• 한국전자파학회논문지
• /
• 제27권5호
• /
• pp.454-462
• /
• 2016

국내 TV 화이트 스페이스(TVWS) 기술기준에 따르면 디지털 TV(DTV) 서비스영역 내에서 고정 전력을 사용하는 휴대용 TV 화이트 스페이스 기기(WSD)의 경우, DTV 서비스 영역 경계 부분에서 전파환경이 변화하면 간섭이 발생할 수 있다. 이러한 문제점을 해결하기 위하여 본 논문에서는 TVWS geo-location 데이터베이스 기반의 고정 전력할당 방안에 더하여 스펙트럼 센싱을 수행하는 하이브리드 WSD의 무선자원 할당 방안을 제안한다. 하이브리드 WSD의 현재 위치에서 DTV의 수신전력을 센싱하고, 위치확률을 계산하여 허용가능 실효 등방향 방사전력을 산출한다. 이러한 높은 정확도의 WSD 무선자원 할당 방안을 통해 WSD가 국내 기술기준을 만족하면서 주변 픽셀로의 유해한 간섭을 제거하고 주파수 효율을 향상시켰다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2004년도 ICCAS
• /
• pp.1307-1312
• /
• 2004

Word sense disambiguation is one of the most important problems in natural language processing research topics such as information retrieval and machine translation. Many approaches can be employed to resolve word ambiguity with a reasonable degree of accuracy. These strategies are: knowledge-based, corpus-based, and hybrid-based. This paper pays attention to the corpus-based strategy. The purpose of this paper is to compare three famous machine learning techniques, Snow, SVM and Naive Bayes in Word-Sense Disambiguation on Thai language. 10 ambiguous words are selected to test with word and POS features. The results show that SVM algorithm gives the best results in solving of Thai WSD and the accuracy rate is approximately 83-96%.

• 한국차세대컴퓨팅학회논문지
• /
• 제13권2호
• /
• pp.102-110
• /
• 2017

최근 자연어 처리 분야에서 단어의 모호성을 해소하기 위해서 다양한 기계 학습 방법이 적용되고 있다. 지도 학습에 사용되는 데이터는 정답을 부착하기 위해 많은 비용과 시간이 필요하므로 최근 연구들은 비지도 학습의 성능을 높이기 위한 노력을 지속적으로 시도하고 있다. 단어 모호성 해소(word sense disambiguation)를 위한 비지도 학습연구는 지식 기반(knowledge base)를 이용한 방법들이 주목받고 있다. 이 방법은 학습 데이터 없이 지식 기반의 정보을 이용하여 문장 내에서 모호성을 가지는 단어의 의미를 결정한다. 지식 기반을 이용한 방법에는 그래프 기반방식과 유사도 기반 방법이 대표적이다. 그래프 기반 방법은 모호성을 가지는 단어와 그 단어가 가지는 다양한 의미들의 집합 간의 모든 경로에 대한 의미 그래프를 구축한다는 장점이 있지만 불필요한 의미 경로가 추가되어 오류를 증가시킨다는 단점이 있다. 이러한 문제를 해결하기 위해 본 논문에서는 그래프 구축을 위해 불필요한 간선들을 배제하면서 반복적으로 그래프를 재구축하는 모델을 제안한다. 또한, 구축된 의미 그래프에서 더욱 정확한 의미를 예측하기 위해 하이브리드 유사도 예측 모델을 적용한다. 또한 제안된 모델은 다국어 어휘 의미망 사전인 BabelNet을 사용하기 때문에 특정 언어뿐만 아니라 다양한 언어에도 적용 가능하다.