• ETRI Journal
• /
• 제39권5호
• /
• pp.652-661
• /
• 2017

A mention has a noun or noun phrase as its head and constructs a chunk that defines any meaning, including a modifier. Mention detection refers to the extraction of mentions from a document. In mentions, coreference resolution refers to determining any mentions that have the same meaning. Pointer networks, which are models based on a recurrent neural network encoder-decoder, outputs a list of elements corresponding to an input sequence. In this paper, we propose mention detection using pointer networks. This approach can solve the problem of overlapped mention detection, which cannot be solved by a sequence labeling approach. The experimental results show that the performance of the proposed mention detection approach is F1 of 80.75%, which is 8% higher than rule-based mention detection, and the performance of the coreference resolution has a CoNLL F1 of 56.67% (mention boundary), which is 7.68% higher than coreference resolution using rule-based mention detection.

• 정보과학회 논문지
• /
• 제44권8호
• /
• pp.774-781
• /
• 2017

멘션(mention)은 명사 또는 명사구를 중심어로 가지며, 수식어를 포함하여 어떤 의미를 정의하는 구(chunk)를 구성한다. 문장 내에서 멘션을 추출하는 것을 멘션탐지라 한다. 멘션들 중에서 서로 같은 의미의 멘션들을 찾아내는 것을 상호참조해결이라 한다. 포인터 네트워크는 RNN encoder-decoder 모델을 기반으로, 주어진 입력 열에 대응되는 위치를 출력 결과로 갖는 모델이다. 본 논문에서는 멘션탐지에 포인터 네트워크를 이용할 것을 제안한다. 멘션탐지에 포인터 네트워크를 적용하면 기존의 순차 문제로는 해결할 수 없었던 중첩된 멘션탐지 문제를 해결할 수 있다. 실험 결과, 본 논문에서 제안한 멘션탐지의 성능이 규칙기반 보다 7.65%p 이상 높은 F1 80.07%를 보였으며, 이를 이용한 상호참조해결 성능이 CoNLL F1 56.67%(멘션 경계), 60.11%(중심어 경계)로 규칙기반 멘션탐지를 이용한 상호참조해결에 비하여 7.68%p, 1.5%p 더 좋은 성능을 보였다.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제21권4호
• /
• pp.333-337
• /
• 2015

본 논문에서는 품사태그가 부착된 의존구문 트리와 개체명 정보가 자동 태깅된 말뭉치에서 멘션(Mention)을 추출하고, SVM을 기반으로 한 멘션 페어 모델(Mention Pair Model) 이용하는 한국어 상호참조해결 시스템을 제안한다. 시스템의 학습과 평가를 위해서 신문기사를 기반으로 하는 14개의 문서와, 위키피디아(Wikipedia)를 기반으로 하는 200개의 질의응답 문서를 분석하여 상호참조해결 정보가 담긴 말뭉치를 구축했다. 실험결과 본 논문에서 제안한 시스템의 성능은 MUC-F1 55.68%, B-cube-F1 57.19%, CEAFE-F1 61.75% 로 나타났다.

• ETRI Journal
• /
• 제38권6호
• /
• pp.1207-1217
• /
• 2016

The general method of machine learning has encountered disadvantages in terms of the significant amount of time and effort required for feature extraction and engineering in natural language processing. However, in recent years, these disadvantages have been solved using deep learning. In this paper, we propose a mention pair (MP) model using deep learning, and a system that combines both rule-based and deep learning-based systems using a guided MP as a coreference resolution, which is an information extraction technique. Our experiment results confirm that the proposed deep-learning based coreference resolution system achieves a better level of performance than rule- and statistics-based systems applied separately

• 서비스연구
• /
• 제10권2호
• /
• pp.59-76
• /
• 2020

본 연구는 뉴스를 전달하는 데 있어 선정적인 앵커 멘트가 부정적 감정과 뉴스 신뢰도, 방송사 태도에 어떤 영향을 미치는지 알아보고, 앵커 매력성과 시청자 성별의 조절 효과를 검증하고자 하는데 목적이 있다. 가설 검증 결과 첫째, 뉴스 보도에서 앵커 멘트가 선정적일수록 시청자들의 부정적인 감정은 증가하는 것으로 나타났다. 둘째, 뉴스 보도에서 앵커 멘트의 선정적인 표현이 강할수록 뉴스 신뢰도는 떨어지는 것으로 나타났다. 셋째, 앵커가 매력적이라고 생각한 집단의 경우 앵커 멘트가 선정적이든 아니든 부정적 감정과 뉴스 신뢰도, 방송사 태도에 대한 차이가 없었지만, 앵커가 매력적이라고 생각하지 않은 집단은 앵커가 선정적인 멘트를 사용하면 부정적 감정이 커지고 뉴스 신뢰도는 떨어지며 방송사 태도가 안 좋아지는 것으로 나타났다. 넷째, 앵커 멘트가 선정적이지 않은 경우 여성과 남성 시청자의 부정적 감정과 방송사 태도에 대한 차이는 거의 없었지만, 앵커 멘트가 선정적인 경우 남성 시청자보다 여성 시청자의 부정적 감정이 증가하고 방송사 태도가 안 좋아지는 것으로 나타났다. 본 연구를 통해 지금까지 거의 연구되지 않았던 앵커 멘트의 선정성과 앵커 매력성 등의 분야를 분석하면서 학문적이고 실무적인 관점에서 시사점을 제공하였다. 또한 뉴스 보도와 앵커 등 언론 관련 분야와 매력성, 신뢰도 등 마케팅 분야의 연구를 접목해 새로운 시도를 하면서 언론과 마케팅 분야 모두에 의미 있는 시사점을 제공하였다.

• 화약ㆍ발파
• /
• 제16권3호
• /
• pp.16-24
• /
• 1998

Methods of Rock fragmentation are used rock of housing repair development at KU-SAN DONG area in seoul Youn-Pyong Ku. So, Theorical analyses of the effect of vibration and frequency on structural damage around old housed also discussed. The results can be summarized as follows: 1. A area(Rock area not more than 15m Ku-San Mention) Some Empirical equations were obtained $V=K\{{\frac{D}{W}}1/3\}^{-n}$ where the values for n and K are estimated to be -1.64 and 94 respectively, this values were obtained only theorical analyses. If we have 125g charge this area is impossible blasting operation, so this area must be worked by SRS(Super Rock Splitter) method. 2. B area(Rock area from 15m to 25m in a boundary line from Ku-San Mention) This area charge is about 125g in a delay time by some empirical equation s. So, this area can be blasting operations by small charge. 3. C area(Rock area from 25m to 35m in a boundary line from Ku-San Mention) This area charge is about 500g in delay time by some empirical equation s. So, this area can be blasting operations by middle charge. 4. D area(Rock area more then 35m in a boundary line from Ku-San Mention) This area charge is about 1000g in a delay time by some empirical equation s. So, this area can be blasting operations by middle charge.

• 아동학회지
• /
• 제19권2호
• /
• pp.185-200
• /
• 1998

This research examined the development in Korean children of the comprehension of complex sentences. The relative difficulty in comprehension of the temporal conjunctions "before" and "after" was investigated. The order of mention, contextual support, and syntactic appearance was controlled. The role of cognitive strategies and developmental changes in the comprehension of these conjunction was included in this study. Subjects were 90 preschool children between 3 and 5 years of age. The task was a sentence-picture matching problem having 3 types of sentences combining temporally with "before" or "after". The results were that developmental changes in comprehension of the temporal conjunctions "before' and "after" in Korean children depended on the order of mention, contextual support, and such syntactic factors as the position of the subject of the sentence. The importance of the consistency in the occurrence of events and the order of mention in the acquisition of complex sentences among Korean children is similar to the acquisition of complex sentences in other languages.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2015년도 제27회 한글 및 한국어 정보처리 학술대회
• /
• pp.224-227
• /
• 2015

상호참조해결은 특정 개체에 대해 다르게 표현한 단어들을 서로 연관지어 주며, 이러한 개체에 대해 표현한 단어들을 멘션(mention)이라 하며, 이런 멘션을 찾아내는 것을 멘션탐지(mention detection)라 한다. 멘션은 명사나 명사구를 기반으로 정의되며, 명사구의 경우에는 수식어를 포함하기 때문에 멘션탐지를 순차 데이터 문제(sequence labeling problem)로 정의할 수 있다. 순차 데이터 문제에는 Recurrent Neural Network(RNN) 종류의 모델을 적용할 수 있으며, 모델들은 Long Short-Term Memory(LSTM) RNN, LSTM Recurrent CRF(LSTM-CRF), Bidirectional LSTM-CRF(Bi-LSTM-CRF) 등이 있다. LSTM-RNN은 기존 RNN의 그레디언트 소멸 문제(vanishing gradient problem)를 해결하였으며, LSTM-CRF는 출력 결과에 의존성을 부여하여 순차 데이터 문제에 더욱 최적화 하였다. Bi-LSTM-CRF는 과거입력자질과 미래입력자질을 함께 학습하는 방법으로 최근에 가장 좋은 성능을 보이고 있다. 이에 따라, 본 논문에서는 멘션탐지에 Bi-LSTM-CRF를 적용할 것을 제안하며, 각 딥 러닝 모델들에 대한 비교실험을 보인다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2020년도 제32회 한글 및 한국어 정보처리 학술대회
• /
• pp.20-23
• /
• 2020

개체 연결이란 문서에서 등장한 멘션(Mention)들을 지식 기반(Knowledge Base)상의 하나의 개체에 연결하는 문제를 말한다. 개체 연결은 개체를 찾는 멘션 탐지(mention detection)과정과 인식된 멘션에 대해 중의성을 해결하여 하나의 개체를 찾는 개체 중의성 해결(Entity disambiguation)과정으로 구성된다. 본 논문에서는 개체 정보를 강화하기 위해 wikipedia2vec정보를 결합하여 Entity 정보를 강화하고 문장 내에 모든 개체 정보를 활용하기 위해 집합적 개체를 정의하고 그래프 구조를 표현하기 위해 GNN을 활용하여 기존보다 높은 성능을 이끌어내었다.

• 인지과학
• /
• 제21권2호
• /
• pp.253-282
• /
• 2010

이 연구는 대용어나 지시사가 생략된 조건에서 선행어의 전형성과 언급순서가 참조해결에 작용하는 효과를 살펴보기 위해서 2개의 실험을 실시하였다. 실험 1은 대용어 생략과 대명사 조건을 비교하였다. 대용어 생략은 전형성과 언급순서가 읽기과제에 반영되었고, 언급순서 효과가 탐사재인과제에 반영되었다. 반면에 대명사는 전형성과 언급순서 효과가 탐사재인과제에만 반영되었다. 실험 2에서는 지시사가 생략된 명사반복과 대명사 조건을 비교하였다. 명사반복이 대명사에 비해서 읽기시간이 길었으며, 언급순서 효과가 탐사재인과제에 반영되었다. 반면에 대명사는 전형성과 언급순서가 탐사재인과제에서 반영되었다. 이는 선행어와 대용어의 참조해결이 직선적이기보다는 역동적일 가능성을 시사하였다.