• Proceedings of the Korean Society for Language and Information Conference
• /
• 2001.06a
• /
• pp.25-58
• /
• 2001

This study explores the lexical-semantic structure of derived causative verbs in Korean based on Pustejovsky(1995)'s Generative Lexicon Theory (GL), Mor-phological causative verbs are derived from their root stems by affixing ‘-i, -hi, -li, -gi’ in Korean and the meanings of derived predicates are closely related to the meanings of their root verbs. In particular, the change of the ARGUMENT STRUCTURE by morphological derivation leads to the change of the EVENT STRUCTURE. In this study, causation is defined as the cause-effect relation having a causer. The ARGUMENT STRUCTURES of derived causative verbs includes a causer argument, which is added to the ARGUMENT STRUCTURE of their root verbs. Their EVENT STRUCTURE has a headed process related to a causer and their result is the event which their root verbs represent. This approach can also suggest that the (in)directness of causative is determined by which verb is its root and explain the difference between the morphological causativization and the syntactic causativization in Korean.

• Proceedings of the Korean Society for Language and Information Conference
• /
• 2002.06a
• /
• pp.162-172
• /
• 2002

서수 한정사의 수식을 받는 명사구는 "정확히"의 의미와 "적어도"의 의미를 둘 다 가질 수 있다. Horn(1972)과 Kadmon(1985, 1987, 2001)은 "적어도"의 의미를 의미론적 의미로, "정확히"의 의미를 화용적 의미로 분석하고, Kamp는 그 반대 입장을 취한다. 그러나 서수 한정사의 의미를 그 의미 구조와 무관하게 일률적으로 분석하는 이런 접근 방식은 양쪽 중 어떤 입장을 취하든 다음의 두 사실을 설명할 수 없다 (i) 서술구에 쓰인 서수 한정사는 항상 "정확히"의 의미만을 갖는다. (ii) 초점을 받는 서수 한정사도 항상 "정확히"의 의미만을 갖는다. 이 연구는 초점 구문에 대한 논리-의미적 분석 방법에 근거하여 서수 한정사의 중의성의 의미를 설명한다. 구체적으로, 서수 한정사는 통사적 논항에 나타나든 통사적 서술구에 나타나든 상관없이 의미적으로 동일성의 서술구에 나타나면 항상 "정확히"의 의미만을 갖게 되고 의미적 주부에 나타나면 "적어도"의 의미를 갖게 된다는 사실을 보인다.

• Annual Conference on Human and Language Technology
• /
• 2009.10a
• /
• pp.92-96
• /
• 2009

인간이 가진 개념을 지식베이스화하려는 시도 중 하나로 의미망이 구축되고 있다. 한국어를 대상으로 한 어휘 의미망 중 프린스턴 대학의 WordNet을 대역한 KorLex는 1,2단계에서 한국어 어휘의미의 특성을 반영하여 개념 및 의미구조를 재구조화하고 있다. 그러나 현재 KorLex의 동의어 집합을 구성하는 어휘 의미에는 논항정보를 따로 구성할 수 없었다. 본 연구는 세종 전자 사전 격틀정보내의 선택제약조건(selectional restriction)으로 사용되고 있는 의미 부류와 KorLex의 명사 어휘 의미망을 자동 맵핑하는 방안을 제안함으로써 KorLex에서 세종 전자 사전 격틀정보를 활용할 수 있는 가능성을 제공한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2002.04a
• /
• pp.585-588
• /
• 2002

본 논문에서는 개체형 인식이 된 일반 문서에서 정보 추출을 하기 위하여 이벤트 템플릿 구조를 사용하는 방법을 제안한다. 제한된 도메인 지식을 주로 사용하는 기존의 정보 추출 방법과 달리 predicate-argument 구조를 갖는 이벤트 템플릿은 일반적인 지식을 주로 사용하여 정보 추출을 한다. 이벤트 템플릿을 추출하기 위해서는 형태소 분석 결과 용언의 하위범주 정보를 이용하고 이벤트 템플릿의 논항 구조를 이용하여 필요시 이벤트 템플릿을 통합한다. 문서에서 생성된 일반적인 이벤트 템플릿은 정보수용자의 요구에 맞는 도메인 지식을 사용하여 최종적인 결과를 생성한다. 이벤트 템플릿을 사용하는 정보 추출 실험 결과는 제한된 도메인 정보를 사용하는 시스템에 비해 정확율은 떨어지지만 기존 정보 추출시스템의 문제인 이식성을 높일 수 있다.

• Annual Conference on Human and Language Technology
• /
• 2013.10a
• /
• pp.167-170
• /
• 2013

한국어 어휘의 의미를 파악하기 위하여 어휘의 의미 중의성을 해결하는 것은 중요한 일이다. 본 논문에서는 한국어 다의어 기반의 어휘 의미망과 용언의 논항정보 등의 관계가 포함된 어휘지도(UWordMap)를 사용하여 용언의 의미 중의성 해소에 대한 연구를 진행한다. 기존의 의미 중의성 해소 연구와 같은 동형이의어 단위가 아닌 다의어 단위의 용언 의미 중의성 해소 시스템을 개발하였다. 실험결과 실험말뭉치로 품사 태그 부착 말뭉치를 사용했을 때 동형이의어 단위 정확률은 96.44%였고, 다의어 단위 정확률은 67.65%였다. 실험말뭉치로 동형이의어 태그 부착 말뭉치를 사용했을 때 다의어 단위 정확률은 77.22%로 전자의 실험보다 약 10%의 높은 정확률을 보였다.

• Annual Conference on Human and Language Technology
• /
• 2016.10a
• /
• pp.276-279
• /
• 2016

의미역 결정에서 하나의 의미 논항이 둘 이상의 의미역을 가지는 경우는 복수의 레이블을 할당하기 때문에 어려운 문제이다. 본 논문은 복수의 의미역을 가지는 항의 의미역 결정을 위한 새로운 자질을 제안한다. 복수의 의미역을 결정하기 위해서 체언보다 선행되어 나타나는 용언에 대한 자질을 추가하였다. 또한 문장의 용언에 따라 의미역을 결정하기 위해서 문장 내의 용언 수만큼 각각에 용언에 대한 의미역을 결정할 수 있도록 반복적으로 레이블링하는 방법을 제시하였다. 본 논문의 실험 결과로 제안한 방법은 74.90%의 성능(F1)을 보였다.

• Annual Conference on Human and Language Technology
• /
• 2016.10a
• /
• pp.122-127
• /
• 2016

본 논문에서서는 질의응답 시스템을 위한 자연언어 질의 이해를 위하여 프레임 시멘틱스 기반 의미 분석 방식을 제안한다. 지식베이스에 의존적인 질의 이해는 지식베이스의 불완전성에 의해 충분한 정보를 분석하지 못한다는 점에 착안하여, 질의의 술부-논항구조 및 그 의미에 대한 분석을 수행하여 자연언어 질의에서 나타난 정보들을 충분히 파악하고자 하였다. 본 시스템은 자연언어 질의를 입력으로 받아 이를 프레임 시멘틱스의 구조에 기반하여 기계가 읽을 수 있는 임의의 RDF 표현방식의 모형 쿼리를 생성한다.

• Annual Conference on Human and Language Technology
• /
• 2016.10a
• /
• pp.111-116
• /
• 2016

의미역은 자연어 문장의 서술어와 관련된 논항의 역할을 설명하는 것으로, 주어진 서술어에 대한 논항 인식(Argument Identification) 및 분류(Argument Labeling)의 과정을 거쳐 의미역 결정(Semantic Role Labeling)이 이루어진다. 이를 위해서는 격틀 사전을 이용한 방법이나 말뭉치를 이용한 지도 학습(Supervised Learning) 방법이 주를 이루고 있다. 이때, 격틀 사전 또는 의미역 주석 정보가 부착된 말뭉치를 구축하는 것은 필수적이지만, 이러한 노력을 최소화하기 위해 본 논문에서는 비모수적 베이지안 모델(Nonparametric Bayesian Model)을 기반으로 서술어에 가능한 의미역을 추론하는 비지도 학습(Unsupervised Learning)을 수행한다.

• Annual Conference on Human and Language Technology
• /
• 2016.10a
• /
• pp.324-329
• /
• 2016

의미역 결정은 자연어 문장의 서술어와 그 서술어에 속하는 논항들 사이의 의미관계를 결정하는 것이다. 최근 의미역 결정 연구에는 의미역 말뭉치와 기계학습 알고리즘을 이용한 연구가 주를 이루고 있다. 본 논문에서는 순차적 레이블링 영역에서 좋은 성능을 보이고 있는 Bidirectional LSTM-CRFs 기반으로 음절의 의미역 태그 분포를 고려한 의미역 결정 모델을 제안한다. 제안한 음절의 의미역 태그 분포를 고려한 의미역 결정 모델은 분포가 고려되지 않은 모델에 비해 2.41%p 향상된 66.13%의 의미역 결정 성능을 보였다.

• Annual Conference on Human and Language Technology
• /
• 2006.10e
• /
• pp.117-124
• /
• 2006

본고는 서술성 명사의 실현 양상을 말뭉치를 통해 살펴보고 실제로 서술성 명사의 서술성이 나타나는 정도를 밝히는 것을 목적으로 한다. 우선 서술성 명사의 서술성을 측정하기 위해 서술성 명사의 술어적 쓰임과 비술어적 쓰임을 구분하였는데, 이를 토대로 서술성 명사의 빈도와 서술성, 서술성 명사의 논항구조와 서술성, 서술성 명사가 가지는 구체물의 의미와 서술성의 관계를 살펴보았다. 한편 서술성 명사와 동사의 공기 양상에 대해서도 살펴보았는데, 우선 서술성 명사와 공기하는 동사들 가운데 기능동사와 일반 동사의 사용 비율을 살핀 다음, 서술성과 기능동사 결합률, 기능동사의 어절별 분포, 기능동사별 구성 비율을 구하였다.