http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
한희준 ( Heejun Han ),최성필 ( Sungpil Choi ) 한국정보처리학회 2018 한국정보처리학회 학술대회논문집 Vol.25 No.1
방대한 정보를 사용자에게 제공하기 위해 검색 엔진은 다양한 알고리즘을 통해 사용자마다의 최적화된 정보를 구성한다. 과제, 논문, 특허, 연구보고서 등 과학기술정보를 서비스 하는 주체 역시 나름의 검색 알고리즘으로 정보를 제공하지만, 질의어와 문서간의 적합도만을 측정하여 검색 결과를 제시할뿐 사용자의 관심 분야나 요구를 반영하지 않고 있다. 특히 관심 분야에 적합한 과학기술정보를 사용자가 접근하기 쉽게 제공하는 것은 매우 중요하다. 본 논문에서는 사용자 관심분야를 서비스 이용행태로부터 결정하여 이를 과학기술정보 개인화에 반영하는 서비스에 대해 제안하였다. 이를 위해 실시간 관심분야 추적, 관심 태그 클라우드 제공, 관심분야 기반 추천정보 제공, 검색 결과 개인화 네 가지 기능으로 구성된 과학기술정보 개인화 서비스를 설계하고 구현하였다.
이창기(Changki Lee),최성필(Sungpil Choi),정한민(Hanmin Jung) 한국정보과학회 2014 정보과학회논문지 : 소프트웨어 및 응용 Vol.41 No.6
자연어처리에서는 띄어쓰기 모듈과 품사 태거 같은 모듈들이 파이프라인 방식으로 연결되어 많이 사용되나, 이 경우 앞 단계의 오류가 뒷 단계에 누적되는 문제가 있다. 본 논문에서는 파이프라인 방식의 문제를 해결하기 위해 사용되는 일반적인 결합 모델을 확장하여, 두 작업이 동시에 태깅된 학습 데이터뿐만 아니라 한 작업만 태깅된 학습데이터도 동시에 학습에 사용할 수 있는 결합 학습 모델을 Latent Structural SVM을 확장하여 제안한다. 실험 결과, 한국어 띄어쓰기와 파이프라인 방식으로 연결된 품사태깅 성능은 96.77%였고, 기존의 한국어 띄어쓰기와 품사 태깅 결합 모델의 품사 태깅 성능이 96.99%였으나, 본 논문에서 제안하는 결합 학습 모델을 이용하여 대용량의 한국어 띄어쓰기 학습데이터를 추가로 학습한 결과 품사 태깅 성능이 97.20%까지 향상 되었다. Typically, a Korean Part-of-speech (POS) tagger takes the inputs that are produced by a separate Korean word spacer. However this pipeline approach has an obvious flaw of error propagation, since the POS tagger cannot correct word spacing errors. In this paper, we describe a jointly learning model for Korean word spacing and POS tagging using modified latent structural SVM to avoid error propagation and improve word spacing by utilizing POS information and additional word spacing training data. In the case of a pipeline approach, we could achieve a 96.77% morpheme-based F-measure for POS tagging. Using the previous joint model, we could achieve a 96.99% morphemebased F-measure for POS tagging. Using the jointly learning model, we could achieve a 97.20% morpheme-based F-measure for POS tagging. Experimental results show that the jointly learning model outperforms the pipeline approach and the previous joint model.