Transformer 딥러닝 모델에 기반한 한국어 형태소 분석 연구
Morphemes are most primitive units in a language that loses their
original meaning when segmented into smaller parts. In Korean, a
sentence is a sequence of eojeols(words) separated by spaces. Each
eojeol comprises one or more morphemes. Korean morphological analysis
(KMA) is to divide eojeols in a given Korean sentence into morpheme
units by using contextual information. It also includes assigning
appropriate part-of-speech(POS) tags to the resulting morphemes. KMA is
one of the most important tasks in Korean natural language processing
(NLP). Improving the performance of KMA is closely related to increasing
performance of Korean NLP tasks. Recent research on KMA tends to utilize
machine translation (MT) models. MT is to convert a sequence(sentence)
of one domain into a sequence(sentence) of another domain. Neural74
machine translation (NMT) stands for the approaches of MT that exploit
neural network models. From a perspective of MT, KMA is to transform an
input sequence belonging to the eojeol domain into a sequence of the
morpheme domain. In this thesis, we propose a deep learning model for
KMA. The backbone of our model is based on the BERT-fused model which
was shown to achieve high performance on NMT. The BERT-fused model
utilizes Transformer, a representative model employed by NMT, and BERT
which is a model that has enabled a significant advance in NLP. The
experimental results show that our model achieves 98.24 F1-Score which
is a state of the art performance.
형태소는 더 이상 분리하면 본래의 의미를 잃어버리는 말의 최소 단위이다.
한국어에서 문장은 공백으로 구분되는 어절(단어)의 조합이다. 형태소 분석은
어절 단위의 문장을 입력 받아서 문맥 정보를 활용하여 형태소 단위로 나누고
각 형태소에 적절한 품사 기호를 부착한 결과를 생성하는 것이다. 한국어
자연어 처리에서 형태소 분석은 가장 핵심적인 태스크다. 형태소 분석의 성능
향상은 한국어 자연어 처리 태스크의 성능 향상에 직결된다. 최근 형태소
분석은 주로 기계 번역 관점에서 연구가 진행되고 있다. 기계 번역은 신경망
모델 등으로 어느 한 도메인의 시퀀스(문장)를 다른 도메인의 시퀀스(문장)로
바꾸는 것이다. 형태소 분석을 기계 번역 관점에서 보면 어절 도메인에
속하는 입력 시퀀스를 형태소 도메인 시퀀스로 변환하는 것이다. 본 논문은
한국어 형태소 분석을 위한 딥러닝 모델을 제안한다. 본 연구에서 사용하는
모델은 기계 번역에서 높은 성능을 기록한 BERT-fused 모델을 기반으로 한다.
BERT-fused 모델은 기계 번역의 대표적인 Transformer와 자연어 처리 분야에
획기적인 성능 향상을 이룬 BERT를 활용한다. 실험 결과 형태소 단위 F1-
Score 98.24의 성능을 얻을 수 있었다.
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)