심층 신경망 기반 자연어처리 모델의 성능 비교 (Performance Comparison of Natural Language Processing Model Based on Deep Neural Networks)

서지정보

· 발행기관 : 한국통신학회
· 수록지 정보 : 한국통신학회논문지 / 44권 / 7호 / 1344 ~ 1350페이지
· 저자명 : 이태겸, 신경섭

초록

기존 자연어처리 분야의 다른 구조를 갖는 심층 신경망들은 같은 말뭉치를 학습했음에도 말뭉치의 특성에 따라다른 성능을 보여주었다. 말뭉치를 학습했을 때 일반적으로 준수한 성능을 내는 모델을 찾기 위하여, 본 논문에서는 구성이 다른 자연어 말뭉치를 심층신경망에 학습시켜 말뭉치별 심층신경망의 정확도를 다양한 측면에서 비교한다. 실험에 사용한 심층신경망은 CNN과 RNN 그리고 CNN과 RNN을 합친 모델까지 총 3가지 신경망을 사용했다. 실험에서 사용한 말뭉치는 총 3개이며 말뭉치는 각기 다른 구성을 하고 있다. 말뭉치의 구성언어에 따른 모델의 정확도 비교실험과 학습말뭉치 크기에 따른 모델의 정확도 비교실험, 단어 임베딩 방법에 따른 모델의 정확도비교 실험을 진행하여 구성이 다른 자연어 말뭉치에 효율적인 심층신경망 선택을 위한 지침을 제공한다.

영어초록

Deep neural networks with different structures in natural language processing showed different performance results even though they utilize training set with the same corpus. For this reason, before improving the structure of the model, researchers go through the process of finding a model that show good performance in general. In this paper, the accuracy of the deep neural networks is compared in various aspects with different corpus type.
For our experiments, we used three neural networks and three corpus. The first model is CNN and the second model is RNN. Finally, the third model, CNN and RNN combined model. We compared the accuracy of models in terms of different data sizes, different word expressions, and different corpus, so that our work provides guidelines for selecting the appropriate neural network for natural language corpus via three comparison methods.

참고자료

· 없음