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
- 신수용
- 발행연도
- 2021
- 저작권
- 성균관대학교 논문은 저작권에 의해 보호받습니다.
이용수28
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
치매는 기질적인 뇌질환으로 인해 지능, 기억 그리고 의사소통 기능이 장기간에 걸쳐 점진적으로 퇴보하는 질병이다. 치매 초기부터 언어기능의 손상이 나타나므로 발화 분석을 통해 치매의 중증도에 따른 발화능력의 손상을 알아내는 것은 치매의 초기 진단과 치료가 중요한 임상 현장에서 언어능력 검사의 유용성을 증가시켜 줄 수 있다.
영어의 경우에는 치매환자의 발화 데이터를 이용한 치매 예측에 대한 연구가 활발히 진행되고 있다. 하지만 현재 한국어 치매발화 데이터는 기계 학습 알고리즘을 학습하기에 데이터의 양이 충분하지 않다. 그러나 영어를 기반으로 개발된 치매 예측 모델과 대용량의 한국어-영어 말뭉치를 이용하여 전이 학습을 진행한다면 이를 극복할 수 있을 것으로 기대된다.
본 논문에서는 전이학습 과정에서 활용할 어휘적 특징을 반영한 변수 추출을 ElasticNet 선형회귀를 사용하여 추출하고, 추출한 변수를 이용하여 치매예측을 위한 타겟변수를 선정하기까지의 모델을 제시한다.
영어의 경우에는 치매환자의 발화 데이터를 이용한 치매 예측에 대한 연구가 활발히 진행되고 있다. 하지만 현재 한국어 치매발화 데이터는 기계 학습 알고리즘을 학습하기에 데이터의 양이 충분하지 않다. 그러나 영어를 기반으로 개발된 치매 예측 모델과 대용량의 한국어-영어 말뭉치를 이용하여 전이 학습을 진행한다면 이를 극복할 수 있을 것으로 기대된다.
본 논문에서는 전이학습 과정에서 활용할 어휘적 특징을 반영한 변수 추출을 ElasticNet 선형회귀를 사용하여 추출하고, 추출한 변수를 이용하여 치매예측을 위한 타겟변수를 선정하기까지의 모델을 제시한다.
목차
제 1 장 서론 1제 2 장 관련 연구 31. 치매 환자와 발화의 특성 32. 치매 진단을 위한 기계학습 43. 다국어 적용을 위한 전이학습 5제 3장 치매 예측을 위한 변수 추출 71. 변수 추출 시스템 모델 72. 데이터 설명 (Dataset Description) 81) AIHub 한국어-영어 번역(병렬) 말뭉치 AI데이터 82) DementiaBank 데이터 93. 한국어 데이터 전처리와 변수 추출 101) 형태소 분석과 품사 태깅 122) 감정 문장 추출 133) 영어의 변수 추출 144. 변수 전이 155. 정규화 17제 4장 치매 진단 실험 191. 성능 평가 지표 192. 실험 결과 20제 5장 결론 및 향후 연구 22참고문헌 24ABSTRACT 28
최근 본 자료
댓글(0)
0