한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리) (Annual Conference on Human and Language Technology)
- 한국정보과학회언어공학연구회 2017년도 제29회 한글 및 한국어 정보처리 학술대회
- /
- Pages.309-313
- /
- 2017
- /
- 2005-3053(pISSN)
개체명 사전 기반의 반자동 말뭉치 구축 도구
A Semi-automatic Annotation Tool based on Named Entity Dictionary
-
노경목
(한국해양대학교)
;
- 김창현 (한국전자통신연구원) ;
- 천민아 (한국해양대학교) ;
- 박호민 (한국해양대학교) ;
- 윤호 (한국해양대학교) ;
- 김재균 (한국해양대학교) ;
- 김재훈 (한국해양대학교)
-
Noh, Kyung-Mok
(Korea Maritime and Ocean University)
;
- Kim, Chang-Hyun (Electronics and Telecommunications Research Institute) ;
- Cheon, Min-Ah (Korea Maritime and Ocean University) ;
- Park, Ho-Min (Korea Maritime and Ocean University) ;
- Yoon, Ho (Korea Maritime and Ocean University) ;
- Kim, Jae-Kyun (Korea Maritime and Ocean University) ;
- Kim, Jae-Hoon (Korea Maritime and Ocean University)
- 발행 : 2017.10.13
초록
개체명은 인명, 지명, 조직명 등 문서 내에서 중요한 의미를 가지므로 질의응답, 요약, 기계번역 분야에서 유용하게 사용되고 있다. 개체명 인식은 문서에서 개체명에 해당하는 단어를 찾아 개체명 범주를 부착하는 작업을 말한다. 개체명 인식 연구에는 개체명 범주가 부착된 개체명 말뭉치를 사용한다. 개체명의 범주는 연구 분야에 따라 다양하게 정의되므로 연구 분야에 적합한 개체명 말뭉치가 필요하다. 하지만 이런 말뭉치를 구축하는 일은 시간과 인력이 많이 필요하다. 따라서 본 논문에서는 개체명 사전 기반의 반자동 말뭉치 구축 도구를 제안한다. 제안하는 도구는 크게 전처리, 사용자 태깅, 후처리 단계로 나뉜다. 전처리 단계는 자동으로 개체명을 찾는 단계이다. 약 11만 개의 개체명을 기반으로 하여 트라이(trie) 구조의 개체명 사전을 구축한 후 사전을 이용하여 개체명을 자동으로 찾는다. 사용자 태깅 단계는 사용자가 수동으로 개체명을 태깅하는 단계이다. 전처리 단계에서 찾은 개체명 중 오류가 있는 개체명들은 수정하거나 삭제하고, 찾지 못한 개체명들은 사용자가 추가로 태깅하는 단계이다. 후처리 단계는 태깅한 결과로부터 사전 정보를 갱신하는 단계이다. 제안한 말뭉치 구축 도구를 이용하여 752개의 뉴스 기사에 대해 개체명을 태깅한 결과 7,620개의 개체명이 사전에 추가되었다. 제안한 도구를 사용한 결과 사용하지 않았을 때 비해 약 57.6% 정도 태깅 횟수가 감소했다.