신경망 기반 텍스트 모델링에 있어 순차적 결합 방법의 한계점과 이를 극복하기 위한 담화 기반의 결합 방법A 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 : 769
  • Download : 0
DC FieldValueLanguage
dc.contributor.author이강욱ko
dc.contributor.author한상규ko
dc.contributor.author맹성현ko
dc.date.accessioned2018-04-24T02:27:12Z-
dc.date.available2018-04-24T02:27:12Z-
dc.date.created2018-03-27-
dc.date.created2018-03-27-
dc.date.created2018-03-27-
dc.date.issued2017-
dc.identifier.citation정보과학회 컴퓨팅의 실제 논문지, v.23, no.12, pp.698 - 702-
dc.identifier.issn2383-6318-
dc.identifier.urihttp://hdl.handle.net/10203/241165-
dc.description.abstract자연 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.-
dc.languageKorean-
dc.publisher한국정보과학회-
dc.title신경망 기반 텍스트 모델링에 있어 순차적 결합 방법의 한계점과 이를 극복하기 위한 담화 기반의 결합 방법-
dc.title.alternativeA Discourse-based Compositional Approach to Overcome Drawbacks of Sequence-based Composition in Text Modeling via Neural Networks-
dc.typeArticle-
dc.type.rimsART-
dc.citation.volume23-
dc.citation.issue12-
dc.citation.beginningpage698-
dc.citation.endingpage702-
dc.citation.publicationname정보과학회 컴퓨팅의 실제 논문지-
dc.identifier.kciidART002291250-
dc.contributor.localauthor맹성현-
dc.contributor.nonIdAuthor이강욱-
dc.contributor.nonIdAuthor한상규-
dc.description.isOpenAccessN-
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