대화형 개인 비서 시스템의 언어 인식 모듈을 위한 개체명 및 문장목적 동시 인식 방법 = A Simultaneous Recognition Method of Named Entities and Objects for the Language Understanding Module of a Dialogue-based Private Secretary System

국문 초록 (Abstract)

대화형 개인 비서 시스템은 기존의 대화 시스템과 달리 앱(App)을 이용하여 사용자에게 정보를 실시간으로 제공하는 시스템이다. 대화형 개인 비서 시스템에서의 SLU(Spoken Language Understanding)작업은 도메인, 개체명, 문장목적, 동작, 화행 인식으로 나누어진다. 본 논문은 대화형 개인 비서시스템에서의 SLU 작업들 중 개체명과 문장목적을 동시에 인식하는 방법을 연구한다. 기존 시스템은 사전-규칙 기반 방법 이용하여 인식 작업을 수행하는데, 이 방법은 몇 가지 문제점이 존재한다. 본 논문에서는 이러한 문제를 해결하기 위해 Conditional Random Fields(CRF)를 이용하여 개체명과 문장목적을 동시에 인식하는 방법을 제안하며, 양질의 ETRI 개체명 사전을 이용해 전체적인 성능을 향상시켰다. 기존 시스템과의 비교 결과, 문장 단위 1.5%의 성능 향상을 보였고, 유의성 검정 결과 본 논문에서 제안하는 방법이 신뢰도 95%에서 통계적으로 유의하다는 결론을 얻었다.

다국어 초록 (Multilingual Abstract)

A dialogue-based private secretary system provides some real-time information to a user using apps unlike a traditional dialogue system. The Spoken Language Understanding (SLU) module of the private secretary system consists of five components : domain, named-entity, object, operator and speech-act recognition. This paper proposes a simultaneous recognition method recognition of named entities and objects. The traditional dialogue-based private secretary system has some problems from using dictionary and rule-based resources. In order to solve these problems, the proposed system uses the conditional random fields (CRF) for named entity and object recognition. Moreover, the performance of the system has been improved by adding the high quality ETRI namedentity dictionary. In the empirical experiments, the proposed system results the higher performance of 1.5% in sentence level than a compared system using dictionary and rule based resources. In a significance test, we obtain a P-value of 0.11. This difference is considered to be statistically significant.

목차 (Table of Contents)

• 요약
• Abstract
• 1. 서론
• 2. 관련 연구
• 3. 기존 방법 : 개체명 및 문장목적 인식
• 4. 제안하는 방법 : 개체명 및 문장목적 동시인식
• 5. 실험
• 6. 결론 및 향후 연구
• References

참고문헌 (Reference)

1 Petasis, G, "Using Machine Learning to Maintain Rule-based Named-Entity Recognition and Classification Systems" 426-433, 2001

2 Kyung Hee Lee, "Study on Named Entity Recognition in Korean Text" 292-299, 2000

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

4 Janez Demsar, "Statistical Comparisons of Classifiers over Multiple Data sets" 7 : 1-30, 2006

5 Khaled Shaalan, "Person Named Entity Recognition for Arabic" 17-24, 2007

6 Mesfar, S., "Named Entity Recognition for Arabic Using Syntactic Grammars" 305-316, 2007

7 Kim Sang, "Introduction to the CoNLL-2003 shared task: Language-independent named entity recognition" 2003

8 Lafferty, J, "Conditional random fields : Probabilistic models for segmenting and labeling sequence data" 282-2289, 2001

9 Cheongjae Lee, "A situation-based dialogue management using Dialgogue examples" IEEE 2006

10 Yiming Yang, "A re-examinatio of text categorization methods"

11 Nadeau, D., "A Survey of Named Entity Recognition and Classfication" 30 (30): 3-26, 2007

12 Ratnaparkhi, A., "A Simple Introduction to Maximum Entropy Models for Natural Language Processing" University of Pennsylvania Institute for Research in Cognitive Science 1997

13 Ali Elsebai, "A Rule Based Persons Names Arabic Extraction System" 11 : 2009

14 Mai Mohamed Oudah, "A Pipeline Aribic Named Entity Recognition Using a Hybrid Approach" 2159-2176, 2012