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
- 발행연도
- 2020
- 저작권
- 서울대학교 논문은 저작권에 의해 보호받습니다.
이용수0
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
최근 다양한 소셜미디어 플랫폼의 등장과 활용이 증가함에 따라 하루에도 수 억 건의 게시물들이 작성되며, 소셜 빅데이터는 다양한 방식으로 장소정보를 포함하고 있다. 다수의 플랫폼들은 장소정보를 입력하는 기능을 제공하고 있다. 하지만 지오태깅 된 게시물의 수가 적어 게시물의 지리정보 및 장소정보가 제대로 활용되지 못하고 있다. 이에 텍스트 데이터의 장소정보를 활용하기 위해 장소정보를 탐지 및 추출하는 방법에 대한 연구가 활발하게 진행되어져 왔다. 그러나 대부분의 연구는 개체명에 해당하는 고유명사로 된 장소정보 추출에 대해 진행되었다. 또한, 개체명인식의 경우 학습을 위한 데이터를 구축하는데 있어서 BIO태깅이 필요하며, 이는 상당한 시간과 인력이 필요하다. 따라서 본 연구에서는 자연어처리 분야에서 널리 사용되고 있는 순환신경망과 최신 딥러닝 기술인 어텐션 메커니즘을 활용하여 BIO태깅을 하지 않고, 기존 개체명인식으로는 탐지할 수 없었던 보통명사를 포함한 확장된 개념의 장소정보를 탐지하고자 하였다. 학습모델은 텍스트 내 장소 정보 포함여부를 약 88%의 정확도로 분류하였고, AUC 0.945의 성능을 보였다. 본 논문에서 제안하는 확장된 장소정보 탐지 기법은 학습데이터 셋 구축을 간소화 하였으며, 고유명사 뿐 아니라 보통 명사까지 포함하는 확장된 개념의 장소정보 탐지가 가능함을 확인하였다. 또한, 본 방법을 통해 사전 또는 학습데이터에 없는 장소정보를 텍스트 내에서 탐지할 수 있으므로, 기존 데이터베이스에 없는 신규 POI를 탐지할 수 있다는 점에서 의의가 있다.
목차
제 1 장 서론 11.1 연구 배경 및 동기 31.2 관련 연구 41.2.1 장소정보의 특징 41.2.2 사전 기반 장소정보 탐지 61.2.3 규칙 기반 장소정보 탐지 71.2.4 머신러닝 기반 장소정보 탐지 81.2.5 기존 연구의 한계점 101.3 연구 목적 및 문제 정의 111.4 약어 정리 13제 2 장 제안하는 방법 142.1 어텐션 기반 장소정보 탐지 모델 162.1.1 Fasttext 기반 단어 임베딩 162.1.2 양방향 LSTM 기반 시퀀스 인코더 202.1.3 어텐션 기반 장소정보 이진 분류기 23제 3 장 실험 결과 및 분석 263.1 데이터 셋 263.2 평가 방법 283.3 모델의 구성 및 학습 303.4 실험 결과 분석 333.5 활용 방안 43제 4 장 결론 45참고문헌 47Abstract 53
최근 본 자료
댓글(0)
0