메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이민우 (서울대학교) 김양훈 (서울대학교) 정교민 (서울대학교)
저널정보
Korean Institute of Information Scientists and Engineers 정보과학회 컴퓨팅의 실제 논문지 정보과학회 컴퓨팅의 실제 논문지 제25권 제8호
발행연도
2019.8
수록면
397 - 401 (5page)
DOI
10.5626/KTCP.2019.25.8.397

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

2019

문장 레벨 그래프 회선 신경망을 통한 텍스트 분류
이민우 ,  김양훈 ,  정교민 정보과학회 컴퓨팅의 실제 논문지 2019.08 학술저널

2018

문장 레벨 그래프 회선 신경망을 통한 텍스트 분류
이민우 ,  김양훈 ,  정교민 한국정보과학회 학술발표논문집 2018.12 학술대회자료

초록· 키워드

오류제보하기
텍스트 분류는 자연어처리 분야의 전통적인 문제이다. 기존의 RNN 및 CNN 기반 텍스트 분류 모델들은 순차적인 단어 구조에 의존하기 때문에 인접하지 않지만 관련성이 높은 단어 간의 관계를 유추하기 어렵다는 문제점이 있다. 반면 GCN(Graph Convolutional Network)은 그래프의 형태로 데이터를 입력받기 때문에 문장의 순차적 구조에 대한 의존도를 줄일 수 있다. 본 논문에서는 문서의 비순차적인 관계를 그래프로 담아내어 더욱 효과적으로 파악하고 분류하는 인공신경망 모델을 제안한다. 문서를 그래프로 표현하기 위해 각 단어를 그래프의 노드로 변환하고, 단어 간의 관계를 계산해 엣지로 정의한다. 최근에 제시된 GCN 구조를 통해 단어 간의 관계가 반영된 단어 벡터를 계산한 뒤, 어텐션 기반 요약 함수를 통해 문단을 주어진 클래스로 분류하는 방법을 제시한다. 실험 결과, 새롭게 제시된 모델이 RNN 및 CNN 기반 텍스트 분류 모델보다 좋은 성능을 보였다.
#자연어 처리 #인공 신경망 #그래프 회선 신경망 #텍스트그래프 #그래프 분류 #텍스트 분류 #natural language processing #neural networks #graph convolutional networks #textgraph #graph classification #text classification

목차

요약
Abstract
1. 서론
2. 모델
3. 실험
4. 결론
References

참고문헌 (11)

참고문헌 신청
L. Yao, C. Mao, and Y. Luo, Graph Convolutional networks for Text Classification, 33rd AAAI Conference on Artificial Intelligence (AAAI), 2019. google schola Y. Li, D. Tarlow, M. Brockschmidt, and R. Zemel, Gated Graph Sequence Neural Networks, International Conference on Learning Representations (ICLR), 2016. google schola J. Pennington, R. Socher, and C. Manning, Glove, Global vectors for word representation, Proc of the 2014 conference on empirical methods in natural language processing (EMNLP), 1532-1543, 2014. google schola T. N. Kipf and M. Welling, Semi-Supervised Classification with Graph Convolutional Networks, International Conference on Learning Representations (ICLR), 2017. google schola S. Hochreiter and J. Schmidhuber, Long short-term memory, Neural computation, 1735-1780, 1997. google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

BI기법을 이용한 부동산 허위매물 필터링 시스템
문정경 ,  김진묵 ,  박성우 한국정보통신학회 종합학술대회 논문집 2020 .07
Word2vec을 활용한 RNN기반의 문서 분류에 관한 연구
김정미 ,  이주홍 한국지능시스템학회 논문지 2017 .12
객체 검출 기반 이미지 캡션 알고리즘 연구
이준희 ,  김종찬 ,  서동환 Journal of Advanced Marine Engineering and Technology (JAMET) 2017 .09
문장유사도 측정 기법을 통한 스팸 필터링 시스템 구현
우수빈 ,  이종우 정보과학회 컴퓨팅의 실제 논문지 2017 .01
문장 레벨 그래프 회선 신경망을 통한 텍스트 분류
이민우 ,  김양훈 ,  정교민 한국정보과학회 학술발표논문집 2018 .12

최근 본 자료

전체보기

댓글(0)

0