심층신경망에서의 효과적인 문장추상화를 위한 한국어 단위 연구 (Effective Korean Token Units for Sequence Encoding in Deep Learning)

서지정보

· 발행기관 : 한국정보과학회
· 수록지 정보 : 정보과학회논문지 / 45권 / 5호 / 457 ~ 465페이지
· 저자명 : 정상근

초록

최근 자연어 처리 분야에서 심층신경망의 적용이 활발히 이루어지고 있다. 본 연구의 목적은 한국어 자연어 처리에 있어 심층신경망을 활용하여 문장 추상화를 수행하고, 추상화된 벡터값을 활용해 분류문제를 해결하고자 할 때 가장 적절한 한국어 입력 단위를 찾는 것이다. 문장 추상화에 사용되는 가장 대표적인 심층신경망인 Recurrent Neural Network과 Convolutional Neural Network을 먼저 소개하고, 음절, 형태소-품사, 부단어, 음절조합 등의 다양한 입력단위를 살펴본 뒤, 각 방법론을 감성분류, 주제분류, 의도분류의 문제에 적용해봄으로써 가장 효과적인 한국어 입력단위를 찾아보고자 한다.

영어초록

Deep learning has emerged as a new area of machine-learning research and has been successfully applied to natural language processing, such as machine translation and sentence classification. In this work, we use effective Korean input token units to encode Korean sentences for classification problems, such as topic detection. Recurrent and convolutional neural networks for Korean sentence encoding are briefly reviewed, and various Korean input tokens units, including character, morpheme-tag, morpheme, word, subword, syllable window, and hybrids of morpheme and character methods are explored. Extensive experiments on sentimental analysis, topic detection, and intention understanding tasks are conducted to find effective input token units.

참고자료

· 없음