한국어 중첩 개체명 인식기 연구 (KorNNER: Korean Nested Named Entity Recognizer)

서지정보

· 발행기관 : 국어학회
· 수록지 정보 : 國語學 / 110호 / 219 ~ 247페이지
· 저자명 : 이승호, 정유남

초록

이 연구는 한국어 중첩 개체명 말뭉치의 활용 방안으로서 중첩 개체명 인식 모델의 개발 과정을 소개하고 딥러닝 기반 중첩 개체명 인식기를 구현하는 데에 그 목적이 있다. 한국어 중첩 개체명 주석 말뭉치(KoNNE)가 공개된 이래로 중첩 개체명 말뭉치를 활용한 연구가 거의 시도되지 않았다. 중첩 개체명 주석 말뭉치는 자연어 정보 처리 단위로서의 개체명을 체계적으로 일관되게 주석된 고품질의 인문데이터로 한국어의 통사, 의미 정보를 반영하고 있으므로 인공지능인문학 연구에 활용하기가 적절하다. 이 연구에서는 고품질의 인문데이터를 활용하여 딥러닝 기반의 한국어 중첩 개체명 인식기(KorNNER)를 개발하였고, 개발한 모델은 F-1 0.87의 성능을 보였다.
이 연구에서는 한국어 중첩 개체명 말뭉치 활용 연구의 하나로서 중첩 개체명 인식 모델 개발 과정에서의 여러 문제를 논의하고 모델 개발 방법을 기술하였다. 이 연구는 한국어 중첩 개체명 인식기 개발을 위해 학습데이터, 모델 개발, 활용 방안 등의 과정을 실증적으로 제시하고 있어 향후 중첩 개체명 말뭉치 활용 연구 등에 기여했다는 데에 의의가 있다.

영어초록

This study focuses on developing a deep learning-based model, Korean nested named entity recognizer (KorNNER), for recognizing nested named entity using the Korean nested named entity annotation corpus (KoNNE). Despite the release of KoNNE, which is a high-quality corpus annotated with names for natural language processing and is essential for AI humanities research, few studies have explored its utilization. The study outlines the development process of the KorNNER model, addressing the challenges encountered while working with the Korean nested named entity corpus. It also examines the methodology for training data, model development, and application techniques. The developed model demonstrated a performance of approximately 0.87 on the F-1 score, contributing to future research in the field of nested named entity corpus utilization.

참고자료

· 없음