• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10a
• /
• pp.487-489
• /
• 2003

전문용어란 전문분야의 개념이 언어적으로 표현된 형태이다. 전문분야마다 분야 특성 적인 개념이 사용되므로, 전문용어는 전문분야를 특성화하는 단위로 사용된다. 따라서 전문분야문서에 대한 자연언어처리에서 전문용어를 효과적으로 처리하는 것은 매우 중요하다. 전문용어 추출은 분야 특성적인 전문용어를 해당 분야 문서에서 파악하는 작업을 말한다. 본 논문에서는 기계학습방법을 이용한 전문용어 자동 추출 기법을 제안한다. 본 논문의 기법은 전문분야 사전과 전문분야 문서를 이용하여 문서에서 나타나는 전문용어의 특성을 파악하고 이를 이용하여 전문용어를 추출한다. 본 논문의 기법은 70,000단어 수준의 영어 의학분야 300개 문서에 대하여 약 77%의 정확률로 전문용어를 추출하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10a
• /
• pp.775-777
• /
• 2004

전문용어란 전문분야의 개념이 언어적으로 표현된 형태이다. 전문분야마다 분야 특성적인 개념이 사용되므로, 전문용어는 전문분야를 특성화하는 단위로 사용된다. 따라서 전문분야문서에 대한 자연언어처리에서 전문용어를 효과적으로 처리하는 것은 매우 중요하다. 전문용어 추출은 분야 특성적인 전문용어를 해당 분야 문서에서 파악하는 작업을 말한다. 본 논문에서는 기계학습방법을 이용한 전문용어 자동 추출 기법을 제안한다. 본 논문의 기법은 전문분야 사전과 전문분야 문서를 이용하여 문서에서 나타나는 전문용어의 특성을 파악하고 이를 이용하여 전문용어를 추출한다. 본 논문의 기법은 GENIA 2.01 문서에 대하여 86%의 정확률과 90%의 재현율을 나타내었다. 또한 기존연구보다 최고 21%의 성능향상을 나타내었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04b
• /
• pp.886-888
• /
• 2004

기존의 한글-안자 변환에서는 문맥정보와 통계정보를 고려하지 않는 사전기반의 단어단위 변환 방법을 사용한 반면, 본 논문에서는 언어모델 밀 변환모델을 이용한 문장단위의 한자 자동변환 방법을 제안하고. 사전 미등록어와 복합어의 한글-한자 변환을 위하여 단어분할을 변환의 숨김 과정으로 처리하는 통합모델을 사용하였다. 실험 결과, 전문용어의 한글-한자 변환에서 제한된 한자 데이터를 이용하여 기존의 사전기반 변환보다 나은 결과를 얻을 수 있었다.

• Proceedings of the Korea Contents Association Conference
• /
• 2011.05a
• /
• pp.67-68
• /
• 2011

국방과학기술 분야 업무의 효율성을 극대화하기 위해서는 국가적인 차원에서 국방 관련 기관들이 사용하고 있는 국방과학기술 분야의 전문용어를 광범위하게 수집하고 기술 체계를 통일하여 관리하는 것이 필요하다. 본 연구에서는 고도의 신뢰성이 요구되는 국방과학기술 정보분석의 기반을 제공하기 위해서 국방과학기술분야를 중심으로 전문용어의 선정, 기술 기준, 기술 구조를 포함하는 모든 프로세스를 표준화하는 것은 물론, 온라인 서비스에 전문용어 사전의 효과적으로 활용하기 위한 방안을 제시하고 있다.

• Journal of the Korean Society for Library and Information Science
• /
• v.48 no.2
• /
• pp.353-378
• /
• 2014

The purpose of this study is to find factors to affect on the formation of semantic relation from terminology and what is to be affected by these factors to build the database scheme of terminology dictionary by a structural definition. In this research, 826,905 keywords of 88,874 social science articles and 985,580 keywords of 125,046 humanities science articles in the KCI journals from 2007 to 2011 were collected. From collected data, subject complexity, structural hole, term frequency, occurrence pattern and an effect between the number of nodes and the number of patterns which were derived from the semantic relation of linked terms of established 'STNet' System were analyzed. The summarized results from analyzed data and network patterns are as follows. Betweenness Centrality, term frequency, and effective size affect the numbers of semantic relation node. Among these factors, betweenness centrality was the most effective and effective size. But term frequency was the least effective. Betweenness Centrality, term frequency, and effective size affect the numbers of semantic relation type. Term frequency is the most effective. Therefore, when building a terminology dictionary, factors of betweenness centrality, term frequency, effective size, and complexity of subject are needed to select term. As a result, these factors can be expected to improve the quality of terminology dictionary.

• 방재와보험
• /
• s.34
• /
• pp.80-81
• /
• 1987

방재와 보험은 우리 생활과 밀접한 관계에 있으면서도 사용되는 용어의 전문성으로 인하여 생소한 분야로 느끼는 예가 많다. 따라서 독자여러분의 이해를 돕기 위해 방재와 보험에 관한 전문용어를 해설, 소개한다.

• 방재와보험
• /
• s.35
• /
• pp.80-81
• /
• 1987

방재와 보험은 우리 생활과 밀접한 관계에 있으면서도 사용되는 용어의 전문성으로 인하여 생소한 분야로 느껴지는 예가 많다. 그래서 독자여러분의 이해를 돕기 위해 방재와 보험에 관한 전문용어를 해설, 소개한다.

• 방재와보험
• /
• s.36
• /
• pp.78-79
• /
• 1988

방재와 보험은 우리 생활과 밀접한 관계에 있으면서도 사용되는 용어의 전문성으로 인하여 생소한 분야로 느껴지는 예가 많다. 그래서 독자여러분의 이해를 돕기 위해 방재와 보험에 관한 전문용어를 해설, 소개한다.

• 방재와보험
• /
• s.40
• /
• pp.72-73
• /
• 1989

방재와 보험은 우리 생활과 밀접한 관계에 있으면서도 사용되는 용어의 전문성으로 인하여 생소한 분야로 느껴지는 예가 많다. 그래서 독자여러분의 이해를 돕기 위해 방재와 보험에 관한 전문용어를 해설, 소개한다.

• 방재와보험
• /
• s.37
• /
• pp.74-75
• /
• 1988

방재와 보험은 우리 생활과 밀접한 관계에 있으면서도 사용되는 용어의 전문성으로 인하여 생소한 분야로 느껴지는 예가 많다. 그래서 독자여러분의 이해를 돕기 위해 방재와 보험에 관한 전문용어를 해설, 소개한다.