닫기
Loading..

Please wait....

국내 논문지

홈 홈 > 연구문헌 > 국내 논문지 > 한국정보과학회 논문지 > 정보과학회논문지 (Journal of KIISE)

정보과학회논문지 (Journal of KIISE)

Current Result Document : 6 / 15 이전건 이전건   다음건 다음건

한글제목(Korean Title) Stacked Bidirectional LSTM-CRFs를 이용한 한국어 의미역 결정
영문제목(English Title) Korean Semantic Role Labeling using Stacked Bidirectional LSTM-CRFs
저자(Author) 배장성   이창기   Jangseong Bae   Changki Lee  
원문수록처(Citation) VOL 44 NO. 01 PP. 0036 ~ 0043 (2017. 01)
한글내용
(Korean Abstract)
의미역 결정 연구에 있어 구문 분석 정보는 술어-논항 사이의 의존 관계를 포함하고 있기 때문에 의미역 결정 성능 향상에 큰 도움이 된다. 그러나 의미역 결정 이전에 구문 분석을 수행해야 하는 비용(overhead)이 발생하게 되고, 구문 분석 단계에서 발생하는 오류를 그대로 답습하는 단점이 있다. 이러한 문제점을 해결하기 위해 본 논문에서는 구문 분석 정보를 제외한 형태소 분석 정보만을 사용하는 End-to-end SRL 방식의 한국어 의미역 결정 시스템을 제안하고, 순차 데이터 모델링에 적합한 LSTM RNN을 확장한 Stacked Bidirectional LSTM-CRFs 모델을 적용해 구문 분석 정보 없이 기존 연구보다 더 높은 성능을 얻을 수 있음을 보인다.
영문내용
(English Abstract)
Syntactic information represents the dependency relation between predicates and arguments, and it is helpful for improving the performance of Semantic Role Labeling systems. However, syntax analysis can cause computational overhead and inherit incorrect syntactic information. To solve this problem, we exclude syntactic information and use only morpheme information to construct Semantic Role Labeling systems. In this study, we propose an end-to-end SRL system that only uses morpheme information with Stacked Bidirectional LSTM-CRFs model by extending the LSTM RNN that is suitable for sequence labeling problem. Our experimental results show that our proposed model has better performance, as compare to other models.
키워드(Keyword) 의미역결정   딥러닝   Stacked Bidirectional LSTM-CRFs   End-to-end SRL   Semantic Role Labeling   Deep-learning   Stacked Bidirectional LSTM-CRFs   End-to-end SRL  
파일첨부 PDF 다운로드