학습 데이터 자동 구축을 통한 양방향 게이트 순환 유닛 기반 도로명주소 파싱 모델 (Street Name Address Parsing Model based on Biderectional Gate Recurrent Unit through Automatic Construction of Training Data)

서지정보

· 발행기관 : 한국측량학회
· 수록지 정보 : 한국측량학회지 / 41권 / 5호 / 301 ~ 310페이지
· 저자명 : 김지영, 김효중, 이지원

초록

공공데이터의 공간적 분석을 수행하기 위해서는 주소에 대한 정제가 반드시 요구된다. 국외에서는 주소를 정제하고 매칭하기 위하여 딥러닝을 적용한 연구가 활발히 진행되고 있으나 국내에서는 규칙에 기반한 주소 정제가 연구되어 왔다. 따라서 본 연구에서는 순환신경망을 적용하여 상세주소가 포함된 한글 도로명주소를 구성하는 요소별로 파싱하는 모델을 개발하고자 한다. 이를 위하여 첫 번째로 상세주소까지 포함된 도로명주소의 구성요소를 정의하였다. 두 번째로 정부에서 제공 중인 공공데이터를 바탕으로 사용자 오류를 분석하고, 오류가 포함된 학습데이터를 자동으로 생성하였다. 세 번째로 호주 주소데이터 파싱에 적용된 순환신경망을 한글 도로명주소에 적용하여 파싱모델을 구축하였다. 주소정보누리집에서 제공하는 도로명주소 데이터에 적용하였고, 정확도 평가를 수행한 결과 99.93%의 높은 정확도를 보였다.

영어초록

In order to perform spatial analysis of public data, address refinement is absolutely required. Overseas, studies applying deep learning to refine and match addresses are actively being conducted, but rule-based address refinement has been studied in Korea. Therefore, in this study, a RNN (Recurrent Neural Network) is applied to develop a parsing model for each components that constitutes a Korean street name address including a detailed address. For this, firstly, the components of the street name address including the detailed address were defined. Second, based on public open data provided by the government, user errors were analyzed and training data containing errors were automatically generated. Thirdly, a parsing model was constructed by applying the RNN applied to Australian address data parsing to Korean street name addresses. It was applied to the street name address dataset provided by the address information website, and as a result of performing an accuracy evaluation, it showed a high accuracy of 99.93%.

참고자료

· 없음