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

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
저널정보
Korean Institute of Information Scientists and Engineers 한국정보과학회 학술발표논문집 한국정보과학회 1995년도 봄 학술발표논문집 제22권 제1호
발행연도
1995.4
수록면
195 - 198 (4page)

이용수

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

초록· 키워드

오류제보하기
본 논문은 작은 말뭉치를 이용해서 품사 태깅 시스템에서 필요한 정보를 추출할 때에 발생되는 자료부족을 해결한 새로운 혼합 가중치 망 방식을 제안한다. 이 모델은 작은 학습 말뭉치를 이용해서 높은 정확률을 얻을 수 있도록 퍼지망 모델과 은닉 마르코프 모델을 결합한 모델이다. 또한 본 논문에서는 말뭉치의 크기에 따라 서로 다른 매개변수의 추정 방법을 제시하고자 한다.
본 논문은 Penn Treebank에 대해서 실험을 수행하였다. 은닉 마르코프 모델과 성능을 비교해 보면, 약 2,000 여 개의 단어로 구성된 학습 말뭉치에 대해서, 1차와 2차 문맥 정보의 경우에 각각 46.5%와 20.46%의 오류가 감소되었다. 그리고 약 60,000 단어 이하의 학습 말뭉치에 대해서 1차 문맥 정보에 평활화 방법을 사용하는 것이, 2차 문맥 정보를 사용하는 것보다 더 효과적임이 실험을 통해 관찰되었다.

목차

요약

1. 서론

2. 품사 태깅을 위한 은닉 마르코프 모델과 퍼지망 모델

3. 자료 부족 문제를 해결하기 위한 혼합 가중치 망 모델(HNet Tagger)

4. 실험 및 평가

5. 결론

감사의 글

참고문헌

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2009-569-017949383