영한 기계번역에서 관용구에 기반한 의미분석

김유섭,김영택(Yu Seop Kim),Yung Taek Kim 한국정보과학회 1998 정보과학회논문지(B) Vol.25 No.4

기계번역에서 단어-단어(word to word)의 번역을 실행하면 원시 문장(source sentence)과 그 목표 문장(target sentence) 사이에 의미(meaning)의 차이가 생기게 된다. 특히 한국어와 영어와 같이 문장의 구조와 구절의 의미의 차이가 큰 두 언어 사이의 번역에서는 이러한 문제가 더욱 심하다. 본 논문에서는 이 문제의 해결을 위해 관용구에 기반한 의미 분석(semantics analysis)을 제안하며, 기존에 제시되고 있는 원시 관용구(Source Idiom), 연어외에 두 언어권의 문화적, 역사적 차이로 발생하는 의미의 격차를 해소하기 위해 관용구를 확장하고 그 의미분석을 제시하였다. 아울러 관용구를 획득하고 인식하는 알고리즘과 이들과 관련해 나타나는 문제와 그 해결하는 방법을 제시하였다. 또한 확장한 관용구에 기반한 번역으로 의미의 정확도(meaning accuracy)가 개선된 것을 실험을 통해 증명하였다. In English-Korean machine translation, the literal translation generates the meaning difference between the source sentence and the target sentence. This problem is caused more critically among the two languages by the structural differences and meaning differences of the phrases. In this paper, we propose the semantics analysis based on the idioms for the resolution of the problems. And the idioms are extended beyond conventional idiom to cover the problems arising from the differenece of the cultures between the two language speakers and analyzed to form new transformation of meaning system. The algorithms for the acquisition and recognition of the idioms are presented with thc solution for the related problems. And the improvement of the meaning accuracy for the translation is shown in this paper through the experiment.

영한 기계 번역에서 미가공 텍스트 데이터를 이용한 대역어 선택 중의성 해소

김유섭,장정호,Kim Yu-Seop,Chang Jeong-Ho 한국정보처리학회 2004 정보처리학회논문지B Vol.11 No.6

본 논문에서는 미가공 말뭉치 데이터를 활용하여 영한 기계번역 시스템의 대역어 선택 시 발생하는 중의성을 해소하는 방법을 제안한다. 이를 위하여 은닉 의미 분석(Latent Semantic Analysis : LSA)과 확률적 은닉 의미 분석(Probabilistic LSA : PLSA)을 적용한다. 이 두 기법은 텍스트 문단과 같은 문맥 정보가 주어졌을 때, 이 문맥이 내포하고 있는 복잡한 의미 구조를 표현할 수 있다 본 논문에서는 이들을 사용하여 언어적인 의미 지식(Semantic Knowledge)을 구축하였으며 이 지식은 결국 영한 기계번역에서의 대역어 선택 시 발생하는 중의성을 해소하기 위하여 단어간 의미 유사도를 추정하는데 사용된다. 또한 대역어 선택을 위해서는 미리 사전에 저장된 문법 관계를 활용하여야 한다. 본 논문에서는 이러한 대역어 선택 시 발생하는 데이터 희소성 문제를 해소하기 위하여 k-최근점 학습 알고리즘을 사용한다. 그리고 위의 두 모델을 활용하여 k-최근점 학습에서 필요한 예제 간 거리를 추정하였다. 실험에서는, 두 기법에서의 은닉 의미 공간을 구성하기 위하여 TREC 데이터(AP news)론 활용하였고, 대역어 선택의 정확도를 평가하기 위하여 Wall Street Journal 말뭉치를 사용하였다. 그리고 은닉 의미 분석을 통하여 대역어 선택의 정확성이 디폴트 의미 선택과 비교하여 약 10% 향상되었으며 PLSA가 LSA보다 근소하게 더 좋은 성능을 보였다. 또한 은닉 공간에서의 축소된 벡터의 차원수와 k-최근점 학습에서의 k값이 대역어 선택의 정확도에 미치는 영향을 대역어 선택 정확도와의 상관관계를 계산함으로써 검증하였다.젝트의 성격에 맞도록 필요한 조정만을 통하여 품질보증 프로세스를 확립할 수 있다. 개발 된 패키지의 효율적인 활용이 내조직의 소프트웨어 품질보증 구축에 투입되는 공수 및 어려움을 줄일 것으로 기대된다.도가 증가할 때 구기자 열수 추출 농축액은 $1.6182{\sim}2.0543$, 혼합구기자 열수 추출 농축액은 $1.7057{\sim}2.1462{\times}10^7\;J/kg{\cdot}mol$로 증가하였다. 이와 같이 구기자 열수 추출 농축액과 혼합구기자 열수 추출 농축액의 리올리지적 특성에 큰 차이를 나타내지는 않았다. security simultaneously.% 첨가시 pH 5.0, 7.0 및 8.0에서 각각 대조구의 57, 413 및 315% 증진되었다. 거품의 열안정성은 15분 whipping시, pH 4.0(대조구, 30.2%) 및 5.0(대조구, 23.7%)에서 각각 $0{\sim}38.0$ 및 $0{\sim}57.0%$이었고 pH 7.0(대조구, 39.6%) 및 8.0(대조구, 43.6%)에서 각각 $0{\sim}59.4$ 및 $36.6{\sim}58.4%$이었으며 sodium alginate 첨가시가 가장 양호하였다. 전체적으로 보아 거품안정성이 높은 것은 열안정성도 높은 경향이며, 표면장력이 낮으면 거품형성능이 높아지고, 비점도가 높으면 거품안정성 및 열안정성이 높아지는 경향이 있었다.protocol.eractions between application agents that are developed using different In this paper, we propose a new method utilizing only raw corpus without additional human effort for disambiguation of target word selection in English-Korean machine translation. We use two data-driven techniques; one is the Latent Semantic Analysis(LSA) and the other the Probabilistic Latent Semantic Analysis(PLSA). These two techniques can represent complex semantic structures in given contexts like text passages. We construct linguistic semantic knowledge by using the two techniques and use the knowledge for target word selection in English-Korean machine translation. For target word selection, we utilize a grammatical relationship stored in a dictionary. We use k- nearest neighbor learning algorithm for the resolution of data sparseness Problem in target word selection and estimate the distance between instances based on these models. In experiments, we use TREC data of AP news for construction of latent semantic space and Wail Street Journal corpus for evaluation of target word selection. Through the Latent Semantic Analysis methods, the accuracy of target word selection has improved over 10% and PLSA has showed better accuracy than LSA method. finally we have showed the relatedness between the accuracy and two important factors ; one is dimensionality of latent space and k value of k-NT learning by using correlation calculation.

다중 에이전트 Q-학습 구조에 기반한 주식 매매 시스템의 최적화

김유섭,이재원,이종우,Kim, Yu-Seop,Lee, Jae-Won,Lee, Jong-Woo 한국정보처리학회 2004 정보처리학회논문지B Vol.11 No.2

본 논문은 주식 매매 시스템을 위한 강화 학습 구조를 제시한다. 매매 시스템에 사용되는 매개변수들은 Q-학습 알고리즘에 의하여 최적화되고, 인공 신경망이 값의 근사치를 구하기 위하여 활용된다 이 구조에서는 서로 유기적으로 협업하는 다중 에이전트를 이용하여 전역적인 추세 예측과 부분적인 매매 전략을 통합하여 개선된 매매 성능을 가능하게 한다. 에이전트들은 서로 통신하여 훈련 에피소드와 학습된 정책을 서로 공유하는데, 이 때 전통적인 Q-학습의 모든 골격을 유지한다. 실험을 통하여, KOSPI 200에서는 제안된 구조에 기반 한 매매 시스템을 통하여 시장 평균 수익률을 상회하며 동시에 상당한 이익을 창출하는 것을 확인하였다. 게다가 위험 관리의 측면에서도 본 시스템은 교사 학습(supervised teaming)에 의하여 훈련된 시스템에 비하여 더 뛰어난 성능을 보여주었다. This paper presents a reinforcement learning framework for stock trading systems. Trading system parameters are optimized by Q-learning algorithm and neural networks are adopted for value approximation. In this framework, cooperative multiple agents are used to efficiently integrate global trend prediction and local trading strategy for obtaining better trading performance. Agents Communicate With Others Sharing training episodes and learned policies, while keeping the overall scheme of conventional Q-learning. Experimental results on KOSPI 200 show that a trading system based on the proposed framework outperforms the market average and makes appreciable profits. Furthermore, in view of risk management, the system is superior to a system trained by supervised learning.

영한 기계번역에서 효율적인 분석을 위한 긴 문장의 분할

김유섭(Yu-Seop Kim) 한국정보과학회 언어공학연구회 2005 한국정보과학회 언어공학연구회 학술발표 논문집 Vol.2005 No.10

본 연구에서는 영한 기계 번역에서 20단어 이상의 긴 문장을 보다 정확히 분석하기 위하여 문장을 복수개의 의미 있는 절로 분할하고자 한다. 긴 문장은 구문 분석을 시도할 때, 시간적으로 또는 공간적으로 급격히 증가하는 자원을 소모시킨다. 이러한 문제를 해결하기 위하여, 본 연구에서는 긴 문장에서 분할 가능한 지점을 인식하여 이러한 지점을 중심으로 여러 개의 절을 생성한 후, 이 절을 개별적으로 분석하고자 하였다. 문장을 분할하기 위해서 일단 문장 내부에 존재하고 있는 분할이 가능한 지점을 선택하고, 선택된 지점을 중심으로 문맥 정보를 표현하는 입력 벡터를 생성하였다. 그리고 Support Vector Machine (SVM)을 이용하여 이러한 후보 지점의 특성을 학습하여 향후 긴 문장이 입력되었을 때 보다 정확하게 분할점을 찾고자 하였다. 본 논문에서는 SVM의 보다 좋은 학습과 분류를 위하여 내부 커널로써 다항 커널 (polynomial kernel)을 사용하였다. 그리고 실험을 통하여 약 0.97의 f-measure 값을 얻을 수 있었다.

바이브컴퍼니 - AI Everywhere 시대의 중심

김유섭(Yu-Seop Kim) 한국정보과학회 2021 정보과학회지 Vol.39 No.12

초등학생을 위한 학교폭력 예방교육 챗봇 개발

김유섭(Yu-Seop Kim),김유현(Yu-Hyeon Kim),조민기(Min-Gee Joh),정소희(So-Hui Joung) 한국컴퓨터정보학회 2023 한국컴퓨터정보학회 학술발표논문집 Vol.31 No.2

뉴로핏 - 뇌질환 영상 인공지능(AI) 솔루션 전문 기업

김유섭(Yu Seop Kim) 한국정보과학회 2023 정보과학회지 Vol.41 No.11

[권두언] “대형 언어 모델”특집을 내면서

김유섭(Yu Seop Kim),송현제(Song Hyun-Je) 한국정보과학회 2023 정보과학회지 Vol.41 No.11

k - 최근점 학습을 이용한 타동사 - 목적어 쌍의 번역 중의성 해소

김유섭(Yu Seop Kim),장병탁(Byoung-Tak Zhang),김영택(Yung Taek Kim) 한국정보과학회 1999 한국정보과학회 학술발표논문집 Vol.26 No.1B

기계번역에서 타동사-목적어 쌍의 정확하고 자연스러운 의미선정은 정확한 번역을 위하여 매우 중요하다. 본 연구에서는 대량의 말뭉치로부터 추출된 타동사-목적어 쌍으로 학습 예제(training example)를 구축하고, 이 예제와 워드넷(WordNet)의 명사 계층구조를 활용하여 타동사-목적어 쌍의 번역을 선택하였다. 이를 위하여 워드넷 상에서 의미 거리(semantic distance)를 측정하는 방법을 개발하고 k-최근점 학습(k-nearest neighbor Learning : K-NN)을 이용한 대역어선택 알고리즘을 구축하였다. 본 논문에서는 이 알고리즘을 이용하여 84.3%의 정확하고 자연스러운 타동사-목적어 쌍의 번역을 획득하였고 개별적으로는 90.3%의 동사와 87.5%의 명사의 정확한 번역에 성공하였다. 본 논문에서 제시된 알고리즘은 간단한 학습과정만으로 타동사-목적어 쌍의 번역을 동시에 선정한다는 장점이 있다.

게임사들의 이슈 대응 방식에 대한 사용자들의 반응 분석: 토픽모델링 분석을 중심으로

김유현 ( Yu-hyeon Kim ),김유섭 ( Yu-seop Kim ) 한국정보처리학회 2022 한국정보처리학회 학술대회논문집 Vol.29 No.2

본 연구는 2021 게임업계 연쇄 파동을 통해 게임사 이슈 대응에 대한 사용자들의 인식이 바뀐 것에 주목하여 메이플스토리 확률 조작 사건에서 나타난 사용자들의 반응을 토픽모델링으로 분석하였다. 이를 위해 사건의 발단이 된 메이플스토리 테스트 월드 업데이트 내용이 업로드된 2021년 2월 18일 17시를 기점으로 국내 온라인 게임 커뮤니티 중 하나인 인벤의 자유게시판에서 총 10만 개의 게시물을 수집하고 토픽모델링 분석을 실시하였다. 이후 도출된 주제별 주요 단어를 10개씩 확인하여 주제를 정의했다. 각 토픽을 비교하며 관련성을 확인했고 이를 통해 사용자들의 반응을 분석한 결과 확률 조작으로 인한 보상으로 환불을 원하고 있다는 것과 아이템의 확률을 조작했다는 것에 대한 사용자들의 분노, 디렉터 본인의 직접적인 사과문과 사용자와의 소통 요구, 또 다른 게임으로의 이탈을 확인할 수 있었다.