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
- 학위논문
- 저자정보
- 지도교수
- Jong Hyuk Lee
- 발행연도
- 2018
- 저작권
- 과학기술연합대학원대학교 논문은 저작권에 의해 보호받습니다.
이용수1
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
In this thesis, we developed methods to recognize Named Entities (NEs) in the general-domain documents by using Neural Networks. This method consists of two steps. First step is pre-training vectors using Word and Character-level Embedding. Second step is recognizing NEs using Bidirectional Recurrent Neural Network (Bi-RNN) and Convolutional Neural Network (CNN). By using Bi-RNN and CNN sequentially, we extracted important features from both inside and outside of the context window. Also, we built the model with Gated Recurrent Unit (GRU) and compared it to Long Short-Term Memory (LSTM). Experimental results show that hybrid Neural Network increases F1 score much higher than the single Neural Network, and GRU performs slightly better than LSTM. We proved that hybrid method is more effectively than single method. The proposed method can be helpful to recognize the NEs in the general-domain documents.
목차
1. 서론1.1 용어정리2. 선행연구2.1 규칙기반 연구방법2.2 통계기반 연구방법2.3 신경망 기반 연구방법2.3.1 개요2.3.2 합성곱 신경망2.3.3 순환 신경망3. 제안하는 방법3.1 개요3.2 모티브3.3 제안하는 모델3.3.1 단어 임베딩3.3.2 문자 단위 임베딩3.3.3 Gated Recurrent Unit3.3.4 혼합 신경망4. 실험 및 분석4.1 실험 환경4.1.1 데이터4.1.2 학습방법4.2 평가 방법4.3 실험 결과 및 분석5. 결론 및 향후 과제참고문헌
최근 본 자료
댓글(0)
0