한국콘텐츠학회논문지 (The Journal of the Korea Contents Association)

  • 제10권3호
  • /
  • Pages.10-20
  • /
  • 2010
  • /
  • 1598-4877(pISSN)
  • /
  • 2508-6723(eISSN)
한국콘텐츠학회 (The Korea Contents Association)
권호 표지
DOI QR코드

DOI QR Code

명사 의미 부류를 이용한 연속된 명사열의 구묶음

Chunking of Contiguous Nouns using Noun Semantic Classes

  • 안광모 (충북대학교 전자정보대학 컴퓨터공학부) ;
  • 서영훈 (충북대학교 전자정보대학 컴퓨터공학부)
  • 투고 : 2010.01.25
  • 심사 : 2010.03.12
  • 발행 : 2010.03.28
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

본 논문에서는 조사가 없는 연속된 명사열 중 하나의 명사처럼 쓰일 수 있는 명사열을 복합명사구라 정의하고, 의미 정보를 이용한 복합명사구의 구묶음 방법을 제시한다. 복합명사구의 구묶음에는 구문분석 말뭉치에서 추출한 명사쌍과 이들의 의미부류정보를 이용한다. 이러한 명사쌍과 의미부류정보는 신뢰도를 위해 세종말뭉치의 구문분석 말뭉치와 상세사전을 기반으로 구축하였다. 이들 정보를 이용한 복합명사구 구묶음 모듈은 길이(명사의 수)가 2 이상인 복합명사구에 대해서도 구묶음을 수행할 수 있다. 복합명사구 구묶음을 위해 '왼쪽명사-오른쪽명사' 쌍 38,940개, '왼쪽명사-오른쪽명사의미부류' 쌍 65,629개, '왼쪽명사의미부류-오른쪽명사' 쌍 46,094개, '왼쪽명사의미부류-오른쪽명사의미부류' 쌍 45,243개의 정보를 구축하여 이용하였다. 실험을 위하여 신문기사의 내용으로 이루어진 세종형태소분석 말뭉치로부터 길이가 3 이상인 조사와 결합하지 않은 연속된 명사열을 포함하는 1,000 문장을 임의로 선별하였으며, 실험결과는 86.89%의 정밀도와 80.48%의 재현율, 그리고 83.56%의 f-measure를 보였다.

This paper presents chunking strategy of a contiguous nouns sequence using semantic class. We call contiguous nouns which can be treated like a noun the compound noun phrase. We use noun pairs extracted from a syntactic tagged corpus and their semantic class pairs for chunking of the compound noun phrase. For reliability, these noun pairs and semantic classes are built from a syntactic tagged corpus and detailed dictionary in the Sejong corpus. The compound noun phrase of arbitrary length can also be chunked by these information. The 38,940 pairs of 'left noun - right noun', 65,629 pairs of 'left noun - semantic class of right noun', 46,094 pairs of 'semantic class of left noun - right noun', and 45,243 pairs of 'semantic class of left noun - semantic class of right noun' are used for compound noun phrase chunking. The test data are untrained 1,000 sentences with contiguous nouns of length more than 2randomly selected from Sejong morphological tagged corpus. Our experimental result is 86.89% precision, 80.48% recall, and 83.56% f-measure.

키워드

과제정보

연구 과제 주관 기관 : 충북대학교

참고문헌

  1. S. Abney, “Parsing by Chunks,” In R.C. Berwick, S.P. Abney and C. Tenny, editors, Principle-Based Parsing: Computation and Psycholinguistics, Kluwer, pp.257-278, 1991.
  2. Ramshaw, M. Marcus, "Text chunking using transformation-based learning," In Proceedings of the Third ACL Workshop on Very Large Corpora, Association for Computational Linguistics, pp.157-176, 1995.
  3. Bourigault, "Surface grammatical analysis for the extraction of terminological noun phrase," In Proceeding of the Fifteenth International Conference on Computational Linguistics, pp.977-981, 1992. https://doi.org/10.3115/993079.993111
  4. Kupiec, "An algorithm for finding noun phrase correspondences in bilingual corpora," In Proceeding of the 31st Annual Meeting of the Association for Computational Linguistics, pp.17-22, 1993. https://doi.org/10.3115/981574.981577
  5. Voutilainen, "NPTool, a detector of English noun phrase," In Proceedings of the Workshop on Very Large Corpora, Association for Computational Linguistics, pp.48-57, 1993.
  6. 양재형, “규칙 기반 학습에 의한 한국어의 기반 명사구 인식”, 정보과학회 논문지, 제27권, 제10호, pp. 1062-1071, 2000.
  7. 황영숙, 정후중, 박소영, 곽용재, 임해창, “자질집합선택 기반의 기계학습을 통한 한국어 기본구인식의 성능향상”, 정보과학회논문지:소프트웨어 및 응용, 제29권, 제9호, pp.654-668, 2002.
  8. 서충원, 오종훈, 최기선, “어절의 중심어 정보를 이용한 한국어 기반 명사구 인식”, 제15회 한글 및 한국어 정보처리 학술대회, pp.145-151, 2003.
  9. 최용석, 신지애, 최기선, “확률모형과 수식정보를 이용한 와/과 병렬명사구 범위결정”, 정보과학회논문지:소프트웨어 및 응용, 제35권, 제2호, pp.128-136, 2008.
  10. 박의규, 나동열, “한국어 구문분석을 위한 구묶음 기반 의존명사 처리”, 인지과학, 제17권, 제2호, pp.119-138, 2006.