자질 정보 임베딩을 결합한 신경망 음소 모델 = Neural phoneme models with Feature embedding
저자
발행사항
서울 : 서울대학교 대학원, 2020
학위논문사항
학위논문(석사)-- 서울대학교 대학원 : 언어학과 언어학전공 2020. 8
발행연도
2020
작성언어
한국어
주제어
DDC
401
발행국(도시)
서울
형태사항
; 26 cm
일반주기명
지도교수: 신효필
UCI식별코드
I804:11032-000000163511
소장기관
본 연구는 다양한 자연어처리 과제의 해결을 위해 단어 내 정보에 대한 효과적인 신경망 음소 모델을 찾고자 하였다. 신경망 음소 모델을 개선하기 위해 자질(feature) 정보를 자질 임베딩(feature embedding)을 이용하여 반영하였다.
신경망을 이용하여 음소배열제약을 학습한 기존 연구에서는 자질(feature) 정보를 1, -1, 0으로 매핑하여 음소 임베딩을 초기화했다. 이렇게 자질을 반영한 모델은 자질이 반영되지 않은 모델과 비교하여 더 높은 성능을 보여주지 못했다.
이런 자질 정보의 활용을 소극적이라고 보고, 본 연구에서는 자질 임베딩(feature embedding)을 도입하여 각 자질마다의 임베딩을 구축하도록 모델을 설계하였다. 자질 정보를 포함하지 않는 음소 임베딩(phone embedding)을 이용하는 방식, 자질 임베딩만으로 음소 임베딩(phone embedding)을 만드는 음소-자질 임베딩(phone by feature embedding)을 사용하는 방식과 음소-자질 임베딩(phone by feature embedding)에 음소 임베딩(phone embedding)을 결합하는 방식을 실험함으로써 자질 정보의 포함이 모델의 성능을 높일 수 있는지를 알아보고, 자질 정보를 포함하는 최적의 방식을 확인하고자 한다.
실험은 한국어와 영어를 대상으로 진행하였으며, 모델은 트랜스포머 인코더(Transformer Encoder)를 사용하였다. 실험의 결과로 음소-자질 임베딩(phone by feature embedding)만을 활용한 모델이 음소 임베딩(phone embedding)을 사용한 모델보다 평균적으로 4~5%의 성능향상을 보였으며 이 방식이 음소 모델 구축에 효과적임을 확인할 수 있었다.
훈련한 임베딩을 군집화 한 결과로 음소-자질 임베딩(phone by feature embedding)만을 활용하는 방식이 자질 정보를 가장 뚜렷하게 구분하였다. 이는 실험에서 가장 높은 성능을 보인 음소-자질 임베딩(phone by feature embedding)만을 활용하는 방식이 설계의 의도대로 자질(feature) 정보를 반영하였음을 보였다.
The purpose of this thesis is to reveal the usefulnes of feature information in neural network phoneme model.
In previous research, for the aim of comparing feature-aware condition to feature-naive condition in neural network phoneme model, phone embeddings are usualy initialized by mapping feature information to 1, -1, and 0. The model using this initialization did not show higher performance compared to those without feature information.
To make more use of feature information, this study aims to design neural phoneme model by introducing
feature embedding. To ases the obligatorines of phonological distinctive features for phonotactic learning,
experiments have done with thre diferent embedding methods: phone embedding, phone by feature embedding, and phone & feature embedding. It was conducted with English data and Korean data, and base structure of our model is Transformer Encoder.
As the results, the model using phone by feature embedding outperforms the others about 4~5%, sugesting that this knowledge of distinctive features would be regarded as a help rather than a slight hindrance.
As a result of clustering with learned embedding, the model of phone by feature embedding clearly distinguishes the most feature information, which supports the use of feature information is efective in phonotactic learning through neural network.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)