단어별 분류 모델 기반 단어 의미 중의성 해소 (Word Sense Disambiguation Based on Word-Specific Classification Models)

서지정보

· 발행기관 : 한국콘텐츠학회
· 수록지 정보 : 한국콘텐츠학회 논문지 / 25권 / 1호 / 15 ~ 20페이지
· 저자명 : 채희성, 임희동, 서영훈

초록

본 논문은 단어 의미 중의성 해소를 위해 중의성 단어 별로 분류 모델을 생성하였다. 각 분류 모델의 입력 자질은 BERT 모델에 문장을 입력한 후 추출된 중의성 단어의 벡터만을 이용하였다. 학습 말뭉치로는 세종 형태 의미 분석 말뭉치를 이용하였고, 실험의 신뢰도를 높이기 위해 의미 번호가 고르게 분포되어 있는 6개의 단어들을 선별하였다. 첫 실험 결과는 평균 96.4%였으며, 최종 결과는 결과 분석 과정에서 발견한 학습 데이터 오류를 수정한 후 약 2.1%가 향상된 평균 98.5%의 성능을 보였다. 본 연구를 통해, 하나의 통합 모델을 사용하는 것보다 단어별로 분류 모델을 생성하는 것이 한국어 중의성 해소에 있어 더욱 효과적임을 입증하였다.

영어초록

In this paper, we created a classification model for each ambiguous word to solve the semantic ambiguity. The input features of each classification model were only the vector ​​of the ambiguous word extracted after inputting a sentence into the BERT model. The Sejong morphological semantic analysis corpus was used as the learning corpus. To increase the reliability of the experiment, six words were selected whose semantic categories were evenly distributed. The first experiment result was an average of 96.4%, and the final result showed an average performance of 98.5%, which was about 2.1% better after correcting the learning data errors found on analysing the first experiment result. Through this study, it was demonstrated that creating classification models for each word, rather than using a single integrated model, is more effective for resolving word sense disambiguation in Korean.

참고자료

· 없음