• 한국어정보학회:학술대회논문집
• /
• 2016.10a
• /
• pp.75-78
• /
• 2016

본 논문에서는 워드 임베딩과 유의어를 이용하여 세종 전자사전을 확장하는 방법을 제시한다. 세종 전자사전에 나타나지 않은 단어에 대해 의미 범주 할당의 시스템 성능은 32.19%이고, 확장한 의미 범주 할당의 시스템 성능은 51.14%의 성능을 보였다. 의미 범주가 할당되지 않은 새로운 단어에 대해서도 논문에서 제안한 방법으로 의미 범주를 할당하여 세종 전자사전의 의미 범주 단어 확장에 대해 도움이 됨을 증명하였다.

• Annual Conference on Human and Language Technology
• /
• 2016.10a
• /
• pp.75-78
• /
• 2016

본 논문에서는 워드 임베딩과 유의어를 이용하여 세종 전자사전을 확장하는 방법을 제시한다. 세종 전자사전에 나타나지 않은 단어에 대해 의미 범주 할당의 시스템 성능은 32.19%이고, 확장한 의미 범주 할당의 시스템 성능은 51.14%의 성능을 보였다. 의미 범주가 할당되지 않은 새로운 단어에 대해서도 논문에서 제안한 방법으로 의미 범주를 할당하여 세종 전자사전의 의미 범주 단어 확장에 대해 도움이 됨을 증명하였다.

• Journal of KIISE
• /
• v.44 no.9
• /
• pp.946-953
• /
• 2017

Semantic Role Decision defines the semantic relationship between the predicate and the arguments in natural language processing (NLP) tasks. The semantic role information and semantic category information should be used to make Semantic Role Decisions. The Sejong Electronic Dictionary contains frame information that is used to determine the semantic roles. In this paper, we propose a method to extend the Sejong electronic dictionary using word embedding and synonyms. The same experiment is performed using existing word-embedding and retrofitting vectors. The system performance of the semantic category assignment is 32.19%, and the system performance of the extended semantic category assignment is 51.14% for words that do not appear in the Sejong electronic dictionary of the word using the word embedding. The system performance of the semantic category assignment is 33.33%, and the system performance of the extended semantic category assignment is 53.88% for words that do not appear in the Sejong electronic dictionary of the vector using retrofitting. We also prove it is helpful to extend the semantic category word of the Sejong electronic dictionary by assigning the semantic categories to new words that do not have assigned semantic categories.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.11b
• /
• pp.541-543
• /
• 2005

백과사전에서 정답을 찾기 위해 문장의 구조를 분석하는데 한국어 백과사전은 표제어에 대한 정보를 문장에서 생략한다. 그러나 표제어는 문장에서 주어나 목적어 역할을 하기 때문에 생략된 정보를 복원하지 못 하면 질의에 대한 정답을 제시할 수 없다. 생략된 표제어에 대한 정보를 복원하기 위해서 본 연구에서는 표제어의 의미범주 정보, 격틀, Maximum Entropy 모델을 이용하여 표제어 주어, 표제어 목적어 복원, 미복원 3가지로 인식한다. 표제어 의미범주는 의미 범주에 대해 일정 수준의 복원 성향을 보일 경우 Maximum Entropy 정보를 창조하였고 격틀을 이용하여 복원 여부를 결정한다. 만약 표제어의 의미범주 정보, 격틀을 이용하여도 복원 여부를 결정하지 못할 경우에는 Maximum Entropy 모델에 기반한 통계 기법을 적용하여 복원 여부를 결정한다. 그리고 각각 방법의 단점을 보완하기 위해서 규칙에 해당하는 표제어 의미범주 정보와 격틀 정보에는 통계 모델인 ME 모델을 보완하여 사용한다.

• Korean Journal of Cognitive Science
• /
• v.15 no.1
• /
• pp.43-67
• /
• 2004

Using qualitative research methodology, this study has investigated the semantic features of 39 nouns, which are classified into the categories of grains, fruits and vegetables. A survey has been conducted with a substantial number of undergraduate students, who were asked to describe any semantic features they associated with the lexical items within the three categories. The analysis of the survey data shows that the concepts of examples of fruits are defined predominantly by intrinsic semantic features, while those of grains and vegetables are defined noticeably by extrinsic semantic features rather than intrinsic ones. Intrinsic semantic features are any properties inherent in an object itself and extrinsic semantic features are defined as any properties constructed by association with other objects or personal experiences in a certain situation. However, this study does not maintain that either intrinsic or extrinsic semantic features solely define the concepts of the examples of the three categories. Instead, it concludes that both kinds of semantic features are involved in the representation of the concepts of those vocabularies, with intrinsic features salient in the category of fruits and extrinsic features salient in the categories of gains and vegetables.

• Annual Conference on Human and Language Technology
• /
• 2015.10a
• /
• pp.198-201
• /
• 2015

의미역 결정은 문장의 서술어와 그 서술어에 속하는 논항들 사이의 의미관계를 결정하는 문제이다. 본 논문에서는 UPropBank 격틀 사전과 UWordMap의 용언의 하위 범주 정보를 이용하여 의미역을 부착하였다. 실험 결과 80.125%의 정확률로 의미역을 부착하는 성능을 보였다.

• Proceedings of the Korean Society for Information Management Conference
• /
• 2014.08a
• /
• pp.95-98
• /
• 2014

본 연구는 지역명 범주에 속하는 용어들의 개념적 특성을 분석하고, 이를 토대로 다른 범주와의 관련도를 파악하여 지역명 범주 용어들을 중심으로 관계 속성들 사이의 논리적 연관성을 부여할 수 있는 모형 도출에 기반이 되는 기초 연구이다. 지역명 범주 용어 중 국가명에 한정하여 분석한 결과, 국가명 개념 속성 중심으로는 계층 구조 관계의 지역명 범주 용어들끼리 연관이 높으며, 전체 범주 용어들의 개념 속성 중심으로는 지역명 범주 용어가 지리적 위치로서의 의미로 주로 쓰이나, 행위의 주체 또는 객체의 의미나 시대의 개념으로도 많이 활용됨을 알 수 있었다. 국가명이 참조되는 개념 속성과 연관되어 활용되는 관계 속성의 경우의 일부는 참조하는 주요 개념 범주와 연관 관계를 토대로 논리적 의미 관계를 생각해볼 수 있는 것으로 나타났다.

• Annual Conference on Human and Language Technology
• /
• 1999.10e
• /
• pp.36-39
• /
• 1999

본 논문에서는 다양성을 가진 웹문서의 범주를 결정짓는 웹문서 분류 시스템을 설계, 구축한다. 웹문서는 일관된 형식과 내용이 없이 만들어지기 때문에 문서의 범주를 결정하는 시스템을 구축하기는 쉬운 일이 아니다. 제안한 웹문서 분류 시스템은 잡음 처리에 적합한 신경망 방식을 적용하여 다양한 내용의 웹문서의 범주를 결정짓는다. 본 시스템은 한국어 문장을 분석하는 한국어 형태소 해석기, 단어의 의미를 획득하는 개념 획득기, 단어의 사용된 의미를 고르는 애매성 해소기, 그리고 문서의 범주를 결정하는 신경망 범주 결정기로 구성된다. 본 시스템은 단어의 의미를 이용하여 문서를 표현하고 분석하는 개념 중심의 문서 분류 시스템이다.

• Proceedings of the Korea Contents Association Conference
• /
• 2015.05a
• /
• pp.85-86
• /
• 2015

문화콘텐츠 시장에서 주요 화두로서 등장하는 인터랙션이라는 용어는 단어자체 의미의 포괄성으로 인해 미디어 세부 분야마다 각기 다른 해석을 가진다. 이러한 양상은 산업 간 융합 및 다학문적 연구에 어려움을 야기한다. 보다 나은 인터랙티브 관련 기술 및 학문 발전의 토대를 위해, 본 연구에서는 콘텐츠 미디어를 중심으로 인터랙션의 개념에 대한 범주화를 시도하였다. 본 연구에서는 인터랙티브 미디어에서 해석하는 인터랙션 의미에 대한 다양한 관점을 바탕으로 일차적으로 총체적인 분류체계를 만들고, 인터랙션 관련 산학 전문가들과의 FGI를 실시하여 수정 및 보완의 과정을 거치며 분류체계에 따른 의미의 범주화를 완성하였다.

• Korean Journal of Cognitive Science
• /
• v.19 no.2
• /
• pp.177-203
• /
• 2008

The present study was aimed to compare the semantic systems represented by the lexicon between L1 and L2 in late Korean-English bilinguals. The participants performed the word-picture matching task. the task was to decide whether the pictures represent the previously presented words' meaning. The words were the basic level categories. The stimuli were consisted of common object belonged to two different semantic categories (natural and artificial). To control the translation strategies, the SOA were manipulated as 650ms(Exp. 1) and 250ms(Exp. 2). No translation effort was found in the comparison of the two experiments. In both experiment, the RTs were faster in L1 rendition, and it took longer to decide the stimuli in natural categories than with artificial ones in L1. However, this category effect was not observed in L2. The results showed the differences in the organization of semantic representations in the brain through the bilinguals' two languages. While L1 semantic knowledge might be more systematically organized, that of L2 seems to be less well organized, at least by late bilinguals who participated in the present study.