한의학 고문헌 데이터 분석을 위한 단어 임베딩 기법 비교: 자연어처리 방법을 적용하여 (Comparison between Word Embedding Techniques in Traditional Korean Medicine for Data Analysis: Implementation of a Natural Language Processing Method)

서지정보

· 발행기관 : 대한한의학원전학회
· 수록지 정보 : 대한한의학원전학회지 / 32권 / 1호 / 61 ~ 74페이지
· 저자명 : 오준호

초록

목적 : 본 연구의 목적은 동아시아 전통의학 텍스트를 데이터로서 분석할 때 적절한 단어 임베딩 방법을 선택하는데 도움을 주기 위한 것이다.


방법 : 동아시아 전통의학의 치법을 함축하고 있는 방제 데이터를 대상으로 하여, 카운트 기반 단어 임베딩 방식 4가지와 예측 기반 단어 임베딩 방식 2가지를 적용하였다. 단어 임베딩 결과를 직관적으로 비교하기 위해 "방제 생성 게임"을 제안하였고, 그 결과를 가지고 단어 임베딩 결과를 비교해 보았다.


결과 : 인접한 벡터를 추출 하였을 때, 카운트 기반 단어 임베딩 방식은 서로 자주 함께 사용되는 약대(藥對) 관계에 있는 본초들이 도출되었다. 이에 반해, 예측 기반 단어 임베딩 방식에서는 유의어 관계의 본초들이 도출되었다.


결론 : 서로 함께 등장하는 본초를 이용하는 분석에서는 카운트 기반 단어 임베딩 방식이 더 효과적일 것으로 보인다. 이 가운데 TF 벡터 방식은 빈도의 효과가 과장되는 경향이 있으므로 TF-IDF 벡터나 벡터가 좀 더 합리적인 선택이 될 수 있다. 또한 빈도에서 찾을 수 없었던 색다른 정보를 탐색하기 위해서는 벡터와 같은 방법이 권장될 수 있을 것이다. 반면 문맥에서 유사한 의미의 본초를 도출할 때에는 예측 기반 임베딩 방식이 효과적일 것으로 보인다.

영어초록

Objectives : The purpose of this study is to help select an appropriate word embedding method when analyzing East Asian traditional medicine texts as data.
Methods : Based on prescription data that imply traditional methods in traditional East Asian medicine, we have examined 4 count-based word embedding and 2 prediction-based word embedding methods. In order to intuitively compare these word embedding methods, we proposed a "prescription generating game" and compared its results with those from the application of the 6 methods.
Results : When the adjacent vectors are extracted, the count-based word embedding method derives the main herbs that are frequently used in conjunction with each other. On the other hand, in the prediction-based word embedding method, the synonyms of the herbs were derived.
Conclusions : Counting based word embedding methods seems to be more effective than prediction-based word embedding methods in analyzing the use of domesticated herbs. Among count-based word embedding methods, the TF-vector method tends to exaggerate the frequency effect, and hence the TF-IDF vector or co-word vector may be a more reasonable choice. Also, the t-score vector may be recommended in search for unusual information that could not be found in frequency. On the other hand, prediction-based embedding seems to be effective when deriving the bases of similar meanings in context.

참고자료

· 없음