• (The)Study of the Eastern Classic
• /
• no.57
• /
• pp.437-466
• /
• 2014

This paper, is in the focus of the fact that was popular in the Joseon Dynasty, was clearly private background and fashionable aspects of its creation. In Section 2, as the background of the epidemic of of the Joseon Dynasty, and was derived creative situation of . is the "left Order live music" relationship center rather, was that it was created by the Academy belongs is highlighted "Hanlin year". As a result, collapses the relationship between the order raw Korea early left, in conjunction with the boast to debauchery and evaluated surface Shinyoung of successor Geibun of this academy, be epidemic in the Joseon Dynasty it is the could be. In Chapter 3, and two to the original, it was examined the epidemic surface of of the Joseon Dynasty. The epidemic of surface, in the conventional research and are relatively detailed, but in this paper, while accommodating the existing research results, of consideration "Hanlim feast" has led to Geibun of Korea "immune new Feast" was observed a trend surface is placed around the fact. As a result, , the Joseon is that it has been singing on the occasion official four-kan and Geibun center, first Nara are exempt new feast bonds back to the four Hall again in Geibun, usually it can be seen that it is spread in the Scholar-official and gisaeng's. Lower limit has been singing can be up to around the late 17th century it has been speculated through the time of Gimumanjun.

• KLA journal
• /
• v.2 no.3
• /
• pp.7-14
• /
• 1961

• KLA journal
• /
• v.3 no.1
• /
• pp.11-21
• /
• 1962

• KLA journal
• /
• v.3 no.2
• /
• pp.21-28
• /
• 1962

• Annual Conference on Human and Language Technology
• /
• 2021.10a
• /
• pp.340-345
• /
• 2021

최근 많은 연구들이 BERT를 활용하여, 주어진 문맥에서 언어학/문법적으로 적절하지 않은 단어를 인지하고 찾아내는 성과를 보고하였다. 하지만 일반적으로 딥러닝 관점에서 NLL기법(Negative log-likelihood)은 주어진 문맥에서 언어 변칙에 대한 정확한 성격을 규명하기에는 어려움이 있다고 지적되고 있다. 이러한 한계를 해결하기 위하여, Li et al.(2021)은 트랜스포머 언어모델의 은닉층별 밀도 추정(density estimation)을 통한 가우시안 확률 분포를 활용하는 가우시안 혼합 모델(Gaussian Mixture Model)을 적용하였다. 그들은 트랜스포머 언어모델이 언어 변칙 예문들의 종류에 따라 상이한 메커니즘을 사용하여 처리한다는 점을 보고하였다. 이 선행 연구를 받아들여 본 연구에서는 한국어 기반 언어모델인 KoBERT나 KR-BERT도 과연 한국어의 상이한 유형의 언어 변칙 예문들을 다른 방식으로 처리할 수 있는지를 규명하고자 한다. 이를 위해, 본 연구에서는 한국어 형태통사적 그리고 의미적 변칙 예문들을 구성하였고, 이 예문들을 바탕으로 한국어 기반 모델들의 성능을 놀라움-갭(surprisal gap) 점수를 계산하여 평가하였다. 본 논문에서는 한국어 기반 모델들도 의미적 변칙 예문을 처리할 때보다 형태통사적 변칙 예문을 처리할 때 상대적으로 보다 더 높은 놀라움-갭 점수를 보여주고 있음을 발견하였다. 즉, 상이한 종류의 언어 변칙 예문들을 처리하기 위하여 다른 메커니즘을 활용하고 있음을 보였다.

• Koreanishche Zeitschrift fur Deutsche Sprachwissenschaft
• /
• v.6
• /
• pp.23-55
• /
• 2002

이 논문의 목적은 수없이 많은 독일어 동사들 가운데 사람의 심리-감정을 표현하는 동사, 소위 감정동사(Emotionsverben: Verben der Gefuhlsbewegung)를 하나의 어휘-의미장(lexikalisch-semantisches Feld)으로 보고 이들의 통사구조 및 의미구조를 파악하여 결합가 모형화 하는 것이다. 우리는 감정동사의 통사 구조 및 의미구조를 기술하기 위해 동사 중심의 결합가 이론과 격이론을 이론적$\cdot$방법론적 토대로 삼았다. 또한 우리는 감정동사를 보충어의 수와 형태에 따라 크게 세 가지 그룹, 즉 2개의 보충어를 갖는 그룹 I(이 그룹에 속하는 동사들은 무생물(사물)을 주어로 갖는다)과 그룹 II(이 그룹에 속하는 동사들은 유생물(사람)을 주어로 갖는다) 그리고 3개의 보충어를 갖는 그룹 III(사람과 사람간의 관계를 나타낸다)으로 구분하였다. 예증을 위해 개별 동사에 대해 용례를 제시했다. 2개의 보충어를 갖는 그룹 II를 보충어의 수의성 여부에 따라 하위 분류했다. 보충어의 형태는 명사구(Sn, Sd, Sa, Sa)와 전치사구(pS)에 한정했으며 - 지면관계상 개별 동사의 예문으로 제시하진 않았지만 - 문장형태의 보충어, 예를 들어 dass-문장(Nsdass)과 부정사문(Inf)도 고려하여 통사적 문형(syntaktisches Satzmodell)과 의미적문형(semantisches Satzmodell)에서 제시하였다. 결국 이 논문은 독일어를 배우는 이들에게 독일어 동사의 통사구조 및 의미구조를 보다 쉽게 설명할 수 있는 하나의 방법론을 제시함은 물론, 나아가서는 결합가 사전에서 동사 내항 기술을 위한 기본적인 토대를 제공할 것이다