키어절을 이용한 새로운 한국어 구문분석 = Korean Dependency Parsing using Key Eojoel

국문 초록 (Abstract)

구문분석은 문장 구조와 문장 성분을 파악하는 작업으로써 언어이해에서 중요한 단계이다. 의존구조 구문분석 방법에는 트랜지션 방법과 그래프 방법이 대표적이다. 트랜지션 방법은 루트에서 먼 곳의 성능이 좋으나 문장 구조의 성능이 상대적으로 낮다. 반면에 그래프 방법은 문장 루트에서 가까운 부분에서 성능이 높으나 멀어질수록 성능이 상대적으로 낮아진다. 본 논문에서는 트랜지션 방법의 장점에 문장 성능 향상을 위한 새로운 방법을 제안한다. 문장구조를 인식하기 위해 ‘키어절’이라는 개념을 제안하고 인식과정을 거친다. 인식된 키어절을 구문분석의 자질로 사용하는 방법, 키어절을 위한 수정 모델 실험을 하였다. 세종 구문 코퍼스를 사용하여 실험한 결과 3%의 문장성능 향상을 이룰 수 있었다. 이 실험결과는 키어절을 사용하는 것이 문장 구조를 인식하고 오류전파를 막는데 효과적임을 알 수 있다.

다국어 초록 (Multilingual Abstract)

A syntactic parsing that captures a sentence structure and roles of words in a sentence is a key step of natural language understanding. The transition based and the graph based parsing are representative methods in dependency parsing. The transition based parsing has relatively many long dependency errors, whereas the graph based parsing has relatively many short dependency errors. In this paper, we propose a new method that captures a sentence structure for improving sentence level performance effectively. We propose the concept of a key eojoel to capture sentence structure. First, we recognize key eojoels of sentences and then parse sentences using a key eojoel under cascaded chunking method. At the experiment using Sejong21 syntactic corpora, we achieve 3% sentence level performance improvement. From the result, we can see a key eojoel is an effective tool in capturing a sentence structure and preventing error propagation.

목차 (Table of Contents)

• 요약
• Abstract
• 1. 서론
• 2. 관련 연구
• 3. 다단계 구단위화를 이용한 한국어 의존구조 분석
• 4. 키어절
• 5. 실험 결과
• 6. 결론
• References

참고문헌 (Reference)

1 오진영, "다단계 구단위화를 이용한 고속 한국어 의존구조 분석" 한국시뮬레이션학회 19 (19): 103-111, 2010

2 이현영, "내포문의 단문 분할을 이용한 한국어 구문 분석" 한국정보과학회 35 (35): 50-58, 2008

3 J. Eisner, "Three new probabilistic models for dependency parsing : An exploration" 340-345, 1996

4 H. Yamada., "Statistical dependency analysis with support vector machines" 195-206, 2003

5 R. McDonald., "Online Learning of Approximate Dependency Parsing Algorithms" 81-88, 2006

6 R. McDonald., "Online Large-margin training of Dependency Parsers" 91-98, 2005

7 J. Nivre, "Non-Porjective Dependency Parsing in Expected Linear Time" 351-359, 2009

8 J. Nivre., "Labeled pseudo-projective dependency parsing with support vector machine" 221-225, 2006

9 T. Kudo., "Japanese Dependency Structure Analysis based on Support Vector Machines" 18-25, 2000

10 J. Nivre., "Integrating Graph-based and Transition-based Dependency Parsers" 950-958, 2008

11 R. Johansson., "Incremental Dependency Parsing Using Online Learning" 1134-1138, 2007

12 J. Nivre, "An efficient Algorithm for projective Dependency Parsing" 149-160, 2003

13 I. Titov., "A Latent Variable Model for Generative Dependency Parsing" 144-155, 2007

14 "21st Century Sejong Project"