시맨틱 추론 규칙을 이용한 대규모 언어 자원의 품질 고도화 방안 - 국립중앙도서관 주제명표목표를 중심으로 -
Method for Enhancing the Quality of Large-Scale Lexical Resources Using Semantic Inference Rules: Focusing on the National Library of Korea Subject Headings
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 대규모 언어 자원에 관한 연구 동향을 바탕으로, 자동화된 시맨틱 추론 기법을 이용한 거대 언어 자원의 효율적 품질 제고 방안을 제시하고 응용 가능성을 제안하고자 한다. 이를 위해, 우선 언어 자원 내 용어 간의 다양한 관계를 분석하여 도출한 정오 사례를 바탕으로 공통의 시맨틱 추론 규칙을 정의하였다. 정의된 추론 규칙을 바탕으로 거대한 언어 자원의 네트워크를 고속 탐색하고 오류를 검출하는 스프레딩 알고리즘 기반의 시맨틱 추론 엔진을 개발하였다. 국립중앙도서관의 주제명표목표에 대한 실험을 통해, 본 연구에서 제안한 자동화 기법과 웹 기반 관리 시스템을 활용하여 대용량 데이터의 품질 고도화 작업을 효율적으로 수행할 수 있음을 확인하였다. 본 연구는 대규모 언어 자원의 품질 고도화를 위한 시맨틱 추론 기법을 새롭게 제안한 점, 복잡한 용어 네트워크에서 발생하는 논리적 오류 사례를 분석하고 체계화하는 최초의 시도였다는 점에서 의의가 있으며, 일련의 과정을 통해 인공 지능 시대의 인간과 기계의 협업 방식을 논의하였다는 데 의의가 있다.
Abstract
The purpose of this study is to propose an efficient quality enhancement method for large-scale lexical resources using automated semantic inference techniques, based on current research trends in large lexical resources, and to suggest practical applications. To achieve this, common semantic inference rules were first defined by analyzing various relational cases among terms within lexical resources and identifying correct and erroneous patterns. Using these defined inference rules, a semantic inference engine based on a spreading algorithm was developed, enabling rapid network traversal and error detection across very large lexical resources. Through experiments on the Subject Headings of the National Library of Korea, it was confirmed that the automated methods and web-based management system proposed in this study enable effective quality enhancement of large-scale data. The study is significant in that it proposes a novel semantic inference approach for enhancing the quality of large-scale lexical resources, as well as the first attempt to analyze and organize logical error cases arising within complex term networks. Furthermore, it is meaningful in discussing methods of human-machine collaboration in the era of artificial intelligence.
참고문헌 (21)
- "국립중앙도서관 주제명표목 업무지침" (2021), 국립중앙도서관[URL]
- 김선동, "한국어 디비피디아의 자동 스키마 진화를 위한 방법", 한국정보처리학회 학술대회논문집, 21(1), pp.741~744 (2014)
- 백지원, "국립중앙도서관 주제명표목표 검색 시스템 개선 방안에 관한 연구", 정보관리학회지, 31(1), pp.31~51 (2014)[DOI]
- 여지숙, "한인디아스포라 관련 주제명표목 개선 방안 연구-국립중앙도서관 주제명표목표의 한인 관련 용어를 중심으로-", 한국도서관․정보학회지, 53(1), pp.103~124 (2022)[DOI]
- 이혜경, "주제명 활용 분석을 통한 국립중앙도서관 주제명표목표의 현황 연구", 정보관리학회지, 40(2), pp.157~182 (2023)[DOI]
- 정도헌, "데이터 활용률 제고를 위한 기술 용어의 상호 네트워크 생성과 통제", 정보관리학회지, 35(1), pp.157~182 (2018)[DOI]
- 정도헌, "과학기술 전문용어의 다국어 의미망 생성과 분석", 정보관리연구, 37(4), pp.25~47 (2006)[DOI]
- 최윤경, "국립중앙도서관 주제명표목표의 고품질화 방안에 관한 연구", 한국문헌정보학회지, 48(1), pp.75~95 (2014)[DOI]
- 한희정, "기술문서 정의문 패턴을 이용한 전문용어사전 자동추출 및 활용방안", 정보관리학회지, 34(4), pp.81~99 (2017)[DOI]
- 허고은, "Word2Vec과 WordNet 기반 불확실성 단어 간의 네트워크 분석에 관한 연구", 한국문헌정보학회지, 53(3), pp.247~271 (2019)[DOI]
- An, Y., "Enhancing pre-trained language representations with rich knowledge for machine reading comprehension", Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics, pp.2346~2357 (2019)
- Hu, X. -B., "A ripple-spreading algorithm for the k shortest paths problem", Proceedings of the 2012 Third Global Congress on Intelligent Systems, pp.202~208 (2012)
- Jeong, D. H., "Generating knowledge map for acronym-expansion recognition", the Proceedings on U- and E-Service Science and Technology (UNESST 2011), pp.287~293 (2011)
- Marciniak, J., "Wordnet as a backbone of domain and application conceptualizations in systems with multimodal data", Proceedings of the 12th Conference on Language Resources and Evaluation (LREC 2020), pp.1~6 (2020)
- Mendes, P. N., "DBpedia spotlight : shedding light on the web of documents", Proceedings of the 7th International Conference on Semantic Systems, 8, pp.1~8 (2011)
- Miller, G. A., "WordNet : a lexical database for english", Communications of the ACM, 38(11), pp.39~41 (1995)[DOI]
- Navigli, R., "BabelNet : The automatic construction, evaluation and application of a wide-coverage multilingual semantic network", Artificial Intelligence, 193, pp.217~250 (2012)[DOI]
- Nothman, J., "Learning multilingual named entity recognition from Wikipedia", Artificial Intelligence, 194, pp.151~175 (2013)[DOI]
- Paulheim, H., "Knowledge graph refinement : A survey of approaches and evaluation methods", Semantic Web, 8(3), pp.489~508 (2017)[DOI]
- Paulheim, H., "Serving DBpedia with DOLCE - more than Just adding a cherry on top", The Semantic Web - ISWC 2015 (Lecture Notes in Computer Science), 9366, pp.180~196 (2015)
- Saedi, C., "WordNet embeddings", Proceedings of the Third Workshop on Representation Learning for NLP, pp.122~131 (2018)