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
- 김남규
- 발행연도
- 2022
- 저작권
- 국민대학교 논문은 저작권에 의해 보호받습니다.
이용수44
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
소셜 미디어의 등장으로 방대한 양의 텍스트 정보가 온라인상에서 생산 및 유통되면서, 정보 이용자가 많은 정보로부터 필요한 정보만을 추려내는 작업은 더욱 어려워지게 되었다. 이로 인해 방대한 양의 텍스트를 자동으로 요약하기 위한 다양한 시도가 이루어지고 있으며, 특히 최근에는 풍부한 표현의 요약문을 새롭게 생성할 수 있는 추상 요약 접근법에 대한 연구가 활발히 수행되고 있다. 추상 요약 분야에서는 신경망 기반의 트랜스포머 모델이 우수한 성능을 보이며 널리 활용되고 있지만, 충분한 양의 학습 데이터가 확보되지 않으면 트랜스포머를 구성하고 있는 매개변수의 학습이 충분히 이루어지지 않아서 양질의 요약문을 생성하기 어렵다는 한계를 갖는다. 따라서 본 연구는 적은 양의 학습 데이터가 주어진 상황에서도 양질의 요약문을 생성하기 위해, 한국어 사전학습 언어 모델인 KoBERT의 일부 요소를 추출하여 트랜스포머 기반의 추상 요약 모델에 적용하는 문서 요약 방안을 제시한다. 제안 방법론의 우수성을 검증하기 위해 Dacon의 한국어 문서 생성 요약 데이터 42,803건에 대한 요약 실험을 수행한 결과, 제안 방법론이 비교 방법론에 비해 요약 품질을 평가하는 지표인 ROUGE 기준으로 우수한 성능을 보임을 확인하였다.
목차
1. 서론 12. 관련 연구 42.1. 자동 텍스트 요약 42.2. 신경망 기반의 텍스트 요약 62.3. 사전학습 언어 모델과 텍스트 요약 73. 제안 방법론 103.1. 연구 과정 103.2. 임베딩 행렬 추출 113.3. 사전학습 언어 모델의 토큰 임베딩을 사용한 요약 모델 생성 144. 실험 194.1. 실험 개요 194.2. 실험 평가 방법 224.3. 실험 결과 235. 결론 27참고문헌 28Abstract 32
최근 본 자료
댓글(0)
0