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.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 현병언
- 발행연도
- 2017
- 저작권
- 숭실대학교 논문은 저작권에 의해 보호받습니다.
이용수2
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
본 논문은 물류 업계의 핵심 업무 중의 하나인 자동 응대 시스템에 필요한 비정형 문서 지식을 효율적으로 구축하기 위하여 LSP (Lexico-Semantic Pattern) 와 기계 학습을 Hybrid로 병행 활용하여 텍스트 분석 효과를 연구하는데 그 목적이 있다.
기계학습만을 이용한 텍스트 분석은 분석 정확도의 일관성이 부족하고 분석 결과를 의도적으로 조정하는 데 어려움이 있다.
온톨로지 또는 LSP 등 패턴 기반만을 이용한 텍스트 분석은 전문가에 의한 지식 구축 작업이 계속적으로 이루어져야하기 때문에 운영비용이 지속적으로 발생하는 단점이 있다.
이번 연구에서는 첫 번째, LSP를 사용한 패턴매칭만으로 기본질의와 같은 의미의 다양한 표현을 의미하는 확장 질의를 설정하고 두 번째, 기계학습 모델만을 생성하고 세 번째, LSP로 기본 패턴 설정한 후, 확장질의는 기계학습을 이용하는 세 종류의 지식 작업과 실험을 진행하였다.
그 결과 Hybrid 방식이 LSP만을 사용한 방식 대비 작업 시간은 469%, 재현율(부분일치)이 27.2%가 향상이 되는 결과를 확인할 수 있었다. 기계학습만을 사용한 실험에서는 검색 재현율이 현저히 낮아 아직 현실 적용에는 낮은 재현율이 걸림돌이 될 것으로 판단하였다.
본 연구의 적용 분야는 콜센터의 무인 응대뿐만 아니라 보이스피킹, 무인 주문 접수, 신입 사원 교육, 콜센터 응대요원의 Knowledge 관리 등에 폭넓게 활용이 가능하리라 전망한다.
최근 급증하는 텍스트 분석에 관한 기술을 사업화 관점에서 산업 현장에 적용하려면 지식 구축 과정이 짧을수록 그리고 질의 의도 파악에 대한 재현율이 높을수록 그 시점을 앞당길 수 있을 것이다.
기계학습만을 이용한 텍스트 분석은 분석 정확도의 일관성이 부족하고 분석 결과를 의도적으로 조정하는 데 어려움이 있다.
온톨로지 또는 LSP 등 패턴 기반만을 이용한 텍스트 분석은 전문가에 의한 지식 구축 작업이 계속적으로 이루어져야하기 때문에 운영비용이 지속적으로 발생하는 단점이 있다.
이번 연구에서는 첫 번째, LSP를 사용한 패턴매칭만으로 기본질의와 같은 의미의 다양한 표현을 의미하는 확장 질의를 설정하고 두 번째, 기계학습 모델만을 생성하고 세 번째, LSP로 기본 패턴 설정한 후, 확장질의는 기계학습을 이용하는 세 종류의 지식 작업과 실험을 진행하였다.
그 결과 Hybrid 방식이 LSP만을 사용한 방식 대비 작업 시간은 469%, 재현율(부분일치)이 27.2%가 향상이 되는 결과를 확인할 수 있었다. 기계학습만을 사용한 실험에서는 검색 재현율이 현저히 낮아 아직 현실 적용에는 낮은 재현율이 걸림돌이 될 것으로 판단하였다.
본 연구의 적용 분야는 콜센터의 무인 응대뿐만 아니라 보이스피킹, 무인 주문 접수, 신입 사원 교육, 콜센터 응대요원의 Knowledge 관리 등에 폭넓게 활용이 가능하리라 전망한다.
최근 급증하는 텍스트 분석에 관한 기술을 사업화 관점에서 산업 현장에 적용하려면 지식 구축 과정이 짧을수록 그리고 질의 의도 파악에 대한 재현율이 높을수록 그 시점을 앞당길 수 있을 것이다.
목차
제 1 장 서론 1제 2 장 관련 분야 동향 및 연구 22.1 텍스트 분석을 위한 각종 기법 연구 2제 3 장 텍스트 분석 방법 53.1 LSP와 Machine Learning Hybrid 텍스트 분석 개념 53.2 기본 질의문과 유사 질의 확장 53.3 LSP를 활용한 텍스트 분석 개념과 구축 방법 83.3.1 컨셉 구축 93.3.2 의미 자질 사전 구축 93.3.3 엔트리의 등록 103.3.4 LSP 구축 113.4 기계학습을 활용한 텍스트 분석 개념과 구축 방법 13제 4 장 실험 164.1 실험용 시스템의 구조 164.2 분석용 데이터의 준비 174.2.1 실험용 데이터의 선정 174.2.2 실험용 데이터의 정제 및 답변 매핑 184.3 실험 진행 방법 20제 5 장 결론 및 추후 연구 21참고문헌 24
최근 본 자료
댓글(0)
0