지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술대회자료
- 저자정보
- 발행연도
- 2012.4
- 수록면
- 103 - 109 (7page)
이용수
초록· 키워드
오류제보하기
기계학습을 이용하는 자동문서분류 시스템은 분류모델의 구성을 위해서 개별적인 단어(word)를 특징(feature)으로 사용한다. 그래서 중의성 또는 모호성을 가지는 단어는 분류모델의 성능을 저하시키는 요인으로 작용한다. 문서분류의 성능을 높이는 방법 중의 하나는 분류모델의 특징으로 사용되는 단어가 가질 수 있는 중의성을 제거하는 것이다. 본 논문에서는 청킹(chunking) 기술을 이용하여 분류모델을 개선하는 방안을 제시한다. 청킹이란 자연어 처리 기법 중의 하나로서 정보를 의미 있는 단위로 묶어주는 기술이다. 청킹을 통하여 단어가 가지는 중의성을 최소화하여 자동 분류에 도움이 되는 특징을 만들어 낼 수 있다. 청킹을 통해 생성된 새로운 특징 집합에서 문헌 빈도수를 기준으로 최적의 특징을 선정하고, 선정된 최적의 특징 집합을 이용하여 다음의 세가지 방법으로 분류모델을 개선하였다. (1) 학습할 문서 집합에서의 선정된 특징들의 출현빈도수를 높여주거나, (2) 테스트 집합에서 선정된 특징을 가진 문서를 찾아 특징의 출현빈도수를 높여주는 방법, (3) 테스트 집합의 일부로 사전 분류를 실행하여 분류의 오류 정보를 얻어 점진적으로 학습 모델을 개선하는 방법을 사용하였다..
목차
초록
1. 서론
2. 배경연구
3. 청킹 기반 특징 추출과 분류 모델의 개선
4. 실험
5. 결론
참고문헌
참고문헌 (0)
참고문헌 신청이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2013-566-003253550