• 한국정보과학회논문지:소프트웨어및응용
• /
• 제34권2호
• /
• pp.112-122
• /
• 2007

말뭉치를 이용하여 통계적으로 의미역 결정(semantic role labeling)을 하기 위해서는, 의미역을 태깅하는 작업이 필수적이다. 그러나 한국어의 경우 의미역이 태깅된 대량의 말뭉치를 구하기 힘들며, 이를 직접 구축하기 위해서는 많은 시간과 노력이 필요한 문제점이 있다. 본 논문에서는 비지도 학습의 하나인 self-training 알고리즘을 적용하여, 의미역이 태깅되지 않은 말뭉치로부터 의미역을 결정하는 방법을 제안한다. 이를 위해, 세종 용언 전자사전의 격틀 정보를 이용하여 자동으로 학습 말뭉치를 구축하였으며, 확률 모델을 적용하여 점진적으로 학습하였다. 그 결과, 4개의 부사격 조사에 대해 평균적으로 83.00%의 정확률을 보였다.

• 한국언어정보학회지:언어와정보
• /
• 제9권2호
• /
• pp.85-105
• /
• 2005

This study aims at investigating the 'verb-second' phenomena indicated in complex sentences of medieval Spanish. Especially, when the complex sentence is composed of a preposed adverbial clause and its succeeding main clause, the subject inversion is noticeable in the latter. The fundamental motive of this type of inversion is due to the 'verb-second' structure, in which a topic appears in the first position and the verb immediately after the topic. So it can be said that the subject inversion is a prerequisite for a verb to be located in the second position when the adverbial clause functions as a topic to the main clause, as is often the case with Germanic languages like German, Dutch, etc.. On the contrary, modern Spanish complex sentences do not show this phenomenon, with a strong tendency to locate a grammatical subject in the preverbal position. Therefore, medieval Spanish might be typologically closer to Germanic languages than to modern Spanish. In order to argue for this assumption, the formal and functional criteria by which the preposed adverbial clause could be defined as a topic NP will be examined across the comparition with left-dislocation structure.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제27권6호
• /
• pp.668-677
• /
• 2000

한국어는 격조사에 의해 구문 역할이 결정되고 하나의 조사가 여러 개의 의미를 가지는 특징이 있다. 특히, 부사격 조사는 그 의미의 다양성으로 인해서 한영 기계 번역에서의 조사 번역을 어렵게 만든다. 본 논문에서는 부사격 조사가 가질 수 있는 의미격을 24개의 클래스로 분류한 후, 50만 어절 크기의 말뭉치에서 추출한 학습 예제와 결정 트리 추론(decision tree induction)을 통해 부사격 조사의 의미격 결정 규칙을 학습하였다. 결정 트리 추론 시 나타날 수 있는 학습 예제의 부족 문제는 단어 클래스를 사용함으로써 해결하였다. 실험 결과, 6개의 부사격 조사에 대해서 평균적으로 76.2%의 정확도를 보였으며, 이는 가장 많이 나타나는 의미격을 부사격 조사의 의미격으로 결정하는 방법에 비해 26.0%의 정확도 향상을 의미한다.

• 한국언어정보학회지:언어와정보
• /
• 제6권2호
• /
• pp.1-14
• /
• 2002

This paper discusses so called the non-DP subject constructions in English. In general, a subject is a DP that bears Nominative case and that occupies 〔Spec, IP〕. However, in some examples under investigation, it looks as if non-DP categories such as Prepositional Phrases(PP), Adjectival Phrases(AP), Adverbial Phrases (AdvP), Small Clauses (PreP or SC), and VP occupy the canonical subject position, 〔Spec, IP〕. Under the framework of Chomsky's (1993, 1995) along with his previous works (Chomsky 1981, 1986), the Case Checking mechanism undoubtedly assumes that only DPs can have Case Therefore, the Case Checking/Agree mechanism is stated such that the strong uninterpretable feature, in this case Case feature (D or NP) feature must be checked off in a certain manner. Therefore, any phrasal categories other than DPs are not included in the considerations. Nonetheless, there are many instances of non-DP categories in English that occupy the seemingly canonical subject position, 〔spec, IP〕. In this paper, it is proposed that the actual position of these non-DP subjects in English is not in Spec of IP. Rather, they occupy 〔Spec, TopP〕 under CP in the sense of Lasnik & Stowell (1991), Rizzi (1997), and Haegeman & Gueron (1999). In its effect, therefore, this paper extends the idea of Stowell (1981) who argues that the clausal subjects in English is not in 〔Spec, IP〕, but in 〔Spec, TopP〕. We further argue that Stowell's version of Case Resistance Principle must be extended in order to accomodate many more occurrences of so called non-DP subjects.

• 아동학회지
• /
• 제29권6호
• /
• pp.147-161
• /
• 2008

The present study compared characteristics of Korean nominal particles (occurrence, error, error patterns) of ten 5- to 6-year-old Korean-English simultaneous bilingual children with ten Korean monolingual children. Data were analyzed by Mann-Whitney U test and Spearman Rank Correlation and by qualitative analysis. Results were (1) bilingual children showed significantly lower frequency based on the number of occurrence of nominal particles per utterance. (2) The error percentage of adverbial markers was significantly higher for bilingual children. (3) Error patterns of bilingual children showed a higher percentage of in-case substitution and double use error. These findings suggest that Korean-English simultaneous bilingual children have a different Korean nominal particles development from Korean monolingual children.

• 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.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2005년도 제17회 한글 및 한국어 정보처리 학술대회
• /
• pp.120-126
• /
• 2005

세종전자사전의 용언사전과 체언사전에 기재된 용언의 격틀과 명사의 의미부류는 문장의 의미분석을 위한 핵심적인 언어자원이다. 본 논문에서는 용언사전을 전산처리가 용이한 격틀사전으로 변형한 다음 이를 이용한 의미역 결정 시스템을 구축하였고 기계학습 방법에 기반한 의미역 결정 시스템과 혼합하여 한국어에 있어 '에, 로'를 격표지로 하는 부사격에 대한 의미역 결정 방법에 대해 다루고 있다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2005년도 한국컴퓨터종합학술대회 논문집 Vol.32 No.1 (B)
• /
• pp.451-453
• /
• 2005

본 논문에서는 한국어에 있어 '에, 로'를 격표지로 하는 부사격에 대한 의미역 결정 모델에 대해 다루고 있다. 의미역 결정은 의미 분석의 핵심 과정 중 하나이고 자연언어처리에서 해결해야 할 중요한 문제이다. 본 논문은 기존 연구와 언어학 논저를 참고해서 의미역 결정에 유용한 자질들을 정리하였고 SVM을 이용하여 의미역 결정 모델을 구축하였다. 또한 기존 연구와 차별적으로 기능동사 구문의 처리와 지배소 개념의 유사도 보정 방법을 사용하여 보다 견고한 모델을 만들 수 있었다. 성능 평가 결과 개념(Concept)만을 사용한 기본 모델에 비해서 평균 $9\%$의 정확률 향상을 보였다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2006년도 제18회 한글 및 한국어 정보처리 학술대회
• /
• pp.32-39
• /
• 2006

본 논문은 한국어정보처리 과정에서 구문 관계를 의미 관계로 사상하는 의미역 결정 문제에 대해 다루고 있다. 한국어의 경우 대량의 학습 말뭉치를 구하기 힘들며, 이를 구축하기 위해서는 많은 시간과 노력이 필요한 문제점이 있다. 따라서 본 논문에서는 학습 말뭉치를 직접 태깅하지 않고 격틀사전을 이용하여 자동으로 학습 말뭉치를 구축하고 간단한 확률모델을 적용하여 점진적으로 모델을 학습하는 수정된 self-training 알고리즘을 사용하였다. 실험 결과, 4개의 부사격 조사에 대해 평균적으로 81.81%의 정확률을 보였으며, 수정된 self-training 방법은 기존의 방법에 비해 성능 및 실행시간에서 개선된 결과를 보였다.

• 정보처리학회논문지B
• /
• 제15B권1호
• /
• pp.69-72
• /
• 2008

본 연구는 한국어 의존 구조를 결정하는 단계적 의존 구조 분석기를 제안한다. 각 단계에서는 주어진 문법관계의 후보열에서 올바른 문법관계를 결정하는데, 대상문법관계의 종류에 따라 독립적으로 수행된다. 문법관계의 후보열은 미리 학습된 지지벡터기계를 이용하여 주어, 목적어, 보어, 부사어 등 7가지의 문법관계로 추정한다. 각 단계에서는 지지벡터기계 분류기와 어절 간의 거리, 교차 구조 금지, 격 제한의 원칙 등의 한국어 언어 특성을 이용하여 대상문법관계를 결정하며, 모든 단계를 거쳐 최종적으로 전체 의존 구조와 문법관계가 결정된다. 트리 및 문법관계 부착 말뭉치를 이용하여 제안된 시스템을 구현 및 실험하였으며 약 85.7%의 정확률을 얻었다.