신경망 기반 텍스트 모델링에 있어 순차적 결합 방법의 한계점과 이를 극복하기 위한 담화 기반의 결합 방법 A Discourse-based Compositional Approach to Overcome Drawbacks of Sequence-based Composition in Text Modeling via Neural Networks

Cited 0 time in webofscience Cited 0 time in scopus
  • Hit : 197
  • Download : 0
자연 언어 처리(Natural Language Processing) 분야에 심층 신경망(Deep Neural Network) 이 소개된 이후, 단어, 문장 등의 의미를 나타내기 위한 분산 표상인 임베딩(Embedding)을 학습하기 위한 연구가 활발히 진행되고 있다. 임베딩 학습을 위한 방법으로는 크게 문맥 기반의 텍스트 모델링 방법과, 기학습된 임베딩을 결합하여 더 긴 텍스트의 분산 표상을 계산하고자 하는 결합 기반의 텍스트 모델링 방법이 있다. 하지만, 기존 결합 기반의 텍스트 모델링 방법은 최적 결합 단위에 대한 고찰 없이 단어를 이용하여 연구되어 왔다. 본 연구에서는 비교 실험을 통해 문서 임베딩 생성에 적합한 결합 기법과 최적 결합 단위에 대해 알아본다. 또한, 새로운 결합 방법인 담화 분석 기반의 결합 방식을 제안하고 실험을 통해 기존의 순차적 결합 기반 신경망 모델 대비 우수성을 보인다.
Publisher
한국정보과학회
Issue Date
2017
Language
Korean
Keywords

심층 신경망; 텍스트 모델링; 임베딩; 순차적 결합; 담화 기반 결합; deep neural networks; text modeling; embedding; sequential composition; discourse-based composition

Citation

정보과학회 컴퓨팅의 실제 논문지, v.23, no.12, pp.698 - 702

ISSN
2383-6318
URI
http://hdl.handle.net/10203/241165
Appears in Collection
CS-Journal Papers(저널논문)
Files in This Item
There are no files associated with this item.

qr_code

  • mendeley

    citeulike


rss_1.0 rss_2.0 atom_1.0