• 재활복지
• /
• 제21권3호
• /
• pp.187-207
• /
• 2017

본 연구는 일반노년층을 대상으로 단어정의하기 과제를 실시하여, 노화에 따른 구체명사와 추상명사의 단어정의하기 능력 변화를 살펴보았다. 대상자는 55~64세, 65~74세, 75~84세, 85세 이상의 네 개 연령집단으로 분류된 총 382명의 일반노인들이었다. 5개의 구체명사와 5개의 추상명사로 구성된 단어정의하기 과제를 실시하여, 단어정의 점수, 주요의미/부수의미의 개수 및 비율, 오류유형을 분석하였다. 연구 결과 구체명사의 정의점수, 주요의미/부수의미의 개수 및 비율은 네 집단 간 차이가 모두 유의하였다. 추상명사의 경우, 높은 연령집단인 75~84세와 85세 이상 집단 간 차이를 제외한 모든 연령집단 간 차이가 통계적으로 유의하였다. 오류의 산출빈도는 85세 이상 집단에서 급격한 증가를 보였으며 오류유형의 산출비율은 55~64세, 65~74세 집단에서 개인적 경험 오류, 75~84세 집단에서 목표어휘 반복 오류, 85세 이상 집단에서 무반응 오류가 가장 높았다. 이러한 결과는 구체명사와 추상명사 모두 노화가 진행됨에 따라 의미망 내에서의 어휘 및 의미자질들의 확산적 활성화가 제한되어 주요의미와 부수의미의 개수가 감소하고 이로 인해 단어에 대한 정의 내용 또한 빈약해진다는 것을 의미한다. 또한 연령이 높은 집단일수록 의미망 내에서 목표어휘와 가까운 거리에 있는 주요의미의 비율이 증가하였다. 본 연구는 다양한 연령대의 노인집단을 대상으로 단어정의하기 능력을 살펴보아, 노화에 따른 언어능력 특성을 제시하였다는 점에 의의가 있다.

• 기술표준
• /
• 통권16호
• /
• pp.62-63
• /
• 2003

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2019년도 제31회 한글 및 한국어 정보처리 학술대회
• /
• pp.3-7
• /
• 2019

자연어 표상은 자연어가 가진 정보를 컴퓨터에게 전달하기 위해 표현하는 방법이다. 현재 자연어 표상은 학습을 통해 고정된 벡터로 표현하는 것이 아닌 문맥적 정보에 의해 벡터가 변화한다. 그 중 BERT의 경우 Transformer 모델의 encoder를 사용하여 자연어를 표상하는 기술이다. 하지만 BERT의 경우 학습시간이 많이 걸리며, 대용량의 데이터를 필요로 한다. 본 논문에서는 빠른 자연어 표상 학습을 위해 의미 정보와 BERT를 결합한 개념 언어 모델을 제안한다. 의미 정보로 단어의 품사 정보와, 명사의 의미 계층 정보를 추상적으로 표현했다. 실험을 위해 ETRI에서 공개한 한국어 BERT 모델을 비교 대상으로 하며, 개체명 인식을 학습하여 비교했다. 두 모델의 개체명 인식 결과가 비슷하게 나타났다. 의미 정보가 자연어 표상을 하는데 중요한 정보가 될 수 있음을 확인했다.