• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2019년도 제31회 한글 및 한국어 정보처리 학술대회
• /
• pp.276-279
• /
• 2019

의존 구문 분석은 문장을 구성하는 성분들 간의 의존 관계를 분석하고 문장의 구조적 정보를 얻기 위한 기술이다. 의미역 결정은 문장에서 서술어에 해당하는 어절을 찾고 해당 서술어의 논항들을 찾는 자연어 처리의 한 분야이다. 두 기술은 서로 밀접한 상관관계가 존재하며 기존 연구들은 이 상관관계를 이용하기 위해 의존 구문 분석의 결과를 의미역 결정의 자질로써 사용한다. 그러나 이런 방법은 의미역 결정 모델의 오류가 의존 구문 분석에 역전파 되지 않으므로 두 기술의 상관관계를 효과적으로 사용한다고 보기 어렵다. 본 논문은 포인터 네트워크 기반의 의존 구문 분석 모델과 병렬화 순환 신경망 기반의 의미역 결정 모델을 멀티 태스크 방식으로 학습시키는 통합 모델을 제안한다. 제안 모델은 의존 구문 분석 및 의미역 결정 말뭉치인 UProbBank를 실험에 사용하여 의존 구문 분석에서 UAS 0.9327, 의미역 결정에서 PIC F1 0.9952, AIC F1 0.7312의 성능 보였다.

• 이탈리아어문학
• /
• 제33호
• /
• pp.1-27
• /
• 2011

Questo studio ha lo scopo di configurare la gerarchia tematica del sintagma genitivale in italiano all'interno della struttura sintattica. Il sintagma genitivale composto dalla forma "sostantivo+di+sostantivo", può avere i significati di descrizione, origine, apposizione, parte, luogo, e anche può rappresentare la struttura argomentale come argomento esterno(caso soggettivo) o argomento interno(caso oggettivo) e può assegnare il ruolo tematico di agente, tema, esperiente, beneficario in relazione al rapporto con la testa nominale oltre ad avere il significato possesivo. Per quanto riguarda la realizzazione e il significato dell'argomento nel sintagma genitivale diverse che cambiano secondo il tipo della testa nominale, ho classificato i nomi deverbali come nomi monoargomentali, nomi biargomentali, nomi triargomentali sulla base di Renzi et al(1991). Inoltre avendo confermato che il marcatore del caso genitivale di deve esserci nel caso in cui obbligatoriamente la struttura del sintagma nominale composto dai vari livelli, come NP, FP e DP, proposti da Longobardi(2001) per spiegare la differenza semantica del sintagma genitivale con la struttura sintattica, ho cercato di individuare l'ordine degli argomenti, osservando l'ambiguità e il cambiamento del significato del sintagma genitivale nel sintagma nominale. Cioé la differenza della possibilità interpretativa è una cosa strutturale, quindi possibilmente si può configurare la semantica del sintagma genitivale nella struttura sintattica.

• 한국콘텐츠학회논문지
• /
• 제20권5호
• /
• pp.344-350
• /
• 2020

본 연구의 목적은 수학능력시험 영어 영역 문항의 정답률에 영향을 미치는 응집성 관련 텍스트 요인을 찾기 위함이다. 이를 위해, 2014~2018학년도 수능 및 수능 모의고사의 읽기 지문 299개를 수집하여 응집성 관련 지표를 코메트릭스를 통해 분석하고 이를 실제 문항 정답률과 상관분석하였다. 이를 통해 얻어진 결론은 다음과 같다. 첫째, 문장 사이의 특정 논항이 반복되어 응집성이 강해지면 학습자의 언어적 부담이 줄어들면서 문항 정답률이 상승하는 경향이 있었다. 둘째, 잠재 의미 분석의 8개 하위 영역과 문항 정답률 사이에는 통계적으로 유의한 상관관계가 발견되지 않았다. 마지막으로 본 연구의 교육적 함의와 후속연구를 위한 제언을 논의하였다.

• 한국언어정보학회:학술대회논문집
• /
• 한국언어정보학회 2001년도 학술대회 논문집
• /
• pp.97-109
• /
• 2001

이 논문은 영어와 한국어에서 나타나는 완수동사(Accomplishment Verb)와 지속부사구(durative adverbial)의 상호작용에 대해서 논한다. Smith(1991)에 의하면 완수동사가 지속부사구와 결합하면, 동사와 부사구의 의미적 자질의 충돌을 피하기 위해서 완수동사의 상변환(Apsect Shift)이 일어난다. 본 논문은 이 상변환이 영어와 한국어에서 어떻게 실현되는가를 보이고, 이를 형식의미론에서 어떻게 기술할 수 있는가를 논한다. 완수동사가 지속부사구와 결합할 때, 영어와 한국어 모두에서 닫힌 완료 관점(closed perfective viewpoint)에서 열린 관점(open viewpoint)으로 관점 변환(viewpoint shift)이 일어난다. 그러나, 한국어의 상변환과 영어의 상변환이 완전히 일치하는 것은 아니다. 한국어의 관점변환은 완료관점도 아니고 미완료 관점도 아닌, 중립관점(neutral viewpoint)으로의 변환인 반면, 영어의 관점변환은 단순히 미완료 관점으로의 변환임이 논의된다. 이 주장은 한국어의 관점변환 구문은 이질적인 다수 사건의 연속 해석(heterogeneous sequential reading of multiple events)을 허용하는 반면, 영어의 관점변환구문은 오직 동질적인 단일 사건의 동시 해석 (homogeneous simultaneous reading of a single event)만을 허용한다는 사실에 의해서 지지 된다. 본 논문은 완수동사가 지속부사구와 결합할 때 일어나는 상변환에 대한 형식의 미론 분석을 Heim ＆ Kratzer (1998)의 틀에서 제시한다. 닫힌 관점에서 열린 관점으로의 상변환은 비가시적 시제 서법 운용자(covert temporal-modal operator)인 IMP를 지속부사구의 논항으로 설정하여 설명한다. IMP는 Dowty (1979)에서 미완료상의 모순(imperfective paradox)을 해결하기 위해서 설정한 PROG를 Heim ＆ Kratzer (1998)의 틀에 맞게 수정한 것이다. IMP는 평가 세계 (evaluation world)를 현실 세계(actual world)에서 가상 관성 세계(possible inertia would)로 변화시켜서, 완수동사의 종결점(ending point)을 현실세계에서 가상의 미래 세계로 움직이는 역할을 한다. 결과적으로, IMP는 완수동사의 닫힌 완료 관점을 현실세계에서는 열린 미완료 관점으로 변환시키되, 가상 관성 세계에서는 그대로 닫힌 관점으로 유지 시키는 효과를 가진다. 한국어와 영어의 관점 변환 구문의 차이는 각 언어의 지속부사구의 어휘 목록의 전제(presupposition)의 차이로 설명된다. 본 논문은 영어의 지속부사구는 논항의 하위간격

• 한국언어정보학회지:언어와정보
• /
• 제14권1호
• /
• pp.113-144
• /
• 2010

The primary goal of this paper is to find a feasible way to answer the question: Does the similarity in meaning between verbs relate to the similarity in their subcategorization? In order to answer this question in a rather concrete way on the basis of a large set of English verbs, this study made use of various language resources, tools, and statistical methodologies. We first compiled a list of 678 verbs that were selected from the most and second most frequent word lists from the Colins Cobuild English Dictionary, which also appeared in WordNet 3.0. We calculated similarity measures between all the pairs of the words based on the 'jcn' algorithm (Jiang and Conrath, 1997) implemented in the WordNet::Similarity module (Pedersen, Patwardhan, and Michelizzi, 2004). The clustering process followed, first building similarity matrices out of the similarity measure values, next drawing dendrograms on the basis of the matricies, then finally getting 177 meaningful clusters (covering 437 verbs) that passed a certain level set by z-score. The subcategorization frames and their frequency values were taken from the ICE-GB. In order to calculate the Selectional Preference Strength (SPS) of the relationship between a verb and its subcategorizations, we relied on the Kullback-Leibler Divergence model (Resnik, 1996). The SPS values of the verbs in the same cluster were compared with each other, which served to give the statistical values that indicate how much the SPS values overlap between the subcategorization frames of the verbs. Our final analysis shows that the degree of overlap, or the relationship between semantic similarity and the subcategorization frames of the verbs in English, is equally spread out from the 'very strongly related' to the 'very weakly related'. Some semantically similar verbs share a lot in terms of their subcategorization frames, and some others indicate an average degree of strength in the relationship, while the others, though still semantically similar, tend to share little in their subcategorization frames.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제32권10호
• /
• pp.984-989
• /
• 2005

본 연구의 목적은 한국어 문장의 문법관계를 분석하는 데 있다. 주된 문제는 문장의 주어, 목적어, 부사어를 문장에서 찾아내는 것이다. 이 문제를 해결하기 위해서 한국어 구문 분석에서 발생하는 여러 중의성을 고려해야 한다. 우리는 문법관계의 중의성을 먼저 해결하고 그 다음에 주어진 명사구와 용언구의 문법관계 확률을 이용하여 용언구의 술어-논항 관계 중의성을 해소하는 통계적 방법을 제안한다. 제안된 방법은 어절간의 거리, 교차구조 금지, 일문일격의 원칙 둥의 한국어 언어 특성을 반영하였다. 용언구와 명사구 사이의 문법관계에 대한 확률은 지지벡터 분류기를 이용하여 추정하였다. 제안된 방법은 문법관계 및 구문구조 부착 말뭉치를 이용하여 자동으로 문법관계를 학습하였고 주어, 목적어, 부사 각각의 문법관계분석에 대해 각각 $84.8\%,\;94.1\%,\;84.8\%$의 성능을 얻었다.

• 정보관리학회지
• /
• 제18권4호
• /
• pp.37-55
• /
• 2001

본 연구에서는 특정 주제분야의 텍스트를 대표할 수 있는 단어술어를 추출하고 기본문형을 형성 한 후 각 단서술어의 기본문형을 실례화하여 연결함으로써 요약문을 작성하는 자동요약시스템의 모형을 설계하고 구현하였다. 시스템은 학습과정과 요약과정을 구분되며, 학습과정에서는 술어와 격조사를 출현빈도를 이용하여 주제분야 텍스트집단을 대표하는 단어술어와 필수격 조사를 추출한 뒤 단어술어가 이루는 문장의 기본문형을 형성한다. 요약과정에서 실례화 규직을 요약 대상 문장의 구문 분석 결과에 적용하여 기본문형의 격조사와 결합될 논항을 찾아 단문을 생성하고 연결하여 요약문을 완성한다. ‘화재’및‘강도’와 관련된 신문기사를 대상으로 실험을 수행하였으며, 작성된 요약문은 단어술어가 포함된 주요 문장에서 추출한 필수 정보항목과 술어를 중심으로 생성된 문장들로서 문장간의 연결이 자연스러울 뿐 아니라 텍스트의 전체적인 의미를 표현할 수 있었다. 또한, 통계적 기법을 이용한 학습을 통해 주제영역의 확장이 가능하였다.

• 한국독어학회지:독어학
• /
• 제7집
• /
• pp.127-144
• /
• 2003

Die Hedeutungen von drei Verben anregen, aufregen, erregen werden durch '흥분시키다' ohne Unterschied im Deutsch-Koreanisch $W\"{o}rterbuch{\;}erkl\"{a}rt$. Aber sie haben verschiedene Bedeutungen, was man durch einen Vergleich der Valenz feststellen kann und durch eine verschiedene $Bedeutungserkl\"{a}rung$ zu unterscheiden versuchen sollte. Die drei Verben haben die Argumentenkombination 'Origo + $Vorgangstr\"{a}ger$' gemeinsam. Aber erregen muss noch in 2 Sememe eingeteilt werden: erregen 1. '무엇이 누구를 아주 화나게 하거나, 아주 신경질적으로 만들다'(불유쾌한 홍분상태에 빠뜨리다) erregen 2. '무엇이 누구를 성적으로 또는 기쁘게 흥분시키다'(즐거운 흥분상태에 빠뜨리다) erregen 2. muss wiederum in 2 Eedeutungsvarianten aufgeteilt werden: erregen 2.1. '성적인 흥분상태에 빠뜨리다' erregen 2.2. '성적인 흥분은 아니지만, 기쁜 흥분상태에 빠뜨리다' erregen 2.1. und erregen 2.2. werden voneinander unterschieden durch die verschiedene semantische Klasse der $Mominativerg\"{a}nzung$: 'Sexueller Anblick' erscheint fur die semantische Klasse der $Nominativerg\"{a}nzung$ von erregen 2.1.. 'Musik' erscheint fur die semantische Klasse der $Nominativerg\"{a}inzung$ von erregen 2.2.. erregen 1. und aufregen mit negativer Konnotation werden synonymisch verwendet: erregen 1. '무엇이 누구를 아주 화나게 하거나, 아주 신경질적으로 만들다'(불유쾌한 흥분상태에 빠뜨리다) aufregen '무엇이 누구를 아주 화나게 하거나, 아주 신경질적으로 만들다'(불유쾌한 흥분상태에 빠뜨리다) Aber die semantische Klasse $f\"{u}r$ die $Akkusativerg\"{a}nzung$ scheint anders zu sein: 'Mensch odor das $Gem\"{u}t$ eines Menschen' $k\"{o}nnen$ erscheinen $f\"{u}r$ die $Akkusativerg\"{a}nzung$ von erregen 1., $w\"{a}hrend$ nur 'Mensch' $f\"{u}r$ die $Akkusativerg\"{a}nzung$ von aufregen erscheint. Man sollte die Bedeutung und die syntaktische Valenz von anregen anders $erkl\"{a}ren$, je nachdem ein Mensch odor eine $T\"{a}tigkeit$ des $Menschenk\"{o}rpers$ als $Akkusativerg\"{a}nzung$ auftritt: j-n : Kaffee regt(mic) an. '커피가 나를 흥분시키다' Absraktum : das Medikament regt die Verdauung an '약이 소화를 자극하다/촉진하다/북돋우다' Die $Akkusativerg\"{a}nzung$ mit der semantischen Klasse 'Mensch' ist fakultativ weglassbar, $w\"{a}hrend$ sie mit dem Klassem $'T\"{a}tigkeit{\;}des{\;}Menschenk\"{o}rpers'$ obligatorisch ist.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2002년도 제14회 한글 및 한국어 정보처리 학술대회
• /
• pp.184-188
• /
• 2002

본 논문에서는 단순히 주변에 위치하는 어휘들간의 문맥 공기 정보를 이용하는 방식과는 달리 국소 구문 관계 및 의미 공기 정보에 기반한 명사 의미 모호성 해소 방안을 제안한다. 기존의 WSD 방법은 구조 분석의 어려움으로 인하여 문장의 구문 관계를 충분히 고려하지 못하고 주변 어휘들과의 공기 관계로 그 의미를 파악하려 했다. 그러나 본 논문에서는 동사구의 논항 의미 관계뿐만 아니라 명사구내에서의 의미 관계도 고려한 국소 구문관계를 고려한 명사 의미 모호성 해소 방법을 제안한다. 이 때, 명사들의 의미는 자동번역 시스템의 목적에 맞게 공기(co-occurrence)하는 동사들에 따라 분류하였다. 그리고 한중 자동 번역 지식으로 사용되는 명사 의미 코드가 부착된 74,880 의미 격틀의 의미 공기정보를 이용하였으며 형태소 태깅된 말뭉치로부터 의미모호성이 발생하지 않게 의미 공기정보 및 명사구 의미 공기 정보를 자동으로 추출하였다. 실험 결과, 의미 모호성이 발생하는 명사들에 대해서 83.9%의 의미 모호성 해소 정확률을 보였다.

• 한국정보통신학회논문지
• /
• 제26권1호
• /
• pp.24-29
• /
• 2022

정보 추출 및 질의응답 시스템 등 다양한 자연어 처리 분야에서 사용되는 의미역 결정은 주어진 문장과 서술어에 대해 서술어와 연관성 있는 논항들의 관계를 파악하는 작업이다. 입력으로 사용되는 서술어는 형태소 분석과 같은 어휘적 분석 결과를 이용하여 추출하지만, 한국어 특성상 문장의 의미에 따라 다양한 패턴을 가질 수 있기 때문에 모든 언어학적 패턴을 만들 수 없다는 문제점이 있다. 본 논문에서는 사전에 언어학적 패턴을 정의하지 않고 신경망 모델과 사전 학습된 임베딩 모델 및 형태소 자질을 추가한 한국어 서술어를 인식하는 방법을 제안한다. 실험은 모델의 변경 가능한 파라미터에 대한 성능 비교, 임베딩 모델과 형태소 자질의 사용 유무에 따른 성능 비교를 하였으며, 그 결과 제안한 신경망 모델이 92.63%의 성능을 보였음을 확인하였다.