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
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Jin Hong Min (Konkuk University) Seong Jun Jung (Konkuk University) Se Hee Jung (DeepVisions) Seongmin Yang (Konkuk University) Jun Sang Cho (Konkuk University) Sung Hwan Kim (Konkuk University)
저널정보
계명대학교 자연과학연구소 Quantitative Bio-Science Quantitative Bio-Science Vol.39 No.1
발행연도
2020.5
수록면
17 - 24 (8page)

이용수

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

초록· 키워드

오류제보하기
Since the era of burgeoning big data, text data have not only become increasingly accessible but also been widely applied to diverse domains. In these circumstances, adequate language processing is urgently required to handle the enormous amount of unorganized data (e.g., wrong, missing, incomplete). To deal with text data errors, varied efforts have been applied to develop grammatical error correction (GEC) models, especially for the English language. However, correction models for Korean have remained relatively unexplored. In this paper, we propose a novel GEC model specialized in Korean. Owing to the lack of training sample-label pairs (parallel corpus) in the pre-training phase, prior to training in the main stage, this model accommodates a pre-defined noise function that produces artificial errors to reinforce the previous language-correction models. For numerical study, we generate approximately 37 million training sentences and choose the case study of Korean learners’ parallel corpus, a benchmark dataset for text correction. We conclude from the study that the proposed model outperforms humans in the context of bilingual evaluation understudy scores.
#Natural language processing #Grammatical error correction #Denoising auto-encoder #Transfer learning #Parallel corpus

목차

ABSTRACT
1. Introduction
2. Related Work
3. Proposed Method
4. Experiments
5. Discussion
References

참고문헌 (22)

참고문헌 신청
Sidorov G / 2013 / Rule-based system for automatic grammar correction using syntactic n-grams for english language learning (l2) / Conf. on Computational Natural Language Learning: Shared Task :96~101 google schola Lample G / 2018 / Phrasebased & neural unsupervised machine translation / ArXiv Preprint ArXiv:1804.07755 2018 google schola Peters ME / 2018 / Deep contextualized word representations / ArXiv Preprint ArXiv:1802.05365 google schola Devlin J / 2018 / Bert: Pre-training of deep bidirectional transformers for language understanding / ArXiv Preprint ArXiv:1810.04805 google schola Yang Z / 2019 / Xlnet: Generalized autoregressive pretraining for language understanding / Adv Neur In :5754~5764 google schola

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

한국 드라마 캐릭터의 성격을 가진 대화형 챗봇 구현
김상렬 ,  유승욱 ,  김중훈 외 1명 한국정보과학회 학술발표논문집 2022 .06

최근 본 자료

전체보기

댓글(0)

0