|
품사 대응에서 발생하는 오류는 품사 태깅 모듈의 성능에 큰 영향을 준다. 품사 대응에서 발생하는 오류는 그 이유를 크게 두 가지로 나누어 볼 수 있다. 첫째, 품사 결정 모델의 전단계인 형태소 분석 단계에서의 오류로 인해, 품사 대응에 사용하는 특성정보가 부족하여 잘못된 펜트리뱅크의 품사로 대응되는 경우이다. 예를 들어, 그림 1에서 ‘work’의 시제 정보 중 현재 시제 정보가 없다면 기계 번역의 품사 v는 VB(동사원형)로만 대응된다. 둘째, 특정 단어들의 경우 형태소 분석 단계에서 분석된 품사의 종류가 펜트리뱅크에서 관찰된 품사의 종류보다 많아서 발생하는 경우다. 이 경우에, 품사 대응은 올바르게 되지만 문맥상 올바른 품사에 대한 펜트리뱅크 코퍼스에서 관찰된 확률 정보가 없게 된다. 그래서 품사 태깅에서 올바른 품사가 탈락하게 된다. 이러한 오류도 다시 두 가지 경우로 나눌 수 있다. 한 가지는 단어의 서로 다른 쓰임에 대해 동일하게 태깅된 경우이고 또다른 한 가지는 데이터 부족 문제로 발생하는 경우이다. 전자의 경우는 그림 1의 ‘all’과 같이 펜트리뱅크에서 DT, PDT, RB로만 태깅된 경우를 들 수 있다. 이 경우에 ‘all’에 대한 …(생략)
|
1. 임철수, 이현아, 최명석, 장병규, 이공주, 김길창, “어휘화된 규칙에 기반한 영한 기계번역 시스템,” 한국정보과학회 학술발표논문집 제24권 2호, 1997.
2. G. F. Foster. 1991. Statistical Lexical Disambiguation. Master`s thesis, McGill Univ. School of Computer Science, Montreal, Canada.
3. J. Allen. 1995. Natural Language Understanding. The Benjamin / Cummings Publishing Company, Inc.
4. J. Kupiec. 1992. Robust part-of-speech tagging using a hidden Markov model. Computer Speech and Language, 6:225-242.
5. M. Mitchell, S. Beatrice, M. Maryann, 1993. Building a Large Annotated Corpus of English : the Penn Treebank. Computational Linguistics.
6. B. Santorini, 1991. Part of Speech Tagging Guidelines for the Penn Treebank Project.
|
인 쇄
바로가기
영한 기계 번역 품사 집합과 펜트리뱅크 코퍼스 품사 ~.hwp
[Size :
38 Kbyte
]
장바구니
