지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
이용수
초록· 키워드
오류제보하기
순환신경망은 순차적이거나 길이가 가변적인 데이터에 적합한 딥러닝 모델이다. LSTM은 순환신경망에서 나타나는 기울기 소멸문제를 해결함으로써 시퀀스 구성 요소간의 장기의존성을 유지 할 수 있다. 본 논문에서는 LSTM에 기반한 언어모델을 구성하여, 불완전한 한국어 문장이 입력으로 주어졌을 때 뒤 이어 나올 단어들을 예측하여 완전한 문장을 생성할 수 있는 방법을 제안한다. 제안된 방법을 평가하기 위해 여러 한국어 말뭉치를 이용하여 모델을 학습한 다음, 한국어 문장의 불완전한 부분을 생성하는 실험을 진행하였다. 실험 결과, 제시된 언어모델이 자연스러운 한국어 문장을 생성해 낼 수 있음을 확인하였다. 또한 문장 최소 단위를 어절로 설정한 모델이 다른 모델보다 문장 생성에서 더 우수한 결과를 보임을 밝혔다.
목차
요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 관련 연구
Ⅲ. Recurrent Neural Networks
Ⅳ. 시스템 모델
Ⅴ. 실험
Ⅵ. 결론
References
참고문헌 (24)
참고문헌 신청
S. H. Gil and G. H. Kim, “Vision-based vehicle detection and tracking using online learning,” J. KICS, vol. 39A, no. 1, pp. 1-11, 2014.
J. H. Moon, et al., “Case study of big data-based agri-food recommendation system according to types of customers,” J. KICS, vol. 40, no. 5, pp. 903-913, 2015.
O. Russakovskym, et al., “ImageNet large scale visual recognition challenge,” Int. J. Comput. Vis., vol. 115, no. 3, pp. 211-252, Dec. 2015.
S. Kumar, et al., “Localization estimation using artificial intelligence technique in wireless sensor networks,” J. KICS, vol. 39C, no. 9, pp. 820-827, 2014.
Y. Bengio, et al., “Leanring long-term dependencies with gradient descent is difficult,” IEEE Trans. Neural Netw., vol. 5, no. 2, pp. 157-166, 1994.
J. H. Moon, et al., “Case study of big data-based agri-food recommendation system according to types of customers,” J. KICS, vol. 40, no. 5, pp. 903-913, 2015.
O. Russakovskym, et al., “ImageNet large scale visual recognition challenge,” Int. J. Comput. Vis., vol. 115, no. 3, pp. 211-252, Dec. 2015.
S. Kumar, et al., “Localization estimation using artificial intelligence technique in wireless sensor networks,” J. KICS, vol. 39C, no. 9, pp. 820-827, 2014.
Y. Bengio, et al., “Leanring long-term dependencies with gradient descent is difficult,” IEEE Trans. Neural Netw., vol. 5, no. 2, pp. 157-166, 1994.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
LSTM을 이용한 한글 문장 생성 모델
한국정보과학회 학술발표논문집
2018 .12
-
LSTM 언어모델을 이용한 한국어 자연어 생성 모델
한국정보과학회 학술발표논문집
2017 .12
-
한국어 음소 단위 LSTM 언어모델을 이용한 문장 생성
지능정보연구
2017 .06
-
LSTM 모델을 이용한 한국어 드라마 대본 생성
한국정보과학회 학술발표논문집
2020 .07
-
ELMo 임베딩 기반 문장 중요도를 고려한 중심 문장 추출방법
스마트미디어저널
2021 .01
-
Self-Attention을 적용한 문장 임베딩으로부터 이미지 생성 연구
스마트미디어저널
2021 .01
-
문서 주제에 따른 문장 생성을 위한 LSTM 기반 언어 학습 모델
한국컴퓨터정보학회 학술발표논문집
2016 .07
-
Application of Improved Variational Recurrent Auto-Encoder for Korean Sentence Generation
Journal of KIISE
2018 .02
-
LSTM 순환 신경망을 이용한 도로 교통 속도 예측
대한토목학회 학술대회
2020 .10
-
Sentence Comprehension with an LSTM Language Model
디지털콘텐츠학회논문지
2018 .12
-
입력 문장의 대칭성에 따른 LSTM의 학습 성능 차이 연구
한국정보과학회 학술발표논문집
2018 .06
-
Neural Attention을 반영한 문장 생성 모델
한국컴퓨터정보학회 학술발표논문집
2017 .01
-
문장 분류 도메인 RNN과 LSTM에서의 은닉 벡터 연산을 통한 어텐션 계산 방법
한국정보과학회 학술발표논문집
2022 .12
-
LSTM 기반 순환신경망을 활용한 데이터 센터 내 서비스 별 네트워크 자원 예측 모델 제안
한국통신학회 학술대회논문집
2019 .01
-
Psalm Text Generator Comparison Between English and Korean Using LSTM Blocks in a Recurrent Neural Network
한국정보통신학회 종합학술대회 논문집
2022 .10
-
LSTM 기반 딥러닝 기술을 활용한 수온 변화 예측
한국정보통신학회 여성 ICT 학술대회 논문집
2020 .08
-
빅데이터 기반 문장 유사도 측정 언어 모델
대한전자공학회 학술대회
2020 .08
-
LSTM 기반 이상 탐지 모델 비교 및 분석
한국정보과학회 학술발표논문집
2022 .12
-
웹 말뭉치에 대한 문장 필터링 데이터 셋 구축 방법
한국정보통신학회논문지
2021 .11
-
변형된 Attention 메커니즘 기반의 LSTM을 통한 전력수요 예측 프레임웍
한국지능시스템학회 논문지
2020 .06
이 논문의 저자 정보
이 논문과 함께 이용한 논문
한국어 음소 단위 LSTM 언어모델을 이용한 문장 생성
안성만
,
정여진
,
이재준
외 1명
지능정보연구
2017
.06
문서 주제에 따른 문장 생성을 위한 LSTM 기반 언어 학습 모델
김다해
,
이지형
한국컴퓨터정보학회 학술발표논문집
2016
.07
딥러닝의 모형과 응용사례
안성만
지능정보연구
2016
.06
LSTM 언어모델을 이용한 한국어 자연어 생성 모델
허윤석
,
김주애
,
박영민
외 2명
한국정보과학회 학술발표논문집
2017
.12
Automatic Tagging for Social Images using Convolution Neural Networks
장현웅
,
조수선
Journal of KIISE
2016
.01
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2017-567-000711861