 R. McDonald, K. Crammer, and F. Pereira, "Online large-margin training of dependency parsers," Proc. of ACL, pp.91-98, 2005. 미소장
6 K. Sagae and A. Lavie, "Parser combination by reparsing," Proc. of NAACL, pp.129-132, 2006. 미소장
7 J. Nivre and R. McDonald, "Integrating graph- based and transition-based dependency parsers," Proc. of ACL-HLT, pp.950-958, 2008. 미소장
8 A. F. T. Martins, D. Das, N. A. Smith, and E. P. Xing, "Stacking dependency parsers," Proc. of EMNLP, pp.157-166, 2008. 미소장
9 J. Lee, S. Jung, C. Lee, J. Lee, G. G. Lee, "Integrating two dependency parsers: picking the better one," Proc. of HCLT, 2009. (in Korean) 미소장
10 MALT 1.3.1 http://maltparser.org/ 미소장
11 http://sourceforge.net/projects/mstparser/ 미소장
12 http://www-tsujii.is.s.u-tokyo.ac.jp/~tsuruoka/maxent/ 미소장
13 S. Buchholz and E. Marsi, "CoNLL-X shared task on multilingual dependency parsing," Proc. of CoNLL, pp.149-164, 2006. 미소장
14 T. Kudo and Y. Matsumoto, "Japanese dependency analysis using cascaded chunking," Proc. of CoNLL, pp.1-7, 2002. 미소장
15 M. Iwatate, M. Asahara, and Y. Matsumoto, "Japanese dependency parsing using a tournament model," Proc. of COLING, pp.361-368, 2008. 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