단어 임베딩과 어텐션 기반의 딥러닝 모델을 활용한 장소정보 탐지 기법 (A Method for Detecting Location Information using Attention-based Deep Learning Model and Word Embedding)

서지정보

· 발행기관 : 대한공간정보학회
· 수록지 정보 : 대한공간정보학회지 / 27권 / 5호 / 33 ~ 39페이지
· 저자명 : 민경현, 송재영, 유기윤, 김지영

초록

최근 소셜미디어 플랫폼의 활용이 증가함에 따라 장소정보를 포함하고 있는 수많은 텍스트 데이터가 발생하고 있다. 다수의 플랫폼이 장소정보를 입력하는 기능을 제공하고 있지만, 지오태깅 된 게시물의 수가 적어 장소정보가 제대로 활용되지 못하고 있다. 텍스트 내 장소정보를 활용하기 위해 기존에는 BIO(Beginning-Inside-Outside)태깅을 이용한 개체명인식을 통해 지명 등을 추출하는 연구들이 진행되었지만, BIO태깅에는 상당한 시간과 인력이 소모되며 보통명사는 태깅하지 않는다. 이에 본 연구는 장소정보 포함 여부에 따른 라벨링을 하고, 단어 임베딩과 어텐션 기반의 딥러닝 모델을 활용하여 장소정보를 포함했는지의 이진 분류기 학습을 통해 보통명사를 포함한 확장된 범위의 장소정보를 탐지하였다. 실험 데이터에 대한 장소정보 포함 여부 탐지 정확도는 약 88%이며, AUC 0.945의 성능을 보였고, 제안한 방법을 통해 문장 내 장소정보를 시각화 및 추출도 가능한 것을 확인하였다.

영어초록

Recently, as the use of the social media platform increases, a lot of unstructured text data including location information is generated. Although such platforms provide the function of adding location information, the use of location information is limited due to a small number of geotagged posts. In order to make use of these location information in the text, named entity recognition using BIO(beginning-inside-outside)tagging was used to extract locational information. However, it takes considerable time and manpower labeling and ignores common nouns. In this study, we detect extended location information including common nouns by training binary classifier using word embedding and attention-based deep learning model. The proposed model showed about 88% accuracy and AUC of 0.945 in detecting location information, which can also be visualized or extracted.

참고자료

· 없음