http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 고준호(Junho Go) (검색결과 5 건)
- 무료
- 기관 내 무료
- 유료
-
고준호(Junho Go),손정우(Jeong-Woo Son),송현제(Hyun-Je Song),박세영(Se Young Park) 한국정보과학회 2012 한국정보과학회 학술발표논문집 Vol.39 No.1B
본 논문에서는 대화에서 그래프 기반 키워드를 추출하는 방법을 제안한다. 대화의 특성상 길이가 짧고, 생략이 많아 키워드 간의 연결 정도를 판단하기 힘들다. 이를 보완하기 위해 본 논문에서는 과거의 개인 대화 정보를 활용한다. 과거 대화 정보는 시간의 흐름이 반영된 현재 대화가 이뤄지기 전 말하고 듣는 것을 지칭하며, 이를 활용함으로써 개인화된 키워드를 발견할 수 있게 도와준다. 키워드 추출에 있어 현재 대화에서만을 고려하는 기존 연구와 달리, 제안한 방법은 앞서 구축된 과거 정보를 활용하여 그래프를 확장한 후 키워드를 추출한다. 실험을 통해 제안하는 방법이 베이스라인보다 현재 문장을 잘 반영할 수 있는 키워드를 추출함을 보인다.
-
고준호(Junho Go),손정우(Jeong-Woo Son),송현제(Hyun-Je Song),박세영(Se Young Park) 한국정보과학회 2012 정보과학회 컴퓨팅의 실제 논문지 Vol.18 No.12
본 논문에서는 대화에서 그래프 기반 키워드를 추출하는 방법을 제안한다. 대화의 특성상 길이가 짧고, 생략이 많아 키워드 간의 연결 정도를 판단하기 쉽지 않다. 그래서 기존의 문서를 대상으로 키워드를 추출하는 방법만으로는 적절한 성능을 보여주지 못한다. 이러한 문제를 해결하기 위해 본 논문에서는 개인의 과거 대화 정보를 활용한다. 과거 대화 정보는 시간의 흐름이 반영된 현재 대화가 이뤄지기 전 말하고 듣는 것을 지칭하며, 이를 활용함으로써 개인화된 키워드를 발견할 수 있게 도와준다. 제안하는 방법은 과거 대화를 단순하게 저장하고 사용하는 것이 아니라 과거 대화 당시, 키워드들과 그들 간의 관계로 과거대화 정보를 구성한다. 다음으로 과거에 구축된 정보들은 시간의 흐름에 따라 정보가 변하므로 이를 반영하도록 시간 흐름에 따른 키워드 관계들을 업데이트 한다. 현재 대화가 주어지면 구축된 과거 대화 정보를 활용하여 키워드를 추출한다. 실험을 통해 제안하는 방법이 비교 모델보다 현재 대화를 잘 반영한 키워드를 추출함을 보인다. In this paper, we propose a method of keyword extraction based on graph from dialogue. It is difficult to discern the connection between keywords in a dialogue due to its nature of short length and use of omitting. Thus existing keyword extraction method alone does not show adequate performance. In order to resolve this issue, this paper used personal dialogue history. Dialogue history is all spoken and heard elements before current dialogue is done in light of the passage of time. It is helpful to use dialogue history in extraction of personalized keywords. The proposed method does not simply store and use past dialogue, but also construct dialogue history using keywords and their relation information of the time when the dialogue occurred. Next, as dialogue history changes along the passage of time, to reflect this we also update keyword relation information. When current dialogue is put, keywords are extracted by using constructed dialogue history. Through experiment the proposed method shows a better performance in extracting keywords which reflect current dialogue rather than the comparison model.
-
장식 테이블과 의미 있는 테이블 식별을 위한 커널 기반의 구조 자질
손정우(Jeong-Woo Son),고준호(Junho Go),박성배(Seong-Bae Park),김권양(Kweon Yang Kim) 한국지능시스템학회 2011 한국지능시스템학회논문지 Vol.21 No.5
본 논문에서는 구조 정보를 활용하기 위한 결합 커널 기반의 의미 있는 웹 테이블과 장식 웹 테이블을 구분하는 새로운 방법을 제안한다. 본 논문에서 테이블의 구조 정보는 두 가지 형태의 구문 분석 트리로부터 추출된다. 컨텍스트 트리는 테이블 주변에 나타난 구조를 반영하고 있으며, 테이블 트리는 테이블 내의 구조를 담고 있다. 두 트리로 표현되는 테이블의 구조 정보를 효과적으로 다루기 위해 파스 트리 커널 기반의 결합 커널을 제안한다. 제안한 결합 커널을 적용한 support vector machines은 풍부한 구조 정보를 활용하여 의미 있는 테이블과 장식 테이블을 분류한다. This paper proposes a novel method to discriminate meaningful tables from decorative one using a composite kernel for handling structural information of tables. In this paper, structural information of a table is extracted with two types of parse trees: context tree and table tree. A context tree contains structural information around a table, while a table tree presents structural information within a table. A composite kernel is proposed to efficiently handle these two types of trees based on a parse tree kernel. The support vector machines with the proposed kernel dised kuish meaningful tables from the decorative ones with rich structural information.
-
태깅 오류 간 중요도 차별화에 기반한 비용 의존 품사 태깅
손정우(Jeong-Woo Son),노태길(Tae-Gil Noh),박성배(Seong-Bae Park),고준호(Junho Go) 한국정보과학회 2011 한국정보과학회 학술발표논문집 Vol.38 No.1C
품사 태깅에서 오류는 같은 가중치를 가지는 것으로 간주되어 왔다. 하지만 품사 태깅의 결과를 활용하는 다른 자연어 처리 기술에 태깅 오류가 얼마나 영향을 미칠 수 있는가에 따라 품사 태깅 시 발생하는 오류가 가지는 가중치를 다르게 보아야 한다. 심각한 오류는 이를 활용하는 자연어 처리 기술의 성능 저하를 크게 야기하지만, 사소한 오류는 성능의 저하를 야기하지 않거나 그 영향이 미미하다. 본 논문에서는 품사 태깅 시, 전체적인 성능을 유지하면서 심각한 오류를 줄이는 것을 목표로 한다. 이를 위해 두 가지 점진적 손실 함수(gradient loss function)를 제안한다. 제안한 손실 함수는 심각한 오류에 사소한 오류보다 더 큰 가중치를 줌으로써 품사 태깅 모델이 심각한 오류에 더 집중하여 성능을 최적화하도록 한다. 실험에서 제안한 손실 함수를 활용한 태깅 모델은 기존의 방법에 비해 심각한 오류를 효과적으로 줄일 뿐만 아니라 전체적으로 더 높은 정확도를 보였다.
-
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
