한국어 형태·통사적 특징을 고려한 범주 기반 가변 n-gram 품사 태깅 모델 = Variable-length category-based N-gram part-of speech tagging model considering morpho-syntactic characteristics of Korea

목차 (Table of Contents)

• １. 서 론 1
• １.１ 연구의 배경 및 필요성 2
• １.２ 연구 범위 7
• １.３ 논문의 구성 9
• ２. 한국어의 형태∙통사적인 특징 11
• ２.１ 한국어 어절 내 형태소결합 제약 11
• ２.２ 한국어 어절 간 통사적 제약 13
• ２.３ 한국어의 어휘핵 16
• ２.４ “어절핵”과 어절 간 통사적 제약 18
• ２.５ 한국어의 품사 태그 집합 19
• ２.６ 요약 25
• ３. 관련 연구 26
• ３.１ 일반 통계 기반 품사 태깅 모델 26
• ３.２ 통계 기반 한국어 품사 태깅 모델 31
• ３.３ 형태소 기반 N-GRAM 모델을 보완하기 위한 기존 모델 32
• ３.３.１. 이중 HMM 모델 32
• ３.３.２. HMM을 확장하고 어절 경계 매개 변수를 적용한 모델 35
• ３.３.３. 통계와 규칙을 혼합한 모델 37
• ３.４ 요약 40
• ４. 어절과 어절 간의 범주 패턴에 기반한 한국어 품사 태깅 모델 42
• ４.１ 범주 패턴 기반 품사 태깅 모델 설명을 위한 표기 43
• ４.２ 범주 패턴 기반 기본 한국어 태깅 모델 44
• ４.３ 한국어 품사 태깅을 위한 범주 패턴의 종류 45
• ４.４ 범주 패턴에 따른 어절 확률과 어절 간 전이 확률을 이용한 태깅모델 48
• ４.５ 요약 50
• ５. 학습 52
• ５.１ 범주 패턴 통계 정보 추출을 위한 학습 자료 준비 52
• ５.１.１. 태깅 말뭉치 준비 53
• ５.１.２. 학습 자료 표본 추출(training data sampling) 56
• ５.２ 어절핵 범주 확장 57
• ５.３ 범주 가중치 61
• ５.４ 단일 형태소로 이루어진 범주 패턴과 희소 자료 처리 65
• ５.５ 범주 가중치 학습 67
• ５.６ 범주 가중치 학습 결과 70
• ５.７ 범주 패턴 기반 품사 태깅 모델(CAP-TM) 구성 77
• ５.８ 요약 78
• ６. 실험과 적용 80
• ６.１ 평가 자료 구축 및 성능 평가 80
• ６.２ 범주 패턴의 적용 범위 85
• ６.３ 희소 자료 처리 및 사전의 크기 87
• ６.４ CAP-TM을 적용한 태깅 예제 89
• ７. 결론과 향후 연구 93
• ７.１ 연구 배경 93
• ７.２ 제안한 모델 94
• ７.３ 연구의 기여 95
• ７.４ 향후 연구 과제 96
• 참고 문헌 98