다중작업학습 기법을 적용한 Bi-LSTM 개체명 인식 시스템 성능 비교 분석
DC Field | Value | Language |
---|---|---|
dc.contributor.author | 김경민 | - |
dc.contributor.author | 한승규 | - |
dc.contributor.author | 오동석 | - |
dc.contributor.author | 임희석 | - |
dc.date.accessioned | 2021-09-02T00:21:13Z | - |
dc.date.available | 2021-09-02T00:21:13Z | - |
dc.date.created | 2021-06-17 | - |
dc.date.issued | 2019 | - |
dc.identifier.issn | 2713-6434 | - |
dc.identifier.uri | https://scholar.korea.ac.kr/handle/2021.sw.korea/70069 | - |
dc.description.abstract | 다중작업학습(Multi-Task Learning, MTL) 기법은 하나의 신경망을 통해 다양한 작업을 동시에 수행하고 각 작업 간에 상호적으로 영향을 미치면서 학습하는 방식을 말한다. 본 연구에서는 전통문화 말뭉치를 직접 구축 및 학습데이터로 활용하여 다중작업학습 기법을 적용한 개체명 인식 모델에 대해 성능 비교 분석을 진행한다. 학습 과정에서 각각의 품사 태깅(Part-of-Speech tagging, POS-tagging) 과 개체명 인식(Named Entity Recognition, NER) 학습 파라미터에 대해 Bi-LSTM 계층을 통과시킨 후 각각의 Bi-LSTM을 계층을 통해 최종적으로 두 loss의 joint loss를 구한다. 결과적으로, Bi-LSTM 모델을 활용하여 단일 Bi-LSTM 모델보다 MTL 기법을 적용한 모델에서 1.1%~4.6%의 성능 향상이 있음을 보인다. | - |
dc.language | Korean | - |
dc.language.iso | ko | - |
dc.publisher | 한국디지털정책학회 | - |
dc.title | 다중작업학습 기법을 적용한 Bi-LSTM 개체명 인식 시스템 성능 비교 분석 | - |
dc.title.alternative | Performance Comparison Analysis on Named Entity Recognition system with Bi-LSTM based Multi-task Learning | - |
dc.type | Article | - |
dc.contributor.affiliatedAuthor | 임희석 | - |
dc.identifier.doi | 10.14400/JDC.2019.17.12.243 | - |
dc.identifier.bibliographicCitation | 디지털융복합연구, v.17, no.12, pp.243 - 248 | - |
dc.relation.isPartOf | 디지털융복합연구 | - |
dc.citation.title | 디지털융복합연구 | - |
dc.citation.volume | 17 | - |
dc.citation.number | 12 | - |
dc.citation.startPage | 243 | - |
dc.citation.endPage | 248 | - |
dc.type.rims | ART | - |
dc.identifier.kciid | ART002533591 | - |
dc.description.journalClass | 2 | - |
dc.description.journalRegisteredClass | kci | - |
dc.subject.keywordAuthor | 딥러닝 | - |
dc.subject.keywordAuthor | 다중작업학습 | - |
dc.subject.keywordAuthor | 품사 태깅 | - |
dc.subject.keywordAuthor | 개체명 인식 | - |
dc.subject.keywordAuthor | 전통문화 | - |
dc.subject.keywordAuthor | Deep Learning | - |
dc.subject.keywordAuthor | Multi-task Learning | - |
dc.subject.keywordAuthor | Part of speech tagging | - |
dc.subject.keywordAuthor | Named entity Recognition | - |
dc.subject.keywordAuthor | Traditional culture | - |
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.
(02841) 서울특별시 성북구 안암로 14502-3290-1114
COPYRIGHT © 2021 Korea University. All Rights Reserved.
Certain data included herein are derived from the © Web of Science of Clarivate Analytics. All rights reserved.
You may not copy or re-distribute this material in whole or in part without the prior written consent of Clarivate Analytics.