DeNERT: Named Entity Recognition Model using DQN and BERT
DC Field | Value | Language |
---|---|---|
dc.contributor.author | 양성민 | - |
dc.contributor.author | 정옥란 | - |
dc.date.available | 2020-05-12T11:42:22Z | - |
dc.date.created | 2020-05-06 | - |
dc.date.issued | 2020-04 | - |
dc.identifier.issn | 1598-849X | - |
dc.identifier.uri | https://scholarworks.bwise.kr/gachon/handle/2020.sw.gachon/41922 | - |
dc.description.abstract | 본 논문에서는 새로운 구조의 개체명 인식 DeNERT 모델을 제안한다. 최근 자연어처리 분야는 방대한양의 말뭉치로 사전 학습된 언어 표현 모델을 활용하는 연구가 활발하다. 특히 자연어처리 분야 중 하나인개체명인식은 대부분 지도학습 방식을 사용하는데, 충분히 많은 양의 학습 데이터 세트와 학습 연산량이필요하다는 단점이 있다. 강화학습은 초기 데이터 없이 시행착오 경험을 통해 학습하는 방식으로 다른 기계학습방법론보다 조금 더 사람이 학습하는 과정에 가까운 알고리즘으로 아직 자연어처리 분야에는 많이 적용되지않은 분야이다. 아타리 게임이나 알파고 등 시뮬레이션 가능한 게임 환경에서 많이 사용된다. BERT는 대량의말뭉치와 연산량으로 학습된 구글에서 개발한 범용 언어 모델이다. 최근 자연어 처리 연구 분야에서 높은성능을 보이고 있는 언어 모델이며 많은 자연어처리 하위분야에서도 높은 정확도를 나타낸다. 본 논문에서는이러한 DQN, BERT 두가지 딥러닝 모델을 이용한 새로운 구조의 개체명 인식 DeNERT 모델을 제안한다. 제안하는 모델은 범용 언어 모델의 장점인 언어 표현력을 기반으로 강화학습 모델의 학습 환경을 만드는방법으로 학습된다. 이러한 방식으로 학습된 DeNERT 모델은 적은 양의 학습 데이터세트로 더욱 빠른 추론시간과높은 성능을 갖는 모델이다. 마지막으로 제안하는 모델의 개체명 인식 성능평가를 위해 실험을 통해서 검증한다. | - |
dc.language | 한국어 | - |
dc.language.iso | ko | - |
dc.publisher | 한국컴퓨터정보학회 | - |
dc.relation.isPartOf | 한국컴퓨터정보학회논문지 | - |
dc.title | DeNERT: Named Entity Recognition Model using DQN and BERT | - |
dc.title.alternative | DeNERT: Named Entity Recognition Model using DQN and BERT | - |
dc.type | Article | - |
dc.type.rims | ART | - |
dc.description.journalClass | 2 | - |
dc.identifier.doi | 10.9708/jksci.2020.25.04.029 | - |
dc.identifier.bibliographicCitation | 한국컴퓨터정보학회논문지, v.25, no.4, pp.29 - 35 | - |
dc.identifier.kciid | ART002580094 | - |
dc.description.isOpenAccess | N | - |
dc.citation.endPage | 35 | - |
dc.citation.startPage | 29 | - |
dc.citation.title | 한국컴퓨터정보학회논문지 | - |
dc.citation.volume | 25 | - |
dc.citation.number | 4 | - |
dc.contributor.affiliatedAuthor | 양성민 | - |
dc.contributor.affiliatedAuthor | 정옥란 | - |
dc.subject.keywordAuthor | Natural language processing | - |
dc.subject.keywordAuthor | Named entity recognition | - |
dc.subject.keywordAuthor | Reinforcement learning | - |
dc.subject.keywordAuthor | BERT | - |
dc.subject.keywordAuthor | DQN | - |
dc.subject.keywordAuthor | Language model | - |
dc.subject.keywordAuthor | 자연어처리 | - |
dc.subject.keywordAuthor | 개체명 인식 | - |
dc.subject.keywordAuthor | 강화학습 | - |
dc.subject.keywordAuthor | BRET | - |
dc.subject.keywordAuthor | DQN | - |
dc.subject.keywordAuthor | 언어모델 | - |
dc.description.journalRegisteredClass | kci | - |
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.
1342, Seongnam-daero, Sujeong-gu, Seongnam-si, Gyeonggi-do, Republic of Korea(13120)031-750-5114
COPYRIGHT 2020 Gachon University All Rights Reserved.
Certain data included herein are derived from the © Web of Science of Clarivate Analytics. All rights reserved.
You may not copy or re-distribute this material in whole or in part without the prior written consent of Clarivate Analytics.