Syllable-based Korean POS Tagging Based on Combining a Pre-analyzed Dictionary with Machine Learning

목차 (Table of Contents)

• 요약
• Abstract
• 1. 서론
• 2. 기계학습 기반 음절 단위 품사 태깅
• 3. 기분석사전과 결합된 음절 단위 태깅
• 4. 실험 및 결과
• 5. 결론
• References

참고문헌 (Reference)

1 이재성, "한국어 형태소 분석을 위한 3단계 확률 모델" 한국정보과학회 38 (38): 257-268, 2011

2 심광섭, "인접 조건 검사에 의한 초고속 한국어 형태소 분석" 한국정보과학회 31 (31): 89-99, 2004

3 심광섭, "음절 단위의 한국어 품사 태깅에서 원형 복원" 한국정보과학회 40 (40): 182-189, 2013

4 안광모, "어휘별 중의성 제거 규칙과 통계 정보를 이용한 한국어 품사 태깅" 한국콘텐츠학회 9 (9): 18-26, 2009

5 김재훈, "사례기반 학습을 이용한 음절기반 한국어 단어 분리 및 범주 결정" 한국정보처리학회 10 (10): 47-56, 2003

6 Dong-Su Jang, "Syllable-Based Korean Morphological Analyzer" 331-339, 1993

7 이창기, "Structural SVM을 이용한 한국어 띄어쓰기 및 품사 태깅 결합 모델" 한국정보과학회 40 (40): 826-832, 2013

8 이창기, "Structural SVMs 및 Pegasos 알고리즘을 이용한 한국어 개체명 인식" 한국인지과학회 21 (21): 655-667, 2010

9 In-Ho Kang, "Korean Part-Of-Speech Tagging based on Maximum Entropy Model" 9-14, 1998

10 Seung-Hoon Na, "CRFs for Korean Morpheme Segmentation and POS Tagging" 12-15, 2012

11 S. S. Keerthi, "CRF versus SVM-struct for sequence labeling" Yahoo! Research 2007

12 Seung-Hyun Yang, "A High_speed Korean Morphological Analysis Method based on Pre-Analyzed Partial Words" 27 (27): 290-301, 2000